Chi phí giao dịch là gì? Mô hình, thang đo và cách kiểm định

Mô hình chi phí giao dịch là gì

Chi phí giao dịch là những nguồn lực bạn phải bỏ ra để tìm kiếm thông tin, tìm đối tác, thương lượng, ký kết, giám sát và điều chỉnh một giao dịch. Khi mua hàng qua một nền tảng, chẳng hạn, giá sản phẩm chỉ là một phần của chi phí. Thời gian tìm người bán, công sức kiểm tra chất lượng, rủi ro giao hàng sai và chi phí xử lý khiếu nại cũng có thể được xem xét trong góc nhìn chi phí giao dịch.

Trong nghiên cứu định lượng, bạn thường không đo khái niệm này bằng một con số kế toán duy nhất. Bạn xây dựng một biến tiềm ẩn, sau đó dùng nhiều biến quan sát để đo cảm nhận của người trả lời về mức độ tốn kém, bất định hoặc khó kiểm soát của giao dịch. Cách tiếp cận này phù hợp với đề tài về lựa chọn nhà cung cấp, quan hệ doanh nghiệp, thương mại điện tử, thuê ngoài, logistics và hành vi sử dụng nền tảng số.

Cần tách chi phí giao dịch khỏi giá mua hoặc chi phí sản xuất. Một doanh nghiệp có thể mua nguyên liệu với giá thấp nhưng vẫn chịu chi phí giao dịch cao vì mất nhiều thời gian kiểm tra, thương lượng và xử lý sai lệch. Trong mô hình nghiên cứu, chi phí giao dịch có thể là biến độc lập, biến trung gian hoặc biến giải thích cho quyết định tiếp tục hợp tác.

Bạn có thể xem thêm các chủ đề cùng nhóm tại chuyên mục Mô hình nghiên cứu. Các mô hình như mô hình SWOT hoặc mô hình chuỗi giá trị Porter có thể hỗ trợ phần bối cảnh chiến lược, nhưng chúng không thay thế cho thang đo chi phí giao dịch trong một mô hình định lượng.

Các thành phần trong mô hình

Không có một bộ thành phần duy nhất phù hợp cho mọi đề tài. Bạn cần nhìn vào loại giao dịch, đối tượng trả lời và quyết định mà mô hình muốn giải thích. Một đề tài về mua sắm trực tuyến có thể nhấn mạnh thời gian tìm kiếm và rủi ro thông tin. Một đề tài về quan hệ giữa doanh nghiệp lại cần chú ý đến chi phí thương lượng, giám sát và điều chỉnh hợp đồng.

Bảng dưới đây là khung khái niệm để bạn bắt đầu xây dựng mô hình. Đây là cấu trúc tham khảo, chưa phải thang đo đã được dịch và kiểm định cho bối cảnh Việt Nam.

Bạn không nên đưa toàn bộ thành phần vào mô hình chỉ vì chúng xuất hiện trong tài liệu. Nếu bảng hỏi của bạn dành cho người tiêu dùng cá nhân, câu hỏi về tài sản chuyên biệt có thể khó trả lời. Nếu người trả lời là nhà quản lý mua hàng, thành phần này có thể phù hợp hơn.

Hãy viết định nghĩa thao tác cho từng khái niệm trước khi tạo biến quan sát. Ví dụ, “chi phí tìm kiếm thông tin” có thể được định nghĩa là thời gian và công sức mà người mua cảm nhận khi thu thập, so sánh và xác minh thông tin trước giao dịch. Định nghĩa này giúp bạn tránh trộn lẫn với giá sản phẩm, mức độ thuận tiện hoặc chất lượng dịch vụ.

Mô hình gốc và các mở rộng phổ biến

Mô hình chi phí giao dịch thường được sử dụng để giải thích câu hỏi: vì sao một cá nhân hoặc doanh nghiệp chọn tự thực hiện, mua từ thị trường, ký hợp đồng dài hạn hay duy trì quan hệ với một đối tác cụ thể. Logic trung tâm là hình thức giao dịch được lựa chọn có liên quan đến mức độ tốn kém và rủi ro khi tổ chức giao dịch.

Ở dạng đơn giản, mô hình có thể bắt đầu với ba nhóm giải thích: chi phí giao dịch cảm nhận, mức độ bất định và đặc điểm của giao dịch. Sau đó, bạn mở rộng bằng các biến phù hợp với bối cảnh như niềm tin, chất lượng quan hệ, năng lực công nghệ, sự phụ thuộc vào nền tảng hoặc ý định tiếp tục hợp tác.

Bạn có thể tham khảo 5 áp lực cạnh tranh Porter khi phân tích sức ép từ nhà cung cấp và khách hàng. Tuy nhiên, đừng biến toàn bộ mô hình Porter thành biến đo chi phí giao dịch. Hai khung này trả lời hai câu hỏi khác nhau: một bên phân tích cấu trúc cạnh tranh, bên kia giải thích nguồn lực phát sinh trong quá trình tổ chức giao dịch.

Một mở rộng phổ biến là xem chi phí giao dịch như biến trung gian. Chẳng hạn, tính bất định của nhà cung cấp có thể làm tăng chi phí giám sát, từ đó làm giảm ý định tiếp tục hợp tác. Một hướng khác là dùng niềm tin làm biến điều tiết, vì mức độ tin tưởng cao có thể làm giảm tác động tiêu cực của chi phí giao dịch lên ý định hợp tác.

Khi thêm biến, bạn cần viết rõ lý do lý thuyết và bối cảnh. Mỗi biến mới phải có định nghĩa, thang đo và giả thuyết riêng. Mô hình càng nhiều mũi tên không đồng nghĩa với mô hình tốt hơn. Với dữ liệu của một luận văn sinh viên, mô hình có ba đến năm khái niệm chính thường dễ giải thích và kiểm định hơn.

Thang đo thường dùng cho từng khái niệm

Bạn nên tìm thang đo trong các nghiên cứu cùng bối cảnh, sau đó điều chỉnh ngôn ngữ cho đối tượng khảo sát. Không nên dịch máy một bộ biến quan sát rồi đưa ngay vào bảng hỏi. Cùng là “chi phí giao dịch”, cách trả lời của người tiêu dùng, nhân viên mua hàng và chủ doanh nghiệp sẽ khác nhau.

Một thang đo tham khảo có thể dùng Likert 5 hoặc 7 mức, từ hoàn toàn không đồng ý đến hoàn toàn đồng ý. Likert là kỹ thuật đo lường thái độ được giới thiệu trong (Likert, 1932). Số mức không tự động quyết định chất lượng dữ liệu, vì vậy bạn cần giữ cách diễn đạt nhất quán và giải thích rõ hai đầu mút của thang đo.

Với mỗi khái niệm, nên bắt đầu bằng ba đến năm biến quan sát. Một biến quan sát tốt chỉ tập trung vào một ý. Câu “Việc tìm kiếm và kiểm tra thông tin mất nhiều thời gian và thường gây khó khăn” đang chứa hai ý, người trả lời có thể đồng ý với phần này nhưng không đồng ý với phần kia.

Sau khảo sát thử, bạn kiểm tra Cronbach's Alpha, Corrected Item-Total Correlation và EFA hoặc measurement model tùy phương pháp. Cronbach's Alpha từ 0.7 trở lên thường được xem là chấp nhận được (Nunnally, 1978). Với thang đo mới hoặc nghiên cứu khám phá, alpha từ 0.6 có thể được xem xét (Hair và cộng sự, 2010). Corrected Item-Total Correlation từ 0.3 trở lên là ngưỡng thường dùng (Nunnally và Bernstein, 1994).

Đừng loại biến chỉ vì muốn bảng kết quả đẹp. Nếu một biến có tương quan thấp, hãy xem lại nội dung câu hỏi, cách mã hóa, lỗi nhập liệu và ý nghĩa lý thuyết trước khi xóa. Việc loại biến phải được ghi lại theo từng vòng chạy để bạn giải trình được với giảng viên.

Áp dụng vào đề tài của bạn

Giả sử bạn nghiên cứu ý định tiếp tục hợp tác của các cửa hàng với một nền tảng thương mại điện tử. Mô hình có thể gồm chi phí giao dịch cảm nhận, bất định giao dịch, niềm tin và ý định tiếp tục hợp tác. Đây là ví dụ minh họa để bạn hình dung cách chuyển khái niệm thành giả thuyết, không phải kết quả của một nghiên cứu thật.

Mô hình khái niệm có thể đặt như sau: chi phí giao dịch cảm nhận và bất định giao dịch là biến giải thích; niềm tin là biến trung gian hoặc biến điều tiết; ý định tiếp tục hợp tác là biến phụ thuộc. Bạn cần chọn một vai trò cho niềm tin trước khi viết bảng hỏi, vì hai vai trò này dẫn đến giả thuyết và cách kiểm định khác nhau.

Các giả thuyết minh họa:

• H1: Chi phí giao dịch cảm nhận có tác động ngược chiều đến ý định tiếp tục hợp tác.
• H2: Bất định giao dịch có tác động ngược chiều đến ý định tiếp tục hợp tác.
• H3: Chi phí giao dịch cảm nhận có tác động ngược chiều đến niềm tin.
• H4: Niềm tin có tác động cùng chiều đến ý định tiếp tục hợp tác.

Nếu bạn muốn kiểm tra vai trò trung gian, có thể thêm giả thuyết rằng niềm tin truyền dẫn một phần tác động của chi phí giao dịch đến ý định tiếp tục hợp tác. Khi đó, cần kiểm định indirect effect bằng bootstrapping. Một indirect effect được xem là có ý nghĩa khi khoảng tin cậy bootstrap không chứa số 0 (Preacher và Hayes, 2008).

Hãy kiểm tra khả năng thu thập dữ liệu trước khi chốt mô hình. Người trả lời phải từng thực hiện giao dịch hoặc có đủ thông tin để đánh giá thời gian tìm kiếm, thương lượng và giám sát. Nếu bạn khảo sát sinh viên nhưng đặt câu hỏi về hợp đồng mua nguyên liệu doanh nghiệp, dữ liệu thu được có thể thiếu cơ sở.

Cách viết vào luận văn: “Dựa trên mục tiêu nghiên cứu, đề tài đề xuất mô hình gồm [tên biến độc lập], [tên biến trung gian hoặc điều tiết] và [tên biến phụ thuộc]. Các giả thuyết H1 đến H4 được xây dựng để kiểm định mối quan hệ giữa [khái niệm A] và [khái niệm B] trong bối cảnh [đối tượng và địa bàn nghiên cứu].”

Cách kiểm định mô hình bằng SPSS hoặc SmartPLS

SPSS phù hợp khi bạn dùng thang đo tổng hợp và muốn chạy Cronbach's Alpha, EFA, tương quan, hồi quy hoặc PROCESS. Đường dẫn thường dùng để kiểm tra độ tin cậy là Analyze > Scale > Reliability Analysis. Trong hộp thoại Statistics, chọn Item, Scale và Scale if item deleted để xem Corrected Item-Total Correlation và alpha nếu loại từng biến.

Sau đó, bạn có thể chạy EFA tại Analyze > Dimension Reduction > Factor. Chọn KMO and Bartlett's test, phương pháp trích Principal Axis Factoring nếu phù hợp với thiết kế, và phép xoay oblique như Promax khi các nhân tố có thể tương quan. KMO từ 0.5 trở lên và Bartlett's Test có Sig. dưới 0.05 thường được dùng để xem dữ liệu phù hợp cho phân tích nhân tố (Kaiser, 1974). Factor loading từ 0.5 trở lên là ngưỡng tham khảo thường gặp (Hair và cộng sự, 2010).

Nếu mô hình có biến tiềm ẩn, nhiều giả thuyết và bạn muốn dùng bootstrapping cho path coefficient, SmartPLS 4 thường thuận tiện hơn. Bạn tạo measurement model bằng cách nối các biến quan sát vào construct, sau đó nối các construct theo giả thuyết. Hãy đặt tên chỉ báo nhất quán, lưu dữ liệu dạng .csv và kiểm tra mỗi cột là một biến quan sát, mỗi dòng là một người trả lời.

Trong SmartPLS 4, chạy Calculate > PLS-SEM Algorithm để xem Outer Loadings, Cronbach's Alpha, Composite Reliability, AVE và R². Chạy tiếp Calculate > Bootstrapping, chọn số subsamples theo thiết kế báo cáo của bạn. Mức 5.000 bootstrap subsamples là quy trình được nêu trong (Hair và cộng sự, 2022).

Bảng trên là số liệu minh họa, không phải kết quả từ nghiên cứu của bạn. Khi viết chương 4, hãy thay bằng số liệu trong file output của chính bạn. Với PLS-SEM, VIF dưới 5 là ngưỡng thường được báo cáo (Hair và cộng sự, 2019), CR từ 0.7 và AVE từ 0.5 là các mốc thường dùng (Fornell và Larcker, 1981). R² có thể được diễn giải theo các mức 0.75, 0.50 và 0.25 trong PLS-SEM (Hair và cộng sự, 2011).

Nếu dùng SPSS, bạn không nên bê nguyên các chỉ số của SmartPLS vào phần hồi quy. Ngược lại, nếu dùng SmartPLS, không đưa CFI, TLI hoặc RMSEA của CB-SEM vào phần đánh giá PLS-SEM. Các chỉ số fit này thuộc bối cảnh CB-SEM và được trình bày trong (Hu và Bentler, 1999).

Lỗi thường gặp khi dùng mô hình này

Lỗi đầu tiên là dùng “chi phí giao dịch” như một nhãn chung cho mọi bất tiện. Bạn cần xác định bất tiện đó phát sinh ở giai đoạn tìm kiếm, thương lượng, giám sát hay thực thi. Nếu không tách được nội dung, các biến quan sát sẽ chồng lấn với chất lượng dịch vụ, giá cả hoặc sự thuận tiện.

Lỗi thứ hai là lấy thang đo từ một bối cảnh không tương thích. Thang đo dành cho quan hệ doanh nghiệp không thể đưa nguyên văn vào khảo sát người tiêu dùng cá nhân. Bạn cần đổi chủ thể, thời điểm giao dịch và từ ngữ, sau đó thử nghiệm trên một nhóm nhỏ trước khi thu mẫu chính thức.

Lỗi thứ ba là thêm quá nhiều biến điều tiết và trung gian. Mỗi mối quan hệ mới làm tăng yêu cầu về cỡ mẫu, lý giải lý thuyết và cách trình bày. Hãy bắt đầu từ câu hỏi nghiên cứu, sau đó mới quyết định mô hình cần bao nhiêu đường dẫn.

Lỗi thứ tư là loại biến theo alpha mà không đọc nội dung. Cronbach's Alpha tăng sau khi xóa một biến chưa đủ để chứng minh thang đo tốt. Bạn cần xem Corrected Item-Total Correlation, nội dung khái niệm, kết quả EFA hoặc measurement model và lý do lý thuyết.

Lỗi cuối là viết giả thuyết theo kết quả đã chạy. Giả thuyết phải được xây dựng trước khi kiểm định. Nếu kết quả không có ý nghĩa thống kê, bạn báo cáo kết quả đó và giải thích trong giới hạn dữ liệu, thay vì sửa giả thuyết để làm cho mô hình đẹp hơn.

Đọc thêm: 7s mckinsey là gì, balanced scorecard là gì.

Câu hỏi thường gặp

Chi phí giao dịch có phải là chi phí bằng tiền không

Không chỉ là chi phí bằng tiền. Trong bảng hỏi, bạn có thể đo thời gian, công sức, độ khó, rủi ro và nguồn lực cần thiết để hoàn thành giao dịch. Nếu đề tài chỉ có dữ liệu kế toán, bạn cần định nghĩa lại biến theo khoản chi phí thực tế có thể quan sát.

Chi phí giao dịch nên là biến độc lập hay biến phụ thuộc

Vai trò phụ thuộc vào câu hỏi nghiên cứu. Bạn có thể dùng nó làm biến độc lập để giải thích ý định hợp tác, lựa chọn nhà cung cấp hoặc quyết định sử dụng nền tảng. Bạn cũng có thể xem nó là biến trung gian nếu một đặc điểm của giao dịch làm phát sinh chi phí, rồi chi phí đó ảnh hưởng đến kết quả.

Có thể dùng thang đo tự xây dựng không

Có thể, nhưng bạn cần nêu rõ cơ sở khái niệm, quy trình phát triển biến quan sát và bước kiểm tra độ tin cậy, giá trị. Thang đo tự xây dựng không nên được trình bày như một thang đo đã được công nhận rộng rãi. Hãy ghi rõ đây là bộ biến quan sát được điều chỉnh cho bối cảnh nghiên cứu.

Nên chạy SPSS hay SmartPLS

SPSS phù hợp với quy trình Cronbach's Alpha, EFA, hồi quy và kiểm định trung gian bằng PROCESS. SmartPLS phù hợp khi mô hình có nhiều construct, bạn muốn đánh giá Outer Loadings, CR, AVE, HTMT, path coefficient và bootstrapping trong cùng một quy trình. Lựa chọn nên dựa vào mô hình, cỡ mẫu, yêu cầu của giảng viên và khả năng giải thích khi bảo vệ.

Chi phí giao dịch không đạt Cronbach's Alpha thì phải làm sao

Trước hết, kiểm tra mã hóa, biến đảo chiều, dữ liệu thiếu và các dòng trả lời bất thường. Sau đó xem Corrected Item-Total Correlation và nội dung từng biến. Nếu loại một biến có cơ sở lý thuyết và làm thang đo hợp lý hơn, bạn có thể loại, nhưng cần ghi lại quyết định và chạy lại mô hình theo đúng thứ tự.

Mở file dữ liệu của bạn, viết định nghĩa thao tác cho từng thành phần chi phí giao dịch, lập danh sách biến quan sát cần kiểm tra rồi chạy Cronbach's Alpha trước khi quyết định chỉnh mô hình; nếu cần hỗ trợ chạy phân tích trên chính file .sav hoặc .csv, bạn có thể dùng M4 phân tích dữ liệu của DoThesis.