Sự hoài nghi là gì? Cách xây dựng thang đo trong luận văn
Sự hoài nghi là gì và được đo bằng gì
Sự hoài nghi là trạng thái người trả lời chưa sẵn sàng tin ngay vào một thông tin, lời quảng cáo, cam kết hoặc tuyên bố của một tổ chức. Trong nghiên cứu định lượng, bạn thường gặp khái niệm này ở các đề tài về mua sắm trực tuyến, thương mại điện tử, quảng cáo, ngân hàng số, đánh giá sản phẩm hoặc chấp nhận công nghệ.
Điểm cần giữ rõ ngay từ đầu là sự hoài nghi không đồng nghĩa với việc người trả lời hoàn toàn không tin. Một người có thể nghi ngờ thông tin trên mạng, nhưng vẫn tiếp tục kiểm tra, so sánh và mua hàng nếu có đủ bằng chứng. Vì vậy, biến này thường được đo bằng nhiều biến quan sát phản ánh mức độ thận trọng, nghi ngờ và yêu cầu bằng chứng của người trả lời.
Bạn có thể đặt sự hoài nghi cạnh các khái niệm dễ nhầm như niềm tin, rủi ro cảm nhận, an toàn bảo mật và quyền riêng tư. Niềm tin trả lời câu hỏi “tôi có tin đối tượng này không”, còn sự hoài nghi gần với câu hỏi “tôi có nghi ngờ thông tin hoặc cam kết này không”.
Về mặt đo lường, bạn không nên dùng một câu hỏi duy nhất nếu sự hoài nghi là biến tiềm ẩn trong mô hình. Hãy xây dựng một nhóm biến quan sát, thường dùng thang Likert 5 hoặc 7 mức. Với thang Likert, mức 1 có thể là “hoàn toàn không đồng ý” và mức cao nhất là “hoàn toàn đồng ý”, theo logic đo lường thái độ được trình bày trong (Likert, 1932).
Nguồn thang đo gốc
Với từ khóa sự hoài nghi, bạn cần thận trọng khi ghi “thang đo gốc”. Danh sách nguồn được phép sử dụng cho bài này không có một công trình chuyên biệt về thang đo skepticism hoặc consumer skepticism. Vì vậy, không nên tự gán Davis, Ajzen hay Parasuraman làm nguồn gốc cho sự hoài nghi chỉ vì các thang đo đó quen thuộc.
Bảng dưới đây giúp bạn phân biệt nguồn nền tảng với nguồn thang đo trực tiếp. Các nguồn trong bảng chỉ được dùng cho đúng phạm vi mà chúng hỗ trợ, còn bộ biến quan sát về sự hoài nghi cần được bạn truy tìm từ bài nghiên cứu gốc phù hợp với bối cảnh đề tài.
| Nguồn | Năm | Phạm vi có thể sử dụng | Cách dùng trong luận văn |
|---|---|---|---|
| Likert | 1932 | Nguyên tắc xây dựng thang đo thái độ nhiều mức | Dùng để mô tả định dạng thang Likert, không gọi là nguồn thang đo sự hoài nghi |
| Nguyễn Đình Thọ | 2011 | Quy trình xây dựng, điều chỉnh và kiểm định thang đo trong nghiên cứu kinh doanh | Dùng để trình bày phương pháp, không dùng để khẳng định bộ item cụ thể |
| Hoàng Trọng và Chu Nguyễn Mộng Ngọc | 2008 | Phân tích dữ liệu bằng SPSS | Dùng khi mô tả các bước chạy Reliability Analysis và EFA |
| Nunnally | 1978 | Độ tin cậy của thang đo | Dùng để giải thích Cronbach's Alpha, không phải nguồn khái niệm sự hoài nghi |
| Nunnally và Bernstein | 1994 | Corrected Item-Total Correlation | Dùng cho tiêu chí sàng lọc biến quan sát |
Khi đọc một bài nghiên cứu có thang đo liên quan, hãy kiểm tra bốn điểm: tác giả định nghĩa sự hoài nghi thế nào, đối tượng khảo sát là ai, các biến quan sát được kế thừa nguyên văn hay điều chỉnh, và thang đo đã được kiểm định trong bối cảnh nào. Một thang đo dành cho hoài nghi quảng cáo chưa chắc phù hợp với hoài nghi về bảo mật dữ liệu.
Bạn cũng nên lưu bản PDF, bảng item gốc và thông tin trích dẫn trong một thư mục riêng. Nếu chỉ chép lại vài câu từ một bài tổng hợp, bạn rất khó giải trình khi giảng viên hỏi vì sao biến quan sát đó đại diện cho khái niệm của mình.
Bộ biến quan sát tham khảo
Bảng dưới đây là số liệu và câu chữ minh họa để thiết kế bảng hỏi, không phải bản dịch đã được xác nhận của một thang đo gốc. Bạn cần đối chiếu với định nghĩa khái niệm và nguồn cụ thể của đề tài trước khi đưa vào khảo sát chính thức. Bối cảnh minh họa là sự hoài nghi của người tiêu dùng đối với thông tin sản phẩm trên nền tảng trực tuyến.
| Mã biến | Phát biểu tiếng Việt tham khảo | Khía cạnh phản ánh | Gợi ý mã hóa |
|---|---|---|---|
| HH1 | Tôi thường nghi ngờ các tuyên bố quá tích cực về sản phẩm trên nền tảng trực tuyến. | Nghi ngờ tuyên bố | 1 đến 5 |
| HH2 | Tôi thường cần thêm bằng chứng trước khi tin thông tin do người bán cung cấp. | Yêu cầu bằng chứng | 1 đến 5 |
| HH3 | Tôi cho rằng một số thông tin giới thiệu sản phẩm có thể đã được phóng đại. | Nhận diện phóng đại | 1 đến 5 |
| HH4 | Tôi kiểm tra thông tin từ nhiều nguồn trước khi chấp nhận một cam kết của người bán. | Kiểm tra chéo | 1 đến 5 |
| HH5 | Tôi thận trọng với những đánh giá chỉ nêu toàn bộ ưu điểm của sản phẩm. | Thận trọng với đánh giá | 1 đến 5 |
Các câu trên mới là điểm bắt đầu để bạn thảo luận với giảng viên. HH1 và HH3 khá gần nhau, còn HH2 và HH4 đều nói về bằng chứng nhưng khác ở phản ứng của người trả lời. Nếu bảng hỏi quá dài, bạn không nên tự động xóa câu có nội dung “khó nghe” để Alpha tăng. Hãy xem câu đó có thực sự đo một khía cạnh khác của sự hoài nghi hay chỉ lặp lại item còn lại.
Dùng “biến quan sát” khi viết chương phương pháp. “Câu hỏi” là cách gọi phù hợp khi nói về toàn bộ bảng hỏi, còn HH1, HH2 và HH3 là các biến quan sát trong thang đo sự hoài nghi. Cách gọi này giúp phần mô hình, bảng mã hóa và output SPSS nhất quán hơn.
Điều chỉnh thang đo cho bối cảnh Việt Nam
Bạn bắt đầu bằng việc viết một định nghĩa làm việc cho đúng đề tài. Ví dụ, “sự hoài nghi đối với thông tin sản phẩm trực tuyến” khác với “sự hoài nghi đối với quảng cáo xanh”. Nếu khái niệm chưa có ranh giới, item sẽ kéo sang rủi ro cảm nhận, quyền riêng tư hoặc chất lượng thông tin.
Giữ một ý trong mỗi biến quan sát
Một item chỉ nên chứa một nhận định chính. Câu “Tôi nghi ngờ thông tin và lo ngại dữ liệu cá nhân bị lộ” đo ít nhất hai nội dung. Khi người trả lời chọn mức độ đồng ý, bạn không biết họ phản ứng với sự hoài nghi hay với nỗi lo bảo mật.
Dùng từ mà người trả lời hiểu
Các từ như “tuyên bố thương mại”, “tính xác thực” hoặc “cam kết của nhà cung cấp” có thể quá trừu tượng với mẫu khảo sát đại trà. Bạn có thể thay bằng “thông tin giới thiệu”, “lời cam kết” hoặc “thông tin người bán cung cấp”, nhưng phải giữ nguyên ý nghĩa khái niệm.
Kiểm tra biến đảo chiều
Một số bảng hỏi có item mang nghĩa tích cực, chẳng hạn “Tôi thường tin các thông tin sản phẩm được đăng trên nền tảng này”. Nếu item đó được dùng để đo sự hoài nghi, bạn phải xác định rõ có cần reverse code hay không trước khi chạy SPSS. Việc đảo mã cần được ghi lại trong bảng mã hóa, không thực hiện tùy ý sau khi nhìn thấy Cronbach's Alpha.
Chạy khảo sát thử
Hãy kiểm tra bảng hỏi với một nhóm nhỏ có đặc điểm gần với mẫu chính. Bạn cần hỏi họ hiểu HH1, HH2 và HH3 theo nghĩa nào, thời gian hoàn thành bao lâu, có câu nào trùng ý hoặc khó trả lời không. Khảo sát thử giúp sửa ngôn ngữ, nhưng không biến một item thiếu cơ sở lý thuyết thành item hợp lệ.
Trong nghiên cứu kinh doanh, quy trình điều chỉnh thang đo cần gắn với định nghĩa, nguồn tham khảo và kiểm định dữ liệu, thay vì chỉ chọn những câu làm Alpha cao. Bạn có thể xem thêm hướng tiếp cận cho một khái niệm gần kề tại thang đo niềm tin, nhưng không dùng bộ item của niềm tin để thay thế cho sự hoài nghi.
Kiểm định độ tin cậy và giá trị của thang đo
Với dữ liệu .sav, trình tự thường dễ kiểm soát là kiểm tra dữ liệu, chạy Cronbach's Alpha, chạy EFA nếu thiết kế nghiên cứu yêu cầu, rồi mới đưa thang đo vào hồi quy hoặc mô hình tiếp theo. Nếu bạn dùng SmartPLS, logic chuyển sang đánh giá measurement model với outer loading, CR, AVE và HTMT. Không trộn tiêu chí của CB-SEM vào báo cáo SmartPLS.
Kiểm tra dữ liệu trước khi chạy
Đặt tên biến ngắn, không có khoảng trắng, chẳng hạn HH1, HH2, HH3. Kiểm tra missing values, các dòng trả lời quá nhanh, một người chọn cùng một mức cho toàn bộ bảng hỏi và các giá trị ngoài khoảng Likert đã thiết kế.
Chạy Cronbach's Alpha trong SPSS
Mở Analyze > Scale > Reliability Analysis, đưa các biến HH vào ô Items, chọn Model là Alpha. Trong Statistics, đánh dấu Scale if item deleted và Item, sau đó đọc hai bảng Reliability Statistics và Item-Total Statistics.
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 xem xét theo (Hair và cộng sự, 2010). Corrected Item-Total Correlation từ 0.3 trở lên là một mốc sàng lọc thường dùng theo (Nunnally và Bernstein, 1994).
Chạy EFA khi thiết kế nghiên cứu yêu cầu
Chọn Analyze > Dimension Reduction > Factor. Đưa các biến quan sát vào ô Variables, chọn Extraction là Principal Axis Factoring nếu phù hợp với kế hoạch phương pháp, bật kiểm tra Scree Plot và đặt phép xoay theo mô hình giả định. Trong output, tập trung vào KMO and Bartlett's Test, Total Variance Explained và Rotated Factor Matrix hoặc Pattern Matrix, tùy lựa chọn trích xuất và xoay.
KMO từ 0.5 trở lên và Bartlett có mức ý nghĩa dưới 0.05 là các tiêu chí thường được viện dẫn theo (Kaiser, 1974). Eigenvalue trên 1 là một quy tắc trích xuất được gắn với (Kaiser, 1960). Factor loading từ 0.5 trở lên và tổng phương sai trích từ 50% trở lên có thể tham khảo (Hair và cộng sự, 2010). Các mốc này không biến EFA thành quy trình máy móc. Bạn vẫn phải xem item có tải chéo cao, nhóm nhân tố có hợp lý về nội dung và việc loại biến có làm mất khía cạnh quan trọng hay không.
Đọc output minh họa
Bảng sau mô phỏng hình dạng output SPSS, chỉ nhằm chỉ cách đọc. Các con số không phải kết quả của một nghiên cứu thật.
| Bảng output | Chỉ số hoặc biến | Giá trị minh họa | Cách đọc |
|---|---|---|---|
| Reliability Statistics | Cronbach's Alpha | 0.812 | Độ nhất quán nội tại của nhóm HH1 đến HH5 |
| Reliability Statistics | N of Items | 5 | Có 5 biến quan sát được đưa vào lần chạy |
| Item-Total Statistics | HH1, Corrected Item-Total Correlation | 0.566 | Lớn hơn 0.3, có thể tiếp tục xem xét |
| Item-Total Statistics | HH3, Cronbach's Alpha if Item Deleted | 0.819 | Alpha tăng nhẹ nếu xóa HH3, nhưng chưa đủ lý do để xóa tự động |
| KMO and Bartlett's Test | KMO | 0.771 | Vượt mốc tham khảo 0.5 |
| KMO and Bartlett's Test | Approx. Chi-Square, Sig. | 286.431; 0.000 | Bartlett có ý nghĩa thống kê trong ví dụ |
| Rotated Factor Matrix | HH2, Factor 1 loading | 0.744 | Biến có tải nhân tố minh họa trên 0.5 |
Nếu HH3 làm Alpha tăng rất ít nhưng lại đại diện cho “nhận diện phóng đại”, bạn nên trao đổi về nội dung trước khi xóa. Bảng EFA ở lần chạy đầu thường chưa gọn. Loại biến, chạy lại và ghi lại từng vòng loại là chuyện bình thường, nhưng mỗi quyết định cần có lý do phương pháp, không chỉ vì muốn output đẹp.
Với SmartPLS, bạn kiểm tra Outer Loadings, Construct Reliability and Validity và Discriminant Validity. Outer loading từ 0.7 trở lên có thể tham khảo (Chin, 1998) hoặc (Hair và cộng sự, 2022), CR từ 0.7 và AVE từ 0.5 theo (Fornell và Larcker, 1981), HTMT dưới 0.85 hoặc 0.90 tùy mức độ gần nhau của khái niệm theo (Henseler và cộng sự, 2015).
Bảng tiêu chí cần ghi nguồn
| Nội dung đánh giá | Mốc tham khảo | Nguồn |
|---|---|---|
| Cronbach's Alpha | Từ 0.7 | (Nunnally, 1978) |
| Alpha với thang đo khám phá | Từ 0.6 | (Hair và cộng sự, 2010) |
| Corrected Item-Total Correlation | Từ 0.3 | (Nunnally và Bernstein, 1994) |
| KMO | Từ 0.5 | (Kaiser, 1974) |
| Bartlett's Test | Sig. dưới 0.05 | (Kaiser, 1974) |
| Factor loading | Từ 0.5 | (Hair và cộng sự, 2010) |
| Total Variance Explained | Từ 50% | (Hair và cộng sự, 2010) |
| CR trong PLS-SEM | Từ 0.7 | (Fornell và Larcker, 1981) |
| AVE trong PLS-SEM | Từ 0.5 | (Fornell và Larcker, 1981) |
| HTMT | Dưới 0.85 hoặc 0.90 | (Henseler và cộng sự, 2015) |
Cách trình bày thang đo trong chương 3
Phần chương 3 nên cho người đọc thấy khái niệm được định nghĩa thế nào, thang đo dựa trên nguồn nào, bạn đã điều chỉnh câu chữ ra sao và mỗi biến quan sát được mã hóa bằng cách nào. Nếu chưa tìm được nguồn gốc trực tiếp cho sự hoài nghi, hãy ghi trung thực rằng bộ item được phát triển tham khảo từ định nghĩa và các nghiên cứu liên quan, sau đó trình bày quy trình đánh giá. Đừng ghi một nguồn nổi tiếng nhưng không thực sự đo khái niệm này.
Bạn có thể dùng đoạn sau và thay nội dung trong ngoặc vuông:
Cách viết vào luận văn: “Khái niệm sự hoài nghi trong nghiên cứu này được hiểu là [mức độ người trả lời nghi ngờ thông tin hoặc cam kết của đối tượng nghiên cứu] trong bối cảnh [bối cảnh nghiên cứu]. Thang đo gồm [số lượng] biến quan sát, ký hiệu từ [HH1] đến [HHn], được xây dựng và điều chỉnh dựa trên [nguồn thang đo hoặc cơ sở lý thuyết cụ thể]. Các biến được đo bằng thang Likert [5/7] mức, từ [1 = hoàn toàn không đồng ý] đến [5/7 = hoàn toàn đồng ý].”
Sau bảng thang đo, bạn mô tả kết quả kiểm định ở chương 4, không đưa số liệu minh họa ở trên vào luận văn. Nếu chạy SPSS, lưu cả file output .spv và bảng theo dõi từng vòng loại biến. Nếu chạy SmartPLS, lưu phiên bản mô hình và bảng kết quả tương ứng để có thể mở lại khi giảng viên hỏi.
Lỗi thường gặp
Lỗi đầu tiên là dùng sự hoài nghi, niềm tin và rủi ro cảm nhận như ba tên gọi thay thế cho nhau. Bạn cần xem lại định nghĩa và quan hệ giả thuyết. Lỗi thứ hai là lấy một bộ item tiếng Anh, dịch từng chữ rồi gọi là “thang đo đã được Việt hóa”. Bản dịch cần phù hợp ngữ cảnh, được rà soát và kiểm định bằng dữ liệu của chính bạn.
Lỗi thứ ba là xóa liên tục các biến để Alpha tăng. Alpha cao không tự chứng minh giá trị nội dung, giá trị hội tụ hay giá trị phân biệt. Lỗi thứ tư là báo cáo mốc 0.7, 0.5 hoặc 0.3 mà không ghi nguồn. Mỗi mốc trong bảng tiêu chí cần đi cùng nguồn phù hợp.
Lỗi cuối là trộn output SPSS và SmartPLS trong cùng một quy trình mà không giải thích. SPSS thường dùng cho Cronbach's Alpha và EFA, còn SmartPLS đánh giá measurement model và structural model theo bộ chỉ số khác. Nếu đề tài của bạn liên quan đến dữ liệu cá nhân, hãy tách sự hoài nghi khỏi quyền riêng tư và an toàn bảo mật ngay từ mô hình khái niệm.
Câu hỏi thường gặp
Sự hoài nghi có phải là rủi ro cảm nhận không?
Hai khái niệm có thể liên quan nhưng không giống nhau. Sự hoài nghi nhấn mạnh việc người trả lời nghi ngờ thông tin, cam kết hoặc động cơ của đối tượng; rủi ro cảm nhận nhấn mạnh khả năng xảy ra tổn thất và mức độ nghiêm trọng của tổn thất đó.
Có thể dùng một biến quan sát để đo sự hoài nghi không?
Bạn có thể dùng một câu hỏi đơn trong khảo sát mô tả, nhưng với biến tiềm ẩn trong mô hình định lượng, nhiều biến quan sát thường giúp kiểm tra độ tin cậy và cấu trúc thang đo tốt hơn. Số lượng item phải dựa trên nguồn và phạm vi khái niệm, không chỉ dựa vào mong muốn làm Alpha cao.
Cronbach's Alpha của thang đo sự hoài nghi dưới 0.7 thì làm sao?
Trước hết kiểm tra mã hóa, biến đảo chiều, missing values và việc các item có thực sự cùng đo một khái niệm hay không. Với thang đo mới hoặc nghiên cứu khám phá, Alpha từ 0.6 có thể được xem xét theo (Hair và cộng sự, 2010), nhưng bạn phải giải thích bối cảnh và xem thêm Corrected Item-Total Correlation.
Có được tự dịch bộ biến quan sát từ tiếng Anh không?
Bạn có thể dịch để xây dựng bản nháp, nhưng không nên gọi đó là bản dịch đã được xác nhận. Hãy giữ bản gốc, ghi chú các thay đổi, kiểm tra cách hiểu trong khảo sát thử và trình bày rõ nguồn cũng như giới hạn của quá trình điều chỉnh.
Nên chạy SPSS hay SmartPLS cho thang đo này?
Nếu mô hình của bạn dùng Cronbach's Alpha và EFA để khám phá cấu trúc, SPSS có thể phù hợp. Nếu bạn xây dựng mô hình PLS-SEM với biến tiềm ẩn và quan hệ đường dẫn, SmartPLS phù hợp hơn. Công cụ không thay thế cho định nghĩa khái niệm và nguồn thang đo.
Mở file dữ liệu của bạn, kiểm tra lại định nghĩa sự hoài nghi, mã HH1 đến HHn, nguồn của từng item và ghi riêng các quyết định loại biến trước khi chạy lại. Nếu cần chạy phân tích trên chính file .sav hoặc .csv, bạn có thể xem module M4 phân tích dữ liệu của DoThesis.