CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN

4.1. Mô tả mẫu nghiên cứu chính thức

4.1.1. Thống kê mô tả mẫu nghiên cứu
Bảng 4.1. Kết quả thống kê mô tả nhân khẩu học của mẫu nghiên cứu
Chỉ tiêu Tần số Tần suất
(Người) (%)
Giới tính Nam 112 32,0
Nữ 238 68,0
Tổng 350 100%
Sinh viên năm Năm 2 59 16,9
Năm 3 247 70,6
Năm 4 44 12,5
Tổng 350 100%
Nguồn: Tác giả tổng hợp từ kết quả SPSS
Kết thúc bước thu thập dữ liệu, số lượng thực hiện khảo sát là 370 lượt.
Trong đó, có 20 bảng trả lời không hợp lệ do không ghi nhận đầy đủ thông tin. Như
vậy, số lượng mẫu khảo sát hợp lệ được sử dụng làm dữ liệu cho nghiên cứu là 350
bảng trả lời.
Kết quả thống kê mô tả nhân khẩu học của mẫu khảo sát được tóm tắt trong
bảng 4.1. Sau đây tác giả phân tích một số đặc điểm nhân khẩu học của mẫu khảo
sát:
- Về giới tính, mẫu khảo sát có tỷ lệ nam/ nữ là 112/238 trong đó, nam chiếm
32,0% và nữ chiếm 68,0%. Như vậy có thể thấy số lượng đối tượng lo lắng về trí
tuệ nhân tạo là nữ giới cao hơn nam giới khá nhiều.
- Về năm học, với tỷ lệ là 70,6%, độ tuổi sinh viên năm 3 chiếm tỷ lệ cao
nhất, theo sau đó là nhóm sinh viên năm 2 với 16,9% và nhóm sinh viên năm 4 với
12,5%.. Điều này cho thấy đối tượng lo lắng về AI chủ yếu là sinh viên năm 2, năm
3.
4.1.2. Thống kê mô tả thang đo
Kết quả thống kê mô tả thang đo được phân tích từ phần mềm SPSS (Tham
khảo Phụ lục 4) cho thấy, tất cả các biến quan sát theo thang đo Likert đều có các
giá trị từ 1 (Hoàn toàn không đồng ý) đến mức 5 (Hoàn toàn đồng ý). Như vậy, sinh
viên tại Việt Nam có ý kiến đa dạng và khác nhau đối với sự lo lắng về trí tuệ nhân
tạo đối với loại sản phẩm này.
Các biến độc lập hầu hết đều có giá trị trung bình lớn hơn 3,0 cho thấy sinh
 viên hầu hết đánh giá cao về các yếu tố của sự lo lắng về trí tuệ nhân tạo được đề
cập trong bảng câu hỏi. Trong đó, biến EM1, EM3 có giá trị trung bình cao nhất là
4,21 cho thấy sự đồng ý cao của sinh viên đối với yếu tố Search Engine Marketing.
Các biến quan sát của biến phụ thuộc có giá trị trung bình dao động từ 3,52
đến 4,14. Điều này cho thấy, nhìn chung, sinh viên đánh giá khá cao về động lực
bên ngoài về ý định học tập và làm việc trong lĩnh vực công nghệ.
4.2. Phân tích hệ số Cronbach’s Alpha cho thang đo chính thức
Kết quả phân tích hệ số Cronbach’s Alpha cho thang đo chính thức cho thấy,
gần như tất cả các yếu tố thoả mãn hai điều kiện đặt ra trong mục 3.4.1.1. Phân tích
hệ số Cronbach’s Alpha. Cụ thể, với các thang đo yếu tố Học tập AI (XL), Nhân
dạng AI (XC), Sự thay thế công việc (XJ), Mù kỹ thuật xã hội (XS), Động lực học
tập từ bên trong (IM), Động lực học tập từ bên ngoài (EM), Hành vi nghề nghiệp
(CB) và yếu tố phụ thuộc Ý định học tập AI (LT), hệ số Cronbach’s Alpha dao
động từ 0,754 đến 0,945 và đều thoả mãn điều kiện lớn hơn 0,7 (Bảng 4.2). Đồng
thời hệ số tương quan biến – tổng hiệu chỉnh của hầu hết các biến trong từng thang
đo đều thoả mãn điều kiện lớn hơn 0,3 (ngoại trừ XL6, XL7, XJ5 và XS1). Vì vậy,
các thang đo này đều đảm bảo độ tin cậy và tất các biến quan sát của các thang đo
này đều được chấp nhận và sử dụng cho bước phân tích nhân tố EFA tiếp theo.
Trong số 44 biến quan sát được đề xuất trong nghiên cứu, có các biến XL6, XL7, XJ5 và XS1
quan sát bị loại ra khỏi mô hình. Như vậy, kết quả phân tích Cronbach’s Alpha cho từng
thang đo được trình bày trong Bảng 4.2 (Tham khảo kết quả đầy đủ tại Phụ lục 7)
Bảng 4.2. Kết quả hệ số Cronbach’s Alpha chính thức
của mô hình nghiên cứu đề xuất
STT Thang đo Hệ số Cronbach’s Alpha
1 Học tập AI (XL) 0,937*
2 Nhân dạng AI (XC) 0,754
3 Sự thay thế công việc 0,882*
(XJ)
4 Mù kỹ thuật xã hội (XS) 0,889*
5 Động lực học tập từ bên 0,944
trong (IM)
6 Động lực học tập từ bên 0,945
ngoài (EM)
7 Hành vi nghề nghiệp 0,926
(CB)
8 Ý định học tập AI (LT) 0,913
 Nguồn: Tổng hợp dựa trên kết quả từ
SPSS *Chạy ở lần phân tích thứ 2 sau khi loại biến
4.3. Phân tích nhân tố khám phá EFA
4.3.1. Phân tích nhân tố khám phá EFA với các biến độc lập
Kết quả phân tích EFA cho các biến độc lập được trình bày ở Phụ lục 8. Kết
quả cho thấy: Kiểm định Barlett với mức ý nghĩa Sig. = 0,000 < 0,05 nên có thể kết

luận rằng các biến quan sát trong phân tích nhân tố trên có tương quan với nhau
trong tổng thể. Hệ số KMO bằng 0,895 thoả 0,5 < 0,895 < 1, do đó phân tích nhân
tố thích hợp với dữ liệu nghiên cứu. Tất cả các biến quan sát có hệ số tải nhân tố lớn
hơn 0,5 và được phân thành 6 nhóm nhân tố. Giá trị hệ số Eigenvalues của cả 6
nhân tố đều lớn hơn 1. Tổng phương sai trích bằng 73,986% lớn hơn 50% cho biết
rằng 6 nhân tố trên giải thích được 73,986% sự biến thiên của dữ liệu.
Bảng 4.3. Kết quả phân tích nhân tố EFA cho các biến độc lập
1 2 3 4 5 6
IM4 .905
EM1 .900
IM2 .900
IM5 .886
EM2 .881
EM3 .875
IM6 .853
EM4 .840
EM7 .824
IM3 .817
EM6 .795
EM5 .792
IM1 .758
XL2 .874
XL8 .872
XL3 .859
XL5 .856
XL4 .833
XL1 .825
CB6 .876
CB5 .875
CB4 .863
CB3 .851
CB2 .821
CB1 .767
XJ6 .897
 XJ2 .800
XJ3 .800
XJ1 .793
XJ4 .788
XS4 .918
XS2 .876
XS3 .857
XC3 .829
XC2 .797
XC1 .766
Nguồn: Tổng hợp dựa trên kết quả từ SPSS

Từ 36 biến quan sát độc lập và phụ thuộc thu được sau khi thực hiện kiểm định Cronbach’s
Alpha, tác giả tiếp tục thực hiện phân tích nhân tố khám phá EFA cho các biến độc lập thì thu
được kết quả 36 biến quan sát hình thành 6 nhân tố bao gồm:
Nhân tố thứ nhất gồm các biến IM4, EM1, IM2, IM5, EM2, EM3, IM6,
EM4, EM7, IM3, EM6, EM5, IM1 thuộc 2 thang đo động lực bên trong và động lực
bên ngoài hội tụ về một nhân tố. Như vậy nhóm nhân tố này có tên chung là “Động
lực học tập”.
Nhân tố thứ hai gồm các biến XL2, XL8, XL3, XL5, XL4, XL1 thuộc thang
đo Học tập AI hội tụ về một nhân tố. Như vậy nhóm nhân tố này vẫn giữ tên là
“Học tập AI”.
Nhân tố thứ ba gồm các biến CB6, CB5, CB4, CB3, CB2, CB1 thuộc thang
đo Hành vi nghề nghiệp hội tụ về một nhân tố. Như vậy nhóm nhân tố này vẫn giữ
tên là “Hành vi nghề nghiệp”.
Nhân tố thứ tư gồm các biến XJ6, XJ2, XJ3, XJ1, XJ4 thuộc thang đo Sự
thay thế công việc hội tụ về một nhân tố. Như vậy nhóm nhân tố này vẫn giữa tên là
“Sự thay thế công việc”.
Nhân tố thứ năm gồm các biến XS4, XS2, XS3 thuộc thang đo Mù kỹ thuật
xã hội hội tụ về một nhân tố. Như vậy nhóm nhân tố này vẫn giữ tên là “Mù kỹ
thuật xã hội”.
4.3.2. Phân tích nhấn tố khám phá EFA với biến phụ thuộc
Bảng 4.4. Kết quả phân tích nhân tố EFA đối với biến phụ thuộc
Eigenvalues
Yếu tố
Tổng Phương sai trích (%) Tổng phương sai trích
1 3.181 79.513 79.513
2 .361 9.025 88.538
 3 .294 7.338 95.876
4 .165 4.124 100.000
Hệ số KMO 0,831
Sig. 0,000
Nguồn: Tổng hợp dựa trên kết quả từ SPSS
 Kết quả phân tích cho thấy: Kiểm định Barlett với mức ý nghĩa Sig.= 0,000 <
0,05 nên có thể kết luận rằng dữ liệu dùng để phân tích nhân tố hoàn toàn phù hợp.
Hệ số KMO bằng 0,831 thoả 0,5 < 0,831 < 1, phù hợp trong việc sử dụng phân tích
nhân tố. Có 1 nhân tố duy nhất được trích ra từ phân tích EFA. Giá trị Eigenvalues
lớn hơn 1 nên nhân tố được trích ra thoả mãn điều kiện. Tổng phương sai trích bằng
79,513% lớn hơn 50% cho biết nhân tố trên giải thích được 79,513% sự biến thiên
của dữ liệu. Tất cả các biến quan sát đều có hệ số tải nhân tố đạt yêu cầu lớn hơn
0,5.
Phân tích EFA hoàn tất, 7 nhân tố đề xuất được đưa vào kiểm định.
4.4. Phân tích hồi quy tuyến tính bội
4.4.1. Kiểm tra hệ số tương quan giữa các biến
Bảng 4.5. Ma trận hệ số tương quan giữa các biến
LT XL XC XS XJ IM_EM CB
HSTQ 1 .449** .410** .313** .359** .108* .497**
LT
Sig. .000 .000 .000 .000 .043 .000
HSTQ .449** 1 .235** .130* .214** .163** .250**
XL
Sig. .000 .000 .015 .000 .002 .000
HSTQ .410** .235** 1 .219** .082 .050 .199**
XC
Sig. .000 .000 .000 .126 .354 .000
HSTQ .313** .130* .219** 1 .012 .130* .127*
XS
Sig. .000 .015 .000 .818 .015 .018
HSTQ .359** .214** .082 .012 1 -.022 .184**
XJ
Sig. .000 .000 .126 .818 .687 .001
HSTQ .108* .163** .050 .130* -.022 1 .028
IM_EM Sig. .043 .002 .354 .015 .687 .600

HSTQ .497** .250** .199** .127* .184** .028 1

CB .000 .000 .000 .018 .001 .600
Sig.
*. Tương quan có ý nghĩa ở mức 5% (2-tailed)
**. Tương quan có ý nghĩa ở mức 1% (2-tailed)
Nguồn: Tổng hợp dựa trên kết quả từ SPSS
 Kết quả của phân tích tương quan tại Bảng 4.5 cho thấy, hệ số tương quan
Pearson giữa các biến độc lập và biến phụ thuộc LT khá cao. Chỉ có biến IM_EM là
có tương quan với biến phụ thuộc khá thấp (bé hơn 0,2). Tuy nhiên. các giá trị Sig.
của các hệ số tương quan trên đều nhỏ hơn 0,05 nên các hệ số Pearson có ý nghĩa
thống kê. Điều này cho thấy các cặp biến độc lập – phụ thuộc trong mô hình có
tương quan chặt chẽ với nhau. Vì thế, tất cả các biến độc lập đều đủ điều kiện để
đưa vào phân tích mô hình hồi quy ở bước tiếp theo để giái thích cho biến phụ thuộc
LT. Ngoài ra, có thể nhận thấy xuất hiện hiện tượng tương quan mạnh giữa các cặp
biến độc lập với nhau, cụ thể là biến độc lập XL có tương quan yếu với các biến
XC, XS, XJ, IM_EM, CB (hệ số Pearson nhỏ hơn 0,3 và Sig. nhỏ hơn 0,05), do đó,
khi thực hiện phân tích hồi quy cần lưu ý kiểm tra vấn đề đa cộng tuyến giữa các
biến độc lập.
4.4.2. Lựa chọn mô hình hồi quy
Mô hình hồi quy đa biến theo phương pháp bình phương bé nhất (OLS) được
lựa chọn để xem xét các nhân tố ảnh hưởng đến quyết định mua sản phẩm F&B. Mô
hình này đã được các nghiên cứu trước vận dụng để xem xét tác động của một hoặc
nhiều biến nguyên nhân (biến độc lập) đến một biến kết quả (biến phụ thuộc). Mô
hình các nhân tố ảnh hưởng đến đến quyết định mua sản phẩm F&B có dạng như
sau:
LT = β0 + β1.XL+ β2.XC + β3.XS + β4.XJ + β5.IM_EM + β6.CB + ε
Trong đó:
- LT: biến phụ thuộc (Y) thể hiện ý định học tập và làm việc của sinh viên.
- Các biến độc lập (Xi): gồm có 6 biến
- β0: Hệ số chặn, có ý nghĩa là khi tất cả các biến độc lập bằng 0 thì biến phụ
thuộc nhận giá trị trung bình là β0.

- βi (i=1🡪6): Hệ số hồi quy lần lượt của các biến XL, XC, XS, XJ, IM_EM

và CB; có ý nghĩa là khi các biến độc lập thay đổi 1 đơn vị với điều kiện các yếu tố
khác không đổi thì biến phụ thuộc thay đổi βi đơn vị.
- ε: phần dư ngẫu nhiên có phân phối chuẩn với trung bình là 0 và phương
sai bằng σ, thể hiện các yếu tố khác chưa đưa vào mô hình
 Phân tích hồi quy bội được thực hiện với 6 biến độc lập và biến phụ thuộc Ý
định học tập và làm việc (LT). Nghiên cứu thực hiện hồi quy đa biến bằng phương
pháp đồng thời (Enter), theo đó các biến được đưa vào một lượt để phân tích.
4.4.3. Xác định tầm quan trọng của các biến trong mô hình
Đây là bước phân tích hồi quy của mô hình, nhằm kiểm định xem các hệ số
hồi quy của từng biến độc lập ảnh hưởng lên biến phụ thuộc có ý nghĩa thống kê
hay không. Hệ số hồi quy βi như trong phương trình hồi quy bội thể hiện trung bình
lượng thay đổi của biến Xi khi một đơn vị biến phụ thuộc Y không thay đổi trong
điều kiện các yếu tố khác không thay đổi.
Trong kết quả phân tích, hệ số hồi quy chuẩn hoá (ký hiệu Beta trong SPSS)
được dùng để so sánh mức độ tác động của các biến độc lập vào biến phụ thuộc.
Nghiên cứu sử dụng mức ý nghĩa 5% - mức ý nghĩa thông thường trong các nghiên
cứu kinh tế được dùng để kiểm định các giả thuyết trong phân tích và hồi quy.
Ở kết quả hồi quy với tất cả các biến độc lập được đưa vào mô hình đều có
giá trị Sig. thoả mãn điều kiện nhỏ hơn 0,05.
Bảng 4.6. Kết quả phân tích hồi quy
Hệ số chưa Hệ số
Độ phóng đại
Biến độc chuẩn hoá chuẩn hoá Thống kê
Sig. phương sai
lập Sai số t
B Beta (VIF)
chuẩn
Hệ số chặn -.328 .239 -1.372 .171
XL .186 .033 .235 5.709 .000 1.177
XC .229 .040 .229 5.704 .000 1.121
XS .151 .032 .184 4.670 .000 1.077
XJ .211 .036 .228 5.791 .000 1.073
IM_EM .024 .031 .030 .775 .439 1.044
CB .255 .031 .326 8.127 .000 1.118
Nguồn: Tổng hợp dựa trên kết quả từ SPSS
 Kết quả cho thấy mức ý nghĩa Sig. của tất cả các biến độc lập ngoại trừ biến
“Động lực học tập” đều bé hơn 0,05 nên ta có thể an toàn bác bỏ giả thuyết “Hệ số
hồi quy của các biến này bằng 0”. Tức là các biến độc lập XL, XC, XS, XJ, CB
trong mô hình đều có ý nghĩa và đều giải thích được biến phụ thuộc Ý định học tập
và làm việc (LT).
Kết luận, phương trình hồi quy tuyến tính đã chuẩn hoá của mô hình sau khi
đã phân tích hồi quy như sau:
LT = 0,235.XL + 0,229.XC + 0,184.XS + 0,228.XJ + 0,326.CB+ ε
4.4.4. Đánh giá và kiểm định độ phù hợp của mô hình
Bảng 4.7. Tổng hợp các yếu tố cần đánh giá trong phân tích hồi quy
Sai số chuẩn Durbin -
R R2 hiệu chỉnh
R2 của ước lượng Watson
0,710 0,505 0,496 0,41537 1,626
Nguồn: Tổng hợp dựa trên kết qua từ SPSS (Tham khảo
Hệ số xác định R2 giúp xem xét bao nhiêu phần trăm sự biến thiên của biến
phụ thuộc được giải thích bởi các biến độc lập (Nguyễn Đình Thọ, 2012). Kết quả
hồi quy OLS cho ra hệ số R2 = 0,496. R2 hiệu chỉnh phản ánh sát hơn mức độ phù
hợp của mô hình hồi quy tuyến tính bội vì R 2 hiệu chỉnh không phụ thuộc vào độ
lệch phóng đại của R2. Kết quả R2 hiệu chỉnh = 0,496 có ý nghĩa là 5 nhân tố độc
lập đã giải thích được 49,6% sự biến thiên của biến phụ thuộc, còn 50,4% còn lại là
sự biến thiên của Ý định học tập và làm việc do sai số gây ra, bao gồm sai số đo
lường và các nhân tố khác chưa biết hoặc chưa đưa vào mô hình hồi quy.
Bảng 4.8. Kiểm định F đối với phân tích hồi quy
Tổng các Bình phương
df F Sig.
bình phương trung bình
Hồi quy 60.295 6 10.049 58.246 .000
Số dư 59.178 343 .173
Tổng 119.473 349
Nguồn: Tổng hợp dựa trên kết quả từ SPSS
 Kiểm định F là phép kiểm định giả thuyết về độ phù hợp của mô hình hồi
quy tuyến tính tổng thể, nhằm kiểm tra xem hệ số R 2 có ý nghĩa thống kê hay
không, hay biến phụ thuộc có được giải thích bởi các biến độc lập trong mô hình
bằng mối quan hệ tuyến tính, xét về mặt thống kê hay không (Hoàng Trọng và Chu
Nguyễn Mộng Ngọc, 2008).
Giả thuyết kiểm định độ phù hợp của mô hình:
H 0: β 1 = β 2 = β 3 = β 4 = β 5 = β 6 = 0

H1: tn ti ít nht 1 i 0 (i = 1 🡪 6)

Để kiểm định giả thuyết H0, ta dùng đại lượng F. Nếu sig. của trị F < 0,05 thì
giả thuyết H0 bị bác bỏ. Giá trị F được lấy từ bảng phân tích phương sai ANOVA
trong kết quả hồi quy bội SPSS và được thể hiện tại Bảng 4.9. Kết quả kiểm định
cho ra giá trị thống kê F = 58,246 với giá trị Sig. = 0,000 < 0,05 nên ta bác bỏ giả
thuyết H0. Như vậy, mô hình hồi quy tuyến tính bội xây dựng được phù hợp với tập
dữ liệu, các biến độc lập trong mô hình có tác động đến biến phụ thuộc. Như vậy, ta
có thể kết luận mô hình phù hợp.
4.4.5. Dò tìm các vi phạm giả định cần thiết
4.4.5.1. Giả định không có tự tương quan
Đại lượng thống kê Durbin – Watson (d) được sử dụng để kiểm định tương
quan của các phần dư. Giả thuyết như sau:
Giả thuyết H0: hệ số tương quan tổng thể của các phần dư bằng 0 (không có
tự tương quan chuỗi bậc nhất).
Giả thuyết H1 : h s tng quan tng th ca các phn d 0.
Kết quả phân tích tại Bảng 4.8 cho thấy Durbin – Watson (d) = 1,626 nằm
trong khoảng từ 1 đến 3. Vậy các phần dư không có tương quan chuỗi bậc nhất với
nhau. Ta chấp nhận giả thuyết H0: hệ số tương quan tổng thể của các phần dư bằng
0 (không có tự tương quan chuỗi bậc nhất).
4.4.5.2. Giả định không có đa cộng tuyến
Hệ số phóng đại phương sai VIF được sử dụng để kiểm tra đa cộng tuyến.
Mô hình có dấu hiệu đa cộng tuyến khi VIF vượt quá 10. Kết quả phân tích tại Bảng
4.7 cho thấy VIF của tất cả các biến độc lập đều nằm trong khoảng 1,073 đến 1,177
nên ta có thể kết luận không có hiện tượng đa cộng tuyến.
 PA
4.4.5.3. Giả định liên hệ tuyến tính
Giả định này được kiểm tra bằng biểu đồ phân tán giữa giá trị phần dư chuẩn
hóa (Regression Standardized Residual) và giá trị dự đoán chuẩn hóa (Regression
Standardized Predicted Value). Biểu đồ phân tán phần dư chuẩn hóa tại Phụ lục
13.4 thể hiện kết quả phân tán phần dư chuẩn hóa cho thấy phần dư phân tán ngẫu
nhiên trong một vùng xung quanh đường đi qua tung độ 0, không tạo thành một
hình dạng nào cụ thể. Như vậy, có thể kết luận rằng giả định liên hệ tuyến tính và
phương sai bằng nhau không bị vi phạm, mô hình hồi quy hoàn toàn phù hợp.
4.4.5.4. Giả định phân phối chuẩn của phần dư
Để kiểm tra giả định về phân phối chuẩn của phần dư, tác giả xây dựng biểu
đồ tần số của phần dư. Trong nghiên cứu này, tác giả sử dụng biểu đồ tần số
Histogram để kiểm tra. Biểu đồ tần số Histogram được trình bày tại Phụ lục 13.5
cho thấy giá trị trung bình rất nhỏ gần bằng 0 (mean = -4,19E - 16) và độ lệch chuẩn
xấp xỉ bằng 1 (Std. Dev = 0,991) nên giả thuyết phân phối chuẩn có thể xem là
không bị vi phạm.
4.4.6. Thảo luận về kết quả phân tích (tự viết)