Rủi ro cảm nhận là gì? Cách xây dựng và kiểm định thang đo
Rủi ro cảm nhận là gì và được đo bằng gì
Rủi ro cảm nhận là mức độ người trả lời cảm thấy một quyết định mua, sử dụng hoặc chấp nhận một sản phẩm, dịch vụ có thể dẫn đến kết quả bất lợi. Kết quả bất lợi có thể liên quan đến tiền bạc, hiệu quả sử dụng, thời gian, an toàn, quyền riêng tư hoặc cảm xúc. Khái niệm này tập trung vào cảm nhận chủ quan của người trả lời, không phải mức thiệt hại thực tế đã xảy ra.
Ví dụ, một người mua hàng trực tuyến có thể lo rằng sản phẩm nhận được không giống mô tả, thanh toán có thể gặp vấn đề hoặc thông tin cá nhân bị sử dụng sai mục đích. Những lo ngại đó có thể tồn tại ngay cả khi người bán chưa gây ra thiệt hại cụ thể. Vì vậy, rủi ro cảm nhận thường được đưa vào mô hình như một biến độc lập ảnh hưởng đến niềm tin, thái độ, ý định mua hoặc ý định tiếp tục sử dụng.
Bạn nên phân biệt khái niệm này với an toàn bảo mật là gì, quyền riêng tư là gì và sự hoài nghi là gì. An toàn bảo mật thường mô tả khả năng hệ thống bảo vệ dữ liệu, quyền riêng tư nói về quyền kiểm soát thông tin cá nhân, còn rủi ro cảm nhận là đánh giá chủ quan của người dùng về khả năng xảy ra kết quả không mong muốn.
Trong bảng hỏi, rủi ro cảm nhận thường được đo bằng nhiều biến quan sát, dùng thang Likert 5 hoặc 7 mức. Một số câu đo mức lo lắng chung, một số câu đo khả năng xảy ra tổn thất cụ thể. Bạn không nên dùng một câu hỏi duy nhất nếu rủi ro cảm nhận là biến tiềm ẩn trong mô hình hồi quy, SEM hoặc PLS-SEM.
Nguồn thang đo gốc
Nguồn thang đo cần được chọn theo bối cảnh đề tài. Rủi ro cảm nhận trong thương mại điện tử có thể khác rủi ro cảm nhận khi dùng ngân hàng số, ứng dụng chăm sóc sức khỏe hoặc nền tảng học trực tuyến. Một thang đo phù hợp phải phản ánh đúng hành vi và đối tượng mà bạn đang nghiên cứu.
Trong danh mục nguồn được phép sử dụng, (Davis, 1989) là nguồn gốc cho TAM, còn (Venkatesh và cộng sự, 2003) và (Venkatesh và cộng sự, 2012) là các nguồn về chấp nhận công nghệ. Các nguồn này có thể giúp bạn xây dựng bối cảnh mô hình và biến kết quả, nhưng không nên ghi chúng là nguồn gốc trực tiếp của thang đo rủi ro cảm nhận nếu bạn chưa kiểm tra đúng bài nghiên cứu và nội dung biến quan sát.
Bảng dưới đây là cách ghi nguồn cho các khái niệm thường đi cùng rủi ro cảm nhận. Đây là bảng định hướng, không phải tuyên bố rằng mọi nguồn đều cung cấp thang đo rủi ro cảm nhận.
| Khái niệm trong mô hình | Nguồn có thể tham khảo | Vai trò khi xây dựng mô hình |
|---|---|---|
| Niềm tin | (Davis, 1989) | Bối cảnh chấp nhận công nghệ và nhận thức của người dùng |
| Chấp nhận công nghệ | (Venkatesh và cộng sự, 2003) | Giải thích ý định sử dụng công nghệ |
| Chấp nhận công nghệ mở rộng | (Venkatesh và cộng sự, 2012) | Bổ sung các yếu tố trong bối cảnh người tiêu dùng |
| Đo lường thái độ | (Likert, 1932) | Cơ sở của thang Likert dùng trong bảng hỏi |
| Phương pháp nghiên cứu | (Nguyễn Đình Thọ, 2011) | Cách thiết kế thang đo và quy trình nghiên cứu định lượng |
Nếu đề tài của bạn nghiên cứu mua sắm trực tuyến, hãy tìm một bài có cùng bối cảnh và ghi rõ thang đo được kế thừa từ đâu. Khi không có nguồn trực tiếp trong danh mục tài liệu của mình, bạn nên mô tả đây là bộ biến quan sát tham khảo và kiểm định lại bằng dữ liệu thực tế. Không nên gắn tên tác giả vào một bộ câu hỏi chỉ vì câu hỏi đó có vẻ phù hợp.
Bạn có thể xem thêm mô hình nghiên cứu để kiểm tra vị trí của rủi ro cảm nhận trong mô hình. Nếu biến này được đặt giữa chất lượng cảm nhận và ý định sử dụng, giả thuyết có thể khác với trường hợp nó được đặt giữa quyền riêng tư và niềm tin.
Bộ biến quan sát tham khảo
Các câu dưới đây là điểm bắt đầu để bạn soạn bảng hỏi. Đây chưa phải bản dịch đã được xác nhận, cũng chưa phải thang đo đã đạt Cronbach's Alpha hoặc giá trị hội tụ. Bạn cần thay phần trong ngoặc vuông bằng đúng sản phẩm, dịch vụ hoặc nền tảng của đề tài.
| Mã biến | Nội dung tiếng Việt tham khảo | Khía cạnh đo lường |
|---|---|---|
| RR1 | Tôi cảm thấy việc sử dụng [sản phẩm/dịch vụ] có thể đem lại kết quả không mong muốn. | Rủi ro tổng quát |
| RR2 | Tôi lo rằng [sản phẩm/dịch vụ] có thể không hoạt động như tôi kỳ vọng. | Rủi ro hiệu quả |
| RR3 | Tôi lo rằng mình có thể mất một khoản tiền khi sử dụng [sản phẩm/dịch vụ]. | Rủi ro tài chính |
| RR4 | Tôi cảm thấy thông tin cá nhân của mình có thể gặp rủi ro khi sử dụng [nền tảng]. | Rủi ro quyền riêng tư |
| RR5 | Nếu sử dụng [sản phẩm/dịch vụ], tôi có thể phải mất thêm thời gian để xử lý vấn đề phát sinh. | Rủi ro thời gian |
| RR6 | Tôi cảm thấy không chắc chắn về những gì sẽ xảy ra sau khi sử dụng [sản phẩm/dịch vụ]. | Rủi ro không chắc chắn |
Bạn không nhất thiết phải giữ cả sáu biến. Nếu đề tài chỉ nghiên cứu thanh toán điện tử, RR3 và RR4 có thể phù hợp hơn RR5. Nếu đề tài nghiên cứu dịch vụ giao hàng, rủi ro hiệu quả và rủi ro thời gian có thể sát với trải nghiệm của người trả lời hơn.
Dùng cùng một chủ thể và cùng một thời điểm trong các câu hỏi. Chẳng hạn, nếu RR1 hỏi về “sử dụng ứng dụng”, RR2 không nên chuyển sang “mua sản phẩm” nếu hai hành vi đó không giống nhau trong mô hình. Mỗi biến quan sát nên thể hiện một ý. Câu vừa hỏi về mất tiền vừa hỏi về lộ thông tin sẽ khó giải thích khi một biến bị loại.
Bạn có thể dùng thang Likert từ 1 là hoàn toàn không đồng ý đến 5 là hoàn toàn đồng ý. Nếu dùng thang 7 mức, phần hướng dẫn phải nói rõ ý nghĩa của từng đầu mút. (Likert, 1932) là nguồn nền tảng cho kỹ thuật đo thái độ bằng thang Likert.
Điều chỉnh thang đo cho bối cảnh Việt Nam
Điều chỉnh thang đo không chỉ là dịch từng chữ từ bài tiếng Anh. Bạn cần đọc lại câu hỏi theo ngôn ngữ mà người trả lời thực sự dùng, kiểm tra họ có hiểu đối tượng được hỏi hay không, rồi thử nghiệm trước khi phát hành bảng hỏi chính thức.
Xác định đúng đối tượng và hành vi
Viết một câu mô tả bối cảnh trước bộ câu hỏi, chẳng hạn: “Trong phần tiếp theo, [nền tảng X] là ứng dụng bạn đã sử dụng ít nhất một lần trong ba tháng gần đây”. Điều kiện sàng lọc giúp người trả lời không đánh giá một dịch vụ mà họ chưa từng trải nghiệm.
Kiểm tra cách dùng từ
Các từ như “rủi ro”, “tổn thất” hoặc “bảo mật” có thể bị hiểu khác nhau. Bạn nên dùng câu ngắn, tránh thuật ngữ pháp lý và không gợi ý đáp án. “Tôi lo thông tin cá nhân bị sử dụng sai mục đích” cụ thể hơn “Tôi thấy nền tảng này rất nguy hiểm”.
Xử lý biến đảo chiều
Biến đảo chiều có thể kiểm tra sự chú ý, nhưng cũng dễ làm người trả lời nhầm. Nếu sử dụng câu như “Tôi không lo về bất kỳ rủi ro nào khi dùng [nền tảng]”, bạn phải đảo mã trước khi tính điểm tổng hợp. Trong SPSS, có thể tạo biến mới bằng Transform > Compute Variable, chẳng hạn điểm đảo của thang 1 đến 5 là 6 - RR4.
Chạy khảo sát thử
Thu thập một nhóm nhỏ người đúng với đối tượng nghiên cứu để kiểm tra thời gian trả lời, câu bị bỏ trống và cách hiểu từng biến. Bạn ghi lại câu nào khiến người trả lời hỏi lại, câu nào có hai cách hiểu và câu nào không liên quan đến trải nghiệm của họ. Pilot không thay thế cho kiểm định trên mẫu chính thức.
Kiểm định độ tin cậy và giá trị của thang đo
Quy trình thường đi từ kiểm tra dữ liệu, Cronbach's Alpha, EFA nếu thiết kế nghiên cứu dùng EFA, sau đó đến hồi quy hoặc mô hình đo lường. Với PLS-SEM, bạn đánh giá measurement model trước rồi mới chuyển sang structural model, phù hợp với logic hai bước được trình bày trong (Anderson và Gerbing, 1988).
Bảng tiêu chí dưới đây chỉ dùng cho các chỉ số có nguồn rõ ràng. Bạn cần xem đồng thời nhiều chỉ số, không loại biến chỉ vì một con số hơi thấp mà không đọc nội dung lý thuyết.
| Chỉ số hoặc tiêu chí | Mức tham khảo | Nguồn |
|---|---|---|
| Cronbach's Alpha | Từ 0.7 trở lên | (Nunnally, 1978) |
| Cronbach's Alpha trong nghiên cứu khám phá | Có thể từ 0.6 | (Hair và cộng sự, 2010) |
| Corrected Item-Total Correlation | Từ 0.3 trở lên | (Nunnally và Bernstein, 1994) |
| KMO | Từ 0.5 trở lên | (Kaiser, 1974) |
| Bartlett's Test | p-value nhỏ hơn 0.05 | (Kaiser, 1974) |
| Factor loading trong EFA | Từ 0.5 trở lên | (Hair và cộng sự, 2010) |
| Total Variance Explained | Từ 50% trở lên | (Hair và cộng sự, 2010) |
| Outer loading trong PLS-SEM | Từ 0.7 trở lên | (Chin, 1998) |
| Composite Reliability | Từ 0.7 trở lên | (Fornell và Larcker, 1981) |
| AVE | Từ 0.5 trở lên | (Fornell và Larcker, 1981) |
| HTMT | Dưới 0.85, hoặc dưới 0.90 với khái niệm gần nhau | (Henseler và cộng sự, 2015) |
Trong SPSS, chạy Analyze > Scale > Reliability Analysis. Đưa các biến RR1 đến RR6 vào ô Items, chọn Model là Alpha, rồi mở Statistics và đánh dấu Scale if item deleted. Đọc bảng Reliability Statistics để xem Alpha và bảng Item-Total Statistics để xem Corrected Item-Total Correlation cùng cột Alpha nếu loại biến.
Nếu chạy EFA, vào Analyze > Dimension Reduction > Factor. Trong Descriptives, đánh dấu KMO and Bartlett's test. Trong Extraction, cân nhắc Principal Axis Factoring nếu mục tiêu là tìm cấu trúc nhân tố tiềm ẩn. Trong Rotation, chọn Promax khi các nhân tố có cơ sở để tương quan. Output cần đọc gồm KMO and Bartlett's Test, Total Variance Explained và Rotated Factor Matrix hoặc Pattern Matrix, tùy lựa chọn trong hộp thoại.
Nếu dùng SmartPLS 4, tạo measurement model với các biến RR1 đến RR6, chạy Calculate > PLS-SEM Algorithm, sau đó xem Outer Loadings, Construct Reliability and Validity và Discriminant Validity. Với kiểm định ý nghĩa đường dẫn, dùng Calculate > Bootstrapping; số bootstrap có thể đặt 5.000 theo hướng dẫn (Hair và cộng sự, 2022). Không đưa CFI, TLI hoặc RMSEA vào bài PLS-SEM, vì các chỉ số này thuộc đánh giá CB-SEM theo (Hu và Bentler, 1999).
Bảng dưới đây là số liệu minh họa, có hình dạng gần với output bạn có thể gặp. Các con số không phải kết quả của một nghiên cứu thật và không được chép vào luận văn.
| Item | Scale Mean if Item Deleted | Corrected Item-Total Correlation | Cronbach's Alpha if Item Deleted |
|---|---|---|---|
| RR1 | 14.82 | 0.61 | 0.842 |
| RR2 | 14.76 | 0.68 | 0.823 |
| RR3 | 14.91 | 0.57 | 0.851 |
| RR4 | 14.88 | 0.42 | 0.879 |
| RR5 | 14.70 | 0.64 | 0.833 |
| RR6 | 14.79 | 0.71 | 0.816 |
Trong ví dụ này, các giá trị chỉ minh họa cách đọc. Bạn không được kết luận thang đo của mình đạt hay không đạt dựa trên bảng này. Với dữ liệu thật, nếu RR4 có tương quan biến tổng thấp, hãy xem lại câu hỏi và bối cảnh trước khi loại. Việc loại RR4 chỉ vì Alpha tăng có thể làm mất khía cạnh quyền riêng tư, khiến khái niệm rủi ro cảm nhận bị thu hẹp quá mức.
Cách trình bày thang đo trong chương 3
Chương 3 nên mô tả định nghĩa thao tác, nguồn tham khảo, số lượng biến quan sát, cách mã hóa và thang đo sử dụng. Bạn cũng cần nói rõ các biến được điều chỉnh theo bối cảnh nào, đối tượng khảo sát là ai và thang đo sẽ được kiểm định ở chương 4.
Cách viết vào luận văn: “Thang đo rủi ro cảm nhận được kế thừa và điều chỉnh cho bối cảnh [sản phẩm/dịch vụ] tại [địa bàn]. Khái niệm này được đo bằng [số lượng] biến quan sát, ký hiệu từ RR1 đến RR[số], sử dụng thang Likert [5/7] mức, trong đó 1 là [mức thấp nhất] và [5/7] là [mức cao nhất]. Nội dung biến quan sát được rà soát để bảo đảm phù hợp với [đối tượng khảo sát].”
Sau khi chạy dữ liệu, chương 4 mới trình bày Cronbach's Alpha, EFA hoặc kết quả measurement model. Hãy ghi lại từng vòng xử lý: biến nào bị loại, lý do, chỉ số trước và sau khi loại. Người đọc luận văn cần thấy quyết định phân tích có căn cứ, thay vì chỉ thấy một bảng cuối cùng đã được làm đẹp.
Lỗi thường gặp
Lỗi đầu tiên là gọi mọi lo ngại về dữ liệu là rủi ro cảm nhận. Nếu câu hỏi chỉ đo mức độ hệ thống có bảo mật hay không, đó có thể là nhận thức về an toàn bảo mật. Nếu câu hỏi đo sự tin tưởng rằng nhà cung cấp sẽ thực hiện đúng cam kết, đó gần với niềm tin là gì. Bạn cần đọc lại định nghĩa và giả thuyết để tránh trùng khái niệm.
Lỗi thứ hai là dịch nguyên văn một thang đo nhưng không đổi bối cảnh. “Giao dịch” có thể là thanh toán, đặt xe, mua hàng hoặc đăng ký dịch vụ. Nếu không nói rõ, người trả lời có thể trả lời theo những trải nghiệm khác nhau.
Lỗi thứ ba là dùng một bộ câu hỏi tham khảo như kết quả đã được xác thực. Bảng RR1 đến RR6 ở trên chỉ là gợi ý. Bạn phải kiểm tra độ tin cậy và giá trị trên dữ liệu của đề tài, đồng thời trình bày những biến bị loại nếu có.
Lỗi thứ tư là chạy Alpha nhiều lần để tìm một con số đẹp. Khi loại biến, hãy dựa vào tương quan biến tổng, nội dung lý thuyết, cấu trúc nhân tố và ý kiến hướng dẫn. Alpha tăng không tự động chứng minh thang đo tốt hơn.
Lỗi cuối là trộn tiêu chí giữa SPSS và SmartPLS. SPSS với EFA thường đọc KMO, Bartlett's Test, eigenvalue và factor loading. SmartPLS đọc outer loading, CR, AVE, HTMT, VIF, R² và Q². Chọn đúng bộ chỉ số theo phương pháp bạn đã nêu trong chương phương pháp.
Câu hỏi thường gặp
Rủi ro cảm nhận có phải là biến định tính không?
Trong mô hình định lượng, rủi ro cảm nhận thường được xử lý như một biến tiềm ẩn và đo bằng nhiều biến quan sát trên thang Likert. Bản thân nội dung “cảm nhận” không khiến biến trở thành định tính. Bạn có thể tính điểm thang đo hoặc đưa biến tiềm ẩn vào hồi quy, SEM hay PLS-SEM sau khi kiểm định phù hợp.
Rủi ro cảm nhận nên có bao nhiêu biến quan sát?
Không có một con số chung cho mọi đề tài. Số biến phụ thuộc vào định nghĩa khái niệm, các khía cạnh cần đo và nguồn thang đo gốc. Bạn nên có đủ biến để bao quát nội dung, nhưng không thêm câu chỉ để làm bảng hỏi dài hơn. Quy tắc 5 đến 10 quan sát cho một biến quan sát thường được nhắc đến trong kế hoạch mẫu (Hair và cộng sự, 2010), nhưng đó không phải lý do để tạo thêm biến không có cơ sở lý thuyết.
Có thể dùng thang đo rủi ro cảm nhận của đề tài khác không?
Bạn có thể kế thừa nếu bối cảnh, đối tượng và cách định nghĩa tương thích. Cần ghi nguồn, dịch và điều chỉnh câu chữ, sau đó kiểm định lại trên mẫu của mình. Một thang đo đạt trong nghiên cứu về ngân hàng số chưa chắc giữ nguyên cấu trúc khi dùng cho mua sắm trực tuyến.
Cronbach's Alpha thấp thì có nên xóa ngay một biến không?
Chưa nên xóa ngay. Hãy kiểm tra dữ liệu nhập, biến đảo chiều, câu hỏi có bị hiểu sai và bảng Item-Total Statistics. Sau đó cân nhắc cả nội dung lý thuyết. Nếu biến đại diện cho một khía cạnh cần thiết, việc giữ biến và giải trình có thể hợp lý hơn việc loại biến chỉ để Alpha tăng.
Dùng SPSS hay SmartPLS để kiểm định thang đo rủi ro cảm nhận?
SPSS phù hợp khi bạn dùng Cronbach's Alpha, EFA và hồi quy tuyến tính. SmartPLS phù hợp khi mô hình có biến tiềm ẩn và bạn muốn đánh giá outer loading, CR, AVE, HTMT rồi kiểm định các đường dẫn bằng bootstrapping. AMOS phù hợp với CB-SEM, còn JASP hoặc R có thể dùng nếu bạn quen quy trình và biết cách xuất bảng kết quả để giải trình.
Bạn hãy mở lại bảng hỏi và file dữ liệu, xác định rõ rủi ro cảm nhận đang đo khía cạnh nào, ghi nguồn cho từng nhóm biến, rồi chạy kiểm định theo đúng thứ tự trước khi viết kết quả. Nếu cần xử lý dữ liệu .sav hoặc .csv và đọc output trên chính file của bạn, xem M4 phân tích dữ liệu của DoThesis.