Độ tin cậy của người ảnh hưởng là gì? Cách đo và kiểm định
Độ tin cậy của người ảnh hưởng là gì và được đo bằng gì
Độ tin cậy của người ảnh hưởng là mức độ người xem cảm nhận rằng một người tạo nội dung, KOL hoặc KOC đáng tin, chân thật và có thể dựa vào khi đánh giá một sản phẩm, thương hiệu hoặc thông điệp quảng cáo. Trong mô hình nghiên cứu, đây thường là một biến tiềm ẩn. Bạn không đo trực tiếp biến này bằng một câu hỏi duy nhất, mà dùng nhiều biến quan sát cùng phản ánh một khái niệm.
Ví dụ, khi một người ảnh hưởng giới thiệu mỹ phẩm, người trả lời có thể đánh giá họ qua các khía cạnh như nói đúng sự thật, đưa ra nhận xét đáng tin, trình bày trung thực và không cố thuyết phục quá mức. Các biến quan sát này thường được đo bằng thang Likert, chẳng hạn từ 1 là “Hoàn toàn không đồng ý” đến 5 là “Hoàn toàn đồng ý”. Thang Likert bắt nguồn từ kỹ thuật đo lường thái độ của Likert (1932).
Bạn cần phân biệt độ tin cậy của người ảnh hưởng với mức độ nổi tiếng, số lượng người theo dõi hoặc mức độ chuyên môn. Một người có nhiều người theo dõi chưa chắc được xem là đáng tin. Tương tự, một người có chuyên môn cao có thể vẫn bị đánh giá là thiếu chân thật nếu khán giả cho rằng nội dung quảng cáo quá thiên lệch.
Trong đề tài, khái niệm này có thể là biến độc lập tác động đến thái độ đối với quảng cáo, ý định mua hoặc niềm tin vào thương hiệu. Nếu mô hình của bạn nghiên cứu hành vi trên mạng xã hội, hãy xem thêm các khái niệm liên quan trong bài quảng cáo trên mạng xã hội là gì và giá trị quảng cáo cảm nhận là gì.
Nguồn thang đo gốc
Đây là phần cần làm cẩn thận vì tên gọi “độ tin cậy của người ảnh hưởng” có thể được sử dụng khác nhau giữa các bài nghiên cứu. Danh mục nguồn được phép trích dẫn của bài viết này không có công trình gốc chuyên biệt cho thang đo influencer credibility. Vì vậy, bạn không nên tự ghi một tác giả và năm xuất bản chưa kiểm tra vào chương 3.
Bảng dưới đây phân biệt nguồn dùng cho cấu trúc đo lường với nguồn dùng cho khái niệm. (Likert, 1932) chỉ hỗ trợ việc sử dụng thang Likert, không chứng minh rằng bộ biến quan sát bên dưới là thang đo gốc đã được xác nhận cho người ảnh hưởng.
| Nguồn | Năm | Phạm vi có thể sử dụng | Lưu ý khi đưa vào luận văn |
|---|---|---|---|
| (Likert, 1932) | 1932 | Kỹ thuật đo thái độ bằng thang Likert | Dùng để giải thích dạng thang đo, không dùng làm nguồn gốc của influencer credibility |
| (Nguyễn Đình Thọ, 2011) | 2011 | Quy trình xây dựng, điều chỉnh và đánh giá thang đo trong nghiên cứu kinh doanh | Dùng để trình bày phương pháp, không thay thế nguồn thang đo khái niệm |
| (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008) | 2008 | Thực hành kiểm định thang đo bằng SPSS | Dùng khi mô tả các bước chạy và đọc output SPSS |
| (Cronbach, 1951) | 1951 | Cơ sở của hệ số Cronbach's Alpha | Dùng để giải thích chỉ số độ tin cậy nội tại |
Nếu bạn đã có bài báo gốc từ giảng viên hoặc từ quá trình tổng quan tài liệu, hãy ghi đúng tác giả, năm, bối cảnh và số biến quan sát của bài đó. Nếu chưa xác minh được nguồn, hãy gọi bảng dưới đây là “bộ biến quan sát tham khảo” và ghi rõ bạn đã điều chỉnh cho bối cảnh nghiên cứu. Phần này ảnh hưởng trực tiếp đến khả năng giải trình khi hội đồng hỏi: “Các biến này lấy từ đâu?”.
Trong mô hình thuộc nhóm marketing nội dung, bạn có thể đối chiếu cách phân biệt người tạo nội dung, thông điệp và phản ứng của người tiêu dùng qua bài marketing nội dung là gì. Đừng gộp các biến của những khái niệm khác vào cùng một thang đo chỉ vì chúng đều xuất hiện trong cùng một bài đăng.
Bộ biến quan sát tham khảo
Các câu dưới đây chỉ là điểm bắt đầu để bạn soạn bảng hỏi. Chúng chưa phải bản dịch được thẩm định và chưa phải kết quả của một nghiên cứu cụ thể. Bạn cần thay cụm “người ảnh hưởng này” bằng cách gọi phù hợp với bối cảnh, chẳng hạn “người ảnh hưởng mà tôi theo dõi” hoặc tên nhóm KOL trong đề tài.
| Mã biến | Wording tiếng Việt tham khảo | Ý nghĩa cần giữ khi chỉnh câu |
|---|---|---|
| DTC1 | Tôi cảm thấy người ảnh hưởng này đưa ra thông tin đáng tin cậy. | Mức độ tin vào thông tin |
| DTC2 | Tôi cho rằng người ảnh hưởng này trình bày nhận xét một cách chân thật. | Cảm nhận về sự chân thật |
| DTC3 | Tôi tin rằng người ảnh hưởng này không cố tình che giấu những thông tin bất lợi về sản phẩm. | Cảm nhận về tính minh bạch |
| DTC4 | Tôi có thể dựa vào nhận xét của người ảnh hưởng này khi đánh giá sản phẩm. | Khả năng dựa vào nhận xét |
| DTC5 | Người ảnh hưởng này giữ sự nhất quán giữa nội dung chia sẻ và đánh giá của họ. | Sự nhất quán trong thông điệp |
Các biến trên đang dùng cùng một chủ thể là “người ảnh hưởng này”. Nếu mỗi người trả lời nghĩ đến một KOL khác nhau, câu trả lời sẽ phản ánh nhiều đối tượng và làm tăng nhiễu. Ở đầu bảng hỏi, bạn nên có câu sàng lọc, ví dụ: “Trong ba tháng gần đây, bạn có theo dõi nội dung quảng bá sản phẩm của ít nhất một người ảnh hưởng trên mạng xã hội không?”. Sau đó yêu cầu họ nghĩ đến cùng một người ảnh hưởng trong toàn bộ phần trả lời.
Bạn cũng cần tránh hai lỗi thường gặp trong wording. Thứ nhất, một biến quan sát không nên hỏi đồng thời hai ý, như “người ảnh hưởng này chân thật và có chuyên môn”. Thứ hai, không nên dùng câu quá tuyệt đối như “người ảnh hưởng này luôn nói đúng sự thật”, vì người trả lời khó đồng ý dù họ vẫn có mức tin cậy tương đối cao.
Nếu muốn đưa biến đảo chiều vào bảng hỏi, hãy cân nhắc kỹ. Câu như “Tôi thường nghi ngờ thông tin do người ảnh hưởng này cung cấp” có thể gây nhầm khi trả lời trên điện thoại. Nếu dùng, bạn phải mã hóa ngược trước khi chạy Cronbach's Alpha. Mã DTC3 hay DTC5 không tự động có nghĩa là biến được chấp nhận; mã chỉ giúp bạn theo dõi cấu trúc bảng hỏi.
Điều chỉnh thang đo cho bối cảnh Việt Nam
Bắt đầu bằng việc xác định đúng đối tượng. “Người ảnh hưởng” có thể là KOL nổi tiếng, KOC chuyên đánh giá sản phẩm, chuyên gia trong một lĩnh vực hoặc người sáng tạo nội dung có cộng đồng nhỏ. Nếu đề tài của bạn nói về KOC mỹ phẩm, không nên viết câu hỏi quá rộng để người trả lời nghĩ đến cả ca sĩ, streamer và chuyên gia tài chính.
Tiếp theo, thống nhất nền tảng và loại nội dung. Một câu hỏi về sự tin cậy của người ảnh hưởng trên TikTok có thể được hiểu khác với người ảnh hưởng trên Facebook hoặc YouTube. Phần giới thiệu bảng hỏi nên nêu rõ phạm vi: sản phẩm nào, nền tảng nào, thời gian nào và người trả lời cần nhớ đến ai.
Bạn hãy đọc từng biến quan sát thành tiếng. Nếu một sinh viên phải hỏi lại “ý này là tin người hay là người đó có chuyên môn”, câu đó chưa đủ rõ. Dùng từ quen thuộc với nhóm mẫu, nhưng giữ nguyên ý niệm cần đo. Không biến “đáng tin cậy” thành “nổi tiếng”, vì hai khái niệm này có thể đi cùng nhau nhưng không đồng nhất.
Sau khi chỉnh câu, hãy kiểm tra nội dung và chạy thử trên một nhóm nhỏ. Mục tiêu của pilot là phát hiện câu khó hiểu, câu trùng ý, lựa chọn trả lời thiếu và thời gian hoàn thành quá dài. Pilot không cho phép bạn tuyên bố thang đo đã đạt độ tin cậy cho mẫu chính. Kết quả pilot chỉ giúp sửa công cụ trước khi thu thập dữ liệu chính thức.
Bạn có thể tham khảo cách đặt khái niệm trong các đề tài về hành vi mạng xã hội, nhưng cần giữ ranh giới giữa độ tin cậy, thái độ và ý định hành vi. Chẳng hạn, nghiện mạng xã hội là gì là một khái niệm khác, không nên lấy các biến đo tần suất sử dụng mạng xã hội để thay cho sự tin cậy đối với người ảnh hưởng.
Kiểm định độ tin cậy và giá trị của thang đo
Với dữ liệu định lượng, quy trình thường đi từ kiểm tra dữ liệu, Cronbach's Alpha, EFA nếu thiết kế nghiên cứu có sử dụng EFA, rồi mới đưa các biến phù hợp vào hồi quy hoặc mô hình cấu trúc. Thứ tự này giúp bạn không dùng một biến quan sát có vấn đề để kết luận về giả thuyết.
Trong SPSS, mở Analyze > Scale > Reliability Analysis. Đưa các biến DTC1 đến DTC5 vào ô Items, chọn Model: Alpha, rồi bấm Statistics. Chọn Item, Scale và Scale if item deleted để output có bảng Reliability Statistics và Item-Total Statistics. Đừng chỉ nhìn Cronbach's Alpha. Cột Corrected Item-Total Correlation cho biết mỗi biến quan sát liên hệ thế nào với điểm chung của thang đo.
Một số ngưỡng thường dùng được tổng hợp dưới đây. Đây là tiêu chí tham khảo có nguồn, không phải lệnh tự động xóa biến. Khi quyết định loại DTC2, bạn phải xem cả nội dung biến, lý thuyết và ảnh hưởng đến mô hình.
| Chỉ số hoặc tiêu chí | Mức tham khảo | Nguồn |
|---|---|---|
| Cronbach's Alpha | Từ 0.70 trở lên | (Nunnally, 1978) |
| Cronbach's Alpha ở thang đo khám phá | Có thể từ 0.60 | (Hair và cộng sự, 2010) |
| Corrected Item-Total Correlation | Từ 0.30 trở lên | (Nunnally và Bernstein, 1994) |
| KMO khi chạy EFA | Từ 0.50 trở lên | (Kaiser, 1974) |
| Bartlett's Test | p-value dưới 0.05 | (Kaiser, 1974) |
| Factor loading | Từ 0.50 trở lên | (Hair và cộng sự, 2010) |
| Total variance explained | Từ 50% trở lên | (Hair và cộng sự, 2010) |
| Eigenvalue | Trên 1 khi dùng quy tắc này | (Kaiser, 1960) |
Ví dụ dưới đây là số liệu minh họa, không phải phát hiện từ một nghiên cứu thật. Tên cột được đặt theo cách SPSS thường hiển thị trong Item-Total Statistics.
| Item-Total Statistics | Scale Mean if Item Deleted | Scale Variance if Item Deleted | Corrected Item-Total Correlation | Cronbach's Alpha if Item Deleted |
|---|---|---|---|---|
| DTC1 | 15.82 | 6.441 | 0.681 | 0.846 |
| DTC2 | 15.76 | 6.218 | 0.724 | 0.832 |
| DTC3 | 15.91 | 6.593 | 0.593 | 0.872 |
| DTC4 | 15.69 | 6.104 | 0.756 | 0.819 |
| DTC5 | 15.88 | 6.487 | 0.642 | 0.858 |
Trong ví dụ này, tất cả Corrected Item-Total Correlation đều cao hơn 0.30. Alpha nếu loại biến của từng dòng cũng không phải lý do đủ mạnh để xóa biến. Nếu một biến có tương quan biến tổng thấp, bạn kiểm tra lại wording, mã đảo chiều và dữ liệu thiếu trước khi xóa.
Nếu chạy EFA, vào Analyze > Dimension Reduction > Factor. Đưa nhóm biến cần kiểm định vào Variables, chọn Descriptives để xem KMO và Bartlett, chọn Extraction để kiểm tra phương pháp trích, rồi chọn Rotation nếu mô hình cần ma trận xoay. Bảng KMO and Bartlett's Test, Total Variance Explained và Rotated Component Matrix phải được đọc cùng nhau.
Trong trường hợp dùng SmartPLS, quy trình khác SPSS. Bạn xem Outer Loadings, Construct Reliability and Validity và Discriminant Validity, sau đó đánh giá phần structural model. Với PLS-SEM, outer loading từ 0.70 trở lên là một mốc thường được sử dụng (Chin, 1998) hoặc (Hair và cộng sự, 2022), CR từ 0.70 và AVE từ 0.50 trở lên theo (Fornell và Larcker, 1981). HTMT dưới 0.85, hoặc dưới 0.90 với các khái niệm gần nhau, được tham khảo theo (Henseler và cộng sự, 2015). Các chỉ số CFI, TLI và RMSEA thuộc CB-SEM, không đưa vào bài hướng dẫn đánh giá thang đo bằng SmartPLS.
Cách trình bày thang đo trong chương 3
Bạn nên mô tả nguồn hình thành thang đo, cách điều chỉnh wording, dạng thang Likert, đối tượng khảo sát và quy trình kiểm định. Nếu bộ biến là bản tham khảo do bạn tổng hợp, hãy nói rõ điều đó. Đừng viết “thang đo đã được kiểm định” khi bạn mới chỉ tham khảo các câu hỏi và chưa chạy dữ liệu.
Cách viết vào luận văn: “Khái niệm độ tin cậy của người ảnh hưởng được đo lường thông qua [số lượng] biến quan sát, ký hiệu từ [DTC1] đến [DTCx]. Các biến được xây dựng dựa trên [nguồn đã xác minh] và điều chỉnh theo bối cảnh [sản phẩm/nền tảng/nhóm người trả lời]. Người tham gia đánh giá trên thang Likert [5/7] mức, trong đó [1] là [mức thấp nhất] và [5/7] là [mức cao nhất].”
Ở chương 4, bạn trình bày số biến ban đầu, biến bị loại nếu có, Cronbach's Alpha, Corrected Item-Total Correlation và kết quả EFA hoặc SmartPLS. Số liệu trong chương 4 phải lấy từ file .sav hoặc .csv của bạn. Bảng minh họa trong bài này chỉ giúp bạn nhận diện đúng cột output, không được chép thành kết quả nghiên cứu.
Lỗi thường gặp
Lỗi đầu tiên là dùng số người theo dõi hoặc lượt thích để kết luận người ảnh hưởng đáng tin. Đây là chỉ số về mức độ phổ biến hoặc tương tác, không thay thế cho cảm nhận của người trả lời về sự chân thật và độ đáng tin.
Lỗi thứ hai là lấy nguyên câu hỏi từ một bảng hỏi khác nhưng đổi tên khái niệm. Nếu câu gốc đo chất lượng thông tin, việc đổi tiêu đề thành độ tin cậy không làm nó trở thành thang đo mới. Bạn cần đọc định nghĩa, bối cảnh và nội dung từng biến trước khi sử dụng.
Lỗi thứ ba là xóa biến chỉ để Alpha tăng. Alpha cao không tự động chứng minh giá trị hội tụ hay giá trị phân biệt. Một thang đo có các biến lặp lại gần như cùng một câu cũng cần được xem xét về phạm vi nội dung.
Lỗi thứ tư là đảo chiều sai mã. Với thang Likert 1 đến 5, biến đảo chiều thường cần chuyển 1 thành 5, 2 thành 4, giữ 3, chuyển 4 thành 2 và 5 thành 1. Hãy kiểm tra nhãn giá trị và syntax trước khi chạy lại, nhất là khi file có nhiều nhóm thang đo.
Đọc thêm: sợ bỏ lỡ fomo là gì, chủ đề mo hinh nghien cuu.
Câu hỏi thường gặp
Độ tin cậy của người ảnh hưởng có giống sự nổi tiếng không?
Không. Sự nổi tiếng có thể được phản ánh bằng lượng người theo dõi hoặc mức độ nhận diện, còn độ tin cậy là đánh giá của người trả lời về việc người ảnh hưởng có đáng tin, chân thật và có thể dựa vào hay không. Hai khái niệm có thể liên quan nhưng cần có biến quan sát riêng.
Nên dùng mấy biến quan sát cho thang đo này?
Không có một con số chung cho mọi đề tài. Bạn chọn số biến dựa trên định nghĩa khái niệm, nguồn thang đo đã xác minh và phạm vi nội dung cần đo. Sau đó mới kiểm tra độ tin cậy và giá trị trên dữ liệu thực tế.
Cronbach's Alpha thấp thì có nên xóa ngay DTC3 không?
Bạn cần xem Corrected Item-Total Correlation, wording, mã đảo chiều, dữ liệu thiếu và ý nghĩa lý thuyết trước. Nếu xóa biến, hãy ghi lại lý do và chạy lại có kiểm soát. Việc xóa nhiều biến chỉ để đạt một ngưỡng có thể làm thang đo mất nội dung quan trọng.
Có thể chạy thẳng hồi quy mà không chạy EFA không?
Điều đó phụ thuộc vào thiết kế nghiên cứu và nguồn thang đo. Nếu bạn dùng bộ biến mới điều chỉnh, nhiều khái niệm hoặc chưa chắc cấu trúc nhân tố, EFA có thể cần thiết. Nếu dùng thang đo đã có cấu trúc rõ và phương pháp của đề tài quy định khác, bạn phải giải thích lựa chọn trong chương phương pháp.
Dùng SPSS hay SmartPLS để kiểm định thang đo độ tin cậy của người ảnh hưởng?
SPSS phù hợp khi bạn cần Cronbach's Alpha và EFA trong quy trình phân tích phổ biến. SmartPLS phù hợp khi mô hình của bạn là PLS-SEM, có biến tiềm ẩn và cần đánh giá outer loading, CR, AVE, HTMT cùng mô hình cấu trúc. Hãy chọn theo mô hình và giả thuyết, không chọn chỉ vì một phần mềm cho ra bảng đẹp hơn.
Bây giờ bạn hãy mở bảng hỏi và file dữ liệu, thống nhất người ảnh hưởng mà người trả lời cần hình dung, rà lại mã DTC1 đến DTC5, sau đó chạy Analyze > Scale > Reliability Analysis trên dữ liệu của chính mình; nếu cần hỗ trợ chạy phân tích SPSS hoặc SmartPLS và đọc đúng output, bạn có thể dùng M4 phân tích của DoThesis.