Niềm tin là gì trong nghiên cứu định lượng?

Niềm tin là gì và được đo bằng gì

Trong nghiên cứu định lượng, niềm tin là mức độ người trả lời tin rằng một cá nhân, tổ chức, nền tảng hoặc thương hiệu đáng tin cậy, có năng lực và sẽ thực hiện đúng cam kết trong bối cảnh đang được nghiên cứu. Cùng là chữ “niềm tin”, nhưng niềm tin vào ngân hàng, niềm tin vào sàn thương mại điện tử và niềm tin vào một ứng dụng công nghệ có thể được diễn đạt bằng các biến quan sát khác nhau.

Bạn nên xác định rõ đối tượng của niềm tin ngay trong mô hình. Ví dụ, đề tài có thể đo “niềm tin của khách hàng vào sàn thương mại điện tử”, thay vì để biến tiềm ẩn chung chung là “niềm tin”. Cách đặt này giúp người trả lời hiểu họ đang đánh giá ai hoặc điều gì, đồng thời giúp bạn giải thích kết quả khi bảo vệ.

Niềm tin thường được đo bằng một nhóm biến quan sát trên thang Likert. Mỗi biến quan sát là một phát biểu, chẳng hạn “Tôi tin rằng nền tảng này thực hiện đúng cam kết với khách hàng”. Người trả lời chọn mức độ đồng ý, thường từ 1 đến 5 hoặc từ 1 đến 7. Thang Likert bắt nguồn từ kỹ thuật đo lường thái độ của Likert (1932), nhưng số mức lựa chọn cần thống nhất với bảng hỏi và cách bạn giải thích trong chương 3.

Niềm tin có thể là biến độc lập, biến trung gian hoặc biến phụ thuộc. Chẳng hạn, chất lượng dịch vụ có thể ảnh hưởng đến niềm tin, rồi niềm tin ảnh hưởng đến ý định mua lại. Khi đó, niềm tin cần được định nghĩa như một biến tiềm ẩn riêng, không gộp lẫn với sự hài lòng, rủi ro cảm nhận hoặc sự hoài nghi. Bạn có thể xem thêm các khái niệm gần nhau như rủi ro cảm nhận, sự hoài nghi và quyền riêng tư trước khi chốt mô hình.

Nguồn thang đo gốc

Đây là phần dễ bị viết quá tay. Một nguồn nói về niềm tin trong bối cảnh này chưa chắc là nguồn thang đo gốc cho bối cảnh khác. Danh sách dưới đây chỉ là các nguồn trong phạm vi tài liệu được phép trích dẫn, có thể giúp bạn xác định nền tảng lý thuyết hoặc bối cảnh liên quan. Bảng không khẳng định toàn bộ các nguồn đều cung cấp một thang đo niềm tin hoàn chỉnh.

Nếu bạn cần một thang đo niềm tin gốc cho đúng ngành, hãy truy ngược bài nghiên cứu mà đề cương hoặc giảng viên đã chỉ định. Chỉ đưa tác giả, năm và số biến quan sát vào bảng thang đo khi bạn đã đọc bản gốc hoặc một nguồn học thuật có thể kiểm tra. Đừng điền một cái tên quen thuộc vào luận văn chỉ vì nó xuất hiện trong một bài tổng hợp trên Internet.

Trang thang đo niềm tin có thể được dùng như bước tiếp theo để đối chiếu mã biến, cách diễn đạt và quy trình kiểm định. Bạn vẫn cần điều chỉnh các phát biểu cho đúng đối tượng nghiên cứu của mình.

Bộ biến quan sát tham khảo

Bảng dưới đây là bộ phát biểu minh họa để bạn hình dung cách biến khái niệm trừu tượng thành dữ liệu. Đây chưa phải bản dịch đã được xác nhận, cũng chưa phải thang đo được kiểm định cho đề tài của bạn. Bạn cần thay phần [đối tượng] bằng đối tượng cụ thể, sau đó kiểm tra ngữ nghĩa với giảng viên và chạy thử.

Bạn không nên đưa cả năm biến vào bảng hỏi chỉ vì chúng nghe hợp lý. Mỗi biến cần đại diện cho phạm vi khái niệm đã định nghĩa. Nếu niềm tin của bạn chỉ tập trung vào khả năng thực hiện đúng cam kết, NT3 có thể mở rộng sang khía cạnh thiện chí và làm khái niệm bị loãng.

Giữ mã biến ổn định từ bảng hỏi đến file .sav hoặc .csv. Tên cột nên ngắn, không dấu, chẳng hạn NT1, NT2, NT3. Phần diễn đạt đầy đủ đặt trong bảng mã hóa biến hoặc phụ lục. Cách này giúp bạn đọc Reliability Statistics, Item-Total Statistics và ma trận EFA mà không nhầm giữa mã dữ liệu với câu phát biểu.

Nếu có biến đảo chiều, hãy đánh dấu ngay từ lúc thiết kế bảng hỏi. Ví dụ, phát biểu “Tôi nghi ngờ [đối tượng] sẽ giữ đúng cam kết” có hướng ngược với các biến còn lại. Khi nhập dữ liệu, bạn phải mã hóa lại trước khi tính điểm thang đo. Tuy nhiên, biến đảo chiều có thể gây nhầm cho người trả lời, nên chỉ dùng khi có lý do phương pháp rõ ràng.

Điều chỉnh thang đo cho bối cảnh Việt Nam

Bắt đầu bằng việc viết định nghĩa thao tác cho niềm tin. Một câu đủ rõ có thể là: “Trong nghiên cứu này, niềm tin là mức độ khách hàng tin rằng sàn thương mại điện tử cung cấp thông tin đáng tin cậy, thực hiện đúng cam kết và quan tâm đến giao dịch của khách hàng.” Định nghĩa này giúp bạn loại những phát biểu chỉ đo sự hài lòng hoặc ý định tiếp tục sử dụng.

Tiếp theo, rà từng biến quan sát theo bốn câu hỏi. Người trả lời có hiểu “đối tượng” là ai không. Một phát biểu có chứa hai ý cùng lúc không. Từ ngữ có phù hợp với trải nghiệm thật của người trả lời không. Biến đó có đo niềm tin hay đang đo an toàn, chất lượng, sự hài lòng hoặc rủi ro.

Khi dịch tài liệu tiếng Anh, hãy dịch theo ý nghĩa của phát biểu, không dịch từng chữ. Sau đó đọc lại toàn bộ bảng hỏi như một khách hàng, không đọc như người làm nghiên cứu. Những từ như “minh bạch”, “có trách nhiệm” hoặc “đáng tin cậy” cần được giải thích bằng bối cảnh nếu người trả lời phổ thông khó hiểu.

Bạn nên chạy thử với một nhóm nhỏ trước khi thu thập chính thức. Mục tiêu của pilot là phát hiện câu khó hiểu, câu bị trùng ý, lựa chọn trả lời không phù hợp và thời gian hoàn thành bất thường. Pilot không biến một bộ câu hỏi tự viết thành thang đo đã được xác nhận. Nếu sửa nội dung sau pilot, hãy ghi lại phiên bản và lý do sửa.

Với đề tài có các khái niệm gần niềm tin, hãy vẽ ranh giới trước khi chạy dữ liệu. An toàn bảo mật tập trung vào cảm nhận về việc bảo vệ thông tin hoặc giao dịch. Rủi ro cảm nhận tập trung vào tổn thất hoặc sự không chắc chắn. Niềm tin có thể liên quan đến hai khái niệm này, nhưng không mặc nhiên đồng nhất với chúng.

Kiểm định độ tin cậy và giá trị của thang đo

Với dữ liệu SPSS, quy trình thường bắt đầu bằng Cronbach's Alpha. Vào Analyze > Scale > Reliability Analysis, đưa các biến NT vào ô Items, chọn mô hình Alpha, sau đó mở Statistics và chọn Scale if item deleted. Xem Reliability Statistics để đọc Alpha và xem Item-Total Statistics để kiểm tra Corrected Item-Total Correlation.

Cronbach's Alpha từ 0.7 trở lên thường được chấp nhận theo (Nunnally, 1978). Với thang đo mới hoặc nghiên cứu khám phá, Alpha từ 0.6 có thể được cân nhắc theo (Hair và cộng sự, 2010). Corrected Item-Total Correlation từ 0.3 trở lên là một ngưỡng tham khảo theo (Nunnally và Bernstein, 1994). Bạn không nên xóa NT2 chỉ vì xóa nó làm Alpha tăng, nếu NT2 là phần quan trọng của định nghĩa khái niệm.

Nếu chạy EFA bằng SPSS, vào Analyze > Dimension Reduction > Factor. Trong Extraction, chọn cách trích phù hợp với thiết kế và kiểm tra Eigenvalues; trong Rotation, chọn phép xoay theo giả định các nhân tố có liên hệ hay không. Đọc các bảng KMO and Bartlett's Test, Total Variance Explained và Rotated Component Matrix.

KMO từ 0.5 trở lên và Bartlett có ý nghĩa thống kê với p-value dưới 0.05 là tiêu chí thường dùng theo (Kaiser, 1974). Eigenvalue lớn hơn 1 là một quy tắc trích nhân tố theo (Kaiser, 1960). Factor loading từ 0.5 trở lên và tổng phương sai trích từ 50% trở lên có thể tham khảo theo (Hair và cộng sự, 2010). Chạy EFA lần đầu mà ra ngay kết quả gọn là chuyện hiếm. Nếu loại biến, hãy ghi lại biến nào bị loại, vì lý do nào và kết quả sau mỗi vòng.

Nếu dùng SmartPLS 4, bạn đánh giá measurement model trước rồi mới kết luận về structural model. Kiểm tra Outer Loadings, Cronbach's Alpha, rho_A, Composite Reliability, AVE và Discriminant Validity. Outer loading từ 0.7 trở lên, CR từ 0.7 trở lên và AVE từ 0.5 trở lên là các mốc thường được tham khảo theo (Chin, 1998), (Fornell và Larcker, 1981) và (Hair và cộng sự, 2022). HTMT dưới 0.85, hoặc dưới 0.90 với các khái niệm gần nhau, được đề xuất bởi (Henseler và cộng sự, 2015).

Bảng dưới đây là số liệu minh họa, không phải kết quả của một nghiên cứu thật. Tên cột được giữ theo cách SPSS thường hiển thị để bạn nhận diện vị trí cần đọc.

Với bảng minh họa này, các chỉ số đều được trình bày để bạn biết cách đọc, nhưng bạn không được chép các con số vào chương 4. Kết quả thật phải lấy từ file của bạn. Khi một biến có loading thấp hoặc làm giảm giá trị hội tụ, hãy xem lại nội dung, tương quan với các biến khác và cơ sở lý thuyết trước khi xóa.

Cách trình bày thang đo trong chương 3

Trong chương 3, trình bày theo thứ tự từ khái niệm đến dữ liệu. Đầu tiên nêu định nghĩa niềm tin và đối tượng mà người trả lời đánh giá. Tiếp theo ghi nguồn tham khảo, cách dịch hoặc điều chỉnh, số lượng biến ban đầu, thang Likert và mã biến. Nếu bộ biến do bạn điều chỉnh từ nhiều nguồn, nói rõ biến nào kế thừa ý tưởng nào và vì sao phù hợp với bối cảnh.

Bạn có thể dùng đoạn sau và thay các phần trong ngoặc vuông:

Cách viết vào luận văn: “Thang đo niềm tin trong nghiên cứu này được xây dựng nhằm đo [mức độ tin tưởng của đối tượng khảo sát] đối với [đối tượng được đánh giá]. Thang đo ban đầu gồm [số lượng] biến quan sát, ký hiệu từ [NT1] đến [NTx], sử dụng thang Likert [5/7] mức độ. Sau bước [pilot/đánh giá độ tin cậy/EFA], thang đo còn [số lượng] biến để sử dụng trong phân tích tiếp theo.”

Sau khi có dữ liệu chính thức, chương 4 mới trình bày các con số Alpha, loading, AVE hoặc HTMT. Không đưa kết quả chưa chạy vào chương 3. Nếu dùng SmartPLS, nêu rõ phiên bản phần mềm và số lần bootstrap khi báo cáo mô hình cấu trúc. Hair và cộng sự (2022) đề cập việc sử dụng 5.000 bootstrap subsamples trong quy trình PLS-SEM.

Lỗi thường gặp

Gọi mọi phát biểu tích cực là niềm tin

Một phát biểu như “Tôi hài lòng với dịch vụ” đo sự hài lòng, dù nó có sắc thái tích cực. Hãy đối chiếu từng biến với định nghĩa niềm tin và loại các câu chỉ nói về kết quả cảm xúc hoặc ý định hành vi.

Chép thang đo từ bài khác mà không kiểm tra bối cảnh

Niềm tin vào người bán, niềm tin vào nền tảng và niềm tin vào cơ quan nhà nước có đối tượng, hành vi và mức rủi ro khác nhau. Bạn cần kiểm tra bản gốc, cách đo và đối tượng khảo sát trước khi dịch.

Xóa biến chỉ để Alpha tăng

Alpha cao không tự động chứng minh giá trị nội dung. Xóa biến có thể làm khái niệm mất một chiều quan trọng. Hãy xem cả tương quan biến tổng, nội dung phát biểu, kết quả EFA hoặc outer loading và lập luận lý thuyết.

Trộn SPSS với SmartPLS

SPSS thường được dùng cho Cronbach's Alpha và EFA. SmartPLS dùng measurement model và structural model trong PLS-SEM. Các chỉ số như CFI, TLI và RMSEA thuộc CB-SEM, không nên đưa vào một bài hướng dẫn đánh giá mô hình SmartPLS.

Không lưu từng phiên bản dữ liệu

Hãy giữ file dữ liệu gốc, file sau khi mã hóa biến đảo chiều và file sau mỗi vòng loại biến. Đặt tên có ngày hoặc số phiên bản. Khi giảng viên hỏi vì sao NT4 bị loại, bạn cần mở được bảng kết quả và giải thích bằng số liệu thật.

Câu hỏi thường gặp

Niềm tin là biến độc lập hay biến phụ thuộc

Niềm tin có thể giữ nhiều vai trò, tùy mô hình và giả thuyết. Nếu chất lượng dịch vụ ảnh hưởng đến niềm tin, niềm tin là biến phụ thuộc của quan hệ đó. Nếu niềm tin ảnh hưởng đến ý định mua, nó là biến độc lập trong quan hệ tiếp theo và có thể là biến trung gian của toàn mô hình.

Thang đo niềm tin nên có bao nhiêu biến quan sát

Không có một con số chung áp dụng cho mọi đề tài. Số biến phụ thuộc vào định nghĩa, nguồn gốc thang đo và bối cảnh. Bạn nên bắt đầu với các biến bao phủ đầy đủ khái niệm, sau đó đánh giá bằng nội dung, pilot và các kiểm định định lượng thay vì đặt trước một con số rồi cố giữ đủ.

Có thể tự dịch thang đo niềm tin từ tiếng Anh không

Bạn có thể dịch để xây dựng bản nháp, nhưng bản dịch cần được rà soát về ngữ nghĩa và bối cảnh. Đừng gọi bản dịch đó là bản đã được xác nhận. Nếu thay đổi nhiều từ hoặc thêm bớt biến, hãy ghi rõ đây là thang đo đã điều chỉnh và kiểm định lại trên mẫu của bạn.

Cronbach's Alpha thấp thì phải làm sao

Trước tiên kiểm tra mã hóa, biến đảo chiều, dữ liệu thiếu và các biến có bị nhập sai không. Sau đó xem Corrected Item-Total Correlation và nội dung từng biến. Bạn có thể cân nhắc loại biến khi có cả lý do thống kê lẫn lý do khái niệm, rồi chạy lại trên một phiên bản dữ liệu mới và ghi lại quyết định.

Có cần chạy cả EFA và SmartPLS không

Điều này phụ thuộc thiết kế nghiên cứu và yêu cầu của giảng viên. EFA phù hợp khi bạn cần khám phá cấu trúc nhân tố trong SPSS. Với PLS-SEM, bạn đánh giá measurement model trong SmartPLS. Chạy thêm một phần mềm không làm kết quả mạnh hơn nếu không có lý do phương pháp rõ ràng.

Bạn hãy mở lại bảng định nghĩa biến, đối chiếu từng phát biểu NT1 đến NT5 với đối tượng nghiên cứu, rồi kiểm tra file .sav hoặc .csv trước khi chạy vòng Cronbach's Alpha đầu tiên. Nếu cần chạy phân tích trên chính dữ liệu của bạn bằng SPSS hoặc SmartPLS, xem M4 phân tích của DoThesis.