Các giai đoạn thay đổi hành vi là gì? Cách xây dựng mô hình

Mô hình các giai đoạn thay đổi hành vi là gì

Bạn mở phần cơ sở lý thuyết và gặp cụm “các giai đoạn thay đổi hành vi”, nhưng chưa biết phải đưa nó vào mô hình nghiên cứu như thế nào. Cách hiểu thực tế là: một người thường không chuyển ngay từ chưa quan tâm sang duy trì một hành vi mới. Họ có thể chưa nghĩ đến thay đổi, bắt đầu cân nhắc, chuẩn bị, thực hiện rồi cố gắng duy trì hành vi đó.

Trong nghiên cứu định lượng, mô hình này giúp bạn phân loại trạng thái của người trả lời và giải thích vì sao cùng một thông tin, chính sách hoặc tác động xã hội lại tạo ra phản ứng khác nhau giữa các nhóm. Ví dụ, một sinh viên đã có ý định sử dụng phương tiện công cộng sẽ có điểm xuất phát khác với người chưa từng nghĩ đến việc thay đổi cách đi lại.

Tên tiếng Anh thường gặp là Transtheoretical Model hoặc Stages of Change Model. Tuy nhiên, danh sách nguồn được phép của bài này không có công trình gốc về mô hình đó, nên bạn cần kiểm tra lại tài liệu gốc và yêu cầu trích dẫn của khoa trước khi đưa tên tác giả, năm công bố vào luận văn. Đừng tự điền một năm xuất bản chỉ vì thấy nó xuất hiện trên một blog khác.

Bạn có thể xem thêm các chủ đề liên quan trong chuyên mục Mô hình nghiên cứu, đặc biệt khi đang so sánh mô hình này với mô hình TPB hoặc mô hình TRA.

Các thành phần trong mô hình

Mô hình có thể được triển khai theo hai cách. Cách thứ nhất xem giai đoạn thay đổi là một biến phân loại, chẳng hạn người trả lời thuộc nhóm chưa có ý định, đang cân nhắc, chuẩn bị, hành động hoặc duy trì. Cách thứ hai chuyển giai đoạn thành một kết quả cần giải thích, trong đó các yếu tố như nhận thức lợi ích, chuẩn chủ quan, kiểm soát hành vi và self-efficacy tác động đến khả năng chuyển sang giai đoạn tiếp theo.

Bảng dưới đây là khung khái niệm để bạn bắt đầu. Đây là cấu trúc tham khảo, không phải thang đo đã được xác nhận cho mọi bối cảnh.

Khi thiết kế bảng hỏi, bạn cần định nghĩa rõ “thời gian gần đây” là bao lâu. Nếu người này hiểu là bảy ngày còn người khác hiểu là sáu tháng, biến giai đoạn sẽ bị nhiễu. Khoảng thời gian phải phù hợp với hành vi. Việc mua một sản phẩm, tập thể dục và sử dụng một ứng dụng có chu kỳ lặp lại khác nhau.

Bạn cũng cần quyết định giai đoạn là biến kết quả hay chỉ là biến mô tả mẫu. Nếu chỉ báo cáo tỷ lệ người ở từng giai đoạn, bạn có thể dùng bảng tần số. Nếu muốn kiểm định yếu tố nào làm tăng khả năng chuyển giai đoạn, mô hình cần có giả thuyết, thang đo và phương pháp kiểm định tương ứng.

Mô hình gốc và các mở rộng phổ biến

Mô hình giai đoạn thường được mở rộng bằng cách thêm các yếu tố giải thích quá trình chuyển đổi. Một nghiên cứu về hành vi tiêu dùng có thể thêm perceived usefulness, perceived risk và social influence. Một nghiên cứu về hành vi sức khỏe có thể thêm self-efficacy, nhận thức rào cản và mức độ sẵn sàng. Một nghiên cứu về công nghệ có thể kết hợp với mô hình TRA hoặc mô hình TPB.

Điểm cần giữ là thứ tự lập luận. Bạn không nên gom thật nhiều biến vào mô hình chỉ vì chúng từng xuất hiện trong các bài khác. Mỗi biến phải trả lời được ba câu hỏi: nó giải thích giai đoạn nào, có thang đo nào phù hợp, và bạn có thể thu thập dữ liệu cho nó bằng bảng hỏi hay không.

Một mở rộng phổ biến là xem “ý định” như cầu nối giữa nhận thức và hành vi. Khi đó, nhận thức lợi ích có thể ảnh hưởng đến ý định, ý định ảnh hưởng đến hành vi tự báo cáo, còn self-efficacy có thể làm thay đổi độ mạnh của quan hệ này. Đây là chỗ bạn cần phân biệt mediator và moderator. Bản sắc xã hội có thể được xây dựng như một yếu tố giải thích hoặc điều tiết nếu lập luận lý thuyết của đề tài đủ rõ.

Một hướng khác là thêm yếu tố cản trở và tái diễn. Người đã từng hành động vẫn có thể quay lại trạng thái do dự khi thiếu thời gian, chi phí tăng hoặc trải nghiệm không tốt. Vì vậy, “đã thực hiện một lần” chưa đủ để kết luận người đó đã duy trì hành vi.

Thang đo thường dùng cho từng khái niệm

Bạn không nên lấy nguyên văn các câu trên một bảng hỏi bất kỳ rồi gọi đó là thang đo chuẩn hóa. Hãy tìm nguồn gốc, bối cảnh, số biến quan sát, cách dịch và cách tác giả kiểm định. Nếu dùng một mô hình hành vi khác làm nền, các nguồn như TAM của Davis, TPB của Ajzen hoặc UTAUT của Venkatesh và cộng sự cần được đọc ở bản gốc: (Davis, 1989), (Ajzen, 1991) và (Venkatesh và cộng sự, 2003).

Bảng sau là bản đồ chọn nguồn theo khái niệm. Các nguồn này là nền tảng lý thuyết hoặc thang đo được phép trích dẫn trong phạm vi bài viết, còn việc chúng có phù hợp với đề tài cụ thể hay không vẫn phải kiểm tra.

Nếu biến giai đoạn có năm nhóm, bạn có thể dùng một câu hỏi phân loại chính, sau đó dùng các biến quan sát Likert để đo các yếu tố giải thích. Likert là dạng thang đo quen thuộc trong bảng hỏi, có thể tham khảo (Likert, 1932). Hãy thử nghiệm cách diễn đạt trước khi thu thập chính thức, vì các từ như “duy trì”, “thường xuyên” và “sắp tới” dễ được hiểu khác nhau.

Sau khi nhập dữ liệu, bạn có thể kiểm tra độ tin cậy bằng Cronbach's Alpha. Hệ số Alpha từ 0.7 trở lên thường được xem là chấp nhận được (Nunnally, 1978). Với thang đo mới hoặc nghiên cứu khám phá, ngưỡng 0.6 có thể được sử dụng nếu có lập luận phù hợp (Hair và cộng sự, 2010). Corrected Item-Total Correlation từ 0.3 trở lên là một mốc tham khảo (Nunnally và Bernstein, 1994).

Áp dụng vào đề tài của bạn

Giả sử đề tài của bạn là “Các yếu tố ảnh hưởng đến ý định chuyển sang sử dụng phương tiện công cộng của sinh viên”. Bạn có thể xây dựng mô hình gồm perceived usefulness, social influence, self-efficacy, perceived barriers và ý định hành vi. Giai đoạn thay đổi được dùng để mô tả vị trí hiện tại của sinh viên, hoặc làm biến kết quả nếu bảng hỏi phân biệt được nhóm chưa có ý định, đang cân nhắc, chuẩn bị và đã hành động.

Một mô hình gọn có thể viết thành bốn giả thuyết sau:

• H1: Perceived usefulness tác động tích cực đến ý định chuyển sang sử dụng phương tiện công cộng.
• H2: Social influence tác động tích cực đến ý định chuyển sang sử dụng phương tiện công cộng.
• H3: Self-efficacy tác động tích cực đến khả năng chuyển sang giai đoạn hành động.
• H4: Perceived barriers tác động tiêu cực đến khả năng chuyển sang giai đoạn hành động.

Nếu dùng giai đoạn như biến phân loại, bạn cần xác định cách mã hóa trước khi chạy. Với năm nhóm có thứ tự, mã 1 đến 5 có thể phản ánh mức tăng dần, nhưng không nên mặc nhiên xem khoảng cách giữa nhóm 1 và 2 bằng khoảng cách giữa nhóm 4 và 5. Nếu mục tiêu là so sánh các nhóm, bạn có thể tạo biến giả và chọn nhóm tham chiếu. Nếu mục tiêu là dự đoán xác suất thuộc nhóm cao hơn, cần cân nhắc phương pháp phù hợp với biến phụ thuộc ordinal.

Bạn cũng nên lập sơ đồ quan hệ trước khi mở SPSS hoặc SmartPLS. Sơ đồ cần chỉ rõ biến nào là biến độc lập, biến trung gian, biến điều tiết và biến kết quả. Nếu đề tài còn có yếu tố nhận thức mâu thuẫn, bạn có thể đọc thêm bài về bất hòa nhận thức, nhưng chỉ đưa khái niệm này vào mô hình khi nó thật sự giải thích câu hỏi nghiên cứu.

Cách viết vào luận văn: “Dựa trên mục tiêu nghiên cứu, đề tài xem {{biến giai đoạn}} là biến {{phân loại/kết quả}} phản ánh mức độ sẵn sàng thực hiện {{hành vi}}. Mô hình đề xuất kiểm định tác động của {{X1}}, {{X2}} và {{X3}} đến {{ý định/khả năng chuyển giai đoạn}} trong bối cảnh {{đối tượng và địa bàn}}.”

Cách kiểm định mô hình bằng SPSS hoặc SmartPLS

SPSS phù hợp khi bạn có dữ liệu .sav hoặc .csv, muốn làm sạch dữ liệu, thống kê mô tả, kiểm tra Cronbach's Alpha, EFA và hồi quy. Bạn có thể vào Analyze > Scale > Reliability Analysis để chạy độ tin cậy, sau đó vào Analyze > Dimension Reduction > Factor để chạy EFA. Nếu giai đoạn được mã hóa thành nhóm, hãy kiểm tra bảng tần số trước khi quyết định phép kiểm định.

SmartPLS phù hợp khi mô hình có biến tiềm ẩn, nhiều biến quan sát và các đường dẫn giữa các khái niệm. Trong SmartPLS 4, bạn nhập file .csv, tạo measurement model, nối các biến tiềm ẩn rồi chạy Calculate > PLS-SEM Algorithm. Sau đó dùng Calculate > Bootstrapping để kiểm tra path coefficient và khoảng tin cậy. Theo (Hair và cộng sự, 2022), quy trình PLS-SEM cần đánh giá measurement model trước structural model và có thể dùng 5.000 bootstrap subsamples.

Bảng dưới đây là số liệu minh họa, không phải kết quả của một nghiên cứu thật. Tên cột được mô phỏng theo phần output thường gặp trong SmartPLS 4.

Bạn đọc dấu của Original Sample (O) để biết chiều tác động, đọc P Values hoặc khoảng tin cậy bootstrap để đánh giá ý nghĩa thống kê theo quy ước của đề tài. Đừng chỉ nhìn p-value rồi kết luận mô hình tốt. Với measurement model, cần xem outer loading, CR, AVE và HTMT. Outer loading từ 0.7 trở lên là mốc thường dùng trong PLS-SEM (Chin, 1998); CR từ 0.7 và AVE từ 0.5 trở lên được tham khảo theo (Fornell và Larcker, 1981). HTMT nên dưới 0.85, hoặc dưới 0.90 với các khái niệm gần nhau (Henseler và cộng sự, 2015).

Các ngưỡng chỉ là căn cứ báo cáo, không phải nút tự động giữ hoặc xóa biến. Nếu một biến quan sát không đạt, bạn cần xem nội dung câu hỏi, tương quan giữa các biến, bối cảnh mẫu và lập luận lý thuyết trước khi loại. Không xóa biến chỉ để làm bảng kết quả đẹp hơn.

Lỗi thường gặp khi dùng mô hình này

Lỗi đầu tiên là gọi mọi hành vi thành “giai đoạn” nhưng không định nghĩa tiêu chí phân loại. Bạn cần nói rõ nhóm nào chưa có ý định, nhóm nào đang chuẩn bị và hành vi nào được xem là đã duy trì.

Lỗi thứ hai là dùng ý định để đại diện hoàn toàn cho hành vi. Ý định là một khái niệm gần hành vi, nhưng hai biến này không đồng nhất. Nếu không thể đo hành vi thực tế, hãy ghi rõ đây là hành vi tự báo cáo hoặc ý định hành vi.

Lỗi thứ ba là đưa quá nhiều biến từ nhiều mô hình vào cùng một sơ đồ. Mỗi biến thêm vào làm bảng hỏi dài hơn, tăng nguy cơ người trả lời bỏ dở và khiến phần giả thuyết khó bảo vệ. Bạn nên bắt đầu từ câu hỏi nghiên cứu, sau đó mới chọn biến.

Lỗi thứ tư là dùng hồi quy tuyến tính cho biến giai đoạn mà không kiểm tra bản chất dữ liệu. Nếu giai đoạn chỉ là nhãn nhóm, mã 1, 2, 3, 4, 5 không tự biến nó thành biến liên tục. Hãy trao đổi với giảng viên về cách mã hóa và mô hình phù hợp trước khi chạy.

Lỗi cuối cùng là trích dẫn nguồn thứ cấp mà không kiểm tra thang đo gốc. Nếu bạn chưa xác minh được tác giả, năm, số biến quan sát và bối cảnh, hãy đánh dấu chỗ đó để bổ sung, thay vì viết một trích dẫn có vẻ hợp lý nhưng không kiểm chứng được.

Câu hỏi thường gặp

Các giai đoạn thay đổi hành vi là gì?

Đó là cách mô tả quá trình một cá nhân chuyển từ chưa có ý định thay đổi sang cân nhắc, chuẩn bị, thực hiện và duy trì một hành vi. Tên và số lượng giai đoạn có thể thay đổi theo mô hình, hành vi và cách đo của từng nghiên cứu.

Có bắt buộc phải dùng đủ năm giai đoạn không?

Không. Bạn có thể gộp hoặc điều chỉnh nhóm nếu đặc điểm hành vi và dữ liệu không cho phép phân biệt chi tiết. Tuy nhiên, tiêu chí gộp phải được giải thích trước khi phân tích, không nên thay đổi chỉ vì tần số của một nhóm quá thấp.

Nên dùng SPSS hay SmartPLS để kiểm định mô hình?

SPSS phù hợp khi bạn cần làm sạch dữ liệu, chạy Cronbach's Alpha, EFA và hồi quy với các biến đã tính điểm. SmartPLS phù hợp khi mô hình có nhiều biến tiềm ẩn, biến quan sát và đường dẫn cấu trúc. Bạn có thể dùng SPSS cho bước chuẩn bị và SmartPLS cho mô hình PLS-SEM nếu thiết kế nghiên cứu cần cả hai.

Nếu biến giai đoạn không đạt độ tin cậy thì xử lý thế nào?

Trước hết, kiểm tra bạn có đang dùng Cronbach's Alpha cho một biến phân loại hay không. Một câu hỏi phân loại về giai đoạn không được xử lý giống một thang đo gồm nhiều biến quan sát. Với các thang đo như self-efficacy hoặc ý định, xem Corrected Item-Total Correlation, nội dung biến và bối cảnh dịch trước khi cân nhắc loại biến.

Có thể dùng mô hình này cùng TPB không?

Có thể, nếu bạn giải thích TPB cung cấp các yếu tố dự báo như thái độ, chuẩn chủ quan và kiểm soát hành vi cảm nhận, còn mô hình giai đoạn mô tả vị trí hoặc mức chuyển đổi của người trả lời. Bạn cần tránh để hai mô hình trùng khái niệm và phải viết rõ vai trò của từng biến trong giả thuyết.

Bạn hãy mở lại file dữ liệu, xác định {{giai đoạn}} là biến phân loại hay biến kết quả, lập bảng mã hóa và đối chiếu từng biến quan sát với nguồn thang đo trước khi chạy phân tích; nếu cần hỗ trợ nối mô hình, bảng hỏi và dữ liệu định lượng, bạn có thể dùng module M3 tại DoThesis.