Điều kiện thuận lợi là gì và đo bằng thang đo nào
Bạn đang xây dựng mô hình nghiên cứu về ý định sử dụng một ứng dụng, nền tảng hoặc dịch vụ công nghệ và gặp biến “điều kiện thuận lợi”. Khái niệm này thường xuất hiện trong UTAUT và UTAUT2, nhưng rất dễ bị viết thành một câu chung chung như “người dùng có đủ điều kiện để sử dụng”. Khi đưa vào bảng hỏi, bạn cần tách nó thành các biến quan sát có nội dung rõ ràng, phù hợp với bối cảnh Việt Nam và có thể kiểm định bằng dữ liệu .sav hoặc .csv.
Bài này đi theo hướng thực hành. Bạn sẽ thấy nguồn thang đo, bộ biến quan sát tham khảo, cách điều chỉnh câu chữ, thứ tự chạy Cronbach's Alpha và EFA trong SPSS, hoặc kiểm định measurement model trong SmartPLS. Các câu tiếng Việt dưới đây chỉ là điểm bắt đầu để bạn điều chỉnh, không phải bản dịch đã được xác nhận cho mọi đề tài.
Điều kiện thuận lợi là gì và được đo bằng gì
Điều kiện thuận lợi, thường viết bằng tiếng Anh là facilitating conditions, phản ánh mức độ một cá nhân cảm nhận rằng họ có nguồn lực, kiến thức, thiết bị và sự hỗ trợ cần thiết để sử dụng một hệ thống hoặc dịch vụ. Trong UTAUT, biến này thường gắn với hành vi sử dụng thực tế. Trong UTAUT2, nó tiếp tục được dùng để giải thích việc người tiêu dùng chấp nhận và sử dụng công nghệ (Venkatesh và cộng sự, 2003) (Venkatesh và cộng sự, 2012).
Ví dụ, nếu đề tài của bạn nghiên cứu thanh toán điện tử, người trả lời có thể đánh giá họ có điện thoại phù hợp, có kết nối Internet, biết cách sử dụng và nhận được hỗ trợ khi gặp sự cố. Nếu đề tài nghiên cứu học trực tuyến, điều kiện thuận lợi có thể liên quan đến thiết bị, đường truyền, kỹ năng thao tác và hướng dẫn từ nhà trường.
Khái niệm này thường được đo bằng nhiều biến quan sát trên thang Likert 5 hoặc 7 mức. Với thang Likert, bạn cần ghi rõ ý nghĩa các mức trong bảng hỏi, chẳng hạn 1 là “Hoàn toàn không đồng ý” và 5 là “Hoàn toàn đồng ý”. Cơ sở của thang Likert bắt nguồn từ kỹ thuật đo lường thái độ của Likert (Likert, 1932).
Bạn nên phân biệt điều kiện thuận lợi với ảnh hưởng xã hội. Ảnh hưởng xã hội hỏi người khác có tác động khiến bạn muốn sử dụng hay không, còn điều kiện thuận lợi hỏi bạn có đủ nguồn lực và hỗ trợ để sử dụng hay không. Khi xây dựng mô hình, bạn có thể xem thêm cách diễn giải ảnh hưởng xã hội là gì và chuẩn chủ quan là gì để tránh trộn nội dung giữa các biến.
Nguồn thang đo gốc
Nguồn gần nhất với khái niệm này là UTAUT và UTAUT2. Bạn không nên ghi rằng thang đo “tự xây dựng” nếu thực tế đang kế thừa các biến quan sát từ mô hình có trước. Cách an toàn hơn là nêu nguồn gốc, sau đó mô tả quá trình dịch, điều chỉnh và kiểm định lại trong bối cảnh nghiên cứu của bạn.
| Nguồn | Năm | Số biến quan sát tham khảo | Bối cảnh gốc | Cách sử dụng trong đề tài |
|---|---|---|---|---|
| Venkatesh và cộng sự | 2003 | 4 biến cho facilitating conditions | Chấp nhận và sử dụng công nghệ | Tham khảo khi nghiên cứu hệ thống tổ chức hoặc công nghệ thông tin |
| Venkatesh và cộng sự | 2012 | 4 biến cho facilitating conditions | Chấp nhận và sử dụng công nghệ của người tiêu dùng | Phù hợp hơn với ứng dụng, nền tảng và dịch vụ hướng tới người tiêu dùng |
UTAUT được phát triển để hợp nhất các yếu tố giải thích ý định và hành vi sử dụng công nghệ (Venkatesh và cộng sự, 2003). UTAUT2 mở rộng mô hình theo bối cảnh người tiêu dùng, trong đó có các biến như động lực hưởng thụ và giá trị giá cả (Venkatesh và cộng sự, 2012). Nếu đề tài của bạn có các biến này, hãy xem động lực hưởng thụ là gì và giá trị giá cả là gì để giữ ranh giới khái niệm.
Số biến trong bảng là số tham khảo từ nguồn gốc, không phải quy định bắt buộc cho nghiên cứu của bạn. Bạn có thể loại một biến nếu nó không phù hợp với bối cảnh, nhưng cần ghi lại lý do và kết quả kiểm định. Việc thêm quá nhiều biến chỉ để làm thang đo “đầy đủ” thường khiến nội dung các biến bị chồng lấn.
Bộ biến quan sát tham khảo
Bảng sau là số liệu minh họa về nội dung biến quan sát, không phải kết quả của một nghiên cứu và cũng không phải bản dịch được xác nhận. Mã FC1 đến FC4 chỉ giúp bạn tổ chức bảng hỏi và file dữ liệu. Hãy thay tên hệ thống, ứng dụng hoặc dịch vụ bằng đối tượng thật trong đề tài.
| Mã | Nội dung tiếng Việt tham khảo | Nội dung đo lường chính | Gợi ý điều chỉnh |
|---|---|---|---|
| FC1 | Tôi có đủ nguồn lực cần thiết để sử dụng [tên hệ thống]. | Nguồn lực hỗ trợ | Nêu rõ thiết bị, tài khoản hoặc chi phí nếu đó là điều kiện thực tế |
| FC2 | Tôi có đủ kiến thức để sử dụng [tên hệ thống]. | Kiến thức và kỹ năng | Thay “kiến thức” bằng thao tác cụ thể nếu người trả lời dễ hiểu sai |
| FC3 | [Tên hệ thống] tương thích với các thiết bị hoặc cách thức sử dụng của tôi. | Tính tương thích | Chỉ giữ biến này khi khả năng tương thích thật sự ảnh hưởng đến việc dùng |
| FC4 | Tôi có thể nhận được sự hỗ trợ khi gặp khó khăn trong quá trình sử dụng. | Hỗ trợ kỹ thuật hoặc tổ chức | Xác định hỗ trợ đến từ nhà cung cấp, nhà trường hay nhân viên |
Bạn không nên biến FC1 thành một câu hỏi hai ý như “Tôi có thiết bị tốt, Internet ổn định và đủ tiền để sử dụng”. Nếu người trả lời đồng ý với thiết bị nhưng không đồng ý với chi phí, bạn sẽ không biết họ đang đánh giá phần nào. Tách biến khi các nguồn lực đó có thể khác nhau về bản chất.
Nếu dùng bảng hỏi tiếng Việt, hãy kiểm tra từng từ với đối tượng khảo sát. “Nguồn lực” có thể quá trừu tượng với một số nhóm người trả lời. Trong trường hợp đó, bạn có thể viết “Tôi có điện thoại và kết nối Internet cần thiết để sử dụng [tên ứng dụng]”, miễn là câu này đúng với mô hình khái niệm của bạn.
Điều chỉnh thang đo cho bối cảnh Việt Nam
Bắt đầu bằng việc lập bảng đối chiếu gồm câu gốc, bản dịch dự kiến, khái niệm cần đo và lý do chỉnh sửa. Cách làm này giúp bạn giải trình khi giảng viên hỏi vì sao FC2 trong bảng hỏi khác với câu trong nghiên cứu gốc. Đừng sửa câu chỉ để nghe tự nhiên hơn nếu việc sửa làm thay đổi khái niệm.
Xác định đối tượng và tình huống sử dụng
Viết rõ ai là người trả lời, họ sử dụng hệ thống nào và trong hoàn cảnh nào. “Tôi có thể nhận được hỗ trợ” sẽ khác nhau giữa sinh viên dùng cổng học tập của trường và khách hàng dùng ví điện tử. Tên hệ thống, nơi nhận hỗ trợ và loại thiết bị cần xuất hiện nhất quán trong phần hướng dẫn bảng hỏi.
Kiểm tra câu chữ và biến đảo chiều
Mỗi biến nên tập trung vào một ý. Tránh phủ định kép như “Tôi không gặp khó khăn khi không có hỗ trợ”. Nếu bắt buộc dùng biến đảo chiều, đánh dấu rõ trong codebook và mã hóa lại trước khi chạy Cronbach's Alpha. Một biến đảo chiều bị nhập sai mã có thể làm tương quan âm và khiến bạn loại nhầm cả thang đo.
Chạy khảo sát thử
Bạn có thể phát bảng hỏi thử cho một nhóm nhỏ có đặc điểm gần với mẫu chính để phát hiện từ khó hiểu, câu hỏi trùng nghĩa hoặc lựa chọn trả lời thiếu. Đây là bước kiểm tra nội dung và thao tác, chưa phải căn cứ để kết luận thang đo đạt. Sau khảo sát thử, sửa bảng hỏi trước khi khóa mã biến và thu thập dữ liệu chính thức.
Khi mô hình của bạn còn có các khái niệm khác, hãy đặt chúng trong mô hình nghiên cứu tổng thể thay vì xem điều kiện thuận lợi tách rời. Trang Mô hình nghiên cứu có thể giúp bạn rà lại quan hệ giữa biến độc lập, biến phụ thuộc và các biến điều tiết trước khi chốt bảng hỏi.
Kiểm định độ tin cậy và giá trị của thang đo
Với dữ liệu định lượng, thứ tự thường dùng là kiểm tra dữ liệu, chạy Cronbach's Alpha, chạy EFA nếu nghiên cứu theo hướng SPSS, sau đó kiểm định mô hình đo lường và mô hình cấu trúc nếu dùng SmartPLS. Bạn không nên xóa biến chỉ vì muốn bảng kết quả đẹp. Mỗi lần loại biến cần dựa trên chỉ số, nội dung lý thuyết và khả năng giải thích của thang đo.
| Chỉ tiêu | Mức tham khảo | Nguồn | Cách đọc hoặc cách kiểm tra |
|---|---|---|---|
| Cronbach's Alpha | Từ 0.70 trở lên | (Nunnally, 1978) | Xem bảng Reliability Statistics; thang đo khám phá có thể cân nhắc Alpha từ 0.60 theo (Hair và cộng sự, 2010) |
| Corrected Item-Total Correlation | Từ 0.30 trở lên | (Nunnally và Bernstein, 1994) | Xem bảng Item-Total Statistics, cột Corrected Item-Total Correlation |
| Factor loading | Từ 0.50 trở lên | (Hair và cộng sự, 2010) | Xem Rotated Component Matrix trong EFA |
| KMO | Từ 0.50 trở lên | (Kaiser, 1974) | Xem bảng KMO and Bartlett's Test |
| Bartlett's Test | p-value dưới 0.05 | (Kaiser, 1974) | Dùng để xem ma trận tương quan có phù hợp cho EFA hay không |
| Total variance explained | Từ 50% trở lên | (Hair và cộng sự, 2010) | Xem bảng Total Variance Explained |
| Outer loading trong PLS-SEM | Từ 0.70 trở lên | (Chin, 1998) hoặc (Hair và cộng sự, 2022) | Xem bảng Outer Loadings |
| CR và AVE trong PLS-SEM | CR từ 0.70, AVE từ 0.50 | (Fornell và Larcker, 1981) | Xem Construct Reliability and Validity |
| HTMT | Dưới 0.85 hoặc 0.90 | (Henseler và cộng sự, 2015) | Xem Discriminant Validity |
Trong SPSS, vào Analyze > Scale > Reliability Analysis, đưa FC1 đến FC4 vào ô Items. Chọn Model: Alpha, bấm Statistics, đánh dấu Item, Scale và Scale if item deleted, sau đó xem Reliability Statistics và Item-Total Statistics. Nếu Corrected Item-Total Correlation của FC3 thấp, bạn đọc lại nội dung FC3 trước khi xóa, vì nguyên nhân có thể nằm ở cách diễn đạt hoặc mẫu khảo sát, không chỉ ở con số.
Nếu chạy EFA, vào Analyze > Dimension Reduction > Factor. Kiểm tra KMO and Bartlett's Test, Total Variance Explained và Rotated Component Matrix. Trong Extraction, quy tắc eigenvalue trên 1 được gắn với (Kaiser, 1960). Phần Rotation cần phù hợp với giả định về các nhân tố, và bạn phải xem các biến FC có tập trung vào cùng một nhân tố hay bị tải chéo.
Trong SmartPLS 4, bạn tạo construct điều kiện thuận lợi, kéo các indicator FC1 đến FC4 vào construct, chạy PLS-SEM Algorithm, rồi đọc Outer Loadings, Construct Reliability and Validity và Discriminant Validity. Với mô hình cấu trúc, kiểm tra thêm VIF, path coefficient, R², f² và bootstrapping. VIF dưới 5 có thể tham khảo (Hair và cộng sự, 2019), còn quy trình PLS-SEM và 5.000 bootstrap subsamples có thể tham khảo (Hair và cộng sự, 2022).
Bảng dưới đây mô phỏng cách một phần kết quả có thể xuất hiện. Đây là số liệu minh họa, không phải kết quả nghiên cứu của bạn.
| Output SmartPLS 4 | FC1 | FC2 | FC3 | FC4 |
|---|---|---|---|---|
| Outer Loading | 0.812 | 0.776 | 0.694 | 0.831 |
| Cronbach's Alpha | 0.846 | |||
| Composite Reliability | 0.895 | |||
| Average Variance Extracted (AVE) | 0.682 |
Trong minh họa này, FC3 thấp hơn 0.70 nhưng vẫn ở mức cần xem xét cùng nội dung lý thuyết, CR và AVE. Bạn không thể kết luận giữ hoặc xóa FC3 chỉ từ một ô số. Với dữ liệu SPSS, bảng output sẽ có cấu trúc khác, chẳng hạn Reliability Statistics có Cronbach's Alpha và số biến, còn Item-Total Statistics có Corrected Item-Total Correlation và Cronbach's Alpha if Item Deleted.
Cách viết vào luận văn: “Thang đo điều kiện thuận lợi được kế thừa và điều chỉnh từ Venkatesh và cộng sự (năm) với [số lượng] biến quan sát, gồm [mã biến]. Sau khi khảo sát [đối tượng] tại [bối cảnh], thang đo được đánh giá bằng [Cronbach's Alpha/EFA/PLS-SEM]. Các biến bị loại, nếu có, gồm [mã biến] do [lý do dựa trên kết quả và nội dung lý thuyết].” Bạn thay toàn bộ phần trong ngoặc vuông bằng thông tin thật từ file của mình.
Cách trình bày thang đo trong chương 3
Trong chương 3, trình bày theo bốn lớp thông tin. Thứ nhất là định nghĩa điều kiện thuận lợi và vai trò của biến trong mô hình. Thứ hai là nguồn thang đo, gồm tác giả, năm và bối cảnh gốc. Thứ ba là bảng mã biến, câu hỏi tiếng Việt và thang đo Likert. Thứ tư là quy trình kiểm định dự kiến, gồm Cronbach's Alpha, EFA hoặc SmartPLS.
Một bảng thang đo nên có các cột “mã biến”, “nội dung biến quan sát”, “nguồn tham khảo” và “thang đo”. Nếu bạn chỉnh sửa câu gốc, ghi chú “điều chỉnh cho bối cảnh [đối tượng nghiên cứu]” thay vì trình bày bản dịch như một thang đo mới đã được xác nhận.
Bạn cũng cần thống nhất mã giữa bảng hỏi và file dữ liệu. Nếu bảng hỏi dùng FC1, FC2, FC3, FC4 nhưng file SPSS lại dùng DK1, DK2, DK3, hãy có codebook để đối chiếu. Khi viết chương 4, dùng đúng mã trong output để người đọc có thể kiểm tra đường đi từ bảng hỏi đến kết quả.
Lỗi thường gặp
Lỗi đầu tiên là dùng điều kiện thuận lợi để đo ý định sử dụng. Hai khái niệm này có thể liên quan nhưng không cùng nội dung. Ý định hỏi người trả lời có dự định sử dụng, còn điều kiện thuận lợi hỏi nguồn lực và sự hỗ trợ hiện có.
Lỗi thứ hai là trộn “dễ sử dụng” vào thang đo này. Cảm nhận dễ sử dụng thường thuộc nhóm nhận thức về nỗ lực hoặc tính dễ sử dụng, không tự động là điều kiện thuận lợi. Nếu bạn muốn đưa biến đó vào mô hình, hãy định nghĩa riêng và tìm nguồn thang đo phù hợp.
Lỗi thứ ba là dịch “facilitating conditions” thành “điều kiện thuận tiện” rồi viết các câu hỏi về sự tiện lợi của dịch vụ. “Tiện lợi” có thể nói về trải nghiệm hoặc lợi ích, trong khi “điều kiện thuận lợi” nói về khả năng và hỗ trợ để sử dụng. Hai cách diễn đạt này cần được phân biệt ngay từ phần cơ sở lý thuyết.
Lỗi thứ tư là xóa FC3 vì Alpha tăng sau khi xóa mà không kiểm tra nội dung. Bạn cần xem Corrected Item-Total Correlation, bảng tương quan, factor loading, ý nghĩa lý thuyết và lý do khảo sát. Một thang đo ít biến hơn chưa chắc là thang đo tốt hơn.
Lỗi cuối là đưa chỉ số CFI, TLI hoặc RMSEA vào bài SmartPLS. Đây là nhóm chỉ số thường gắn với CB-SEM, không phải bộ tiêu chí cốt lõi của PLS-SEM. Với SmartPLS, hãy giữ đúng nhóm outer loading, CR, AVE, HTMT, VIF, path coefficient, R² và bootstrapping.
Câu hỏi thường gặp
Điều kiện thuận lợi có phải là biến độc lập không
Có thể là biến độc lập, nhưng vị trí của nó phụ thuộc vào mô hình và giả thuyết của bạn. Trong một số mô hình, điều kiện thuận lợi dự đoán hành vi sử dụng; trong mô hình khác, nó có thể liên quan đến ý định hoặc được dùng cùng biến điều tiết. Bạn cần căn cứ vào mô hình lý thuyết và quan hệ giả thuyết cụ thể.
Thang đo điều kiện thuận lợi nên có bao nhiêu biến quan sát
Nguồn UTAUT và UTAUT2 thường cung cấp một nhóm biến quan sát cho khái niệm này, nhưng số lượng cuối cùng phải phụ thuộc vào bối cảnh. Bạn nên ưu tiên các biến bao quát nguồn lực, kiến thức, khả năng tương thích và hỗ trợ, thay vì thêm câu hỏi trùng nghĩa để tăng số lượng.
Có thể dùng thang đo điều kiện thuận lợi cho đề tài ngoài công nghệ không
Có thể tham khảo nếu đối tượng nghiên cứu thật sự cần nguồn lực hoặc hỗ trợ để thực hiện hành vi. Tuy nhiên, bạn phải điều chỉnh khái niệm và câu chữ. Một thang đo phát triển cho việc sử dụng ứng dụng không nên bê nguyên sang nghiên cứu về một hành vi không có hệ thống hoặc nền tảng tương tự.
Nếu Cronbach's Alpha thấp thì phải làm sao
Đầu tiên, kiểm tra mã hóa, biến đảo chiều, dữ liệu thiếu và các câu trả lời bất thường. Sau đó xem Corrected Item-Total Correlation và nội dung từng biến. Chỉ loại biến khi có lý do thống kê kết hợp với lý do lý thuyết, rồi chạy lại và ghi rõ các vòng xử lý trong báo cáo.
Nên chạy SPSS hay SmartPLS cho thang đo này
SPSS phù hợp khi bạn cần Cronbach's Alpha và EFA theo quy trình phổ biến trong nhiều luận văn. SmartPLS phù hợp khi mô hình có biến tiềm ẩn và bạn muốn đánh giá measurement model cùng structural model trong PLS-SEM. Công cụ không thay thế cho việc xác định đúng khái niệm, nguồn thang đo và cách thu thập dữ liệu.
Mở file bảng hỏi và codebook của bạn ngay bây giờ, thay [tên hệ thống], [đối tượng nghiên cứu] và các mã FC bằng thông tin thật, sau đó kiểm tra từng biến trước khi chạy Cronbach's Alpha. Nếu cần chạy phân tích trên chính file .sav hoặc .csv của bạn, M4 phân tích dữ liệu của DoThesis là bước tiếp theo phù hợp.