Cam kết niềm tin là gì? Cách xây dựng mô hình nghiên cứu
Mô hình cam kết niềm tin là gì
Khi bạn gõ “cam kết niềm tin là gì”, nhiều khả năng bạn đang có một biến trong mô hình nghiên cứu về marketing, thương mại điện tử, dịch vụ hoặc quan hệ khách hàng. Cụm này thường được dùng để chỉ trạng thái người trả lời vừa tin rằng một đối tác, thương hiệu hoặc nền tảng là đáng tin, vừa có xu hướng duy trì mối quan hệ với đối tác đó.
Tuy nhiên, cần tách hai ý trước khi đưa vào bảng hỏi. Niềm tin thường trả lời câu hỏi “Tôi có tin đối tượng này đáng tin cậy không?”. Cam kết trả lời câu hỏi “Tôi có muốn tiếp tục duy trì mối quan hệ này không?”. “Cam kết niềm tin” có thể được dùng như tên một khái niệm tổng hợp, nhưng bạn phải kiểm tra định nghĩa trong tài liệu gốc của đề tài trước khi xem nó là một biến đơn hướng.
Đây không phải là một mô hình hoàn chỉnh chỉ có một công thức cố định. Trong luận văn định lượng, bạn có thể xây dựng nó thành biến độc lập, biến trung gian hoặc một phần của mô hình quan hệ khách hàng. Cách dùng phù hợp phụ thuộc vào bối cảnh, đối tượng khảo sát và thang đo đã được kiểm chứng.
Nếu đề tài của bạn còn đang ở bước chọn cấu trúc lý thuyết, hãy xem thêm chủ đề Mô hình nghiên cứu. Các bài về mô hình AIDA, 4C marketing và 7P marketing mix cũng giúp bạn thấy cách một mô hình được tách thành các thành phần trước khi chuyển thành giả thuyết.
Các thành phần trong mô hình
Trước khi chạy SPSS, bạn cần quyết định “cam kết niềm tin” là một khái niệm gộp hay hai khái niệm riêng. Nếu gộp, toàn bộ biến quan sát phải cùng phản ánh một cấu trúc. Nếu tách, niềm tin và cam kết có thể xuất hiện ở hai vị trí khác nhau trong mô hình, chẳng hạn niềm tin tác động đến cam kết.
| Thành phần | Câu hỏi nghiên cứu mà thành phần trả lời | Cách dùng trong mô hình |
|---|---|---|
| Niềm tin vào đối tượng | Người trả lời có tin thương hiệu, nền tảng hoặc nhà cung cấp đáng tin không | Biến độc lập hoặc biến trung gian |
| Cam kết duy trì quan hệ | Người trả lời có muốn tiếp tục gắn bó và duy trì quan hệ không | Biến phụ thuộc hoặc biến trung gian |
| Cam kết niềm tin, nếu được gộp | Người trả lời có vừa tin vừa muốn duy trì quan hệ không | Một biến tiềm ẩn tổng hợp, chỉ dùng khi tài liệu gốc cho phép |
| Kết quả hành vi | Người trả lời có ý định mua lại, giới thiệu hoặc tiếp tục sử dụng không | Biến phụ thuộc cuối cùng |
Bạn không nên đặt tên biến dựa trên cảm giác nghe thuận tai. Ví dụ, một bảng hỏi có các câu “Nhà cung cấp thực hiện đúng cam kết” và “Tôi sẽ tiếp tục sử dụng dịch vụ” đang trộn nhận thức về độ tin cậy với ý định duy trì. Hai nhóm này có thể tương quan, nhưng tương quan không tự động chứng minh chúng là cùng một khái niệm.
Trong chương 2, hãy viết định nghĩa thao tác cho từng biến. Định nghĩa thao tác cần nói rõ đối tượng được đánh giá, thời điểm đánh giá và khía cạnh được đo. “Niềm tin của khách hàng đối với sàn thương mại điện tử X” cụ thể hơn “cam kết niềm tin của khách hàng” vì người đọc biết ai tin ai và trong bối cảnh nào.
Mô hình gốc và các mở rộng phổ biến
Với cụm “cam kết niềm tin”, bạn cần cẩn thận khi viết phần “mô hình gốc”. Danh mục nguồn được phép của DoThesis không có tài liệu gốc riêng cho một mô hình mang đúng tên này. Vì vậy, bạn không nên tự gắn tên tác giả hoặc năm xuất bản cho một mô hình chỉ vì thấy cụm từ xuất hiện trong một bài trên Internet.
Cách an toàn là xem đây như một cấu trúc nghiên cứu cần được truy về tài liệu gốc. Bạn tìm bài đã định nghĩa khái niệm, xác định các biến quan sát, bối cảnh áp dụng và quan hệ giữa các biến. Nếu nguồn gốc không xem “cam kết niềm tin” là một biến duy nhất, hãy tách lại thành “niềm tin” và “cam kết” trong mô hình của bạn.
Một số mô hình nền có thể giúp bạn định vị đề tài. Nếu nghiên cứu việc chấp nhận công nghệ, AIDA là gì không thay thế cho mô hình chấp nhận công nghệ, còn TAM được gắn với (Davis, 1989). Nếu nghiên cứu hành vi dự định, TPB được gắn với (Ajzen, 1991). UTAUT được trình bày trong (Venkatesh và cộng sự, 2003), còn UTAUT2 trong (Venkatesh và cộng sự, 2012). Những nguồn này chỉ phù hợp khi bối cảnh và biến của bạn thực sự liên quan, không nên được thêm vào để làm phần cơ sở lý thuyết dài hơn.
Có ba hướng mở rộng thường gặp trong một mô hình về cam kết niềm tin:
- Tách cấu trúc: Niềm tin là biến độc lập, cam kết là biến trung gian hoặc phụ thuộc.
- Thêm kết quả hành vi: Cam kết tác động đến ý định mua lại, ý định tiếp tục sử dụng hoặc ý định giới thiệu.
- Thêm điều kiện bối cảnh: Chất lượng dịch vụ, giá trị cảm nhận hoặc rủi ro cảm nhận có thể được đưa vào nếu có cơ sở lý thuyết và thang đo phù hợp.
Bạn cần giữ mô hình vừa đủ để thu thập dữ liệu và bảo vệ được logic. Một mô hình có quá nhiều biến nhưng mỗi biến chỉ có vài câu hỏi yếu sẽ khó xử lý hơn một mô hình nhỏ, trong đó quan hệ giữa các biến được giải thích rõ.
Thang đo thường dùng cho từng khái niệm
Không có một bộ biến quan sát mặc định mà bạn có thể chép nguyên cho “cam kết niềm tin”. Bạn cần tìm thang đo gốc theo đúng bối cảnh và ngôn ngữ của nghiên cứu. Bảng dưới đây là bản đồ khái niệm để bạn kiểm tra tài liệu, không phải bộ câu hỏi đã được xác nhận.
| Khái niệm | Nội dung nên phản ánh | Nguồn cần truy trong tài liệu | Lưu ý khi đưa vào bảng hỏi |
|---|---|---|---|
| Niềm tin | Độ đáng tin, sự chính trực, khả năng thực hiện điều đã hứa | Bài gốc định nghĩa trust trong bối cảnh nghiên cứu | Không trộn với sự hài lòng hoặc chất lượng dịch vụ |
| Cam kết | Mong muốn duy trì quan hệ, mức độ gắn bó, ý định tiếp tục | Bài gốc định nghĩa commitment trong bối cảnh nghiên cứu | Phân biệt cam kết với ý định mua lại |
| Cam kết niềm tin | Mối liên hệ được tác giả nguồn mô tả giữa niềm tin và cam kết | Nguồn gốc của cụm thuật ngữ trong đề tài | Chỉ gộp khi các biến quan sát cùng phản ánh một khái niệm |
| Ý định hành vi | Tiếp tục sử dụng, mua lại hoặc giới thiệu | Thang đo kết quả hành vi phù hợp với ngành | Đây thường là biến kết quả, không phải chỉ báo của niềm tin |
Khi dịch thang đo, hãy giữ một bảng đối chiếu gồm mã biến, câu gốc, bản dịch dự kiến và lý do điều chỉnh. “Tôi tin nhà cung cấp này” có thể quá ngắn và không cho biết bạn đang đo năng lực, sự chính trực hay mức độ an toàn. Một câu như “Nhà cung cấp này thực hiện đúng những gì đã cam kết” cũng cần được xem xét theo trải nghiệm cụ thể của người trả lời.
Nếu dùng Likert, bạn có thể chọn thang điểm nhất quán cho toàn bộ bảng hỏi. Thang đo Likert bắt nguồn từ (Likert, 1932). Hãy ghi rõ hai đầu thang đo, chẳng hạn từ “hoàn toàn không đồng ý” đến “hoàn toàn đồng ý”, và dùng cùng chiều điểm số để tránh việc người trả lời hiểu nhầm.
Sau khi thu dữ liệu, kiểm tra độ tin cậy trước khi kết luận về mô hình. Cronbach's Alpha là hệ số phản ánh độ nhất quán nội tại của thang đo, được giới thiệu trong (Cronbach, 1951). Alpha từ 0.7 trở lên thường được xem là chấp nhận được theo (Nunnally, 1978), còn thang đo khám phá có thể được xem xét từ 0.6 theo (Hair và cộng sự, 2010). Corrected Item-Total Correlation từ 0.3 trở lên được nêu trong (Nunnally và Bernstein, 1994).
Áp dụng vào đề tài của bạn
Giả sử bạn nghiên cứu khách hàng sử dụng một nền tảng thương mại điện tử. Mục tiêu là xem niềm tin vào nền tảng có liên quan đến cam kết duy trì quan hệ và ý định tiếp tục sử dụng hay không. Đây là ví dụ minh họa để bạn hình dung cách đặt mô hình, không phải kết quả của một nghiên cứu thật.
Mô hình có thể gồm bốn biến: độ tin cậy của nền tảng, cam kết duy trì quan hệ, giá trị cảm nhận và ý định tiếp tục sử dụng. Nếu bạn muốn nghiên cứu đúng cụm “cam kết niềm tin”, hãy ghi rõ trong chương 2 rằng cụm này là tên cấu trúc bạn lựa chọn, hoặc tách thành hai biến nếu tài liệu gốc yêu cầu.
Các giả thuyết minh họa có thể viết như sau:
- H1: Niềm tin vào nền tảng có tác động tích cực đến cam kết duy trì quan hệ của khách hàng.
- H2: Cam kết duy trì quan hệ có tác động tích cực đến ý định tiếp tục sử dụng nền tảng.
- H3: Niềm tin vào nền tảng có tác động tích cực đến ý định tiếp tục sử dụng nền tảng.
- H4: Giá trị cảm nhận có tác động tích cực đến cam kết duy trì quan hệ.
Bạn chỉ giữ H1 đến H4 nếu mỗi quan hệ có lập luận từ tài liệu. Từ “tích cực” là hướng giả thuyết, không phải kết quả đã biết. Khi chạy dữ liệu, hệ số có thể không có ý nghĩa thống kê hoặc có dấu ngược lại.
Cách viết vào luận văn
Bạn có thể điều chỉnh đoạn sau: “Trong nghiên cứu này, [cam kết niềm tin] được tiếp cận như [một khái niệm tổng hợp/hai khái niệm riêng gồm niềm tin và cam kết] của [đối tượng khảo sát] đối với [thương hiệu/nền tảng/nhà cung cấp]. Mô hình đề xuất kiểm định mối quan hệ giữa [biến độc lập], [cam kết niềm tin hoặc cam kết] và [biến phụ thuộc] trong bối cảnh [ngành hoặc địa bàn nghiên cứu].”
Đừng viết “cam kết niềm tin ảnh hưởng đến hành vi” nếu mô hình của bạn chưa chỉ rõ cam kết niềm tin là biến nào, đo bằng những biến quan sát nào và hành vi được đo bằng ý định hay hành động thực tế.
Cách kiểm định mô hình bằng SPSS hoặc SmartPLS
SPSS phù hợp khi bạn tách các biến thành thang đo và muốn chạy Cronbach's Alpha, EFA, tương quan hoặc hồi quy. SmartPLS phù hợp khi mô hình có biến tiềm ẩn, nhiều quan hệ đồng thời, biến trung gian hoặc cấu trúc phản xạ cần đánh giá bằng PLS-SEM.
Nếu dùng SPSS, bạn có thể bắt đầu tại Analyze > Scale > Reliability Analysis. Đưa các biến quan sát của từng khái niệm vào từng lần chạy riêng, chọn Statistics, đánh dấu Scale if item deleted, rồi xem Reliability Statistics và Item-Total Statistics. Sau đó, nếu thiết kế nghiên cứu cần EFA, chạy tại Analyze > Dimension Reduction > Factor, xem KMO and Bartlett's Test, Total Variance Explained và Rotated Component Matrix.
Với EFA, KMO từ 0.5 trở lên và Bartlett có ý nghĩa ở mức dưới 0.05 được gắn với (Kaiser, 1974). Quy tắc eigenvalue lớn hơn 1 được nêu trong (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). Nếu một biến tải mạnh ở hai nhân tố, bạn cần xem lại nội dung câu hỏi và cơ sở lý thuyết, không chỉ xóa biến để làm bảng đẹp.
Nếu dùng SmartPLS 4, nhập dữ liệu .csv, kiểm tra tên cột và kéo các biến quan sát vào mô hình đo lường. Chạy PLS-SEM Algorithm để xem Outer Loadings, Construct Reliability and Validity, Discriminant Validity và Path Coefficients. Sau đó chạy Bootstrapping, chọn số lượng mẫu lặp theo thiết kế báo cáo của bạn. Mức 5.000 bootstrap subsamples được nêu trong (Hair và cộng sự, 2022).
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 gắn với (Fornell và Larcker, 1981). HTMT dưới 0.85, hoặc dưới 0.90 với các khái niệm gần nhau, được trình bày trong (Henseler và cộng sự, 2015). VIF dưới 5 được khuyến nghị trong (Hair và cộng sự, 2019).
Bảng sau mô phỏng cách đọc output, với các con số chỉ nhằm minh họa hình dạng kết quả.
| Bảng SmartPLS 4 | Construct | Chỉ số | Giá trị minh họa | Diễn giải sơ bộ |
|---|---|---|---|---|
| Outer Loadings | NT | NT2 | 0.781 | Chỉ số tải của biến quan sát NT2 |
| Construct Reliability and Validity | NT | Composite Reliability | 0.884 | Độ tin cậy tổng hợp của thang đo |
| Construct Reliability and Validity | NT | AVE | 0.656 | Phương sai trung bình trích |
| Path Coefficients | NT → CK | Original Sample | 0.428 | Hệ số đường dẫn minh họa |
| Path Coefficients | NT → CK | P Values | 0.003 | p-value minh họa, cần đọc cùng t và khoảng tin cậy |
| R-Square | CK | R Square | 0.392 | Tỷ lệ phương sai của CK được giải thích trong ví dụ |
Các số liệu trên là số liệu minh họa, không phải phát hiện từ dữ liệu của bạn. Khi trình bày, hãy thay bằng bảng xuất trực tiếp từ file .sav hoặc .csv, ghi rõ cỡ mẫu và cách xử lý biến bị loại. Với PLS-SEM, R² ở mức 0.75, 0.50 và 0.25 lần lượt có thể được diễn giải là đáng kể, trung bình và yếu theo (Hair và cộng sự, 2011). Q² lớn hơn 0 cho thấy khả năng dự báo có liên quan theo (Stone, 1974), nhưng không thay thế cho việc giải thích lý thuyết.
Lỗi thường gặp khi dùng mô hình này
Gộp niềm tin và cam kết chỉ vì hai biến có tương quan. Hai thang đo có thể tương quan nhưng vẫn là hai cấu trúc khác nhau. Hãy kiểm tra định nghĩa, mô hình đo lường và giá trị phân biệt trước khi gộp.
Dùng một nguồn cho mọi bối cảnh. Thang đo niềm tin trong ngân hàng, sàn thương mại điện tử và dịch vụ công có thể nhấn mạnh các khía cạnh khác nhau. Bạn cần giải thích vì sao câu hỏi phù hợp với đối tượng khảo sát tại Việt Nam.
Đặt giả thuyết sau khi xem p-value. Cách làm này khiến mô hình giống như được sửa để khớp dữ liệu. Giả thuyết phải được xác định trước khi chạy kiểm định, còn kết quả dùng để chấp nhận hoặc bác bỏ giả thuyết.
Xóa biến hàng loạt để đạt ngưỡng. Mỗi lần loại biến cần có lý do về nội dung và thống kê. Nếu xóa một biến làm thay đổi ý nghĩa của khái niệm, bạn phải ghi nhận giới hạn đó trong luận văn.
Trộn chỉ số của CB-SEM vào SmartPLS. CFI, TLI và RMSEA thuộc nhóm chỉ số fit thường dùng trong CB-SEM, với ngưỡng được nêu trong (Hu và Bentler, 1999). Không đưa các chỉ số này vào bài SmartPLS nếu quy trình nghiên cứu của bạn không sử dụng CB-SEM.
Câu hỏi thường gặp
Cam kết niềm tin có phải là một biến độc lập không
Không nhất thiết. Nó có thể là biến độc lập, biến trung gian hoặc biến phụ thuộc tùy mô hình. Bạn xác định vị trí của nó dựa trên câu hỏi nghiên cứu và lập luận lý thuyết, không dựa vào tên gọi.
Niềm tin và cam kết có nên gộp thành một thang đo không
Chỉ gộp khi nguồn lý thuyết định nghĩa chúng như một cấu trúc chung và các biến quan sát cùng phản ánh cấu trúc đó. Nếu một nhóm câu hỏi đo sự đáng tin còn nhóm kia đo ý định duy trì quan hệ, nên kiểm định chúng như hai biến riêng.
Cam kết niềm tin nên đo bằng bao nhiêu biến quan sát
Không có con số chung áp dụng cho mọi đề tài. Bạn cần theo số biến trong thang đo gốc, sau đó điều chỉnh theo bối cảnh và kiểm tra bằng dữ liệu thử. Khi lập kế hoạch cỡ mẫu, quy tắc 5 đến 10 quan sát cho một biến quan sát có thể tham khảo (Hair và cộng sự, 2010), nhưng đây không phải sự bảo đảm rằng thang đo sẽ đạt.
Cronbach's Alpha đạt nhưng EFA tách thành hai nhân tố thì sao
Điều đó có thể cho thấy các biến quan sát không đo cùng một cấu trúc, dù độ nhất quán nội tại nhìn chung cao. Hãy xem nội dung từng biến, ma trận xoay và cơ sở lý thuyết. Không nên giữ nguyên một thang đo chỉ vì Alpha vượt ngưỡng.
Nên dùng SPSS hay SmartPLS cho mô hình cam kết niềm tin
Dùng SPSS nếu bạn cần quy trình Cronbach's Alpha, EFA và hồi quy theo các biến tổng hợp. Dùng SmartPLS nếu mô hình có nhiều biến tiềm ẩn, quan hệ trung gian hoặc cần đánh giá đồng thời mô hình đo lường và mô hình cấu trúc. AMOS phù hợp với CB-SEM, còn JASP hoặc R có thể hữu ích nếu bạn quen với quy trình mã lệnh và muốn kiểm soát phân tích chi tiết hơn.
Hãy mở lại tài liệu gốc của đề tài, đánh dấu rõ “niềm tin”, “cam kết” và “cam kết niềm tin” đang được dùng theo nghĩa nào, rồi kiểm tra từng biến quan sát trong file dữ liệu trước khi chạy vòng Cronbach's Alpha đầu tiên. Nếu bạn cần chạy phân tích trên chính file .sav hoặc .csv và nối kết quả vào mô hình, M4 phân tích dữ liệu của DoThesis là bước phù hợp.