Khảo sát một số yếu tố tác động vào sự sẵn sàng của thương mại điện tử

MUÏC LUÏC DANH MUÏC BAÛNG BIEÅU VAØ HÌNH Baûng II. 1. Caùc loaïi ruûi ro 13 Hình II. 3. Keát quaû kieåm tra e-CAM taïi Myõ 16 Hình II. 4. Keát quaû kieåm tra e-CAM taïi Haøn Quoác 16 Baûng III. 1. Toùm taét löïa choïn bieán 28 Baûng III. 2. Giaûi thích lyù do caùc bieán Khoâng ñöôïc choïn (Kyù hieäu Yes ôû coät 7) 29 Baûng III. 3. Giaûi thích lyù do caùc bieán Ñöôïc choïn (Kyù hieäu Yes ôû coät 7) 31 Baûng III. 4. Toùm taét caùc bieán ngoaïi sinh ñöôïc choïn cho moâ hình 32 Baûng IV. 1. Thoáng keâ ñaëc tính nhaân khaåu hoïc 39 Baûng IV. 2. Thoáng keâ kinh nghieäm söû duïng Internet 39 Baûng IV. 3. Thoáng keâ döï ñònh mua haøng tröïc tuyeán 40 Baûng IV. 4. Heä soá ñoä tin caäy 40 Baûng IV. 5. Caùc chæ soá thích hôïp CFA böôùc 1 42 Baûng IV. 6. Heä soá caùc chæ baùo töø phaân tích CFA böôùc 1 43 Baûng IV. 7. Caùc chæ soá thích hôïp trong CFA böôùc 1 43 Baûng IV. 8. Ñoä giaù trò phaân bieät 44 Baûng IV. 9. Heä soá caùc chæ baùo töø phaân tích CFA böôùc 2 44 Baûng IV. 10. Ñoä giaù trò phaân bieät 45 Baûng IV. 11. Caùc chæ soá thích hôïp trong CFA böôùc 2 45 Hình IV. 1. Keát quaû chaïy moâ hình TAM-ECAM 46 Baûng IV. 12. Giaù trò caùc heä soá ñöôøng daãn vaø t-value 47 Baûng V. 1. Keát quaû so saùnh theo moâ hình e-CAM 49 Baûng V. 2. So saùnh taùc ñoäng cuûa PRP vaø PRT leân BI 49 BAÛNG CAÙC CHÖÕ VIEÁT TAÉT Chöõ vieát taét Nghóa BI Döï ñònh haønh vi CFA Phaân tích nhaân toá khaúng ñònh ECAM Moâ hình e-CAM EFA Phaân tích nhaân toá khaùm phaù FACI Caùc ñieàu kieän thuaän tieän PEU Nhaän thöùc tính deã söû duïng PRP Nhaän thöùc ruûi ro lieân quan ñeán saûn phaåm/dòch vuï PRT Nhaän thöùc ruûi ro trong giao dòch tröïc tuyeán PU Nhaän thöùc söï höõu ích SCREEN Thieát keá giao dieän SEM Laäp moâ hình phöông trình coù caáu truùc TAM Moâ hình TAM TERMI Thuaät ngöõ TMÑT thöông maïi ñieän töû UTAUT Moâ hình UTAUT CHÖÔNG I.GIÔÙI THIEÄU TOÅNG QUAN VEÀ THÖÔNG MAÏI ÑIEÄN TÖÛ Coù theå hình dung moät caùch ñôn giaûn, TMÑT laø moät moâ hình kinh doanh ñöôïc kích hoaït thoâng qua coâng ngheä thoâng tin. Moät moâ hình kinh doanh trình baøy 1 “keá hoaïch ñöôïc toå chöùc roõ raøng cho vieäc taêng theâm giaù trò kinh teá baèng caùch aùp duïng bí quyeát cho 1 taäp hôïp taøi nguyeân nhaèm muïc ñích taïo ra saûn phaåm hay dòch vuï coù theå tieâu thuï ñöôïc” (Miles et al., 2000). Moâ hình phaûi ñònh vò söï taêng tröôûng töông lai cuûa toå chöùc thoâng qua vieäc phaùt trieån kieán thöùc (nghóa laø bí quyeát) vaø thu thaäp taøi nguyeân. Caùc moâ hình kinh doanh truyeàn thoáng taäp trung vaøo thu thaäp taøi nguyeân vaät chaát vaø vieäc thay theá saûn phaåm vaø dòch vuï. Caùc thuû tuïc, cô cheá kieåm soaùt, baùo caùo, caáu truùc quaûn lyù, quan heä giöõa caùc toå chöùc, vaø öùng duïng coâng ngheä thoâng tin cuûa chuùng taäp trung vaøo vieäc baûo ñaûm saûn phaåm vaø dòch vuï ñöôïc di chuyeån höõu hieäu töø nguoàn ñeán ngöôøi tieâu duøng. Caùc moâ hình toái öu, phöông phaùp vaø kyõ thuaät ña daïng coù ñaëc tính khía caïnh quaûn lyù hoaït ñoäng cuûa chuùng. Nhöõng chöùc naêng toå chöùc coù khuynh höôùng phaân vuøng vaø thöôøng xuyeân hoaït ñoäng ñoäc laäp ñeå toái öu keát quaû thöïc hieän cuûa chuùng töø phaàn coøn laïi cuûa toå chöùc (nghóa laø caùc phaàn ngaàm). Nhöõng moâ hình naøy cuõng ñaûm ñöông vieäc sôû höõu vaät chaát cuûa toå chöùc vaø vieäc thay theá saûn phaåm vaø dòch vuï, nhöõng ñieàu yeâu caàu noù duy trì nhöõng ñieàu kieän thuaän lôïi cuûa rieâng noù ñoái vôùi toàn kho vaø hôïp ñoàng vôùi caùc doanh nghieäp khaùc ñeã vaän chuyeån saûn phaåm, hay ñeå cung caáp tröïc tieáp caùc dòch vuï cuûa noù. Vieäc chia seû ruûi ro giöõa toå chöùc vaø nhaø cung caáp cuûa noù ít khi xaûy ra. Vai troø cuûa coâng ngheä thoâng tin bieán ñoåi töø söï töï ñoäng hoùa computer ñôn giaûn ñeán kích hoaït tích hôïp beân trong thoâng qua chia seû thoâng tin. Trong moät vaøi tröôøng hôïp, coâng ngheä thoâng tin môû roäng vöôït qua bieân giôùi toå chöùc nhaèm cung caáp caùc lieân keát soáng coøn giöõa toå chöùc vaø nhaø cung caáp ñeå xuùc tieán caùc quan heä laøm vieäc gaàn guõi (vd. Walmart). [5] TMÑT ñaõ baùo tröôùc nhieàu cô hoäi môùi cho caùc toå chöùc kinh doanh thoâng qua vieäc môû roäng vaø naâng cao thò tröôøng cuûa chuùng cuøng vôùi vieäc keùo daøi vaø baønh tröôùng caùc keânh cung caáp. TMÑT goàm coù vieäc trao ñoåi (ví duï, mua vaø baùn) saûn phaåm, dòch vuï vaø thoâng tin thoâng qua maïng maùy tính, bao goàm Internet (Kalakota & Whinston, 1996) [5]. Coâng ngheä thoâng tin ñaõ laøm cho caùc toå chöùc coù khaû naêng phaùt trieån caùc chieán löôïc taäp trung vaøo 1 moâ hình TMÑT vaø thöïc hieän nhöõng thay ñoåi taän goác ñoái vôùi caùch thöùc hoï thöïc hieän kinh doanh. Moät ví duï khaù tham voïng cuûa TMÑT, caùc lieân minh aûo cho pheùp caùc toå chöùc goùp chung taøi nguyeân cuûa hoï cho thu lôïi kinh teá vaø vöôn tôùi thò tröôøng môû roäng. Nhöõng phaùt trieån gaàn ñaây trong coâng nghieäp haøng khoâng minh hoïa cho khaùi nieäm naøy, ñaëc bieät laø caùc lieân minh Star and One World. Thay vì moät Coâng ty ñaàu tö taøi nguyeân cuûa hoï vaø chòu ruûi ro khi gia nhaäp thò tröôøng môùi, caùc Coâng ty haøng khoâng ñaõ hôïp nhaát vôùi nhau trong moät lieân minh hôïp taùc ñeå cung caáp caùc dòch vuï vaän chuyeån khoâng ngaét quaõng, ñieàu naøy laøm lôïi cho hoï vaø vaø cho coâng chuùng löõ haønh. Coâng ngheä thoâng tin ñaõ trôû thaønh nguoàn kích hoaït cô baûn cho pheùp tích hôïp theo chieàu ngang moät caùch thaønh coâng cuûa caùc thaønh vieân thò tröôøng ñeå ñaït höng thònh thoâng qua vieäc trao ñoåi thoâng tin ñieän töû. Vieäc lieân minh cuõng yeâu caàu caùc thaønh vieân phaûi phoái hôïp, vaø thieát laäp tieâu chuaån thöïc hieän chung cho caùc quaù trình kinh doanh cuûa hoï ñeå baûo ñaûm thaønh coâng cuûa noù. Thaønh coâng töông töï cuõng ñaït ñöôïc trong vieäc tích hôïp theo chieàu doïc cuûa hoï. Ví duï, veù maùy bay coù theå mua ñöôïc thoâng qua nhöõng nhaø baùn leû, nhö Orbitz and Travelocity.com. Do ñoù, Internet vaø taát caû caùc coâng ngheä thoâng tin lieân ñôùi cuûa noù ñaõ thay ñoåi phöông tieän toå chöùc kinh doanh trong hình thöùc TMÑT. Coâng ngheä thoâng tin coù theå trôû thaønh coâng cuï maïnh cho pheùp caùc toå chöùc ñaït ñöôïc lôïi theá caïnh tranh chieán löôïc chöa töøng coù trong thò tröôøng cuûa hoï. Ñieån hình laø trong tröôøng hôïp cuûa American Airlines vaø Sabre trong nhöõng naêm 1980 (Copeland & McKenny, 1998), coâng ngheä ñaõ chöùng toû laø moät nhaân toá caên baûn cho vieäc caïnh tranh hieäu quaû cuûa Coâng ty vaø ñònh hình laïi caùch thöùc kinh doanh ñaõ ñöôïc quaûn lyù trong coâng nghieäp vaän chuyeån. Khoâng laøm theo möùc coâng ngheä töông ñöông cuûa caùc Coâng ty daãn ñaàu ngaønh, caùc Coâng ty khaùc khoù coù theå duy trì caïnh tranh. U.S Justice Department ñaõ moâ taû raèng lôïi theá caïnh tranh 1 chieàu nhö vieäc trôû neân ñoäc quyeàn khi ñeå laïi vieäc kieåm soaùt cho moät soá ít. Do ñoù, coâng ngheä thoâng tin coù tieàm naêng ñeå thay ñoåi taän goác quang caûnh kinh doanh. Ngaøy nay, nhieàu toå chöùc ñang tìm thaáy chính baûn thaân hoï trong nhöõng tình huoáng töông töï. Khoâng laøm theo 1 moâ hình TMÑT ñaõ ñaët hoï vaøo vò trí khoâng oån ñònh vaø thieáu tính caïnh tranh, chuyeån ñeán vai troø thaáp hôn trong thò tröôøng cuûa hoï. Hôn nöõa, vieäc soáng coøn coù theå ñoøi hoûi ñaàu tö lôùn vaøo coâng ngheä thoâng tin ñeå cho pheùp hoï trôû thaønh nhöõng doanh nghieäp ñieän töû saün saøng (e-business ready). Chæ ñôn giaûn mang ñeán coâng ngheä thoâng tin vaø xaây döïng cô sôû haï taàng coâng ngheä thoâng tin ñeå hoã trôï TMÑT coù theå thaäm chí khoâng ñaûm baûo moät caùch yù nghóa vieäc toàn taïi laâu daøi cuûa doanh nghieäp. Ñöa vaøo nhieàu coâng ngheä hôn ñeå giaûi quyeát vaán ñeà coù theå khoâng phaûi laø caâu traû lôøi caàn thieát. Vieäc ñieàu chænh haønh vi caù nhaân cuõng nhö toå chöùc phaûi ñöôïc xem xeùt. Ñeå ñaït ñöôïc nhieàu lôïi ích cuûa coâng ngheä thoâng tin vaø TMÑT, moät toå chöùc phaûi ñaùnh giaù moät caùch nghieâm tuùc caáu truùc vaø qui trình cuûa noù (nghóa laø, kinh doanh, saûn xuaát, phaân phoái, …), vaø xaùc ñònh baèng caùch naøo noù coù theå tích hôïp hieäu quaû coâng ngheä thoâng tin vaøo chính baûn thaân ñeå coù theå ñaït ñöôïc caùc möùc keát quaû thöïc hieän cao hôn. Bôûi vì caùc moâ hình kinh doanh thì raát khaùc nhau, chuyeån töø moät moâ hình kinh doanh bricks and motar (truyeàn thoáng) thaønh 1 moâ hình TMÑT thöôøng yeâu caàu vieäc taùi thieát keá hay taùi laäp taän goác caùc qui trình vaø caáu truùc. Caùc framework cuûa Leavitt (1965) vaø Scott Morton (1995) chæ ra raèng vieäc thay ñoåi chieán löôïc toå chöùc hay vieäc söû duïng coâng ngheä thoâng tin cuûa noù seõ aûnh höôûng saâu saéc ñeán caùc lónh vöïc khaùc cuûa toå chöùc. Do ñoù, chæ ñôn giaûn mang ñeán caùc coâng ngheä Internet thì khoâng theå töï baûo baûo ñaûm cho vieäc thaønh coâng TMÑT (v.d., Toys R Us). Hôn nöõa ñoái vôùi vieäc thay ñoåi toå chöùc, vieäc thay ñoåi haønh vi caù nhaân cuõng phaûi xaûy ra. Moät vaøi nghieân cöùu chuû yeáu veà quaûn lyù coâng ngheä thoâng tin ñeà nghò maïnh meõ raèng vieäc thöïc hieän coâng ngheä thoâng tin thaønh coâng yeâu caàu thay ñoåi haønh vi moät caùch tích cöïc (Davis, 1998; Davis & Bagozzi, 1989; Venkatesh & Davis, 1996, 2000). Thieáu thöïc hieän nhöõng thay ñoåi nhö vaäy coù theå ngaên trôû chuyeån ñoåi; chæ ñôn giaûn mang ñeán coâng ngheä thoâng tin khoâng theå töï ñoäng daãn ñeán vieäc chaáp nhaän cuûa noù. Do ñoù, quaûn lyù vieäc thöïc hieän coâng ngheä thoâng tin trong toå chöùc coù theå chöùng minh laø moät böôùc chuû yeáu ñeå thöïc hieän thaønh coâng moät moâ hình TMÑT. Vieäc chuyeån ñoåi töø moät moâ hình bricks and motar (truyeàn thoáng) sang moät moâ hình TMÑT ñöa ra moät vaøi thaùch thöùc lôùn. Ñoái vôùi toå chöùc, TMÑT phaûn aûnh moät loaïi hình kinh doanh môùi, vaø trình baøy moät moâ hình kinh doanh theo coâng ngheä thoâng tin môùi theo ñoù noù phaûi ñieàu chænh thaønh nhöõng phöông phaùp hieän haønh vaø vieäc thöïc haønh quaûn lyù kinh doanh. Mang ñeán caùc coâng ngheä môùi sinh ra moät soá thaùch thöùc khoâng theå vöôït qua thoâng qua ñaàu tö theâm vaøo coâng ngheä. Tuy nhieân, vieäc ñaàu tö taêng theâm coù theå coù moät soá hieäu quaû haïn cheá trong vieäc giaûi quyeát vaán ñeà toaøn cuïc. Trong moät vaøi tröôøng hôïp, noù coù theå khueách ñaïi, laøm traàm troïng hay taêng cöôøng vaán ñeà (nghóa laø hieäu quaû traùi ngöôïc) khi caùc qui trình trôû neân khoù kieàm cheá hôn vôùi toác ñoä nhanh hôn hay laø bò coâ laäp. Nhöõng thaùch thöùc lôùn hôn ñeán töø vieäc yeâu caàu caùc giaûi phaùp veà TMÑT, vaø thöïc hieän (nghóa laø, ñieàu chænh thöïc tieãn vaø ñaït ñöôïc söï chaáp nhaän) vaø tích hôïp coâng ngheä thoâng tin vaøo caáu truùc hieän taïi vôùi taàm nhìn laø caû toå chöùc cuøng hoaït ñoäng thoáng nhaát vôùi nhau. Ñieàu naøy yeâu caàu vieäc mang laïi vaø cam keát cho caùc thay ñoåi taän goác toå chöùc daãn ñeán vieäc taùi laäp, phaù vôõ moâ hình cuõ vaø khôûi ñaàu loaïi hình kinh doanh môùi. Caên cöù vaøo ñoäng cô chieán löôïc neàn taûng cuûa TMÑT (nghóa laø, ñeå caïnh tranh hieäu quaû; ñeà ra vaø cung caáp moät dòch vuï khoâng-truøng-laép cho thò tröôøng roäng hôn; duy trì, naâng cao hay giaønh thò phaàn) vaø thöïc hieän IT. Vôùi TMÑT, caùc moâ hình kinh doanh coù khuynh höôùng ñònh höôùng laïi toå chöùc theo höôùng caïnh tranh treân thò tröôøng toaøn caàu thoâng qua caùc maïng ñieän töû, ñaëc bieät laø Internet. Töông phaûn vôùi caùc moâ hình kinh doanh truyeàn thoáng, thoâng tin trôû thaønh nguoàn taøi nguyeân chính. Do ñoù, vieäc chuù yù lôùn hôn ñöôïc taäp trung vaøo trao ñoåi thoâng tin, caân baèng kieán thöùc ñaït ñöôïc thoâng qua töông taùc cuûa toå chöùc vôùi caùc thöïc theå cuûa noù, vaø sau ñoù laø tích hôïp vaø hôïp taùc haønh ñoäng, caû beân trong toå chöùc vaø vôùi caùc toå chöùc khaùc. Caùc qui trình hoaït ñoäng taäp trung vaøo toái öu hoùa nhieäm vuï caù nhaân phaûi ñöôïc taùi laäp ñeå cho pheùp toå chöùc nhö laø 1 toång theå nhaèm caân baèng thoâng tin cuûa noù ñeå ñaùp öùng toát hôn yeâu caàu cuûa thò tröôøng, vaø taän duïng lôïi theá cuûa caùc lieân minh hay ñoái taùc coù theå hoaëc laø giuùp giaûi quyeát vieäc giao haøng hoaù hay dòch vuï, hoaëc naâng cao/môû roäng thò tröôøng cuûa noù. Do ñoù, vieäc thöïc hieän 1 moâ hình TMÑT bao goàm vieäc mang laïi nhöõng thay ñoåi chöa heà coù ñeå laøm thích nghi toå chöùc vôùi moâi tröôøng hoaït ñoäng maïnh meõ vaø kích hoaït IT, ngöôøi ta yeâu caàu taùi laäp toå chöùc ñeå thích hôïp hôn vôùi 1 loaïi hình kinh doanh khaùc. Hammer vaø Champy (1993) ñònh nghóa taùi laäp laø “tö duy laïi moät caùch cô baûn vaø thieát keá laïi taän goác caùc qui trình hoaït ñoäng ñeå ñaït ñöôïc nhöõng caûi thieän aán töôïng trong nhöõng ño löôøng keát quaû thöïc hieän ñöông thôøi vaø quan troïng, nhö chi phí, chaát löôïng, dòch vuï vaø toác ñoä” (p. 32). Moät nhaân toá cô baûn ñeå taùi laäp laø choïc thuûng phoøng tuyeán IT, loaïi coâng ngheä môùi giuùp taùi thieát keá taän goác vaø thöïc hieän caùc qui trình kinh doanh. Nhu caàu taùi laäp trôû thaønh hieån nhieân hôn vôùi TMÑT. Do coâng ngheä thoâng tin cho pheùp vaø duy trì nhöõng moâ hình naøy, coâng ngheä thoâng tin naém vai troø lôùn trong caùc phöông tieän saûn xuaát. Vieäc thay ñoåi vai troø töø coâng ngheä thoâng tin hoã trôï hoaït ñoäng sang coâng ngheä thoâng tin laø haït nhaân cuûa 1 doanh nghieäp vaø trôû neân höôùng ñi quan troïng cuûa söï phaùt trieån doanh nghieäp daãn ñeán thay ñoåi loaïi hình (Earl & Kahn, 2001). Söï soáng coøn cuûa 1 doanh nghieäp hieän nay xoay quanh vieäc laøm caùch naøo ñeå caân baèng toát giöõa coâng ngheä thoâng tin vaø kieán thöùc cuûa noù. Ñieàu naøy ñaëc bieät ñuùng vôùi vieäc ñoåi môùi saûn phaåm vaø dòch vuï khuyeán khích thoâng tin thu thaäp ñöôïc thoâng qua caùc giao dòch vaø töông taùc kinh doanh, vaø kieán thöùc tích luõy ñöôïc cuûa toå chöùc (Cohen & Levinthal, 1989, 1990; Hurley & Hult, 1998; Prahalad & Hamel, 1990). Kieán thöùc cuûa toå chöùc caøng lôùn, hoaëc laø sôû höõu noäi boä hay thoâng qua caùc lieân minh, thì cô hoäi ñoåi môùi vaø soáng coøn caøng nhieàu (Cockburn & Henderson, 1998; Cohen & Levinthal, 1990; Lane & Lubatkin, 1998; Lane et al., 2001). Coâng ngheä thoâng tin giuùp phaùt trieån ñoåi môùi (Dewell & Jones, 2000). Ví duï, nhieàu toå chöùc hieän ñang chuyeån qua caùc heä thoáng quaûn lyù quan heä khaùch haøng (CRM) kích hoaït coâng ngheä thoâng tin ñeå quaûn lyù töông taùc cuûa hoï vôùi khaùch haøng, thu ñöôïc hieåu bieát saâu saéc hôn veà nhu caàu cuûa khaùch haøng cuûa hoï, vaø duy trì lôïi theá caïnh tranh (hay ñaït lôïi theá caïnh tranh). CRM giuùp haáp daãn, phaùt trieån vaø duy trì quan heä khaùch haøng thaønh coâng theo thôøi gian (Berry & Parasuraman, 1991; Day, 2000), vaø xaây döïng loøng trung thaønh khaùch haøng (Kohli et al., 2001) thoâng qua ñoái thoaïi 2 chieàu hieäu quaû vaø höõu hieäu (Peppers et al., 1999) baèng vieäc hieåu bieát haønh vi khaùch haøng, lieân laïc yù töôûng vôùi khaùch haøng ñeå aûnh höôûng haønh vi cuûa hoï vaø khôûi ñoäng caùc chieán dòch ñoåi môùi vôùi muïc ñích duy trì khaùch haøng hieän taïi vaø thu huùt khaùch haøng môùi (Kannan & Rao, 2001). Caùc toå chöùc phaûi caân baèng kieán thöùc cuûa hoï (giöõa nhöõng yeâu caàu khaùc) cho CRM ñeå thu lôïi töø quan heä khaùch haøng (Massey et al., 2001). Ñeå ñoåi môùi lieân tuïc vaø thaønh coâng, toå chöùc phaûi coù khaû naêng chia seû thoâng tin vaø kieán thöùc caû beân trong vaø giöõa khaùch haøng vaø nhaø cung caáp thoâng qua vieäc thieát keá caùc qui trình vaø caáu truùc cuûa noù (Dewett & Jones, 2000). Do ñoù, thöïc hieän CRM (Customer Relationship Management) nghóa laø caân baèng kieán thöùc toå chöùc qua coâng ngheä thoâng tin. Hôn nöõa, ñeå thu lôïi töø coâng ngheä thoâng tin, toå chöùc khoâng phaûi chæ thöïc hieän IT, noù cuõng phaûi thöïc hieän nhöõng thay ñoåi toå chöùc chuû yeáu phaûn aûnh chieàu höôùng môùi cuûa noù. CRM song song vôùi nhöõng phöông phaùp vaø kyõ thuaät thu thaäp kieán thöùc khaùc, nhö vieäc khai thaùc data vaø quaûn lyù kieán thöùc, laø nhöõng ví duï minh hoïa cho tieâu ñieåm taøi nguyeân thoâng tin cuûa moâ hình TMÑT. Chuyeån ñoåi moät toå chöùc bricks and motar sang TMÑT bao goàm vieäc ñònh höôùng laïi nhöõng caùch thöùc thöïc haønh vaø qui trình quanh Internet. Vôùi haàu heát caùc toå chöùc, vieäc thay ñoåi bieåu thò caùc thöùc quaûn lyù kinh doanh khaùc bieät veà caên baûn. Veà maët naøy, El Sawy (2001) cho raèng vieäc taùi laäp laø caàn thieát cho “tö duy laïi vaø thieát keá laïi caùc qui trình hoaït ñoäng taïi caû hai caáp ñoä doanh nghieäp vaø keânh cung caáp ñeå taän duïng lôïi theá keát noái Internet vaø nhöõng caùch thöùc taïo giaù trò môùi” (trang 7). Hôn nöõa, nhöõng thay ñoåi taùi laäp cho pheùp vaø xuùc tieán doøng thoâng tin caû beân trong toå chöùc vaø vôùi ñoái taùc keânh cung caáp cuûa noù. TMÑT cuõng laø phöông tieän caáu truùc toå chöùc ñeå töông taùc höõu hieäu vaø hieäu quaû vôùi nhöõng toå chöùc khaùc thoâng qua thò tröôøng ñieän töû, laø Internet. Loaïi hình TMÑT ñöôïc phaân chia thaønh caùc lónh vöïc nhö trong neàn kinh teá khoâng coù Internet. B2B (business-to-business): doanh nghieäp thöïc hieän kinh doanh vôùi caùc doanh nghieäp khaùc thoâng qua Internet. B2C (business-to-consumer): caùc doanh nghieäp baùn saûn phaåm vaø dòch vuï cho khaùch haøng thoâng qua Internet. C2B (consumer-to-business): khaùch haøng khôûi ñaàu caùc giao dòch vaø mua saûn phaåm thoâng qua Internet (vd. Priceline.com). C2C (consumer-to-consumer): nhöõng cuoäc ñaáu giaù tröïc tuyeán thoâng duïng nhaát, nôi khaùch haøng tröïc tieáp mua vaø baùn vôùi nhau (vd. eBay.com). G2C (government-to-consumer): chính phuû thöïc hieän caùc hoaït ñoäng tröïc tuyeán vôùi khaùch haøng (vd. U.S. Portal Service). Mobile commerce (m-commerce): söû duïng caùc thieát bò khoâng daây döïa treân soùng voâ tuyeán nhö ñieän thoaïi di ñoäng (cell phone) vaø maùy trôï lyù caù nhaân kyõ thuaät soá (PDAs) ñeå toå chöùc caùc giao dòch TMÑT thoâng qua heä thoáng lieân laïc khoâng daây. Online banking: truy caäp vaøo caùc dòch vuï ngaân haøng veà caù nhaân hay doanh nghieäp töø dòch vuï thöông maïi tröïc tuyeán hay qua maïng coâng coäng nhö Internet. ÑAËT VAÁN ÑEÀ TMÑT ñaõ gaây ñöôïc söï chuù yù ñaïi chuùng cuõng nhö coäng ñoàng kinh doanh vaø nghieân cöùu. Sau ñoù, haàu nhö cuõng nhanh nhö khi xuaát hieän, TMÑT töï thaát baïi nhanh choùng vaø trôû neân môø nhaït trong neàn kinh teá. Tuy taêng tröôûng voâ cuøng chaäm chaïp trong nhöõng naêm gaàn ñaây, TMÑT vaãn laø moät lónh vöïc môû roäng vöõng vaøng vaø maïnh meõ cuûa neàn kinh teá. Caùc thoáng keâ cuûa phoøng thöông maïi Myõ cho thaáy toång doanh soá baùn leû naêm 2001 cuûa TMÑT laø 32.6 tyû USD vaø chieám 1% doanh soá baùn leû toaøn boä (naêm 2000 laø 0.9% cuûa toång doanh soá baùn leû). Maëc duø soá lieäu naøy cho thaáy toác ñoä taêng tröôûng chaäm hôn nhieàu so vôùi nhöõng naêm buøng noå tröôùc ñaây, nhöng nhöõng ngöôøi quan saùt thò tröôøng döï baùo söï taêng tröôûng oån ñònh cuûa TMÑT seõ ñöôïc duy trì trong nhieàu naêm [17]. Vaán ñeà laø ngöôøi söû duïng chaáp nhaän TMÑT ôû möùc ñoä naøo? Caùc yeáu toá naøo coù taùc ñoäng ñaùng keå vaøo söï chaáp thuaän TMÑT cuûa ngöôøi söû duïng? Ngoaøi vieäc quan taâm chính veà cô sôû haï taàng kyõ thuaät vaø ñieàu kieän kinh teá xaõ hoäi, nhaän thöùc cuûa ngöôøi söû duïng veà caùc heä thoáng thöông maïi ñieän töû cuõng laø yeáu toá quan troïng ñoùng goùp vaøo söï thaønh coâng cuûa vieäc trieån khai, duy trì vaø phaùt trieån heä thoáng thöông maïi ñieän töû. Nhaän thöùc cuûa ngöôøi söû duïng ñaõ ñöôïc nghieân cöùu ôû nhieàu nöôùc treân theá giôùi döïa caên baûn theo moâ hình TAM. Nhieàu nhaø nghieân cöùu ñaõ söû duïng Moâ hình chaáp thuaän coâng ngheä (Technology Acceptance Model - TAM) (Davis 1989) ñeå döï ñoaùn söï chaáp thuaän cuûa ngöôøi söû duïng veà caùc öùng duïng thöông maïi ñieän töû (Devaraj 2002; Hsu vaø Lu; Olson vaø Boyer 2003). Olson vaø Boyer (2003) ñaõ cho raèng aûnh höôûng cuûa khaùc bieät caù nhaân veà söï chaáp thuaän coâng ngheä môùi nhö caùc trang web thöông maïi ñieän töû thöôøng khoâng ñöôïc chuù troïng trong khi Lightner (2003) baûo veä yù kieán lieân quan ñeán caùc ñaëc ñieåm nhaát ñònh veà kinh nghieäm mua haøng tröïc tuyeán coù quan heä vôùi caùc ñaëc tính nhaân khaåu hoïc. Joongho Ahn, Jinsoo Park, vaø Dongwon Lee (2001) ñaõ tích hôïp TAM vôùi thuyeát nhaän thöùc ruûi ro (Theories of perceived risk – TPR) trong moät nghieân cöùu thöïc nghieäm ñeå giaûi thích söï chaáp thuaän thöông maïi ñieän töû vôùi moâ hình e-CAM (E-commerce Adoption Model). Nhö vaäy, caùc yeáu toá naøo coù theå taùc ñoäng vaøo nhaän thöùc cuûa caù nhaân trong vieäc söû duïng caùc heä thoáng thöông maïi ñieän töû laø moät vaán ñeà quan troïng caàn quan taâm trong caùc nghieân cöùu veà nhaän thöùc vaø haønh vi. Vôùi hieän thöïc ngaøy caøng phaùt trieån cuûa thöông maïi ñieän töû, toâi choïn thöïc hieän ñeà taøi “Khaûo saùt moät soá yeáu toá taùc ñoäng vaøo söï saün saøng cuûa thöông maïi ñieän töû” vôùi ñònh höôùng nghieân cöùu khaùm phaù trong lónh vöïc nhaän thöùc veà hoaït ñoäng thöông maïi ñieän töû B2C. MUÏC TIEÂU VAØ PHAÏM VI NGHIEÂN CÖÙU Muïc tieâu nghieân cöùu ÔÛ Vieät Nam, vôùi cô sôû haï taàng haïn cheá vaø caùc ñieàu kieän kinh teá xaõ hoäi chöa ñöôïc thuaän lôïi cho vieäc phaùt trieån thöông maïi ñieän töû, nghieân cöùu naøy ñònh höôùng taäp trung khaûo saùt moät soá yeáu toá ñaõ ñöôïc kieåm tra thöïc nghieäm trong caùc nghieân cöùu tröôùc ñaây treân theá giôùi. Song song vôùi vieäc kieåm tra laïi caùc yeáu toá taùc ñoäng vaøo nhaän thöùc cuûa ngöôøi söû duïng, nghieân cöùu naøy khaûo saùt tính saün saøng cuûa ngöôøi söû duïng vôùi caùc heä thoáng thöông maïi ñieän töû laø caùc website thöông maïi. Noùi caùch khaùc, nghieân cöùu taäp trung vaøo khaûo saùt heä thoáng thöông maïi ñieän töû B2C vôùi yeáu toá nhaän thöùc laø muïc tieâu khaûo saùt. Nghieân cöùu cuõng ñònh höôùng xaùc ñònh giaù trò cuûa moät soá kieán truùc taùc ñoäng vaøo söï chaáp thuaän heä thoáng thoâng tin noùi chung vaø thöông maïi ñieän töû noùi rieâng, caùc kieán truùc naøy ñöôïc chaét loïc töø nhöõng nghieân cöùu thöïc nghieäm tröôùc ñaây treân theá giôùi. Cuoái cuøng, luaän vaên neâu moät soá ñeà xuaát cho caùc nghieân cöùu töông lai thoâng qua moät soá keát quaû tìm ñöôïc töø nghieân cöùu naøy. Caùc haøm yù roõ raøng cuûa keát quaû töø taäp döõ lieäu thöïc nghieäm cuõng seõ ñöôïc phaân tích vaø dieãn dòch cho phuø hôïp moâi tröôøng kinh doanh thöïc teá nhaèm cung caáp moät soá yù töôûng ban ñaàu cho nhöõng doanh nghieäp naøo döï ñònh thieát laäp vaø phaùt trieån heä thoáng thöông maïi ñieän töû trong hieän taïi vaø töông lai. Phaïm vi nghieân cöùu Phaïm vi nghieân cöùu cuûa ñeà taøi ñöôïc giôùi haïn trong vaán ñeà nhaän thöùc cuûa caù nhaân veà caùc heä thoáng thöông maïi ñieän töû ñaõ söû duïng. Vôùi côõ maãu haïn cheá vaø soá löôïng caùc trang web ñöôïc khaûo saùt coù tính phaân taùn neân ñeà taøi chæ giôùi haïn trong vieäc ñaùnh giaù moät soá kieán truùc chính maø khoâng neâu ra moät keát luaän nhaân quaû cho moâ hình nghieân cöùu. YÙ NGHÓA THÖÏC TIEÃN Keát quaû nghieân cöùu seõ ñoùng goùp vaøo hieåu bieát chung ñoái vôùi vieäc chaáp thuaän cuûa ngöôøi söû duïng TMÑT, laø moät hoaït ñoäng kinh teá môùi ñang raát caàn caùc nghieân cöùu cuï theå cho vieäc aùp duïng thaønh coâng trong thöïc teá. Caùc yeáu toá tìm thaáy trong quaù trình nghieân cöùu coù theå ñöôïc söû duïng ñeå hoaïch ñònh vieäc thieát laäp heä thoáng TMÑT trong töøng doanh nghieäp cuï theå. Vieäc naøy cuõng giuùp caùc doanh nghieäp nhaän thöùc taàm quan troïng cuûa vieäc naâng cao heä thoáng phuïc vuï khaùch haøng trong TMÑT (ñoái taùc, ngöôøi tieâu thuï,…). CHÖÔNG II.CÔ SÔÛ LYÙ THUYEÁT PHAÀN A. CAÙC MOÂ HÌNH NGHIEÂN CÖÙU TRÖÔÙC ÑAÂY MOÂ HÌNH CHAÁP THUAÄN COÂNG NGHEÄ (TAM) Trong nöûa cuoái theá kyû 20, nhieàu lyù thuyeát ñaõ ñöôïc hình thaønh vaø ñöôïc kieåm nghieäm nhaèm nghieân cöùu söï chaáp thuaän coâng ngheä cuûa ngöôøi söû duïng. Fishbein vaø Ajzen (1975) ñaõ ñeà xuaát Thuyeát Haønh Ñoäng Hôïp Lyù (Theory of Reasoned Action - TRA), Ajzen (1985) ñeà xuaát Thuyeát Haønh Vi Döï Ñònh (theory of planned behavior - TPB), vaø Davis (1986) ñaõ ñeà xuaát Moâ Hình Chaáp Nhaän Coâng Ngheä (Technology Acceptance Model - TAM). Caùc lyù thuyeát naøy ñaõ ñöôïc coâng nhaän laø caùc coâng cuï höõu ích trong vieäc döï ñoaùn thaùi ñoä cuûa ngöôøi söû duïng. Ñaëc bieät, TAM ñaõ ñöôïc coâng nhaän roäng raõi laø moät moâ hình tin caäy vaø maïnh trong vieäc moâ hình hoùa vieäc chaáp nhaän IT cuûa ngöôøi söû duïng. "Muïc tieâu cuûa TAM laø cung caáp moät söï giaûi thích caùc yeáu toá xaùc ñònh toång quaùt veà söï chaáp nhaän computer, nhöõng yeáu toá naøy coù khaû naêng giaûi thích haønh vi ngöôøi söû duïng xuyeân suoát caùc loaïi coâng ngheä ngöôøi duøng cuoái söû duïng computer vaø coäng ñoàng söû duïng" (Davis et al. 1989, trang 985). Do ñoù, muïc ñích chính cuûa TAM laø cung caáp moät cô sôû cho vieäc khaûo saùt taùc ñoäng cuûa caùc yeáu toá beân ngoaøi vaøo caùc yeáu toá beân trong laø tin töôûng (beliefs), thaùi ñoä (attitudes), vaø yù ñònh (intentions). TAM ñöôïc heä thoáng ñeå ñaït muïc ñích treân baèng caùch nhaän daïng moät soá ít caùc bieán neàn taûng (fundamental variables) ñaõ ñöôïc caùc nghieân cöùu tröôùc ñoù ñeà xuaát, caùc bieán naøy coù lieân quan ñeán thaønh phaàn caûm tình (affective) vaø nhaän thöùc (cognitive) cuûa vieäc chaáp thuaän computer [16]. TMÑT laø saûn phaåm cuûa phaùt trieån coâng ngheä thoâng tin (Information Technology - IT), do ñoù, moâ hình khaûo saùt caùc yeáu toá taùc ñoäng vaøo vieäc chaáp thuaän IT cuõng ñöôïc aùp duïng thích hôïp cho vieäc nghieân cöùu vaán ñeà töông töï trong TMÑT. TAM ñöôïc trình baøy trong Hình 1. Caùc kieán truùc chính Nhaän thöùc söï höõu ích “Laø caáp ñoä maø moät ngöôøi tin raèng söû duïng moät heä thoáng ñaëc thuø seõ naâng cao keát quaû thöïc hieän cuûa hoï” (Davis 1989, trang 320). Nhaän thöùc tính deã söû duïng “Laø caáp ñoä maø moät ngöôøi tin raèng söû duïng moät heä thoáng ñaëc thuø seõ khoâng caàn noã löïc” (Davis 1989, trang 320). Thaùi ñoä höôùng ñeán vieäc söû duïng “Laø caûm giaùc tích cöïc hay tieâu cöïc (coù tính öôùc löôïng) veà vieäc thöïc hieän haønh vi muïc tieâu” (Fishbein vaø Ajzen 1975, trang 216). Ñònh nghóa naøy laáy töø Thuyeát haønh ñoäng hôïp lyù (Theory of Reasoned Action - TRA) Moâ hình TAM TAM ñöôïc trình baøy trong Hình 1 laø moâ hình ñöôïc giôùi thieäu laàn ñaàu cuûa Davis (1986). Sau naøy, caùc nghieân cöùu boå sung cuûa Thompson et al. (1991) vaø Davis (1993) ñeà xuaát neân boû thaønh phaàn Döï Ñònh Söû Duïng vaø noái tröïc tieáp Thaønh Phaàn Thaùi Ñoä sang Thaønh Phaàn Haønh Vi. Thompson et al. (1991) ñaõ chöùng toû Döï Ñònh Söû Duïng neân ñöôïc loaïi tröø bôûi vì chuùng ta quan taâm vaøo haønh vi thöïc söï (söû duïng heä thoáng). Haønh vi nhö vaäy ñaõ xaûy ra trong quaù khöù, trong khi Döï Ñònh Haønh Vi laø “xaùc suaát chuû quan maø ngöôøi söû duïng seõ thöïc hieän haønh vi naøy trong chuû ñeà” (Fishbein vaø Ajzen 1975, trang 12) vaø do ñoù noù lieân quan tôùi haønh vi töông lai. Do ñoù, neáu nghieân cöùu coù döï ñònh khaûo saùt haønh vi chaáp thuaän coâng ngheä trong quaù khöù thì neân boû thaønh phaàn Döï Ñònh Haønh Vi [16]. Döïa treân caùc nghieân cöùu thöïc nghieäm sau khi moâ hình TAM ñaàu tieân ñöôïc coâng boá, kieán truùc thaùi ñoä (Attitude construct - A) ñaõ ñöôïc boû ra khoûi moâ hình TAM nguyeân thuûy (Davis, 1989; Davis et al., 1989) vì noù khoâng laøm trung gian ñaày ñuû cho söï taùc ñoäng cuûa PU leân haønh vi döï ñònh (behavioral intention - BI) (Venkatesh, 1999). Hôn nöõa, moät vaøi nghieân cöùu sau ñoù (Adams et al., 1992; Fenech, 1998; Gefen and Straub, 1997; Gefen vaø Keil, 1998; Igbaria et al., 1997; Karahanna vaø Straub, 1999; Lederer et al., 2000; Mathieson, 1991; Straub et al., 1995; Teo et al., 1999; Venkatesh vaø Morris, 2000) ñaõ khoâng xem xeùt taùc ñoäng cuûa PEU/PU leân Thaùi Ñoä (attitude - A) vaø/hoaëc BI. Thay vaøo ñoù, hoï taäp trung vaøo taùc ñoäng tröïc tieáp cuûa PEU vaø/hoaëc PU leân vieäc Söû Duïng Heä Thoáng Thöïc Söï [6]. Trong ñeà taøi naøy, toâi coù yù ñònh khaûo saùt caû haønh vi trong quaù khöù vaø quan troïng laø döï ñònh haønh vi trong töông lai neân seõ söû duïng kieán truùc BI (haønh vi döï ñònh) vaø boû ñi kieán truùc A (thaùi ñoä) theo nhö keát quaû trong caùc nghieân cöùu tröôùc ñaây. Caùc bieánngoaïi sinh Nhaän thöùcsöï höõu ích Nhaän thöùctính deã söû duïng Thaùi ñoähöôùng ñeán söû duïng Döï ñònhsöû duïng Söû duïngheä thoáng thöïc söï Tin töôûng (Thaønh phaàn nhaän thöùc) Thaùi ñoä (Thaønh phaàn caûm tình) Thaønh phaànHaønh vi Hình II. 1. Moâ hình khaùi nieäm MOÂ HÌNH CHAÁP NHAÄN SÖÛ DUÏNG THÖÔNG MAÏI ÑIEÄN TÖÛ (e-CAM) Trong töø ñieån ñieän töû Oxford Advanced Learner’s Dictionary ñònh nghóa töø Adoption: [U] the decision to start using sth such as an idea, a plan or a name, vôùi ví duï cuï theå: the adoption of new technology. Neân trong baøi naøy, toâi dòch e-CAM laø: Moâ hình chaáp nhaän söû duïng thöông maïi ñieän töû. Cuïm töø naøy seõ ñöôïc söû duïng thoáng nhaát trong suoát ñeà taøi, vieát taét laø e-CAM. Caùc kieán truùc chính Nhaän thöùc ruûi ro lieân quan ñeán saûn phaåm/dòch vuï (Perceived Risk with Product/Service  PRP) Bauer (1960) ñeà caäp raèng nieàm tin veà nhaän thöùc ruûi ro nhö laø yeáu toá chuû yeáu ñoái vôùi haønh vi ngöôøi tieâu duøng coù theå laø 1 yeáu toá chính aûnh höôûng vieäc hoaùn chuyeån cuûa ngöôøi duyeät web ñeán ngöôøi mua haøng thöïc söï. Cox and Rich (1964) ñeà caäp ñeán nhaän thöùc ruûi ro nhö toång cuûa nhaän thöùc baát ñònh bôûi ngöôøi tieâu duøng trong 1 tình huoáng mua haøng ñaëc thuø. Cunningham (1967) nhaän thöùc ruûi ro töø keát quaû thöïc hieän toài, nguy hieåm, ruûi ro söùc khoûe, vaø chi phí. Roselius (1971) nhaän daïng 4 loaïi maát maùt lieân quan ñeán caùc loaïi ruûi ro: thôøi gian, söï may ruûi, baûn ngaõ, vaø tieàn baïc. Jacoby vaø Kaplan (1972) phaân loaïi nhaän thöùc ruûi ro cuûa ngöôøi tieâu duøng thaønh 5 loaïi ruûi ro sau: vaät lyù, taâm lyù hoïc, xaõ hoäi, taøi chính, vaø keát quaû thöïc hieän (chöùc naêng) (physical, psychological, social, financial, and performance (functional)) ñöôïc lieät keâ trong Baûng II.1. Taylor (1974) ñeà nghò raèng söï baát ñònh vaø nhaän thöùc ruûi ro coù theå sinh ra baên khoaên raèng caùc aûnh höôûng tieán trình ra quyeát ñònh tieâu duøng. Murphy vaø Enis (1986) ñònh nghóa nhaän thöùc ruûi ro nhö söï ñaùnh giaù chuû quan cuûa ngöôøi tieâu duøng veà keát quaû taïo ra 1 sai laàm mua haøng. [6] Baûng II. 1. Caùc loaïi ruûi ro Risk Type Definition Financial Risk Ruûi ro maø saûn phaåm khoâng ñaùng giaù taøi chính Psychological Risk Ruûi ro maø ._.saûn phaåm seõ thaáp hôn hình aûnh töï khaùch haøng hình dung Physical Risk Ruûi ro veà söï an toaøn cuûa ngöôøi mua hay nhöõng ngöôøi khaùc trong vieäc söû duïng saûn phaåm Functional Risk Ruûi ro maø saûn phaåm seõ khoâng thöïc hieän nhö kyø voïng Social Risk Ruûi ro maø 1 söï löïa choïn saûn phaåm coù theå mang laïi keát quaû boái roái tröôùc baïn beø/gia ñình/nhoùm laøm vieäc cuûa ngöôøi ta Time Risk Ruûi ro veà toán thôøi gian chuaån bò baûn lieät keâ mua haøng, di chuyeån, tìm thoâng tin, mua saém (Non-monetary) vaø chôø ñôïi giao saûn phaåm Khi chuùng ta khoâng theå thaáy hay chaïm tröïc tieáp saûn phaåm/dòch vuï trong thò tröôøng ñieän töû (nghóa laø, caùc ñaëc tính voâ hình), ngöôøi tieâu duøng coù theå caûm thaáy baên khoaên hay khoâng chaéc chaén khi hoï coù giao dòch vôùi nhöõng ngöôøi baùn haøng tröïc tuyeán. Ví duï, saûn phaåm/dòch vuï ñöôïc giao cho ngöôøi tieâu duøng coù theå khoâng thöïc hieän nhö ñöôïc mong ñôïi. Hôn nöõa, ngöôøi tieâu duøng coù theå ñöôïc yeâu caàu chòu chi phí nhö vaän chuyeån vaø boác dôõ, khi traû laïi hay trao ñoåi saûn phaåm/dòch vuï. Caùc taùc giaû nhaän ñònh maát chöùc naêng vaø maát taøi chính (functional loss and financial loss) nhö caùc loaïi ruûi ro lieân quan ñeán saûn phaåm/dòch vuï haïn cheá ngöôøi tieâu duøng thöïc hieän caùc giao dòch tröïc tuyeán. [6] Hôn nöõa, khi vieäc mua saûn phaåm/dòch vuï thaát baïi, chuùng ta coù theå maát thôøi gian, söï thuaän tieän vaø noã löïc laáy saûn phaåm/dòch vuï ñieàu chænh hay thay theá. Maëc daàu thôøi gian laø noã löïc phi tieàn baïc vaø bieán ñoäng giöõa caùc caù nhaân, caùc taùc giaû nhaän ñònh thôøi gian nhö moät chi phí maø ngöôøi tieâu duøng phaûi traû cho saûn phaåm/dòch vuï. Do ñoù, caùc taùc giaû nhaän ñònh toán thôøi gian (time loss) nhö 1 ruûi ro taêng theâm vôùi saûn phaåm/dòch vuï. [6] Sau khi mua saûn phaåm/dòch vuï qua Internet, ngöôøi tieâu thuï coù theå tìm thaáy 1 saûn phaåm/dòch vuï chaát löôïng baèng hoaëc cao hôn vôùi möùc giaù thaáp hôn. Do ñoù, caùc taùc giaû nhaän ñònh 1 loaïi ruûi ro khaùc, maát cô hoäi (opportunity loss), laø ruûi ro thöïc hieän 1 haønh ñoäng maø ngöôøi tieâu duøng seõ boû lôõ thöïc hieän ñieàu gì khaùc maø hoï thöïc söï muoán laøm. [6] Do ñoù, caùc taùc giaû ñònh nghóa nhaän thöùc ruûi ro vôùi saûn phaåm/dòch vuï (PRP) nhö toång chung cuûa baát ñònh hay baên khoaên ñöôïc nhaän thöùc bôûi 1 ngöôøi tieâu duøng trong 1 saûn phaåm/dòch vuï ñaëc tröng khi mua haøng tröïc tuyeán. Caùc taùc giaû nhaän ñònh 5 loaïi PRP nhö sau: maát chöùc naêng, maát taøi chính, toán thôøi gian, maát cô hoäi vaø nhaän thöùc ruûi ro toaøn boä vôùi saûn phaåm/dòch vuï (functional loss, financial loss, time loss, opportunity loss, vaø overall perceived risk with product/service). [6] Nhaän thöùc ruûi ro lieân quan ñeán giao dòch tröïc tuyeán (Perceived Risk in the Context of Online Transaction) Vaøi nghieân cöùu trong phaïm vi giao dòch tröïc tuyeán (Hoffman et al., 1999; Jarvenpaa and Tractinsky, 1999; Jarvenpaa et al., 2000; Ratnasingham, 1998; Swaminathan et al., 1999) cho raèng söï tin caäy hay tín nhieäm cuûa khaùch haøng seõ ñöôïc caûi thieän baèng caùch gia taêng tính trong suoát cuûa tieán trình giao dòch (ví duï, phôi baøy toaøn boä ñaëc tính, nguoàn goác, vaø nghóa vuï cuûa nhaø cung caáp), giöõ laïi döõ lieäu caù nhaân toái thieåu yeâu caàu töø ngöôøi tieâu duøng, vaø bôûi vieäc taïo ra traïng thaùi roõ raøng vaø hôïp phaùp cuûa baát kyø thoâng tin naøo ñöôïc cung caáp. [6] Bhimani (1996) chæ ra söï ñe doïa ñoái vôùi vieäc chaáp nhaän TMÑT coù theå bieåu loä töø nhöõng haønh ñoäng khoâng hôïp phaùp nhö vieäc nghe troäm, loä password, chænh söûa döõ lieäu, ñaùnh löøa, vaø quòt nôï. Do ñoù, Bhimani (1996) vaø Ratnasingham (1998) ñeà nghò caùc yeâu caàu caên baûn cho TMÑT laø laøm thoûa maõn nhöõng vaán ñeà sau: söï chöùng thöïc (authentication), söï caáp pheùp (authorization), söï saün saøng (availability), söï tin caån (confidentiality), toaøn veïn döõ lieäu (data integrity), khoâng khöôùc töø (nonrepudiation), vaø caùc dòch vuï öùng duïng coù khaû naêng choïn (selective application services). [6] Swaminathan et al. (1999) khaúng ñònh raèng ngöôøi tieâu duøng ñaùnh giaù nhöõng ngöôøi baùn haøng tröïc tuyeán tröôùc khi hoï thöïc hieän giao dòch tröïc tuyeán vaø do ñoù caùc ñaëc tính cuûa ngöôøi baùn haøng ñoùng vai troø quan troïng trong vieäc xuùc tieán giao dòch. [6] Rose et al. (1999) nhaän daïng caùc trôû ngaïi kyõ thuaät vaø chi phí lieân quan cuûa chuùng vaø nhöõng giôùi haïn ñaëc thuø ñoái vôùi TMÑT B2C, bao goàm trì hoaõn download, giôùi haïn cuûa giao dieän (limitations of the interface), caùc vaán ñeà doø tìm (search problems), ño löôøng thaønh coâng öùng duïng Web khoâng thích hôïp, an toaøn yeáu, vaø thieáu caùc tieâu chuaån Internet. Do ñoù, hoï phaùt bieåu raèng neáu ngöôøi ta thöïc hieän nhöõng giao dòch kinh doanh vôùi caùc thöông gia khoâng thaønh thaät hoaëc neáu nhöõng thoâng tin nhaïy ñöôïc löu trong nhöõng cô sôû döõ lieäu khoâng an toaøn, söï ñe doïa an toaøn toàn taïi ngay caû khi döõ lieäu ñöôïc baûo veä hoaøn haûo trong giao dòch. [6] Do ñoù, caùc taùc giaû ñònh nghóa nhaän thöùc ruûi ro trong phaïm vi giao dòch tröïc tuyeán (PRT) nhö 1 ruûi ro giao dòch khaû dó maø ngöôøi tieâu duøng coù theå ñoái ñaàu khi boäc loä nhöõng phöông tieän ñieän töû cuûa vieäc thöïc hieän thöông maïi. Boán loaïi PRT ñöôïc nhaän ñònh nhö sau: söï bí maät (privacy), söï an toaøn-chöùng thöïc (security- authentication), khoâng khöôùc töø (nonrepudiation), vaø nhaän thöùc ruûi ro toaøn boä veà giao dòch tröïc tuyeán (overall perceived risk on online transaction). [6] Moâ hình e-CAM Nhaän thöùctính deã söû duïng (PEU) Nhaän thöùcsöï höõu ích (PU) Haønh vi mua(PB) Nhaän thöùc ruûi ro trongphaïm vi giao dòch (PRT) Nhaän thöùc ruûi ro vôùisaûn phaåm/dòch vuï (PRP) Theo TAM Hình II. 2. Moâ hình e-CAM Joongho Ahn, Jinsoo Park, vaø Dongwon Lee (Risk-Focused E-Commerce Adoption Model - A Cross Country Study, Jun 2001) ñaõ tích hôïp TAM vaø thuyeát nhaän thöùc ruûi ro (theories of perceived risk - TPR) trong moät nghieân cöùu thöïc nghieäm trong caû hai nöôùc Myõ vaø Haøn Quoác ñeå giaûi thích söï chaáp nhaän söû duïng TMÑT (Xem Hình 2). Nghieân cöùu naøy ñaõ cung caáp kieán thöùc veà caùc yeáu toá taùc ñoäng ñeán vieäc chuyeån ngöôøi söû duïng Internet thaønh khaùch haøng tieàm naêng. Nhaän thöùc tính deã söû duïng (perceived ease of use - PEU) vaø nhaän thöùc söï höõu ích (perceived usefulness - PU) phaûi ñöôïc naâng cao, trong khi nhaän thöùc ruûi ro lieân quan ñeán saûn phaåm/dòch vuï (perceived risk relating to product/service - PRP) vaø nhaän thöùc ruûi ro lieân quan ñeán giao dòch tröïc tuyeán (perceived risk relating to online transaction - PRT) phaûi ñöôïc giaûm ñi. Tuy keát quaû kieåm tra moâ hình e-CAM ôû Myõ vaø Haøn Quoác cho keát quaû khaùc nhau (thaäm chí traùi ngöôïc nhau – xem Hình 3 vaø Hình 4), nhöng khoâng vì theá maø moâ hình giaûm giaù trò, ngöôïc laïi, noù cho thaáy caùc yeáu toá taùc ñoäng leân vieäc chaáp thuaän söû duïng TMÑT cuûa töøng vuøng vaên hoùa khaùc nhau laø khaùc nhau ñaùng keå [6]. Do ñoù, toâi döï ñònh söû duïng moâ hình e-CAM tích hôïp vôùi TAM trong nghieân cöùu naøy nhaèm kieåm tra thöïc nghieäm cuï theå taïi Vieät Nam. Hình II. 3. Keát quaû kieåm tra e-CAM taïi Myõ Hình II. 4. Keát quaû kieåm tra e-CAM taïi Haøn Quoác MOÂ HÌNH KEÁT HÔÏP VEÀ CHAÁP THUAÄN VAØ SÖÛ DUÏNG COÂNG NGHEÄ (UTAUT) Caùc kieán truùc chính Kyø voïng keát quaû thöïc hieän (Performance Expectancy) Kyø voïng keát quaû thöïc hieän ñöôïc ñònh nghóa laø caáp ñoä maø moät caù nhaân tin raèng söû duïng heä thoáng ñaëc thuø naøo ñoù seõ giuùp hoï ñaït ñöôïc lôïi ích trong thöïc hieän coâng vieäc. Kieán truùc naøy ñöôïc toång hôïp töø 5 kieán truùc khaùc coù lieân quan trong caùc moâ hình noåi baät ñaõ ñöôïc thöïc nghieäm tröôùc ñoù, caùc kieán truùc khaùc ñaõ ñöôïc tích hôïp trong kieán truùc naøy laø: Nhaän thöùc söï höõu ích (töø moâ hình TAM), Ñoäng Cô Beân Ngoaøi (töø moâ hình MM), thích hôïp coâng vieäc (töø moâ hình MPCU), lôïi theá coù lieân quan (töø moâ hình IDT), vaø Kyø Voïng Keát Quaû (töø moâ hình SCT). Caùc kieán truùc naøy ñöôïc ñaùnh giaù laø töông töï nhau vaø caùc taùc giaû ñaõ choïn loïc caùc thang ño töø ñoù cho kieán truùc Kyø Voïng Keát Quaû Thöïc Hieän naøy. [19] Kyø voïng noã löïc (Effort Expectancy) Kyø voïng noã löïc ñöôïc ñònh nghóa laø möùc ñoä deã keát hôïp vôùi vieäc söû duïng heä thoáng (thoâng tin). Kieán truùc naøy cuõng ñöôïc tích hôïp töø 3 kieán truùc ñöôïc xem laø töông töï trong caùc moâ hình noåi baät hieän taïi ñeå löïa choïn thang ño phuø hôïp. Caùc kieán truùc khaùc ñaõ ñöôïc tích hôïp trong kieán truùc naøy laø: Nhaän Thöùc Tính Deã Söû Duïng (töø moâ hình TAM/TAM2), söï phöùc taïp (töø moâ hình MPCU), vaø Deã Söû Duïng (töø moâ hình IDT). [19] AÛnh höôûng xaõ hoäi (Social Influence) AÛnh höôûng xaõ hoäi ñöôïc ñònh nghóa laø möùc ñoä maø moät caù nhaân nhaän thöùc raèng nhöõng ngöôøi quan troïng khaùc tin raèng anh/coâ ta neân söû duïng heä thoáng môùi. AÛnh höôûng xaõ hoäi ñöôïc tích hôïp töø caùc kieán truùc khaùc töông töï nhau laø: Tieâu Chuaån Chuû Quan (Subjective Norm, laáy töø moâ hình TRA, TAM2, TPB/DTPB vaø C-TAM-TPB), Caùc Nhaân Toá Xaõ Hoäi (Social Factors, laáy töø moâ hình MPCU), vaø Hình AÛnh (Image, laáy töø moâ hình IDT). [19] Caùc ñieàu kieän thuaän tieän (Facilitating Conditions) Caùc ñieàu kieän thuaän tieän ñöôïc ñònh nghóa laø möùc ñoä maø moät caù nhaân tin raèng cô sôû haï taàng toå chöùc vaø kyõ thuaät toàn taïi ñeå hoã trôï vieäc söû duïng heä thoáng. Ñònh nghóa naøy laáy töø caùc khaùi nieäm noåi baät vôùi 3 kieán truùc khaùc nhau: Nhaän Thöùc Kieåm Soaùt Haønh Vi (laáy töø moâ hình TPB, DTPB, C-TAM-TPB), Caùc Ñieàu Kieän Thuaän Tieän (laáy töø moâ hình MPCU), vaø Söï Töông Thích (laáy töø moâ hình IDT). [19] Moâ hình UTAUT Viswanath Venkatesh, Michael G. Moris, Gordon B. Davis, vaø Fred D. Davis ñaõ thieát laäp moâ hình UTAUT (Unified Theory of Acceptance and Use of Technology). Moâ hình naøy laø söï keát hôïp moät soá thaønh phaàn cuûa 8 lyù thuyeát/moâ hình tröôùc ñoù vôùi muïc tieâu thieát laäp moät quan ñieåm chung nhaát phuïc vuï cho vieäc nghieân cöùu söï chaáp thuaän cuûa ngöôøi söû duïng veà heä thoáng thoâng tin môùi [19]. Taùm moâ hình/lyù thuyeát thaønh phaàn ñaõ ñöôïc xem xeùt laø: TRA (Theory of Reasoned Action) TAM (Technology Acceptance Model) MM (Motivation Model) TPB (Theory of Planned Behavior) C-TAM-TPB (a model combining TAM and TPB) MPCU (Model of PC Utilization) IDT (Innovation Diffusion Theory) SCT (Social Cognitive Theory) Performance Expectancy Facilitating Conditions Age Behavioral Intention Use Behavior Gender Experience Effort Expectancy Social Influence Voluntariness Of Use Hình II. 5. Moâ hình UTAUT Moâ hình UTAUT laø moät moâ hình keát hôïp töø caùc lyù thuyeát ñaõ ñöôïc bieát ñeán vaø cung caáp neàn taûng höôùng daãn cho caùc nghieân cöùu trong töông lai ôû lónh vöïc coâng ngheä thoâng tin. Baèng caùch chöùa ñöïng caùc söùc maïnh khaùm phaù ñöôïc keát hôïp cuûa töøng moâ hình rieâng bieät vaø caùc aûnh höôûng chuû yeáu, UTAUT ñöa ra caùc lyù thuyeát tích luõy trong khi vaãn duy trì caáu truùc chi tieát. Sô ñoà caáu truùc moâ hình UTAUT ñöôïc trình baøy nhö sau: PHAÀN B. LAÄP MOÂ HÌNH PHÖÔNG TRÌNH CAÁU TRUÙC (SEM – STRUCTURAL EQUATION MODELLING) GIÔÙI THIEÄU Phaàn naøy toùm taét ngaén goïn vaø khoâng thieân veà ñaëc tính kyõ thuaät cuûa caùc vaán ñeà caên baûn coù lieân quan trong SEM, bao goàm caùc vaán ñeà öôùc löôïng, thích hôïp moâ hình, vaø caùc giaû thieát thoáng keâ. SEM (Structural Equation Modelling) laø moät kyõ thuaät moâ hình thoáng keâ raát toång quaùt, ñöôïc söû duïng roäng raõi trong khoa hoïc nghieân cöùu haønh vi. Noù coù theå ñöôïc xem laø söï keát hôïp cuûa phaân tích nhaân toá vaø hoài quy hay phaân tích ñöôøng daãn. Söï quan taâm trong SEM thöôøng laø vaøo caùc kieán truùc lyù thuyeát, ñöôïc trình baøy bôûi caùc nhaân toá ngaàm. Caùc quan heä giöõa caùc kieán truùc lyù thuyeát ñöôïc trình baøy bôûi caùc heä soá hoài quy hay heä soá ñöôøng daãn giöõa caùc nhaân toá. SEM aùm chæ 1 caáu truùc cuûa caùc hieäp töông quan (covariances) giöõa caùc bieán ñöôïc quan saùt, caùc quan heä naøy cho ra moät teân khaùc laø moâ hình hoùa caáu truùc hieäp töông quan (covariance structure modeling). Tuy nhieân, moâ hình coù theå ñöôïc môû roäng theâm bao goàm trung bình cuûa caùc bieán quan saùt ñöôïc hoaëc caùc nhaân toá trong moâ hình, laøm cho teân moâ hình hoùa caáu truùc hieäp töông quan ít chính xaùc. Nhieàu nhaø nghieân cöùu chæ ñôn giaûn nghó moâ hình loaïi naøy laø “caùc moâ hình Lisrel,” ñieàu naøy cuõng ít chính xaùc. LISREL laø chöõ vieát taét cuûa Linear Structural RELations (caùc quan heä caáu truùc tuyeán tính), vaø teân naøy ñöôïc Jöreskog söû duïng cho moät trong nhöõng chöông trình SEM ñaàu tieân thoâng duïng nhaát. Caùc moâ hình phöông trình caáu truùc ngaøy nay khoâng nhaát thieát phaûi tuyeán tính, vaø khaû naêng môû roäng cuûa SEM xa hôn phöông trình Lisrel ban ñaàu. Ví duï, Browne (1993) thaûo luaän khaû naêng laøm thích hôïp caùc ñöôøng cong phi tuyeán. SEM cung caáp moät khung thuaän tieän vaø raát toång quaùt cho caùc phaân tích thoáng keâ bao goàm caùc thuû tuïc ña bieán truyeàn thoáng, ví duï caùc tröôøng hôïp ñaëc bieät laø phaân tích nhaân toá, phaân tích hoài quy, phaân tích phaân bieät, vaø töông quan canonical. SEM thöôøng ñöôïc minh hoïa baèng bieåu ñoà ñöôøng daãn. Phöông trình thoáng keâ naøy thöôøng ñöôïc trình baøy trong moät heä phöông trình ma traän. Trong ñaàu thaäp nieân 70, khi kyõ thuaät naøy ñöôïc giôùi thieäu laàn ñaàu trong nghieân cöùu xaõ hoäi vaø nghieân cöùu haønh vi, phaàn meàm thöôøng yeâu caàu caøi ñaët chæ roõ moâ hình theo ñieàu kieän cuûa nhöõng ma traän naøy. Do ñoù, caùc nhaø nghieân cöùu ñaõ phaûi loïc vieäc trình baøy ma traän töø bieåu ñoà ñöôøng daãn, vaø cung caáp phaàn meàm vôùi 1 chuoãi ma traän cho caùc taäp hôïp tham soá khaùc nhau, nhö laø heä soá nhaân toá vaø caùc heä soá hoài quy. Caùc phaàn meàm ñöôïc phaùt trieån gaàn ñaây cho pheùp caùc nhaø nghieân cöùu chæ ñònh tröïc tieáp moâ hình nhö laø 1 bieåu ñoà ñöôøng daãn. Vieäc naøy hieäu quaû vôùi caùc vaán ñeà ñôn giaûn, nhöng coù theå gaây meät moûi ñoái vôùi caùc moâ hình coù tính phöùc taïp hôn. Vì lyù do naøy, phaàn meàm SEM hieän taïi cuõng vaãn hoã trôï caùc ñaëc tính kyõ thuaät cuûa moâ hình loaïi caâu leänh-hay ma traän. Path analysis (phaân tích ñöôøng xu höôùng) laø kyõ thuaät thoáng keâ duøng ñeå kieåm tra quan heä nhaân quaû giöõa hai hay nhieàu bieán. Döïa treân heä thoáng phöông trình tuyeán tính. Path analysis laø thaønh phaàn phuï cuûa SEM, moät thuû tuïc ña bieán maø theo ñònh nghóa cuûa Ullman (1996), “cho pheùp kieåm tra moät taäp quan heä giöõa moät hay nhieàu bieán ñoäc laäp, hoaëc laø lieân tuïc hoaëc laø rôøi raïc, vaø moät hay nhieàu bieán phuï thuoäc, hoaëc laø lieân tuïc hoaëc laø rôøi raïc.” SEM lieân quan ñeán caùc bieán ño löôøng ñöôïc (measured variable) vaø caùc bieán ngaàm (latent variable). Moät measured variable laø moät bieán coù theå ñöôïc quan saùt tröïc tieáp vaø ñöôïc ño löôøng. Bieán ño löôøng ñöôïc cuõng ñöôïc bieát ñeán nhö bieán quan saùt ñöôïc (observed variable), bieán chæ baùo hay bieán bieåu thò (indicator or manifest variables). Moät latent variable laø moät bieán khoâng theå ñöôïc quan saùt tröïc tieáp vaø phaûi ñöôïc suy ra töø measured variable. Latent variables ñöôïc aùm chæ bôûi hieäp töông quan (covariances) giöõa hai hay nhieàu measured variables. Chuùng cuõng ñöôïc bieát ñeán nhö laø caùc nhaân toá (nghóa laø, phaân tích nhaân toá), caùc bieán kieán truùc hay caùc bieán khoâng quan saùt ñöôïc (constructs or unobserved variables). SEM laø söï keát hôïp giöõa hoài quy ña bieán vaø phaân tích nhaân toá. Path analysis chæ lieân quan ñeán caùc bieán ño löôøng (measured variables). CAÙC THAØNH PHAÀN CUÛA SEM Coù hai thaønh phaàn: moâ hình ño löôøng (measurement model) vaø moâ hình caáu truùc (structural model). Measurement model: lieân quan ñeán quan heä giöõa measured variables vaø latent variables. Structural model: chæ lieân quan ñeán caùc quan heä giöõa caùc latent variables maø thoâi. Kyù hieäu trong SEM: Caùc bieán ño löôøng ñöôïc: hình chöõ nhaät hay vuoâng Caùc bieán ngaàm: elíp hay hình troøn Caùc khoaûn sai soá: (“nhieãu” cuûa caùc bieán ngaàm) ñöôïc ñöa vaøo bieåu ñoà SEM, ñaïi dieän bôûi “E’s” cho caùc bieán ño löôøng vaø “D’s” cho caùc bieán ngaàm. Caùc khoaûn sai soá ñaïi dieän phöông sai phaàn dö trong caùc bieán khoâng ñöôïc tính cho caùc ñöôøng daãn (pathways) ñöôïc giaû thieát trong moâ hình. Tham soá cuûa SEM: Laø caùc bieán, heä soá hoài quy vaø hieäp töông quan giöõa caùc bieán. Phöông sai coù theå ñöôïc chæ ra baèng muõi teân hai ñaàu keát thuùc taïi cuøng moät bieán, hoaëc ñôn giaûn hôn, kyù hieäu baèng soá trong hoäp veõ bieán hay cung troøn. Caùc heä soá hoài quy ñöôïc trình baøy doïc theo muõi teân moät chieàu chæ ra ñöôøng daãn ñöôïc giaû thieát giöõa hai bieán (coù troïng soá ñöôïc aùp duïng cho caùc bieán trong caùc phöông trình hoài quy tuyeán tính) Hieäp phöông sai ñöôïc keát hôïp vôùi caùc muõi teân voøng cung hai ñaàu giöõa hai bieán hoaëc caùc sai soá vaø bieåu thò voâ höôùng (no directionality). Data cho SEM laø caùc phöông sai maãu vaø hieäp phöông sai maãu laáy töø toång theå (kyù hieäu S, phöông sai maãu quan saùt ñöôïc vaø ma traän hieäp phöông sai). KIEÁN TRUÙC SEM Muïc tieâu trong vieäc xaây döïng 1 bieåu ñoà xu höôùng (path diagram) hay moâ hình phöông trình caáu truùc, laø tìm moät moâ hình ñuû thích hôïp vôùi döõ lieäu (S) ñeå phuïc vuï nhö laø 1 ñaïi dieän coù ích cuûa ñoä tin caäy vaø giaûi thích chi tieát döõ lieäu. Coù 5 böôùc trong kieán truùc SEM: Chæ ñònh moâ hình (Model Specification) Nhaän daïng moâ hình (Model Identification) Öôùc löôïng moâ hình (Model Estimation) Ñaùnh giaù ñoä thích hôïp cuûa moâ hình (Assesing Fit of the Model) Hieäu chænh moâ hình (Model Modification) Chæ ñònh moâ hình (Model Specification) Laø vieäc chính thöùc baét ñaàu moät moâ hình. Trong böôùc naøy, caùc tham soá ñöôïc xaùc ñònh laø coá ñònh hay töï do. Tham soá coá ñònh (fixed parameters) khoâng ñöôïc öôùc löôïng töø döõ lieäu vaø ñöôïc gaùn moät caùch tieâu bieåu baèng 0 (chæ ra khoâng coù quan heä giöõa caùc bieán). Caùc ñöôøng daãn cuûa caùc tham soá coá ñònh ñöôïc gaén nhaõn soá (tröø khi ñöôïc gaùn giaù trò laø 0, trong tröôøng hôïp naøy khoâng coù ñöôøng daãn naøo ñöôïc veõ) trong bieåu ñoà SEM. Tham soá töï do (Free parameters) ñöôïc öôùc löôïng töø döõ lieäu quan saùt vaø ñöôïc ngöôøi ñieàu tra tin raèng noù khaùc 0. Vieäc xaùc ñònh tham soá naøo laø coá ñònh hay töï do trong SEM laø raát quan troïng vì noù xaùc ñònh tham soá naøo seõ ñöôïc söû duïng ñeå so saùnh bieåu ñoà giaû thuyeát vôùi ma traän hieäp phöông sai vaø phöông sai toång theå maãu trong vieäc kieåm tra tính thích hôïp cuûa moâ hình (böôùc 4). Vieäc choïn tham soá naøo laø coá ñònh vaø tham soá naøo laø töï do tuøy thuoäc vaøo ngöôøi nghieân cöùu. Söï löïa choïn naøy trình baøy moät giaû thuyeát tieàn ñeà veà ñöôøng xu höôùng trong heä thoáng laø quan troïng trong theá heä cuûa caáu truùc lieân quan cuûa heä thoáng ñöôïc quan saùt (ví duï, phöông sai maãu ñöôïc quan saùt vaø ma traän hieäp phöông sai). Nhaän daïng moâ hình (Model Identification) Vieäc nhaän daïng quan taâm ñeán vieäc coù hay khoâng giaù trò duy nhaát cho moãi vaø moïi tham soá töï do coù theå thu thaäp ñöôïc töø döõ lieäu quan saùt. Noù phuï thuoäc vaøo vieäc löïa choïn moâ hình vaø ñaëc tính kyõ thuaät cuûa caùc tham soá coá ñònh, raøng buoäc vaø töï do. Moät tham soá bò raøng buoäc khi noù trong moät taäp hôïp vôùi caùc tham soá khaùc. Caùc moâ hình caàn phaûi ñöôïc nhaän daïng hoaøn chænh ñeå coù theå öôùc löôïng ñöôïc (böôùc 3) vaø ñeå kieåm ñònh giaû thuyeát veà quan heä giöõa caùc bieán. Coù caùc daïng moâ hình coù caáu truùc laø just-identified, overidentified, hay underidentified. just-identified model: trong ñoù töông öùng 1-1 giöõa data vaø caùc tham soá caáu truùc. Nghóa laø, soá phöông sai döõ lieäu vaø soá hieäp phöông sai baèng vôùi soá tham soá ñöôïc öôùc löôïng. Tuy nhieân, maëc daàu khaû naêng cuûa moâ hình laø ñaït ñöôïc moät giaûi phaùp duy nhaát cho taát caû caùc tham soá, just-identified model khoâng coù söï quan taâm cuûa khoa hoïc gia vì bôûi noù khoâng coù ñoä töï do vaø do ñoù khoâng theå bò loaïi boû. Overidentified model: laø moâ hình trong ñoù soá tham soá coù theå öôùc löôïng ñöôïc thì nhoû hôn soá ñieåm döõ lieäu (data points) (nghóa laø, phöông sai, hieäp töông quan cuûa caùc bieán quan saùt ñöôïc). Tình traïng naøy taïo keát quaû ra ñoä töï do döông cho pheùp loaïi boû moâ hình, do ñoù ñöôïc söû duïng moät caùch khoa hoïc hôn. Muïc ñích cuûa SEM laø chæ ra moät moâ hình nhö vaäy ñaùp öùng caùc tieâu chuaån cuûa overidentification. Underidentified model: laø moâ hình trong ñoù soá tham soá ñöôïc öôùc löôïng vöôït quaù soá phöông sai vaø hieäp töông quan. Nhö vaäy, moâ hình bao goàm thoâng tin khoâng yù nghóa (töø döõ lieäu ñaàu vaøo) cho vieäc ñaït ñöôïc 1 giaûi phaùp xaùc ñònh veà öôùc löôïng tham soá; nghóa laø, voâ soá caùc giaûi phaùp laø khaû dó cho 1 underidentified model. Öôùc luôïng moâ hình (Model Estimation) Trong böôùc naøy, caùc giaù trò khôûi ñaàu cuûa tham soá töï do ñöôïc choïn ñeå sinh ra 1 ma traän hieäp töông quan toång theå ñöôïc öôùc löôïng (estimated population covariance matrix), S(q), töø moâ hình. Caùc giaù trò khôûi ñaàu coù theå ñöôïc choïn bôûi ngöôøi nghieân cöùu töø thoâng tin ban ñaàu, bôûi caùc chöông trình maùy tính ñöôïc söû duïng ñeå xaây döïng SEM, hay töø phaân tích hoài quy ña bieán. Muïc tieâu cuûa öôùc löôïng laø ñeå sinh ra moät S(q) hoäi tuï treân ma traän hieäp töông quan toång theå quan saùt ñöôïc, S, vôùi ma traän phaàn dö (residual matrix) (khaùc bieät giöõa S(q) vaø S) trôû neân toái thieåu. Nhieàu phöông phaùp coù theå ñöôïc söû duïng ñeå sinh ra S(q). Vieäc choïn caùc phöông phaùp ñöôïc höôùng daãn baèng ñaëc tính cuûa data bao goàm kích thöôùc vaø phaân phoái maãu. Haàu heát caùc tieán trình ñöôïc söû duïng laø laëp. Hình thöùc toång quaùt cuûa haøm toái thieåu laø: Q = (s - s(q))’W(s - s(q)) Trong ñoù: s = vector bao goàm phöông sai vaø hieäp phöông sai cuûa caùc bieán quan saùt ñöôïc. s(q) = vector bao goàm caùc phöông sai corresponding vaø hieäp phöông sai nhö ñöôïc döï ñoaùn bôûi moâ hình. W = ma traän troïng soá (moät vaøi taùc giaû xem Q nhö laø F) Ma traän troïng soá, W, trong haøm treân, phuø hôïp vôùi phöông phaùp öôùc löôïng ñöôïc choïn. W ñöôïc choïn ñeå toái thieåu Q, vaø Q(N-1) cho vieäc thích hôïp haøm, trong haàu heát caùc tröôøng hôïp moät thoáng keâ phaân phoái X2. Keát quaû thöïc hieän cuûa X2 bò aûnh höôûng bôûi kích thöôùc maãu, sai soá phaân phoái, nhaân toá phaân phoái, vaø giaû thieát raèng caùc nhaân toá vaø sai soá laø ñoäc laäp (Ullman 1996). Moät vaøi phöông phaùp öôùc luôïng ñöôïc söû duïng thoâng duïng nhaát laø: Generalized Least squares (GLS) FGLS = ½ tr[([S - S(q)]W-1)2] Trong ñoù: tr = toaùn töû theo doõi (trace operator), coäng caùc yeáu toá treân ñöôøng cheùo chính cuûa ma traän W-1 = ma traän troïng soá toái öu, phaûi ñöôïc choïn bôûi nhaø nghieân cöùu (choïn löïa thoâng thöôøng nhaát laø S-1) Maximum Likelihood (ML) FML = log|S| - log|S| + tr(SS-1) - p Trong tröôøng hôïp naøy, W = S-1 vaø p = soá löôïng bieán ñöôïc ño löôøng Asymptotically Distribution Free (ADF) Estimator (Haøm öôùc löôïng töï do phaân phoái tieäm caän) FADF = [S - s(q)]’W-1[S - s(q)] W, trong haøm naøy, bao goàm caùc yeáu toá xem xeùt trong kurtosis. Ullman (1996) vaø Hoyle (1995) thaûo luaän veà caùc thuaän lôïi vaø giôùi haïn cuûa caùc haøm öôùc löôïng treân ñaây. ML vaø GLS höõu ích cho döõ lieäu phaân phoái chuaån khi caùc nhaân toá vaø sai soá laø ñoäc laäp, ADF höõu ích cho caùc döõ lieäu khoâng phaân phoái chuaån, nhöng chæ coù giaù trò khi kích thöôùc maãu lôùn hôn 2.500. Ullman chæ ra haøm öôùc löôïng toát nhaát cho döõ lieäu khoâng phaân phoái chuaån vaø/hoaëc phuï thuoäc giöõa caùc nhaân toá vaø sai soá laø Scaled ML. Baát keå haøm naøo ñöôïc choïn, keát quaû mong ñôïi cuûa tieán trình öôùc löôïng laø ñaït ñöôïc moät haøm thích hôïp gaàn ñeán 0. Moät haøm thích hôïp vôùi soá ñieåm laø 0 chæ ra raèng ma traän hieäp phöông sai ñöôïc öôùc löôïng cuûa moâ hình vaø ma traän hieäp phöông sai maãu nguyeân thuûy laø töông ñöông. Ñaùnh giaù ñoä thích hôïp cuûa moâ hình (Assesing Fit of the Model) Nhö ñaõ phaân tích, giaù trò haøm thích hôïp gaàn ñeán 0 ñöôïc mong ñôïi cho ñoä thích hôïp moâ hình. Tuy nhieân, noùi chung, neáu tyû soá giöõa X2 vaø baäc töï do nhoû hôn 3, moâ hình laø thích hôïp toát (Ullman 1996). Ñeå coù ñoä tin caäy trong kieåm ñònh ñoä thích hôïp moâ hình, kích thöôùc maãu töø 100 ñeán 200 ñöôïc yeâu caàu (Hoyle 1995). Ullman (1996) thaûo luaän söï ña daïng cuûa caùc haøm thích hôïp phaân phoái khoâng-X2, maø oâng ta goïi laø “caùc chæ soá thích hôïp so saùnh (comparative fit indices.)” Hoyle (1995) ñeà caäp ñeán ñieàu naøy nhö “caùc chæ soá thích hôïp phuï thuoäc (adjunct fit indices).” Moät caùch caên baûn, nhöõng phöông phaùp naøy so saùnh ñoä thích hôïp cuûa moät moâ hình ñoäc laäp (moät moâ hình khaúng ñònh khoâng coù quan heä giöõa caùc bieán) ñeå thích hôïp moâ hình ñöôïc öôùc löôïng. Keát quaû cuûa vieäc so saùnh naøy thì thöôøng laø moät soá giöõa 0 vaø 1, vôùi 0.90 hoaëc lôùn hôn ñöôïc chaáp nhaän nhö laø caùc giaù trò chæ ra ñoä thích hôïp. Caû Hoyle vaø Ullman ñeà nghò söû duïng nhieàu chæ soá khi xaùc ñònh caùc ñoä thích hôïp moâ hình. Hieäu chænh moâ hình (Model Modification) Neáu ma traän phöông sai/hieäp phöông sai ñöôïc öôùc löôïng baèng moâ hình khoâng moâ phoûng moät caùch thích hôïp ma traän phöông sai/hieäp phöông sai maãu, caùc giaû thuyeát coù theå ñöôïc hieäu chænh vaø moâ hình ñöôïc kieåm ñònh laïi. Ñeå ñieàu chænh 1 moâ hình, caùc ñöôøng daãn môùi ñöôïc veõ theâm hay caùc ñöôøng daãn cuõ ñöôïc boû ñi. Noùi caùch khaùc, caùc tham soá ñöôïc thay ñoåi töø coá ñònh tôùi töï do hoaëc töø töï do ñeán coá ñònh. Ñieàu quan troïng ñeå nhôù laø khi trong caùc thuû tuïc thoáng keâ khaùc, laø vieäc hieäu chænh moâ hình sau vieäc kieåm ñònh laàn ñaàu laøm gia taêng cô hoäi cuûa vaáp phaûi sai laàm loaïi I. Caùc thuû tuïc thoâng thöôøng ñöôïc söû duïng cho vieäc hieäu chænh moâ hình laø Lagrange Multiplier Index (LM) vaø Kieåm ñònh Wald. Caû hai loaïi kieåm ñònh naøy baùo caùo caùc thay ñoåi trong giaù trò X2 khi caùc ñöôøng daãn ñöôïc ñieàu chænh. LM yeâu caàu duø coù hay khoâng vieäc gia taêng caùc tham soá töï do gia taêng söï thích hôïp cuûa moâ hình. Kieåm ñònh Wald yeâu caàu coù hay khoâng vieäc xoùa boû caùc tham soá töï do gia taêng söï thích hôïp moâ hình. Ñeå ñieàu chænh tyû leä sai laàm loaïi 1 gia taêng, Ullman (1996) yeâu caàu söû duïng moät giaù trò xaùc suaát thaáp (p<0.01) khi taêng theâm hay boû caùc tham soá. Ullman cuõng yeâu caàu so saùnh giaù trò cheùo (cross-validation) vôùi caùc maãu khaùc. Vì traät töï cuûa caùc tham soá töï do coù theå aûnh höôûng ñeán vieäc löïa choïn cuûa caùc tham soá khaùc, LM neân ñöôïc aùp duïng tröôùc kieåm ñònh Wald (nghóa laø, coäng theâm vaøo taát caû caùc tham soá tröôùc khi baét ñaàu xoùa chuùng) (MacCullum 1986, ñaõ trích daãn cuûa Ullman 1996). Trình baøy moâ hình cuoái cuøng (Final Presentation of Model) Khi moâ hình ñaõ ñaït ñöôïc ñoä thích hôïp chaáp nhaän ñöôïc, caùc öôùc löôïng rieâng bieät veà caùc tham soá töï do ñöôïc ñaùnh giaù. Caùc tham soá töï do ñöôïc so saùnh vôùi giaù trò roãng (null value), söû duïng thoáng keâ phaân phoái z. Thoáng keâ z ñaït ñöôïc baèng caùch chia tham soá öôùc löôïng cho sai soá chuaån cuûa öôùc löôïng ñoù. Tyû leä cuûa kieåm ñònh naøy phaûi vöôït +/-1.96 ñeå quan heä trôû neân coù yù nghóa. Sau khi caùc quan heä rieâng bieät trong moâ hình ñöôïc ñaùnh giaù, caùc öôùc löôïng tham soá ñöôïc chuaån hoùa cho vieäc trình baøy moâ hình cuoá cuøng. Khi caùc öôùc löôïng tham soá ñöôïc chuaån hoùa, chuùng coù theå ñöôïc giaûi thích tham chieáu vôùi caùc tham soá khaùc trong moâ hình vaø cöôøng ñoä cuûa ñöôøng xu höôùng coù lieân quan trong moâ hình coù theå ñöôïc so saùnh. CHÖÔNG III.THIEÁT LAÄP MOÂ HÌNH NGHIEÂN CÖÙUVAØ CAÙC GIAÛ THUYEÁT LAÄP MOÂ HÌNH TAM-ECAM Phaàn naøy trình baøy moâ hình nghieân cöùu cuûa ñeà taøi, ñöôïc ñaët teân laø TAM-ECAM do caùc kieán truùc chính keát hôïp töø hai moâ hìnhTAM vaø e-CAM ñaõ ñöôïc trình baøy tröôùc ñaây. Caùc kieán truùc noäi sinh laø PU (Nhaän thöùc söï höõu ích), PEU (Nhaän thöùc tính deã söû duïng), BI (Haønh vi döï ñònh), PB (Haønh vi mua thöïc söï). Caùc kieán truùc ngoaïi sinh laø TERMI (Thuaät ngöõ), SCREEN (Thieát keá giao dieän), FACI (Caùc ñieàu kieän thuaän tieän), PRT (Nhaän thöùc ruûi ro lieân quan ñeán giao dòch tröïc tuyeán), PRP (Nhaän thöùc ruûi ro lieân quan ñeán saûn phaåm/dòch vuï). Löïa choïn caùc kieán truùc ngoaïi sinh Vieäc löïa choïn caùc bieán ngoaïi sinh döïa vaøo nhieàu nghieân cöùu thöïc nghieäm coù giaù trò tröôùc ñaây. Hai kieán truùc PRT (Nhaän thöùc ruûi ro lieân quan ñeán giao dòch tröïc tuyeán) vaø PRP (Nhaän thöùc ruûi ro lieân quan ñeán saûn phaåm/dòch vuï) ñöôïc laáy töø moâ hình e-CAM [6], hai kieán truùc naøy ñaõ ñöôïc thieát keá cho vieäc khaûo saùt nhaän thöùc trong moâi tröôøng thöông maïi ñieän töû vaø ñöôïc kieåm tra thöïc nghieäm theo moâ hình e-CAM taïi Myõ vaø Haøn Quoác. Vaán ñeà coøn laïi laø löïa choïn caùc kieán truùc ngoaïi sinh taùc ñoäng leân PU vaø PEU. Ñeå ñôn giaûn, toâi laäp baûng trình baøy taát caû caùc kieán truùc tham khaûo töø caùc nghieân cöùu tröôùc coù lieân quan ñeán vieäc choïn bieán trong ñeà taøi naøy. Baûng III. 1. Toùm taét löïa choïn bieán Stt Ref. Theo taøi lieäu tham khaûo Bieán Taùc ñoäng Khaûo saùt Keát quaû Choïn 1 2 3 4 5 6 7 1 [16] COURSE PEU Spreadsheet S Ghi chuù: S: significant (coù yù nghóa), NS: Not Significant (khoâng coù yù nghóa) No 2 [16] COURSE PU Spreadsheet S No 3 [16] EUC EXPERIENCE PEU Spreadsheet S No 4 [16] EUC EXPERIENCE PU Spreadsheet._.. . m . . x . a . .x . l . . . . x . Q . .x . u . x . . a . x. . n . . . t . x . . i . x . . l . . . e . x. . s . . . . x . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . -3.5.......................................................................... -3.5 3.5 Standardized Residuals Testing Convergent & Discriminant of First Order Factors Modification Indices and Expected Change Modification Indices for LAMBDA-X FACI PRT PRP -------- -------- -------- FACI_1 - - 3.459 3.459 FACI_2 - - 3.459 3.459 PRT_1 0.020 - - 0.020 PRT_4 0.020 - - 0.020 PRP_1 0.005 0.005 - - PRP_5 0.005 0.005 - - Expected Change for LAMBDA-X FACI PRT PRP -------- -------- -------- FACI_1 - - 1.697 -0.440 FACI_2 - - -1.202 0.311 PRT_1 -0.086 - - 0.024 PRT_4 0.165 - - -0.046 PRP_1 -0.050 0.054 - - PRP_5 0.033 -0.035 - - Standardized Expected Change for LAMBDA-X FACI PRT PRP -------- -------- -------- FACI_1 - - 1.005 -0.507 FACI_2 - - -0.712 0.359 PRT_1 -0.054 - - 0.027 PRT_4 0.103 - - -0.053 PRP_1 -0.032 0.032 - - PRP_5 0.021 -0.021 - - Completely Standardized Expected Change for LAMBDA-X FACI PRT PRP -------- -------- -------- FACI_1 - - 1.005 -0.507 FACI_2 - - -0.712 0.359 PRT_1 -0.054 - - 0.027 PRT_4 0.103 - - -0.053 PRP_1 -0.032 0.032 - - PRP_5 0.021 -0.021 - - No Non-Zero Modification Indices for PHI Modification Indices for THETA-DELTA FACI_1 FACI_2 PRT_1 PRT_4 PRP_1 PRP_5 -------- -------- -------- -------- -------- -------- FACI_1 - - FACI_2 - - - - PRT_1 0.298 0.288 - - PRT_4 2.859 3.211 - - - - PRP_1 0.232 0.262 0.679 0.302 - - PRP_5 1.829 3.885 1.049 0.285 - - - - Expected Change for THETA-DELTA FACI_1 FACI_2 PRT_1 PRT_4 PRP_1 PRP_5 -------- -------- -------- -------- -------- -------- FACI_1 - - FACI_2 - - - - PRT_1 -0.050 0.043 - - PRT_4 0.225 -0.188 - - - - PRP_1 -0.048 0.043 0.069 -0.064 - - PRP_5 -0.112 0.161 -0.083 0.049 - - - - Completely Standardized Expected Change for THETA-DELTA FACI_1 FACI_2 PRT_1 PRT_4 PRP_1 PRP_5 -------- -------- -------- -------- -------- -------- FACI_1 - - FACI_2 - - - - PRT_1 -0.050 0.043 - - PRT_4 0.225 -0.188 - - - - PRP_1 -0.048 0.043 0.069 -0.064 - - PRP_5 -0.112 0.161 -0.083 0.049 - - - - Maximum Modification Index is 3.88 for Element ( 6, 2) of THETA-DELTA Covariance Matrix of Parameter Estimates LX 1,1 LX 4,2 LX 6,3 PH 1,1 PH 2,1 PH 2,2 -------- -------- -------- -------- -------- -------- LX 1,1 0.118 LX 4,2 0.000 0.263 LX 6,3 0.000 0.000 0.027 PH 1,1 -0.045 0.000 0.000 0.025 PH 2,1 -0.017 -0.036 0.000 0.009 0.010 PH 2,2 0.000 -0.075 0.000 0.001 0.012 0.027 PH 3,1 -0.026 0.000 -0.005 0.014 0.006 0.001 PH 3,2 0.000 -0.053 -0.005 0.001 0.009 0.018 PH 3,3 0.000 0.000 -0.077 0.002 0.002 0.002 TD 1,1 -0.037 0.000 0.000 0.008 0.005 0.000 TD 2,2 0.019 0.000 0.000 -0.008 -0.003 0.000 TD 3,3 0.000 0.027 0.000 0.000 -0.004 -0.007 TD 4,4 0.000 -0.101 0.000 0.000 0.014 0.021 TD 5,5 0.000 0.000 0.026 0.000 0.000 0.000 TD 6,6 0.000 0.000 -0.011 0.000 0.000 0.000 Covariance Matrix of Parameter Estimates PH 3,1 PH 3,2 PH 3,3 TD 1,1 TD 2,2 TD 3,3 -------- -------- -------- -------- -------- -------- PH 3,1 0.020 PH 3,2 0.007 0.021 PH 3,3 0.029 0.027 0.370 TD 1,1 0.008 0.000 0.000 0.026 TD 2,2 -0.004 0.000 0.000 -0.007 0.015 TD 3,3 0.000 -0.005 0.000 0.000 0.000 0.015 TD 4,4 0.000 0.020 0.000 0.000 0.000 -0.014 TD 5,5 -0.005 -0.004 -0.107 0.000 0.000 0.000 TD 6,6 0.002 0.002 0.027 0.000 0.000 0.000 Covariance Matrix of Parameter Estimates TD 4,4 TD 5,5 TD 6,6 -------- -------- -------- TD 4,4 0.059 TD 5,5 0.000 0.045 TD 6,6 0.000 -0.011 0.019 Testing Convergent & Discriminant of First Order Factors Correlation Matrix of Parameter Estimates LX 1,1 LX 4,2 LX 6,3 PH 1,1 PH 2,1 PH 2,2 -------- -------- -------- -------- -------- -------- LX 1,1 1.000 LX 4,2 0.000 1.000 LX 6,3 0.000 0.000 1.000 PH 1,1 -0.813 0.000 0.000 1.000 PH 2,1 -0.486 -0.705 0.000 0.548 1.000 PH 2,2 0.000 -0.886 0.000 0.035 0.726 1.000 PH 3,1 -0.529 0.000 -0.211 0.596 0.433 0.058 PH 3,2 0.000 -0.712 -0.195 0.062 0.638 0.733 PH 3,3 0.000 0.000 -0.765 0.023 0.035 0.020 TD 1,1 -0.671 0.000 0.000 0.329 0.326 0.000 TD 2,2 0.447 0.000 0.000 -0.389 -0.217 0.000 TD 3,3 0.000 0.430 0.000 0.000 -0.304 -0.321 TD 4,4 0.000 -0.807 0.000 0.000 0.570 0.524 TD 5,5 0.000 0.000 0.739 0.000 0.000 0.000 TD 6,6 0.000 0.000 -0.492 0.000 0.000 0.000 Correlation Matrix of Parameter Estimates PH 3,1 PH 3,2 PH 3,3 TD 1,1 TD 2,2 TD 3,3 -------- -------- -------- -------- -------- -------- PH 3,1 1.000 PH 3,2 0.323 1.000 PH 3,3 0.332 0.308 1.000 TD 1,1 0.355 0.000 0.000 1.000 TD 2,2 -0.237 0.000 0.000 -0.334 1.000 TD 3,3 0.000 -0.306 0.000 0.000 0.000 1.000 TD 4,4 0.000 0.575 0.000 0.000 0.000 -0.460 TD 5,5 -0.156 -0.144 -0.823 0.000 0.000 0.000 TD 6,6 0.104 0.096 0.331 0.000 0.000 0.000 Correlation Matrix of Parameter Estimates TD 4,4 TD 5,5 TD 6,6 -------- -------- -------- TD 4,4 1.000 TD 5,5 0.000 1.000 TD 6,6 0.000 -0.364 1.000 Testing Convergent & Discriminant of First Order Factors Standardized Solution LAMBDA-X FACI PRT PRP -------- -------- -------- FACI_1 0.776 - - - - FACI_2 0.550 - - - - PRT_1 - - 0.478 - - PRT_4 - - 0.923 - - PRP_1 - - - - 0.716 PRP_5 - - - - 0.467 PHI FACI PRT PRP -------- -------- -------- FACI 1.000 PRT 0.609 1.000 PRP 0.484 0.486 1.000 Testing Convergent & Discriminant of First Order Factors Completely Standardized Solution LAMBDA-X FACI PRT PRP -------- -------- -------- FACI_1 0.776 - - - - FACI_2 0.550 - - - - PRT_1 - - 0.478 - - PRT_4 - - 0.923 - - PRP_1 - - - - 0.716 PRP_5 - - - - 0.467 PHI FACI PRT PRP -------- -------- -------- FACI 1.000 PRT 0.609 1.000 PRP 0.484 0.486 1.000 THETA-DELTA FACI_1 FACI_2 PRT_1 PRT_4 PRP_1 PRP_5 -------- -------- -------- -------- -------- -------- 0.398 0.698 0.771 0.148 0.488 0.782 The Problem used 7776 Bytes (= 0.0% of Available Workspace) Time used: 0.059 Seconds PHUÏ LUÏC 3. KEÁT QUAÛ PHAÂN TÍCH NHAÂN TOÁ TOAØN BOÄ MOÂ HÌNH L I S R E L 8.30 BY Karl G. J”reskog & Dag S”rbom This program is published exclusively by Scientific Software International, Inc. 7383 N. Lincoln Avenue, Suite 100 Lincolnwood, IL 60712, U.S.A. Phone: (800)247-6113, (847)675-0720, Fax: (847)675-2140 Copyright by Scientific Software International, Inc., 1981-2000 Use of this program is subject to the terms specified in the Universal Copyright Convention. Website: www.ssicentral.com The following lines were read from file E:\MBA\THESIS\E_LISREL\FINAL\ME_DA.SPJ: TESTING THE FINAL CONSTRUCT INCLUDING FACTOR SCORE AND RAW DATA Observed Variables FACI PRT PRP PU_1 PU_2 PU_3 PU_4 PEU_1 PEU_2 PEU_3 PEU_4 BI_1 BI_2 Covariance Matrix From File E:\MBA\THESIS\E_LISREL\FINAL\ME_DA.COV Sample Size = 111 Latent Variables BI PU PEU EQUATIONS: BI_2 =0.938*BI BI_1 =1*BI !FACI =BI PRT =BI PRP =BI PU_4 =0.83*PU !PU_1 =PU PU_2 =PU PU_3 =PU PEU_4 =0.833*PEU PEU_1 =PEU !PEU_2 =PEU !PEU_3 =PEU PATHS: PEU -> BI PU PU -> BI Relationships Set Error Variance of BI =0.01 Set Covariance of PRT PRP Free Set Error Covariance of PU_3 PU_4 Free Set Error Covariance of BI_2 PRT Free Set Error Covariance of BI_2 PRP Free Path Diagram Number of Decimals = 3 Admissibility Check = Off Iterations > 250 Method of Estimation: Maximum Likelihood LISREL OUTPUT: MI SC RS SL=5 PC EF End of Problem TESTING THE FINAL CONSTRUCT Covariance Matrix to be Analyzed PRT PRP PU_2 PU_3 PU_4 BI_1 -------- -------- -------- -------- -------- -------- PRT 0.261 PRP 0.167 0.891 PU_2 -0.052 0.028 1.000 PU_3 0.005 -0.119 0.177 1.000 PU_4 0.089 0.078 0.265 0.442 1.000 BI_1 -0.107 -0.121 0.193 0.034 0.133 1.000 BI_2 -0.153 -0.227 0.113 0.057 0.115 0.796 PEU_1 0.060 0.118 0.253 0.204 0.318 0.078 PEU_4 0.193 0.044 0.109 0.193 0.532 0.077 Covariance Matrix to be Analyzed BI_2 PEU_1 PEU_4 -------- -------- -------- BI_2 1.000 PEU_1 0.025 1.000 PEU_4 0.095 0.458 1.000 TESTING THE FINAL CONSTRUCT Parameter Specifications LAMBDA-Y BI PU -------- -------- PRT 1 0 PRP 2 0 PU_2 0 3 PU_3 0 4 PU_4 0 0 BI_1 0 0 BI_2 0 0 LAMBDA-X PEU -------- PEU_1 5 PEU_4 0 BETA BI PU -------- -------- BI 0 6 PU 0 0 GAMMA PEU -------- BI 7 PU 8 PHI PEU -------- 9 PSI Note: This matrix is diagonal. BI PU -------- -------- 0 10 THETA-EPS PRT PRP PU_2 PU_3 PU_4 BI_1 -------- -------- -------- -------- -------- -------- PRT 11 PRP 12 13 PU_2 0 0 14 PU_3 0 0 0 15 PU_4 0 0 0 16 17 BI_1 0 0 0 0 0 18 BI_2 19 20 0 0 0 0 THETA-EPS BI_2 -------- BI_2 21 THETA-DELTA PEU_1 PEU_4 -------- -------- 22 23 TESTING THE FINAL CONSTRUCT Number of Iterations = 67 LISREL Estimates (Maximum Likelihood) LAMBDA-Y BI PU -------- -------- PRT -0.123 - - (0.055) -2.246 PRP -0.139 - - (0.103) -1.353 PU_2 - - 0.352 (0.142) 2.488 PU_3 - - 0.351 (0.128) 2.741 PU_4 - - 0.830 BI_1 1.000 - - BI_2 0.938 - - LAMBDA-X PEU -------- PEU_1 0.597 (0.139) 4.297 PEU_4 0.833 BETA BI PU -------- -------- BI - - 7.976 (7.258) 1.099 PU - - - - GAMMA PEU -------- BI -6.553 (6.387) -1.026 PU 0.837 (0.186) 4.493 Covariance Matrix of ETA and KSI BI PU PEU -------- -------- -------- BI 0.849 PU 0.194 0.637 PEU 0.108 0.745 0.891 PHI PEU -------- 0.891 (0.251) 3.550 PSI Note: This matrix is diagonal. BI PU -------- -------- 0.010 0.013 (0.024) 0.546 Squared Multiple Correlations for Structural Equations BI PU -------- -------- 0.988 0.980 Squared Multiple Correlations for Reduced Form BI PU -------- -------- 0.015 0.980 Reduced Form PEU -------- BI 0.122 (0.121) 1.006 PU 0.837 (0.186) 4.493 THETA-EPS PRT PRP PU_2 PU_3 PU_4 BI_1 -------- -------- -------- -------- -------- -------- PRT 0.248 (0.034) 7.349 PRP 0.153 0.874 (0.047) (0.118) 3.249 7.392 PU_2 - - - - 0.921 (0.128) 7.207 PU_3 - - - - - - 0.921 (0.129) 7.137 PU_4 - - - - - - 0.256 0.561 (0.089) (0.112) 2.866 4.991 BI_1 - - - - - - - - - - 0.149 (0.064) 2.334 BI_2 -0.055 -0.117 - - - - - - - - (0.031) (0.057) -1.793 -2.045 THETA-EPS BI_2 -------- BI_2 0.255 (0.063) 4.023 Squared Multiple Correlations for Y - Variables PRT PRP PU_2 PU_3 PU_4 BI_1 -------- -------- -------- -------- -------- -------- 0.049 0.019 0.079 0.079 0.439 0.851 Squared Multiple Correlations for Y - Variables BI_2 -------- 0.745 THETA-DELTA PEU_1 PEU_4 -------- -------- 0.683 0.382 (0.113) (0.132) 6.056 2.892 Squared Multiple Correlations for X - Variables PEU_1 PEU_4 -------- -------- 0.317 0.618 Goodness of Fit Statistics Degrees of Freedom = 22 Minimum Fit Function Chi-Square = 46.630 (P = 0.00164) Normal Theory Weighted Least Squares Chi-Square = 44.369 (P = 0.00319) Estimated Non-centrality Parameter (NCP) = 22.369 90 Percent Confidence Interval for NCP = (7.131 ; 45.372) Minimum Fit Function Value = 0.424 Population Discrepancy Function Value (F0) = 0.203 90 Percent Confidence Interval for F0 = (0.0648 ; 0.412) Root Mean Square Error of Approximation (RMSEA) = 0.0961 90 Percent Confidence Interval for RMSEA = (0.0543 ; 0.137) P-Value for Test of Close Fit (RMSEA < 0.05) = 0.0372 Expected Cross-Validation Index (ECVI) = 0.822 90 Percent Confidence Interval for ECVI = (0.683 ; 1.031) ECVI for Saturated Model = 0.818 ECVI for Independence Model = 2.718 Chi-Square for Independence Model with 36 Degrees of Freedom = 280.969 Independence AIC = 298.969 Model AIC = 90.369 Saturated AIC = 90.000 Independence CAIC = 332.355 Model CAIC = 175.688 Saturated CAIC = 256.929 Normed Fit Index (NFI) = 0.834 Non-Normed Fit Index (NNFI) = 0.835 Parsimony Normed Fit Index (PNFI) = 0.510 Comparative Fit Index (CFI) = 0.899 Incremental Fit Index (IFI) = 0.905 Relative Fit Index (RFI) = 0.728 Critical N (CN) = 96.042 Root Mean Square Residual (RMR) = 0.0613 Standardized RMR = 0.0875 Goodness of Fit Index (GFI) = 0.918 Adjusted Goodness of Fit Index (AGFI) = 0.832 Parsimony Goodness of Fit Index (PGFI) = 0.449 TESTING THE FINAL CONSTRUCT Fitted Covariance Matrix PRT PRP PU_2 PU_3 PU_4 BI_1 -------- -------- -------- -------- -------- -------- PRT 0.261 PRP 0.168 0.891 PU_2 -0.008 -0.010 1.000 PU_3 -0.008 -0.010 0.079 1.000 PU_4 -0.020 -0.022 0.186 0.442 1.000 BI_1 -0.104 -0.118 0.068 0.068 0.161 0.998 BI_2 -0.153 -0.228 0.064 0.064 0.151 0.797 PEU_1 -0.008 -0.009 0.157 0.156 0.369 0.065 PEU_4 -0.011 -0.013 0.219 0.218 0.515 0.090 Fitted Covariance Matrix BI_2 PEU_1 PEU_4 -------- -------- -------- BI_2 1.003 PEU_1 0.061 1.000 PEU_4 0.085 0.443 1.000 Fitted Residuals PRT PRP PU_2 PU_3 PU_4 BI_1 -------- -------- -------- -------- -------- -------- PRT 0.000 PRP 0.000 0.000 PU_2 -0.044 0.037 0.000 PU_3 0.013 -0.109 0.098 0.000 PU_4 0.109 0.100 0.078 0.000 0.000 BI_1 -0.003 -0.002 0.124 -0.035 -0.028 0.002 BI_2 0.000 0.001 0.049 -0.007 -0.037 0.000 PEU_1 0.068 0.127 0.096 0.048 -0.051 0.013 PEU_4 0.204 0.057 -0.109 -0.026 0.016 -0.013 Fitted Residuals BI_2 PEU_1 PEU_4 -------- -------- -------- BI_2 -0.003 PEU_1 -0.035 0.000 PEU_4 0.010 0.015 0.000 Summary Statistics for Fitted Residuals Smallest Fitted Residual = -0.109 Median Fitted Residual = 0.000 Largest Fitted Residual = 0.204 Stemleaf Plot - 1|11 - 0|5 - 0|444333110000000000000000 0|111224 0|55678 1|000123 1| 2|0 Standardized Residuals PRT PRP PU_2 PU_3 PU_4 BI_1 -------- -------- -------- -------- -------- -------- PRT -0.222 PRP -0.222 -0.222 PU_2 -0.907 0.415 - - PU_3 0.272 -1.222 1.159 - - PU_4 2.343 1.143 1.415 - - - - BI_1 -1.458 -0.645 1.484 -0.414 -0.924 0.222 BI_2 0.222 0.222 0.574 -0.086 -0.832 -0.095 PEU_1 1.420 1.421 1.422 0.734 -2.298 0.186 PEU_4 4.318 0.639 -2.932 -0.802 1.974 -0.381 Standardized Residuals BI_2 PEU_1 PEU_4 -------- -------- -------- BI_2 -0.222 PEU_1 -0.478 - - PEU_4 0.224 1.389 - - Summary Statistics for Standardized Residuals Smallest Standardized Residual = -2.932 Median Standardized Residual = 0.000 Largest Standardized Residual = 4.318 Stemleaf Plot - 2|93 - 1|52 - 0|99886544222211000000 0|2222234667 1|12444445 2|03 3| 4|3 Largest Negative Standardized Residuals Residual for PEU_4 and PU_2 -2.932 Largest Positive Standardized Residuals Residual for PEU_4 and PRT 4.318 TESTING THE FINAL CONSTRUCT Qplot of Standardized Residuals 3.5.......................................................................... . .. . . . . . . . . . . . . . . . . . . . . . . . . . . x . . . . . x . . . . . . x . N . . xx . o . . x . r . . * . m . . x x . a . .xx x . l . xx . . * . Q . . x . u . x x . a . x x . n . . * . t . .xxx . i . .x x . l . .* . e . .x . s . x x . . x. . . . . . x . . . . . . x . . . . . . . . . . . . . . . . . . . . . . . . . . -3.5.......................................................................... -3.5 3.5 Standardized Residuals TESTING THE FINAL CONSTRUCT Modification Indices and Expected Change Modification Indices for LAMBDA-Y BI PU -------- -------- PRT - - 12.762 PRP - - 0.006 PU_2 1.579 - - PU_3 0.041 - - PU_4 0.469 - - BI_1 0.049 0.019 BI_2 0.049 0.517 Expected Change for LAMBDA-Y BI PU -------- -------- PRT - - 0.240 PRP - - 0.009 PU_2 0.146 - - PU_3 -0.021 - - PU_4 -0.124 - - BI_1 0.084 -0.013 BI_2 -0.078 0.060 Standardized Expected Change for LAMBDA-Y BI PU -------- -------- PRT - - 0.191 PRP - - 0.007 PU_2 0.134 - - PU_3 -0.019 - - PU_4 -0.114 - - BI_1 0.077 -0.010 BI_2 -0.072 0.048 Completely Standardized Expected Change for LAMBDA-Y BI PU -------- -------- PRT - - 0.374 PRP - - 0.008 PU_2 0.134 - - PU_3 -0.019 - - PU_4 -0.114 - - BI_1 0.077 -0.010 BI_2 -0.072 0.048 No Non-Zero Modification Indices for LAMBDA-X No Non-Zero Modification Indices for BETA No Non-Zero Modification Indices for GAMMA No Non-Zero Modification Indices for PHI Modification Indices for PSI Note: This matrix is diagonal. BI PU -------- -------- 1.929 - - Expected Change for PSI Note: This matrix is diagonal. BI PU -------- -------- 25.635 - - Standardized Expected Change for PSI Note: This matrix is diagonal. BI PU -------- -------- 30.180 - - Modification Indices for THETA-EPS PRT PRP PU_2 PU_3 PU_4 BI_1 -------- -------- -------- -------- -------- -------- PRT - - PRP - - - - PU_2 3.833 0.471 - - PU_3 0.039 3.016 0.601 - - PU_4 0.021 1.431 0.927 - - - - BI_1 2.940 0.339 2.346 0.130 0.000 - - BI_2 - - - - 1.355 0.000 0.010 3.648 Modification Indices for THETA-EPS BI_2 -------- BI_2 - - Expected Change for THETA-EPS PRT PRP PU_2 PU_3 PU_4 BI_1 -------- -------- -------- -------- -------- -------- PRT - - PRP - - - - PU_2 -0.084 0.055 - - PU_3 -0.008 -0.129 0.065 - - PU_4 0.005 0.076 0.074 - - - - BI_1 -0.384 -0.244 0.086 -0.019 0.000 - - BI_2 - - - - -0.063 0.001 -0.004 -3.233 Expected Change for THETA-EPS BI_2 -------- BI_2 - - Completely Standardized Expected Change for THETA-EPS PRT PRP PU_2 PU_3 PU_4 BI_1 -------- -------- -------- -------- -------- -------- PRT - - PRP - - - - PU_2 -0.165 0.059 - - PU_3 -0.015 -0.137 0.065 - - PU_4 0.010 0.081 0.074 - - - - BI_1 -0.753 -0.259 0.086 -0.019 0.000 - - BI_2 - - - - -0.063 0.001 -0.004 -3.231 Completely Standardized Expected Change for THETA-EPS BI_2 -------- BI_2 - - Modification Indices for THETA-DELTA-EPS PRT PRP PU_2 PU_3 PU_4 BI_1 -------- -------- -------- -------- -------- -------- PEU_1 0.910 1.384 2.431 1.229 6.507 0.649 PEU_4 18.520 1.933 8.076 1.588 4.707 1.076 Modification Indices for THETA-DELTA-EPS BI_2 -------- PEU_1 0.679 PEU_4 2.675 Expected Change for THETA-DELTA-EPS PRT PRP PU_2 PU_3 PU_4 BI_1 -------- -------- -------- -------- -------- -------- PEU_1 -0.037 0.086 0.133 0.088 -0.301 0.041 PEU_4 0.154 -0.093 -0.264 -0.127 0.374 -0.050 Expected Change for THETA-DELTA-EPS BI_2 -------- PEU_1 -0.040 PEU_4 0.074 Completely Standardized Expected Change for THETA-DELTA-EPS PRT PRP PU_2 PU_3 PU_4 BI_1 -------- -------- -------- -------- -------- -------- PEU_1 -0.073 0.091 0.133 0.088 -0.301 0.041 PEU_4 0.301 -0.099 -0.264 -0.127 0.374 -0.050 Completely Standardized Expected Change for THETA-DELTA-EPS BI_2 -------- PEU_1 -0.040 PEU_4 0.074 Modification Indices for THETA-DELTA PEU_1 PEU_4 -------- -------- PEU_1 - - PEU_4 1.929 - - Expected Change for THETA-DELTA PEU_1 PEU_4 -------- -------- PEU_1 - - PEU_4 0.297 - - Completely Standardized Expected Change for THETA-DELTA PEU_1 PEU_4 -------- -------- PEU_1 - - PEU_4 0.297 - - Maximum Modification Index is 18.52 for Element ( 2, 1) of THETA DELTA-EPSILON Covariance Matrix of Parameter Estimates LY 1,1 LY 2,1 LY 3,2 LY 4,2 LX 1,1 BE 1,2 -------- -------- -------- -------- -------- -------- LY 1,1 0.003 LY 2,1 0.002 0.011 LY 3,2 0.000 0.000 0.020 LY 4,2 0.000 0.000 0.000 0.016 LX 1,1 0.000 0.000 -0.001 0.000 0.019 BE 1,2 -0.002 -0.006 0.032 -0.004 0.059 52.678 GA 1,1 0.001 0.005 0.026 0.000 -0.154 -45.134 GA 2,1 0.000 0.000 -0.007 0.000 0.013 0.166 PH 1,1 0.000 0.000 0.002 0.000 -0.021 -0.151 PS 2,2 0.000 0.000 0.000 0.000 0.000 -0.172 TE 1,1 0.000 0.000 0.000 0.000 0.000 0.000 TE 2,1 0.000 0.000 0.000 0.000 0.000 0.000 TE 2,2 0.000 0.000 0.000 0.000 0.000 0.000 TE 3,3 0.000 0.000 -0.002 0.000 0.000 -0.011 TE 4,4 0.000 0.000 0.000 -0.002 -0.001 -0.010 TE 5,4 0.000 0.000 0.001 -0.003 -0.001 -0.025 TE 5,5 0.000 0.000 0.003 0.000 -0.004 -0.061 TE 6,6 0.000 0.001 0.000 0.000 0.000 -0.014 TE 7,1 0.000 0.000 0.000 0.000 0.000 -0.001 TE 7,2 0.000 -0.001 0.000 0.000 0.000 0.000 TE 7,7 0.000 -0.001 0.000 0.000 0.000 0.005 TD 1,1 0.000 0.000 0.000 0.000 -0.006 -0.009 TD 2,2 0.000 0.000 -0.001 0.000 0.010 0.105 Covariance Matrix of Parameter Estimates GA 1,1 GA 2,1 PH 1,1 PS 2,2 TE 1,1 TE 2,1 -------- -------- -------- -------- -------- -------- GA 1,1 40.793 GA 2,1 -0.411 0.035 PH 1,1 0.377 -0.032 0.063 PS 2,2 0.147 -0.001 0.000 0.001 TE 1,1 0.000 0.000 0.000 0.000 0.001 TE 2,1 0.000 0.000 0.000 0.000 0.001 0.002 TE 2,2 0.000 0.000 0.000 0.000 0.000 0.002 TE 3,3 0.013 -0.001 0.001 0.000 0.000 0.000 TE 4,4 0.025 -0.002 0.002 0.000 0.000 0.000 TE 5,4 0.059 -0.005 0.004 0.000 0.000 0.000 TE 5,5 0.139 -0.011 0.009 0.000 0.000 0.000 TE 6,6 0.012 0.000 0.000 0.000 0.000 0.000 TE 7,1 0.000 0.000 0.000 0.000 0.000 0.000 TE 7,2 0.000 0.000 0.000 0.000 0.000 -0.001 TE 7,7 -0.005 0.000 0.000 0.000 0.000 0.000 TD 1,1 0.029 -0.003 0.005 0.000 0.000 0.000 TD 2,2 -0.216 0.016 -0.021 0.000 0.000 0.000 Covariance Matrix of Parameter Estimates TE 2,2 TE 3,3 TE 4,4 TE 5,4 TE 5,5 TE 6,6 -------- -------- -------- -------- -------- -------- TE 2,2 0.014 TE 3,3 0.000 0.016 TE 4,4 0.000 0.000 0.017 TE 5,4 0.000 0.000 0.006 0.008 TE 5,5 0.000 0.000 0.002 0.006 0.013 TE 6,6 0.000 0.000 0.000 0.000 0.000 0.004 TE 7,1 0.000 0.000 0.000 0.000 0.000 0.000 TE 7,2 -0.002 0.000 0.000 0.000 0.000 0.000 TE 7,7 0.000 0.000 0.000 0.000 0.000 -0.003 TD 1,1 0.000 0.000 0.000 0.000 0.001 0.000 TD 2,2 0.000 -0.001 -0.001 -0.003 -0.006 0.000 Covariance Matrix of Parameter Estimates TE 7,1 TE 7,2 TE 7,7 TD 1,1 TD 2,2 -------- -------- -------- -------- -------- TE 7,1 0.001 TE 7,2 0.001 0.003 TE 7,7 -0.001 -0.001 0.004 TD 1,1 0.000 0.000 0.000 0.013 TD 2,2 0.000 0.000 0.000 -0.003 0.017 TESTING THE FINAL CONSTRUCT Correlation Matrix of Parameter Estimates LY 1,1 LY 2,1 LY 3,2 LY 4,2 LX 1,1 BE 1,2 -------- -------- -------- -------- -------- -------- LY 1,1 1.000 LY 2,1 0.300 1.000 LY 3,2 0.000 0.000 1.000 LY 4,2 0.000 0.000 -0.009 1.000 LX 1,1 0.000 0.000 -0.034 0.000 1.000 BE 1,2 -0.004 -0.007 0.031 -0.004 0.058 1.000 GA 1,1 0.004 0.007 0.029 0.000 -0.174 -0.974 GA 2,1 0.000 0.000 -0.255 0.016 0.518 0.123 PH 1,1 0.000 0.000 0.049 0.000 -0.600 -0.083 PS 2,2 0.001 0.002 -0.031 0.004 -0.059 -0.996 TE 1,1 0.049 0.012 0.000 0.000 0.000 0.000 TE 2,1 0.030 0.038 0.000 0.000 0.000 0.000 TE 2,2 0.009 0.030 0.000 0.000 0.000 0.000 TE 3,3 0.000 0.000 -0.110 0.000 -0.019 -0.012 TE 4,4 0.000 0.000 0.026 -0.135 -0.035 -0.011 TE 5,4 0.000 0.000 0.087 -0.233 -0.121 -0.039 TE 5,5 0.000 0.000 0.160 -0.008 -0.227 -0.074 TE 6,6 0.068 0.131 0.000 0.000 0.000 -0.030 TE 7,1 -0.200 -0.041 0.000 0.000 0.000 -0.002 TE 7,2 -0.057 -0.201 0.000 0.000 0.000 0.000 TE 7,7 -0.042 -0.081 0.000 0.000 0.000 0.012 TD 1,1 0.000 0.000 0.006 0.000 -0.360 -0.011 TD 2,2 0.000 0.000 -0.064 0.000 0.565 0.110 Correlation Matrix of Parameter Estimates GA 1,1 GA 2,1 PH 1,1 PS 2,2 TE 1,1 TE 2,1 -------- -------- -------- -------- -------- -------- GA 1,1 1.000 GA 2,1 -0.345 1.000 PH 1,1 0.235 -0.685 1.000 PS 2,2 0.970 -0.123 0.083 1.000 TE 1,1 0.000 0.000 0.000 0.000 1.000 TE 2,1 0.000 0.000 0.000 0.000 0.445 1.000 TE 2,2 0.000 0.000 0.000 0.000 0.110 0.445 TE 3,3 0.016 -0.022 0.027 0.012 0.000 0.000 TE 4,4 0.030 -0.085 0.050 0.011 0.000 0.000 TE 5,4 0.103 -0.287 0.172 0.039 0.000 0.000 TE 5,5 0.193 -0.532 0.323 0.074 0.000 0.000 TE 6,6 0.028 0.000 0.000 0.015 -0.017 -0.011 TE 7,1 0.002 0.000 0.000 0.001 -0.318 -0.285 TE 7,2 0.000 0.000 0.000 0.001 -0.106 -0.286 TE 7,7 -0.011 0.000 0.000 -0.006 0.052 0.063 TD 1,1 0.041 -0.135 0.175 0.011 0.000 0.000 TD 2,2 -0.256 0.666 -0.643 -0.110 0.000 0.000 Correlation Matrix of Parameter Estimates TE 2,2 TE 3,3 TE 4,4 TE 5,4 TE 5,5 TE 6,6 -------- -------- -------- -------- -------- -------- TE 2,2 1.000 TE 3,3 0.000 1.000 TE 4,4 0.000 0.001 1.000 TE 5,4 0.000 0.004 0.522 1.000 TE 5,5 0.000 0.007 0.171 0.558 1.000 TE 6,6 -0.003 0.000 0.000 -0.001 -0.002 1.000 TE 7,1 -0.106 0.000 0.000 0.000 0.000 0.155 TE 7,2 -0.321 0.000 0.000 0.000 0.000 0.076 TE 7,7 0.045 0.000 0.000 0.000 0.001 -0.627 TD 1,1 0.000 0.003 0.006 0.022 0.041 0.000 TD 2,2 0.000 -0.035 -0.066 -0.227 -0.425 0.000 Correlation Matrix of Parameter Estimates TE 7,1 TE 7,2 TE 7,7 TD 1,1 TD 2,2 -------- -------- -------- -------- -------- TE 7,1 1.000 TE 7,2 0.369 1.000 TE 7,7 -0.336 -0.293 1.000 TD 1,1 0.000 0.000 0.000 1.000 TD 2,2 0.000 0.000 0.000 -0.230 1.000 TESTING THE FINAL CONSTRUCT Standardized Solution LAMBDA-Y BI PU -------- -------- PRT -0.113 - - PRP -0.128 - - PU_2 - - 0.281 PU_3 - - 0.280 PU_4 - - 0.662 BI_1 0.922 - - BI_2 0.864 - - LAMBDA-X PEU -------- PEU_1 0.563 PEU_4 0.786 BETA BI PU -------- -------- BI - - 6.906 PU - - - - GAMMA PEU -------- BI -6.711 PU 0.990 Correlation Matrix of ETA and KSI BI PU PEU -------- -------- -------- BI 1.000 PU 0.264 1.000 PEU 0.124 0.990 1.000 PSI Note: This matrix is diagonal. BI PU -------- -------- 0.012 0.020 Regression Matrix ETA on KSI (Standardized) PEU -------- BI 0.124 PU 0.990 TESTING THE FINAL CONSTRUCT Completely Standardized Solution LAMBDA-Y BI PU -------- -------- PRT -0.222 - - PRP -0.136 - - PU_2 - - 0.281 PU_3 - - 0.280 PU_4 - - 0.662 BI_1 0.922 - - BI_2 0.863 - - LAMBDA-X PEU -------- PEU_1 0.563 PEU_4 0.786 BETA BI PU -------- -------- BI - - 6.906 PU - - - - GAMMA PEU -------- BI -6.711 PU 0.990 Correlation Matrix of ETA and KSI BI PU PEU -------- -------- -------- BI 1.000 PU 0.264 1.000 PEU 0.124 0.990 1.000 PSI Note: This matrix is diagonal. BI PU -------- -------- 0.012 0.020 THETA-EPS PRT PRP PU_2 PU_3 PU_4 BI_1 -------- -------- -------- -------- -------- -------- PRT 0.951 PRP 0.317 0.981 PU_2 - - - - 0.921 PU_3 - - - - - - 0.921 PU_4 - - - - - - 0.256 0.561 BI_1 - - - - - - - - - - 0.149 BI_2 -0.108 -0.123 - - - - - - - - THETA-EPS BI_2 -------- BI_2 0.255 THETA-DELTA PEU_1 PEU_4 -------- -------- 0.683 0.382 Regression Matrix ETA on KSI (Standardized) PEU -------- BI 0.124 PU 0.990 TESTING THE FINAL CONSTRUCT Total and Indirect Effects Total Effects of KSI on ETA PEU -------- BI 0.122 (0.121) 1.006 PU 0.837 (0.186) 4.493 Indirect Effects of KSI on ETA PEU -------- BI 6.675 (6.428) 1.038 PU - - Total Effects of ETA on ETA BI PU -------- -------- BI - - 7.976 (7.258) 1.099 PU - - - - Largest Eigenvalue of B*B' (Stability Index) is 63.616 Total Effects of ETA on Y BI PU -------- -------- PRT -0.123 -0.981 (0.055) (0.995) -2.246 -0.986 PRP -0.139 -1.112 (0.103) (1.308) -1.353 -0.850 PU_2 - - 0.352 (0.142) 2.488 PU_3 - - 0.351 (0.128) 2.741 PU_4 - - 0.830 BI_1 1.000 7.976 (7.258) 1.099 BI_2 0.938 7.481 (6.808) 1.099 Indirect Effects of ETA on Y BI PU -------- -------- PRT - - -0.981 (0.995) -0.986 PRP - - -1.112 (1.308) -0.850 PU_2 - - - - PU_3 - - - - PU_4 - - - - BI_1 - - 7.976 (7.258) 1.099 BI_2 - - 7.481 (6.808) 1.099 Total Effects of KSI on Y PEU -------- PRT -0.015 (0.016) -0.917 PRP -0.017 (0.021) -0.806 PU_2 0.295 (0.120) 2.458 PU_3 0.294 (0.127) 2.324 PU_4 0.695 (0.155) 4.493 BI_1 0.122 (0.121) 1.006 BI_2 0.114 (0.113) 1.006 TESTING THE FINAL CONSTRUCT Standardized Total and Indirect Effects Standardized Total Effects of KSI on ETA PEU -------- BI 0.124 PU 0.990 Standardized Indirect Effects of KSI on ETA PEU -------- BI 6.835 PU - - Standardized Total Effects of ETA on ETA BI PU -------- -------- BI - - 6.906 PU - - - - Standardized Total Effects of ETA on Y BI PU -------- -------- PRT -0.113 -0.783 PRP -0.128 -0.887 PU_2 - - 0.281 PU_3 - - 0.280 PU_4 - - 0.662 BI_1 0.922 6.365 BI_2 0.864 5.970 Completely Standardized Total Effects of ETA on Y BI PU -------- -------- PRT -0.222 -1.531 PRP -0.136 -0.940 PU_2 - - 0.281 PU_3 - - 0.280 PU_4 - - 0.662 BI_1 0.922 6.370 BI_2 0.863 5.962 Standardized Indirect Effects of ETA on Y BI PU -------- -------- PRT - - -0.783 PRP - - -0.887 PU_2 - - - - PU_3 - - - - PU_4 - - - - BI_1 - - 6.365 BI_2 - - 5.970 Completely Standardized Indirect Effects of ETA on Y BI PU -------- -------- PRT - - -1.531 PRP - - -0.940 PU_2 - - - - PU_3 - - - - PU_4 - - - - BI_1 - - 6.370 BI_2 - - 5.962 Standardized Total Effects of KSI on Y PEU -------- PRT -0.014 PRP -0.016 PU_2 0.278 PU_3 0.278 PU_4 0.656 BI_1 0.115 BI_2 0.108 Completely Standardized Total Effects of KSI on Y PEU -------- PRT -0.028 PRP -0.017 PU_2 0.278 PU_3 0.278 PU_4 0.656 BI_1 0.115 BI_2 0.107 The Problem used 14704 Bytes (= 0.0% of Available Workspace) Time used: 0.070 Seconds ._.