Thang đo niềm tin: cách chọn, điều chỉnh và kiểm định

Niềm tin là gì và được đo bằng gì

Trong nghiên cứu định lượng, niềm tin thường mô tả mức độ người trả lời tin rằng một doanh nghiệp, nền tảng, người bán hoặc hệ thống sẽ thực hiện đúng cam kết, hành xử đáng tin cậy và không lợi dụng họ. Bạn có thể xem phần khái niệm nền tại niềm tin là gì, nhưng khi xây dựng bảng hỏi, cần chuyển khái niệm này thành các biến quan sát có thể chấm điểm.

Thang đo niềm tin không nên gom mọi cảm nhận tích cực vào cùng một nhóm. Niềm tin vào sàn thương mại điện tử có thể liên quan đến việc sàn giữ lời hứa, xử lý giao dịch đúng, cung cấp thông tin đáng tin và bảo vệ lợi ích của khách hàng. Trong khi đó, an toàn bảo mật, quyền riêng tư, rủi ro cảm nhận và sự hoài nghi có thể là các khái niệm riêng trong mô hình.

Bạn nên xác định rõ đối tượng mà người trả lời đang tin tưởng. Đó là thương hiệu, ứng dụng, ngân hàng, người bán hay một nền tảng cụ thể. Câu “Tôi tin tưởng nền tảng này” có ý nghĩa khác câu “Tôi tin người bán trên nền tảng này”. Nếu đối tượng không nhất quán, các biến quan sát có thể không cùng đo một khái niệm.

Thang đo thường dùng nhiều biến quan sát theo Likert, chẳng hạn từ 1 là “Hoàn toàn không đồng ý” đến 5 là “Hoàn toàn đồng ý”. Likert là kỹ thuật đo lường thái độ được đề xuất trong (Likert, 1932). Số điểm Likert cần được giữ nhất quán trên toàn bộ bảng hỏi để việc nhập dữ liệu và diễn giải thuận lợi.

Nguồn thang đo gốc

Đây là bước cần làm cẩn thận nhất. Một lỗi phổ biến là lấy vài câu trên bảng hỏi của đề tài khác, đổi đại từ rồi ghi đó là “thang đo gốc”. Cách làm này khiến bạn khó giải thích với giảng viên về tác giả, bối cảnh, số biến quan sát và lý do chọn từng câu.

Trong danh mục nguồn được phép của bài này, chưa có một công trình riêng được xác nhận là nguồn gốc của thang đo niềm tin trong mọi bối cảnh. Vì vậy, bạn không nên gắn nhãn “thang đo gốc” cho một bộ câu chưa kiểm tra được tài liệu. Các nguồn như TAM, TPB, UTAUT hoặc UTAUT2 có thể hỗ trợ mô hình nghiên cứu, nhưng không tự động trở thành nguồn gốc của thang đo niềm tin. Chẳng hạn, (Venkatesh và cộng sự, 2003) là nguồn cho UTAUT, còn (Davis, 1989) là nguồn cho TAM.

Bảng dưới đây giúp bạn ghi lại nguồn sau khi đã mở tài liệu gốc. Nếu chưa xác minh được, hãy để trống và tiếp tục tìm, thay vì điền một tác giả cho đủ hình thức.

Nếu đề tài của bạn sử dụng một mô hình có biến an toàn bảo mật hoặc quyền riêng tư, hãy đọc riêng các khái niệm đó tại an toàn bảo mật là gì và quyền riêng tư là gì. Hai khái niệm này có thể tác động đến niềm tin nhưng không nên nhập chung chỉ vì chúng cùng xuất hiện trong một mô hình.

Bộ biến quan sát tham khảo

Các câu dưới đây là bản khởi đầu để bạn thiết kế bảng hỏi, chưa phải bản dịch đã được xác nhận hay thang đo đã kiểm định. Bạn cần thay phần trong ngoặc vuông bằng đúng đối tượng nghiên cứu, sau đó kiểm tra lại với tài liệu gốc và bối cảnh khảo sát.

Bạn không nên đưa toàn bộ sáu câu vào bảng hỏi chỉ vì chúng nghe hợp lý. Hãy xem mỗi câu có cùng đối tượng, cùng thời điểm và cùng cấp độ khái quát hay không. NT1 nói về việc giữ cam kết, còn NT5 nói về xử lý sự cố. Hai nội dung có thể cùng thuộc niềm tin, nhưng cũng có thể tách thành các khía cạnh khác nếu tài liệu lý thuyết của đề tài yêu cầu.

Tránh câu quá dài, chứa hai ý hoặc yêu cầu người trả lời suy luận. Ví dụ, “Tôi tin nền tảng này bảo mật, tôn trọng quyền riêng tư và hoàn tiền nhanh chóng” có ít nhất ba nội dung. Nếu người trả lời đồng ý với bảo mật nhưng không đồng ý với hoàn tiền, bạn không biết họ đang chấm cho ý nào.

Bạn cũng cần phân biệt thang đo niềm tin với thang đo rủi ro cảm nhận. Câu “Tôi tin nền tảng này đáng tin cậy” đo niềm tin. Câu “Tôi lo giao dịch này có thể gây thiệt hại” đo rủi ro cảm nhận. Câu “Tôi nghi ngờ thông tin quảng cáo của nền tảng” gần với thang đo sự hoài nghi. Nếu đưa cả ba nhóm vào một thang đo, Cronbach's Alpha có thể giảm vì chúng không cùng hướng nội dung.

Điều chỉnh thang đo cho bối cảnh Việt Nam

Điều chỉnh thang đo bắt đầu từ ngữ cảnh, không bắt đầu từ việc thay vài từ tiếng Anh bằng tiếng Việt. Bạn cần viết rõ người trả lời đang đánh giá ai, hành vi nào và trong tình huống nào. “Nhà cung cấp dịch vụ” có thể quá rộng, trong khi “ứng dụng đặt đồ ăn X” lại chỉ rõ đối tượng.

Xác định đối tượng và trải nghiệm bắt buộc

Trước khi viết biến quan sát, hãy đặt ba câu hỏi: người trả lời đã sử dụng dịch vụ chưa, họ đánh giá tổ chức hay người bán, và niềm tin hình thành trước hay sau giao dịch. Nếu mẫu khảo sát gồm cả người chưa từng sử dụng, câu hỏi về xử lý khiếu nại có thể không phù hợp.

Kiểm tra từ ngữ trong bảng hỏi

Đọc từng câu thành tiếng. Những từ như “luôn luôn”, “hoàn toàn”, “tuyệt đối” tạo ra yêu cầu quá cao và dễ làm người trả lời chọn trung lập. Câu hỏi nên ngắn, một chủ thể, một hành động. Bạn cũng nên thống nhất cách gọi [đối tượng] trong toàn bộ bảng hỏi, không lúc dùng “ứng dụng”, lúc dùng “doanh nghiệp” nếu hai khái niệm không tương đương.

Xử lý biến đảo chiều

Biến đảo chiều có thể giúp phát hiện người trả lời chọn cùng một mức cho mọi câu, nhưng cũng dễ gây nhầm khi dịch. Nếu dùng câu phủ định như “Tôi nghi ngờ [đối tượng] sẽ thực hiện đúng cam kết”, bạn phải đảo mã khi nhập dữ liệu. Với thang Likert 1 đến 5, điểm mới thường được tính theo công thức 6 - điểm ban đầu.

Chỉ dùng biến đảo chiều khi bạn có lý do phương pháp rõ ràng. Sau khi đảo mã, kiểm tra lại nhãn biến, giá trị nhỏ nhất và lớn nhất trong SPSS. Một câu phủ định chưa được đảo mã có thể làm tương quan item-total âm và khiến bạn loại nhầm biến.

Chạy khảo sát thử

Trước khi thu mẫu chính thức, hãy cho một nhóm nhỏ đọc bảng hỏi và đánh dấu câu khó hiểu. Bạn cần ghi lại câu nào bị hỏi lại nhiều lần, câu nào có nhiều người chọn “không biết”, và thời gian hoàn thành. Khảo sát thử không biến một bộ câu tự soạn thành thang đo đã được xác nhận, nhưng giúp phát hiện lỗi ngôn ngữ và lỗi logic.

Kiểm định độ tin cậy và giá trị của thang đo

Với dữ liệu SPSS, quy trình thường bắt đầu bằng Cronbach's Alpha, sau đó xem Corrected Item-Total Correlation, rồi mới cân nhắc EFA nếu mô hình và cỡ mẫu phù hợp. Cronbach's Alpha phản ánh mức độ nhất quán nội tại của các biến trong cùng thang đo (Cronbach, 1951). Alpha từ 0.7 trở lên thường được chấp nhận (Nunnally, 1978), còn nghiên cứu khám phá có thể cân nhắc mức từ 0.6 theo (Hair và cộng sự, 2010). Corrected Item-Total Correlation từ 0.3 trở lên được dùng như một mốc tham khảo (Nunnally và Bernstein, 1994).

Bạn mở Analyze > Scale > Reliability Analysis, đưa NT1 đến NT6 vào ô Items, chọn Model: Alpha, rồi vào Statistics và tích Scale if item deleted. Trong bảng Item-Total Statistics, xem cột Corrected Item-Total Correlation và Cronbach's Alpha if Item Deleted. Không nên xóa biến chỉ vì cột alpha tăng. Hãy đọc nội dung câu hỏi, xem biến đó có sai khái niệm hoặc sai mã đảo chiều hay không.

Nếu chạy EFA, vào Analyze > Dimension Reduction > Factor. Mở Descriptives rồi chọn KMO and Bartlett's test. Trong Extraction, kiểm tra cách trích và eigenvalue. Trong Rotation, chọn phép xoay phù hợp với giả định về các nhân tố. KMO từ 0.5 trở lên là mốc được dẫn theo (Kaiser, 1974), eigenvalue trên 1 là một quy tắc trích thường được dẫn theo (Kaiser, 1960), còn 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).

Nếu dùng SmartPLS, bạn không đọc KMO and Bartlett's Test như trong EFA SPSS. Hãy xem Outer Loadings, Construct Reliability and Validity, Discriminant Validity và Path Coefficients. 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 trở lên được dẫn theo (Fornell và Larcker, 1981). HTMT nên dưới 0.85, hoặc dưới 0.90 với các khái niệm gần nhau, theo (Henseler và cộng sự, 2015).

Bảng dưới đây là số liệu minh họa, không phải kết quả của một nghiên cứu thực tế. Tên cột được giữ gần với output để bạn biết cần đọc ở đâu.

Trong ví dụ, NT5 thấp hơn mốc 0.3 ở cột Corrected Item-Total Correlation và outer loading cũng thấp hơn 0.5. Đây là tín hiệu để kiểm tra nội dung, lỗi nhập liệu, biến đảo chiều và bối cảnh câu hỏi. Bạn không được kết luận xóa ngay chỉ từ một con số. Nếu xóa NT5, hãy ghi lại lý do và chạy lại mô hình, đồng thời kiểm tra thang đo sau khi loại biến.

Cách trình bày thang đo trong chương 3

Phần phương pháp nên cho người đọc biết khái niệm được định nghĩa thế nào, đối tượng đo là gì, thang đo lấy từ đâu, có bao nhiêu biến quan sát và bạn đã điều chỉnh những gì. Nếu nguồn gốc chưa xác minh, hãy nói rõ đây là bộ biến tham khảo được xây dựng cho bối cảnh nghiên cứu, thay vì gắn một trích dẫn không đúng.

Cách viết vào luận văn: “Thang đo niềm tin trong nghiên cứu này được đo lường bằng [số lượng] biến quan sát, ký hiệu từ [NT1] đến [NTx], sử dụng thang Likert [5/7] mức. Các biến được điều chỉnh theo bối cảnh [ngành hoặc nền tảng] và đối tượng khảo sát là [đối tượng]. Sau bước kiểm định sơ bộ, biến [mã biến] được [giữ lại/loại bỏ] vì [lý do cụ thể].”

Ở chương 4, bạn trình bày kết quả theo đúng phần mềm đã sử dụng. Với SPSS, có thể đặt bảng Reliability Statistics, Item-Total Statistics và kết quả EFA ở các tiểu mục tương ứng. Với SmartPLS, trình bày Outer Loadings, CR, AVE, HTMT và kết quả mô hình cấu trúc. Phần diễn giải cần phân biệt kết quả minh họa trong hướng dẫn với số liệu thật trong file của bạn.

Nếu cần sắp xếp toàn bộ mô hình, giả thuyết và thang đo theo đề tài, bạn có thể xem nhóm Mô hình nghiên cứu. Hãy lưu cả phiên bản bảng hỏi trước điều chỉnh, file dữ liệu gốc và bảng theo dõi từng vòng loại biến. Hội đồng có thể hỏi vì sao NT5 bị loại, và câu trả lời cần dựa trên nội dung cùng output, không chỉ là “phần mềm báo vậy”.

Lỗi thường gặp

Lỗi đầu tiên là dùng “niềm tin”, “an toàn bảo mật” và “quyền riêng tư” như ba tên gọi cho cùng một biến. Hãy viết định nghĩa thao tác cho từng khái niệm trước khi soạn câu hỏi.

Lỗi thứ hai là lấy thang đo từ một bài nhưng thay đổi quá nhiều câu, sau đó vẫn trích dẫn như thể bản gốc. Nếu thay đổi đối tượng, ngành và nội dung, bạn cần mô tả đó là điều chỉnh cho bối cảnh mới.

Lỗi thứ ba là xóa biến chỉ để Cronbach's Alpha cao hơn. Alpha cao không cứu được một thang đo đo sai khái niệm. Hãy xem cả nội dung biến, tương quan, tải nhân tố và cấu trúc lý thuyết.

Lỗi thứ tư là dùng fit indices của CB-SEM như CFI, TLI hoặc RMSEA để đánh giá một mô hình SmartPLS. Nhóm chỉ số này thuộc CB-SEM theo (Hu và Bentler, 1999), nên không nên đưa vào bài viết đánh giá PLS-SEM.

Lỗi cuối là không lưu mã hóa biến đảo chiều. Trước khi chạy lại, kiểm tra bảng Variable View, nhãn giá trị và bảng tần số của từng biến. Một sai sót nhỏ ở bước nhập liệu có thể làm toàn bộ kiểm định niềm tin bị lệch.

Câu hỏi thường gặp

Thang đo niềm tin có bắt buộc phải có đúng năm biến quan sát không?

Không. Số biến phụ thuộc vào định nghĩa khái niệm, nguồn thang đo, bối cảnh và kết quả kiểm định. Bạn cần giải thích vì sao chọn các biến đó, thay vì chạy theo một con số cố định.

Có thể dùng thang đo niềm tin cho mọi ngành không?

Có thể tham khảo cấu trúc chung, nhưng không nên sao chép nguyên câu. Niềm tin trong ngân hàng, thương mại điện tử, giáo dục trực tuyến và dịch vụ giao hàng có đối tượng, rủi ro và trải nghiệm khác nhau. Hãy thay bối cảnh nhưng giữ rõ khái niệm đang đo.

Cronbach's Alpha thấp thì phải làm sao?

Kiểm tra mã đảo chiều, dữ liệu thiếu, biến nhập sai và nội dung từng câu. Sau đó xem Corrected Item-Total Correlation và thử chạy lại theo một lý do phương pháp có thể giải thích. Không loại biến hàng loạt chỉ để đạt một mốc alpha.

Có cần chạy cả Cronbach's Alpha và SmartPLS không?

Không phải mọi thiết kế đều cần cả hai. Nếu bạn dùng SPSS và EFA, Cronbach's Alpha thường nằm trong quy trình kiểm tra độ tin cậy. Nếu dùng PLS-SEM, bạn đánh giá reliability và validity bằng các chỉ số của mô hình đo lường trong SmartPLS. Việc chọn công cụ phải khớp với mô hình và phương pháp đã trình bày.

Thang đo niềm tin có nên có biến đảo chiều không?

Có thể có, nhưng không bắt buộc. Biến đảo chiều làm tăng nguy cơ người trả lời hiểu nhầm và nguy cơ bạn quên đảo mã. Nếu dùng, hãy ghi rõ mã biến, công thức đảo và kiểm tra lại sau khi nhập dữ liệu.

Bạn hãy mở lại bảng hỏi và file dữ liệu của mình, xác định đúng đối tượng được đo, đối chiếu từng biến NT1 đến NT6 với nguồn đã xác minh, rồi chạy kiểm định theo thứ tự phù hợp. Nếu cần hỗ trợ chạy phân tích trên chính file .sav hoặc .csv, M4 phân tích của DoThesis giúp bạn kiểm tra output SPSS và SmartPLS mà không bịa số liệu.