Giá trị mối quan hệ là gì và đo bằng thang đo nào

Giá trị mối quan hệ là gì và được đo bằng gì

Giá trị mối quan hệ là cách người trả lời đánh giá lợi ích tổng thể mà họ nhận được từ một mối quan hệ với doanh nghiệp, thương hiệu, điểm đến hoặc nhà cung cấp, so với công sức, thời gian, chi phí và rủi ro họ phải bỏ ra để duy trì mối quan hệ đó. Khái niệm này thường xuất hiện trong các đề tài về marketing quan hệ, lòng trung thành, ý định quay lại, ý định giới thiệu hoặc giá trị cảm nhận của khách hàng.

Bạn cần tách khái niệm này khỏi một cảm xúc đơn lẻ như sự hài lòng. Sự hài lòng thường phản ánh đánh giá sau một giao dịch hoặc trải nghiệm cụ thể. Giá trị mối quan hệ rộng hơn, vì nó bao gồm cả lợi ích kinh tế, sự thuận tiện, niềm tin, sự quan tâm, hỗ trợ và cảm giác rằng việc tiếp tục quan hệ là đáng giá. Một khách hàng có thể hài lòng với một lần mua hàng nhưng vẫn không xem mối quan hệ lâu dài là có giá trị nếu doanh nghiệp không giữ lời hứa hoặc chăm sóc không nhất quán.

Trong luận văn định lượng, bạn không đo trực tiếp khái niệm trừu tượng này bằng một câu hỏi duy nhất. Bạn xây dựng một thang đo gồm nhiều biến quan sát. Người trả lời đánh giá từng biến trên 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).

Một mô hình đơn giản có thể đặt Giá trị mối quan hệ là biến độc lập, tác động đến Lòng trung thành hoặc Ý định quay lại. Nếu đề tài của bạn thuộc du lịch, hãy xem cách các khái niệm gần như chất lượng điểm đến, động cơ du lịch và hình ảnh điểm đến được tách khỏi nhau trước khi lập mô hình.

Nguồn thang đo gốc

Điểm cần xử lý cẩn thận là tên “giá trị mối quan hệ” không tự động trỏ đến một thang đo duy nhất được nêu trong danh mục nguồn cho phép. Các tài liệu như (Nguyễn Đình Thọ, 2011) và (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008) hỗ trợ cách thiết kế, làm sạch và phân tích dữ liệu, nhưng không phải nguồn gốc của bộ biến quan sát cụ thể cho khái niệm này.

Vì vậy, bạn không nên ghi đại một tác giả, năm xuất bản hoặc số lượng biến quan sát chỉ vì thấy một bảng hỏi trên Internet. Hãy truy về bài nghiên cứu mà giảng viên hoặc tài liệu chuyên ngành của bạn đã chọn, kiểm tra định nghĩa, bối cảnh, ngôn ngữ và số item gốc. Nếu chưa có nguồn gốc đã xác minh, hãy gọi bảng dưới đây là bản khung để phát triển, không gọi là “thang đo chuẩn hóa”.

Bạn có thể đối chiếu cấu trúc khái niệm với các thang đo marketing dịch vụ hoặc giá trị cảm nhận, nhưng không được đổi tên nguồn thành “nguồn thang đo giá trị mối quan hệ”. Ví dụ, (Parasuraman và cộng sự, 1988) là nguồn của SERVQUAL và năm thành phần chất lượng dịch vụ, không phải bằng chứng rằng năm thành phần đó chính là giá trị mối quan hệ. Việc phân biệt này giúp bạn tránh bị hỏi tại sao định nghĩa trong chương 2 và item trong chương 3 không khớp nhau.

Nếu mô hình của bạn dùng SmartPLS, bạn có thể tham khảo quy trình đánh giá mô hình đo lường trong (Hair và cộng sự, 2022). Nguồn này hướng dẫn quy trình PLS-SEM, nhưng vẫn không thay thế nguồn lý thuyết cho nội dung từng biến quan sát.

Bộ biến quan sát tham khảo

Bảng dưới đây là số liệu và câu chữ minh họa để phát triển bảng hỏi, chưa phải bản dịch đã được xác nhận và chưa phải thang đo đạt giá trị. Bạn cần thay các từ trong ngoặc vuông bằng bối cảnh thật của đề tài, sau đó xin ý kiến giảng viên và kiểm tra lại với nguồn gốc.

Các item này không nên được đưa nguyên trạng vào bảng hỏi. Chẳng hạn, “doanh nghiệp” phù hợp với khách hàng của một thương hiệu, nhưng chưa chắc phù hợp với khách du lịch đánh giá một điểm đến. Bạn cũng cần xác định người trả lời có đủ trải nghiệm để đánh giá quan hệ hay không. Một người chỉ nhìn thấy quảng cáo nhưng chưa từng sử dụng dịch vụ khó trả lời chính xác các câu hỏi về hỗ trợ, cam kết và duy trì quan hệ.

Không nên gộp quá nhiều ý vào một biến quan sát. Câu “Doanh nghiệp đáng tin cậy, chăm sóc tốt và luôn cung cấp giá thấp” đo nhiều nội dung cùng lúc. Nếu người trả lời đồng ý với sự chăm sóc nhưng không đồng ý về giá, bạn không biết họ đang chấm phần nào. Mỗi item nên có một ý chính, câu ngắn và chỉ dùng thuật ngữ mà nhóm mẫu của bạn hiểu.

Nếu bạn đang xây dựng thang đo cho du lịch, có thể tham khảo cách tổ chức các khái niệm liên quan trong thang đo động cơ du lịch, nhưng không lấy item của động cơ du lịch để kết luận đó là item của giá trị mối quan hệ. Hai khái niệm có thể cùng xuất hiện trong mô hình nhưng trả lời hai câu hỏi khác nhau.

Điều chỉnh thang đo cho bối cảnh Việt Nam

Bước điều chỉnh bắt đầu từ định nghĩa làm việc. Bạn viết một câu trả lời rõ: “Trong nghiên cứu này, giá trị mối quan hệ được hiểu là đánh giá của [đối tượng khảo sát] về lợi ích tổng thể và sự đáng giá của việc duy trì quan hệ với [đối tượng nghiên cứu].” Định nghĩa này phải phù hợp với giả thuyết và không mở rộng sang mọi yếu tố của chất lượng dịch vụ.

Kiểm tra sự phù hợp của người trả lời

Đặt một câu hỏi sàng lọc ở đầu bảng hỏi, chẳng hạn người trả lời đã sử dụng dịch vụ, đến điểm đến hoặc tương tác với doanh nghiệp trong khoảng thời gian nào. Nếu nghiên cứu đo quan hệ lâu dài, bạn cần quy định trải nghiệm tối thiểu trước khi người trả lời được đánh giá các item về cam kết và hỗ trợ.

Chỉnh câu chữ và thuật ngữ

Dịch theo ý nghĩa, không dịch từng từ. “Relationship value” có thể được diễn đạt thành “giá trị của mối quan hệ” hoặc “giá trị mối quan hệ”, tùy cách bạn định nghĩa trong chương 2. Giữ một cách gọi xuyên suốt ở tiêu đề biến, bảng hỏi, bảng phân tích và phần thảo luận.

Đọc từng câu với nhóm người có đặc điểm gần mẫu chính. Nếu họ hỏi “mối quan hệ này là quan hệ gì”, câu hỏi đang thiếu đối tượng. Nếu họ không phân biệt được “lợi ích” với “sự hài lòng”, bạn cần viết lại hoặc giải thích trong hướng dẫn, thay vì ép họ chọn một mức điểm.

Xử lý biến đảo chiều

Chỉ dùng item đảo chiều khi có lý do đo lường rõ ràng. Ví dụ, “Tôi không thấy có lợi ích đáng kể khi tiếp tục mối quan hệ này” có thể là biến đảo chiều, nhưng câu phủ định dễ làm người trả lời nhầm. Khi nhập SPSS, bạn phải tạo biến mới với công thức phù hợp, chẳng hạn điểm mới bằng 6 trừ điểm cũ nếu dùng Likert 5 mức. Không đảo chiều bằng cách đổi nhãn trong Variable View rồi quên biến đổi giá trị.

Chạy khảo sát thử

Khảo sát thử giúp bạn phát hiện câu khó hiểu, lựa chọn trả lời bị thiếu và thời gian hoàn thành quá dài. Đây chưa phải căn cứ để tuyên bố thang đo đã có độ tin cậy cho mẫu chính. Bạn ghi lại item nào bị hỏi nhiều, tỷ lệ bỏ trống và phản hồi về thuật ngữ, sau đó mới chốt bảng hỏi.

Kiểm định độ tin cậy và giá trị của thang đo

Với dữ liệu .sav, quy trình phổ biến là kiểm tra dữ liệu, chạy Cronbach's Alpha, xem Corrected Item-Total Correlation, tiếp tục EFA nếu thiết kế nghiên cứu yêu cầu, rồi mới đưa biến phù hợp vào hồi quy hoặc mô hình tiếp theo. Cronbach's Alpha phản ánh mức độ nhất quán nội tại, có nền tảng từ (Cronbach, 1951). Alpha từ 0.7 trở lên thường được chấp nhận (Nunnally, 1978), còn nghiên cứu khám phá có thể xem mức từ 0.6 theo (Hair và cộng sự, 2010). Corrected Item-Total Correlation từ 0.3 trở lên được dùng như một mốc tham khảo (Nunnally và Bernstein, 1994).

Trong SPSS, mở Analyze > Scale > Reliability Analysis. Đưa các biến GTMQH1 đến GTMQH6 vào ô Items, chọn Model là Alpha, bấm Statistics, đánh dấu Scale if item deleted và Item, rồi chạy. Bảng Reliability Statistics cho Alpha và số item. Bảng Item-Total Statistics cho Corrected Item-Total Correlation và Alpha if Item Deleted.

Bảng trên là số liệu minh họa, không phải kết quả từ nghiên cứu của bạn. Một item có Corrected Item-Total Correlation thấp có thể do câu hỏi khó hiểu, mã hóa sai, biến đảo chiều chưa xử lý hoặc khái niệm đang gồm các nội dung quá khác nhau. Hãy kiểm tra nguyên nhân trước khi xóa biến.

Nếu chạy EFA, kiểm tra KMO and Bartlett's Test, Total Variance Explained và Rotated Component Matrix. KMO từ 0.5 trở lên và Bartlett có ý nghĩa thống kê ở mức dưới 0.05 là các mốc thường được dẫn theo (Kaiser, 1974). Eigenvalue lớn hơn 1 là một quy tắc trích nhân tố theo (Kaiser, 1960), còn tổng phương sai trích từ 50% trở lên và factor loading từ 0.5 trở lên có thể tham khảo (Hair và cộng sự, 2010). EFA hiếm khi ra đúng cấu trúc ở lần đầu. Bạn cần ghi lại từng vòng loại item và lý do, thay vì xóa nhiều biến cùng lúc để làm bảng đẹp hơn.

Nếu dùng SmartPLS, đánh giá measurement model trước structural model theo quy trình hai giai đoạn được trình bày trong (Hair và cộng sự, 2022). Với reflective construct, outer loading từ 0.7, Composite Reliability từ 0.7 và AVE từ 0.5 thường được dùng làm mốc tham khảo (Chin, 1998) và (Fornell và Larcker, 1981). Giá trị phân biệt có thể kiểm tra bằng HTMT, với mốc dưới 0.85 hoặc 0.90 tùy mức độ gần nhau của khái niệm (Henseler và cộng sự, 2015). Không đưa CFI, TLI hoặc RMSEA vào phần đánh giá SmartPLS, vì các chỉ số đó thuộc logic CB-SEM và được trình bày trong (Hu và Bentler, 1999).

Cách trình bày thang đo trong chương 3

Bạn nên trình bày theo trình tự từ khái niệm đến thao tác đo. Trước hết nêu định nghĩa giá trị mối quan hệ và vai trò của biến trong mô hình. Tiếp theo ghi nguồn gốc từng nhóm item, cách dịch và điều chỉnh cho bối cảnh Việt Nam, số điểm Likert, đối tượng khảo sát và tiêu chí loại biến. Nếu nguồn gốc chưa xác minh, nói rõ đó là bộ biến tham khảo đang được phát triển, không ghi như một thang đo đã được kiểm chứng.

Cách viết vào luận văn: “Trong nghiên cứu này, giá trị mối quan hệ được đo lường thông qua [số lượng] biến quan sát, ký hiệu từ [GTMQH1] đến [GTMQHk]. Các biến được kế thừa và điều chỉnh từ [tác giả, năm, nguồn đã xác minh] cho phù hợp với bối cảnh [ngành/đối tượng nghiên cứu]. Người trả lời đánh giá trên thang Likert [5/7] mức, từ [mức thấp nhất] đến [mức cao nhất]. Độ tin cậy và giá trị của thang đo được kiểm định bằng [Cronbach's Alpha và EFA/PLS-SEM].”

Sau khi có kết quả thật, bạn thay toàn bộ placeholder bằng thông tin trong file output. Không điền Alpha, số nhân tố hoặc số item trước khi chạy dữ liệu. Bảng mô tả thang đo trong chương 3 cũng nên tách “nguồn”, “mã biến”, “nội dung biến quan sát” và “cách đo”, để hội đồng nhìn thấy đường đi từ lý thuyết đến bảng hỏi.

Lỗi thường gặp

Lỗi đầu tiên là dùng “giá trị mối quan hệ” như một nhãn đẹp cho mọi lợi ích của khách hàng. Nếu item gồm chất lượng, giá cả, hài lòng, niềm tin và lòng trung thành, bạn đang trộn nhiều khái niệm vào một thang đo. Hãy quay lại định nghĩa và xác định item nào thật sự phản ánh việc đánh giá mối quan hệ.

Lỗi thứ hai là sao chép một bảng hỏi không có nguồn. Một file Excel được chia sẻ trong nhóm lớp không chứng minh được tác giả, bối cảnh hay tính hợp lệ. Bạn có thể dùng nó để nhận diện cách diễn đạt, nhưng phải xác minh tài liệu trước khi đưa vào chương 2 và chương 3.

Lỗi thứ ba là loại biến liên tục cho đến khi Alpha tăng. Alpha cao không tự chứng minh giá trị nội dung. Khi loại GTMQH4, hãy xem câu hỏi có lỗi mã hóa, có phải item đảo chiều hay không, và việc bỏ nó có làm mất một khía cạnh cần đo không.

Lỗi thứ tư là dùng cùng một câu trả lời cho tất cả người tham gia dù họ chưa từng có trải nghiệm với đối tượng nghiên cứu. Cần có điều kiện sàng lọc và ghi rõ thời gian trải nghiệm. Nếu dữ liệu đã thu nhưng nhiều người không đủ điều kiện, phần mềm không thể biến nhóm trả lời đó thành dữ liệu phù hợp.

Lỗi cuối là trộn ngưỡng của SPSS, SmartPLS và AMOS. Hãy ghi đúng phương pháp bạn thực sự dùng, giữ lại output gốc và lưu tên file theo từng vòng xử lý. Khi giảng viên hỏi tại sao item bị loại, bạn cần mở được bảng và giải thích bằng dữ liệu, không chỉ đọc một ngưỡng thuộc lòng.

Đọc thêm: chủ đề mo hinh nghien cuu.

Câu hỏi thường gặp

Giá trị mối quan hệ có giống sự hài lòng không?

Không hoàn toàn. Sự hài lòng thường tập trung vào đánh giá của người dùng sau một trải nghiệm hoặc giao dịch. Giá trị mối quan hệ bao quát hơn, gồm nhận thức về lợi ích và sự đáng giá của việc tiếp tục duy trì quan hệ.

Hai biến này có thể cùng nằm trong một mô hình. Khi đó, định nghĩa và biến quan sát phải cho thấy chúng đo hai nội dung khác nhau, nếu không kết quả dễ bị chồng lấn.

Có thể dùng một biến quan sát duy nhất để đo giá trị mối quan hệ không?

Có thể dùng câu hỏi tổng quát trong một số thiết kế, nhưng thang đo nhiều biến quan sát thường giúp bạn kiểm tra độ nhất quán và nội dung của khái niệm tốt hơn. Với luận văn định lượng, bạn nên trao đổi với giảng viên về việc dùng một item hay một nhóm item.

Nếu dùng nhiều item, đừng tự đặt số lượng theo một công thức cố định. Số item phụ thuộc định nghĩa, nguồn gốc thang đo, bối cảnh và kết quả kiểm định trên dữ liệu thật.

Alpha thấp thì có cần xóa ngay biến quan sát không?

Chưa cần. Kiểm tra mã hóa, biến đảo chiều, dữ liệu thiếu, nhóm người trả lời và nội dung câu hỏi trước. Sau đó xem Corrected Item-Total Correlation và Alpha if Item Deleted cùng với ý nghĩa lý thuyết.

Một Alpha thấp đôi khi cho thấy các item đang đo những khía cạnh khác nhau. Xóa item để tăng chỉ số có thể làm thang đo mất nội dung quan trọng.

Giá trị mối quan hệ có thể là biến phụ thuộc không?

Có. Vai trò của biến do mô hình nghiên cứu quyết định. Bạn có thể giả thuyết chất lượng dịch vụ, niềm tin hoặc trải nghiệm tác động đến giá trị mối quan hệ, rồi dùng giá trị mối quan hệ để giải thích lòng trung thành hoặc ý định tiếp tục.

Điều cần giữ nhất quán là mũi tên giả thuyết, định nghĩa biến và cách đo. Không đổi vai trò của biến sau khi đã chạy chỉ vì kết quả có p-value không như mong đợi.

Nên chạy SPSS hay SmartPLS cho thang đo này?

SPSS phù hợp khi bạn cần Cronbach's Alpha, EFA, tương quan và hồi quy theo quy trình quen thuộc. SmartPLS phù hợp khi mô hình có biến tiềm ẩn, nhiều quan hệ cấu trúc hoặc bạn đã thiết kế nghiên cứu theo PLS-SEM.

Hãy chọn theo mô hình, cỡ mẫu, yêu cầu của khoa và năng lực giải thích output. Đừng chạy cả hai chỉ để tìm bộ chỉ số đẹp hơn, vì bạn vẫn phải giải thích tại sao phương pháp đó phù hợp với câu hỏi nghiên cứu.

Bạn hãy mở lại tài liệu nguồn, đánh dấu từng item trong bảng hỏi và kiểm tra file dữ liệu có đúng mã GTMQH1 đến GTMQH6 trước khi chạy lần kế tiếp. Nếu cần chạy phân tích trên chính file .sav hoặc .csv và giữ lại output để viết kết quả, bạn có thể dùng module M4 của DoThesis.