Mô hình Maslow: Cấu trúc, thang đo và cách áp dụng vào luận văn

Mô hình Maslow là gì

Mô hình Maslow là khung lý thuyết dùng để giải thích động lực của con người thông qua một hệ thống nhu cầu. Abraham Maslow trình bày lý thuyết này trong công trình về động lực và nhân cách năm 1943, sau đó phát triển thêm trong các công trình tiếp theo. Trong nghiên cứu kinh doanh, mô hình thường được dùng để phân tích điều gì thúc đẩy nhân viên làm việc, khách hàng lựa chọn sản phẩm, người dùng chấp nhận công nghệ hoặc người tiêu dùng quay lại sử dụng dịch vụ.

Khi tìm kiếm tháp nhu cầu Maslow, bạn sẽ thường thấy hình minh họa dạng kim tự tháp. Tuy nhiên, khi đưa vào luận văn định lượng, bạn không nên chỉ chèn hình rồi kết luận rằng nhu cầu thấp luôn phải được thỏa mãn hoàn toàn trước nhu cầu cao. Cách làm cần thiết là chuyển từng nhóm nhu cầu thành khái niệm nghiên cứu, xác định biến quan sát, chọn thang đo và đặt giả thuyết phù hợp với bối cảnh.

Mô hình thường gồm năm nhóm nhu cầu: nhu cầu sinh lý, nhu cầu an toàn, nhu cầu xã hội, nhu cầu được tôn trọng và nhu cầu tự thể hiện. Cách gọi có thể thay đổi tùy bản dịch, nhưng nội dung cốt lõi vẫn là các nhu cầu liên quan đến điều kiện sống, sự ổn định, quan hệ xã hội, địa vị và phát triển bản thân.

Trong luận văn, Maslow có thể là nền tảng để giải thích biến phụ thuộc như động lực làm việc, cam kết tổ chức, ý định mua hoặc sự hài lòng. Mô hình này cũng có thể được dùng như cơ sở để xây dựng các biến độc lập. Bạn cần nói rõ mình đang dùng Maslow để giải thích cơ chế nào, thay vì khẳng định toàn bộ năm tầng đều phù hợp với mọi đề tài.

Các thành phần trong mô hình

Năm nhóm nhu cầu dưới đây là cấu trúc kinh điển thường được trình bày trong mô hình Maslow. Bảng này giúp bạn phân biệt nội dung lý thuyết với biến đo lường. Một nhóm nhu cầu trong lý thuyết chưa tự động trở thành một thang đo hợp lệ. Bạn vẫn phải kiểm định độ tin cậy và giá trị của nó bằng dữ liệu thực tế.

Nếu đề tài của bạn nghiên cứu nhân viên, năm nhóm nhu cầu có thể được điều chỉnh theo môi trường tổ chức. Chẳng hạn, nhu cầu sinh lý có thể được thể hiện qua lương và thời gian nghỉ, còn nhu cầu an toàn có thể gắn với hợp đồng lao động và sự ổn định nghề nghiệp. Bạn nên kiểm tra xem hai nhóm này có bị người trả lời hiểu là cùng một nội dung hay không.

Với đề tài khách hàng, các nhóm nhu cầu cần được diễn giải lại. Nhu cầu an toàn có thể liên quan đến an toàn thanh toán hoặc bảo mật thông tin. Nhu cầu xã hội có thể liên quan đến cộng đồng người dùng, còn nhu cầu được tôn trọng có thể liên quan đến trải nghiệm cá nhân hóa. Việc chuyển ngữ cảnh phải dựa trên mục tiêu nghiên cứu, không sao chép nguyên văn ví dụ về nhân viên.

Bạn cũng cần phân biệt biến tiềm ẩn và biến quan sát. Ví dụ, “nhu cầu được tôn trọng” là biến tiềm ẩn. Các phát biểu như “Tôi được công nhận khi hoàn thành tốt công việc” hoặc “Ý kiến của tôi được cấp trên coi trọng” là biến quan sát dùng để đo biến đó.

Mô hình gốc và các mở rộng phổ biến

Mô hình gốc của Maslow thường được trình bày theo thứ tự từ nhu cầu cơ bản đến nhu cầu phát triển. Cách trình bày dạng tầng giúp người học dễ hình dung, nhưng trong dữ liệu khảo sát, các nhóm nhu cầu có thể xuất hiện đồng thời. Một nhân viên có thể vừa cần thu nhập ổn định, vừa tìm kiếm cơ hội tự thể hiện. Vì vậy, bạn không nên ép dữ liệu phải đi theo hình kim tự tháp nếu thiết kế nghiên cứu của bạn đang kiểm định các tác động song song.

Trong đề tài về hành vi công nghệ, Maslow có thể được dùng cùng các mô hình chuyên biệt hơn. Chẳng hạn, mô hình cam kết tổ chức có thể là biến kết quả khi bạn phân tích cách nhu cầu của nhân viên liên quan đến ý định gắn bó. Trong đề tài nghề nghiệp, cơ hội thăng tiến có thể được xem là biểu hiện của nhu cầu được tôn trọng hoặc tự thể hiện, tùy lập luận lý thuyết của bạn.

Một hướng mở rộng là gắn các nhu cầu với bối cảnh công việc cụ thể. Nhu cầu sinh lý có thể được đại diện bởi thu nhập và phúc lợi. Nhu cầu an toàn có thể được đại diện bởi sự ổn định việc làm. Nhu cầu xã hội có thể được kết nối với hỗ trợ từ đồng nghiệp. Nhu cầu được tôn trọng có thể gắn với ghi nhận, địa vị và phản hồi. Nhu cầu tự thể hiện có thể gắn với quyền tự chủ, học tập và phát triển nghề nghiệp.

Bạn có thể kết hợp Maslow với mô hình hoặc khái niệm khác, nhưng cần tránh biến phần cơ sở lý thuyết thành danh sách tên tác giả. Ví dụ, nếu biến phụ thuộc là cam kết tổ chức, bạn phải giải thích vì sao việc đáp ứng nhu cầu lại có thể làm tăng cảm nhận gắn bó. Nếu biến phụ thuộc là cân bằng công việc và cuộc sống, hãy xem cân bằng công việc cuộc sống là kết quả cần đo, thay vì gọi nó là một tầng nhu cầu của Maslow.

Một ví dụ khác là đề tài về sức khỏe nghề nghiệp. Căng thẳng công việc có thể được đặt làm biến phụ thuộc hoặc biến trung gian. Tuy nhiên, bạn cần nêu cơ chế cụ thể: điều kiện làm việc thiếu an toàn có thể liên quan đến căng thẳng, hoặc cảm nhận thiếu sự công nhận có thể làm tăng căng thẳng. Maslow cung cấp nền tảng giải thích, còn mô hình nghiên cứu phải chỉ ra quan hệ cần kiểm định.

Khi trình bày các mở rộng, chỉ đưa vào những biến thật sự được đo trong bảng hỏi. Một mô hình có năm nhóm nhu cầu và tám biến kết quả sẽ tạo ra số lượng giả thuyết lớn, gây khó khăn cho cỡ mẫu và diễn giải. Với luận văn sinh viên, mô hình gọn gồm ba đến năm biến độc lập thường dễ kiểm soát hơn.

Thang đo thường dùng cho từng khái niệm

Maslow là lý thuyết nền, không phải một bảng câu hỏi duy nhất có thể dùng nguyên trạng cho mọi nghiên cứu. Bạn cần tìm thang đo đã được sử dụng trong bối cảnh gần với đề tài, sau đó điều chỉnh cách diễn đạt cho người trả lời Việt Nam. Các tài liệu về động lực, hành vi tổ chức hoặc hành vi người tiêu dùng có thể dùng những bộ biến khác nhau, nên nguồn thang đo phải được ghi rõ trong chương 3.

Các dòng trong bảng là số liệu minh họa cho cách xây dựng nội dung, chưa phải bộ thang đo đã được xác nhận. Bạn không nên đưa thẳng các câu này vào bảng hỏi mà chưa kiểm tra nguồn gốc, ngữ cảnh và cách dịch. Nếu nghiên cứu về động lực làm việc, tài liệu phương pháp trong nước như (Nguyễn Đình Thọ, 2011) có thể hỗ trợ cách trình bày quy trình thiết kế thang đo, nhưng vẫn cần trích dẫn nguồn gốc của từng thang đo cụ thể.

Bạn nên dùng thang Likert nhất quán, chẳng hạn từ 1 là hoàn toàn không đồng ý đến 5 là hoàn toàn đồng ý. Thang Likert được giới thiệu trong nghiên cứu kinh điển của (Likert, 1932). Mỗi khái niệm nên có nhiều biến quan sát để kiểm tra mức độ nhất quán nội tại. Tránh viết các biến quan sát quá dài, chứa hai ý trong một câu hoặc sử dụng thuật ngữ mà người trả lời không quen.

Nếu có biến đảo chiều, bạn phải mã hóa lại trước khi chạy Cronbach's Alpha và EFA. Chẳng hạn, câu “Tôi hiếm khi có cơ hội phát triển trong công việc” cần được xử lý khác với câu tích cực về phát triển. Bạn nên ghi chú rõ mã gốc, mã sau đảo chiều và lý do đảo chiều trong file dữ liệu.

Với đề tài kết hợp Maslow và các khái niệm khác, hãy lập một bảng riêng gồm mã biến, nội dung, nguồn và thang đo. Nguồn không nên chỉ ghi “tham khảo Internet”. Người chấm cần biết biến quan sát được phát triển từ đâu và bạn đã điều chỉnh điểm nào cho phù hợp với mẫu nghiên cứu.

Áp dụng vào đề tài của bạn

Giả sử bạn nghiên cứu nhân viên tại các doanh nghiệp dịch vụ với đề tài “Ảnh hưởng của việc đáp ứng nhu cầu đến cam kết tổ chức”. Mô hình khái niệm có thể gồm bốn biến độc lập: nhu cầu an toàn, nhu cầu xã hội, nhu cầu được tôn trọng và nhu cầu tự thể hiện. Biến phụ thuộc là cam kết tổ chức. Nhu cầu sinh lý có thể được loại khỏi mô hình nếu bảng hỏi đã có biến thu nhập và phúc lợi trong một nghiên cứu khác, hoặc nếu phạm vi đề tài cần thu hẹp.

Mô hình lúc này có dạng: nhu cầu an toàn, nhu cầu xã hội, nhu cầu được tôn trọng và nhu cầu tự thể hiện cùng tác động đến cam kết tổ chức. Bạn cần giải thích hướng tác động dự kiến bằng lập luận, sau đó chuyển thành giả thuyết. Không nên chỉ viết “Maslow cho rằng nhu cầu quan trọng, do đó có tác động”. Cần nói nhu cầu được đáp ứng tạo ra cảm nhận tích cực nào và cảm nhận đó liên quan ra sao đến cam kết.

Có thể viết bốn giả thuyết như sau:

• H1: Nhu cầu an toàn có tác động tích cực đến cam kết tổ chức của nhân viên.
• H2: Nhu cầu xã hội có tác động tích cực đến cam kết tổ chức của nhân viên.
• H3: Nhu cầu được tôn trọng có tác động tích cực đến cam kết tổ chức của nhân viên.
• H4: Nhu cầu tự thể hiện có tác động tích cực đến cam kết tổ chức của nhân viên.

Các giả thuyết trên chỉ là mô hình minh họa. Bạn cần điều chỉnh đối tượng, địa bàn, thời gian và biến phụ thuộc theo đề tài thật. Nếu đề tài của bạn nghiên cứu khách hàng, “cam kết tổ chức” không còn phù hợp. Bạn có thể thay bằng ý định mua lại, lòng trung thành hoặc sự hài lòng, nhưng phải tìm cơ sở lý thuyết và thang đo tương ứng.

Trước khi phát bảng hỏi, hãy vẽ sơ đồ bằng các mũi tên từ bốn biến độc lập đến biến phụ thuộc. Mỗi biến cần có mã, chẳng hạn AT cho nhu cầu an toàn, XH cho nhu cầu xã hội, TC cho nhu cầu được tôn trọng, TT cho tự thể hiện và CK cho cam kết tổ chức. Cách đặt mã nhất quán giúp bạn giảm lỗi khi nhập .sav hoặc .csv.

Bạn cũng cần xác định biến kiểm soát nếu có. Tuổi, giới tính, thâm niên hoặc vị trí công việc chỉ nên đưa vào khi có lý do nghiên cứu, không nên thêm cho đủ bảng. Nếu luận văn có đề cập cam kết tổ chức là gì, hãy bảo đảm định nghĩa, thang đo và biến phụ thuộc trong mô hình dùng cùng một cách hiểu.

Cách kiểm định mô hình bằng SPSS hoặc SmartPLS

SPSS phù hợp khi bạn cần làm sạch dữ liệu, thống kê mô tả, Cronbach's Alpha, EFA và hồi quy tuyến tính. Quy trình thường bắt đầu tại Analyze > Scale > Reliability Analysis, sau đó chọn Statistics và tích Scale if item deleted để xem Corrected Item-Total Correlation. Với EFA, dùng Analyze > Dimension Reduction > Factor, kiểm tra KMO and Bartlett's Test, Total Variance Explained và Rotated Component Matrix. Sau đó, dùng Analyze > Regression > Linear để kiểm định tác động của các biến độc lập lên biến phụ thuộc.

SmartPLS phù hợp khi mô hình có biến tiềm ẩn, nhiều biến quan sát, quan hệ trung gian hoặc mô hình cấu trúc cần đánh giá đồng thời. Bạn nhập file .csv, vẽ measurement model và structural model, chạy PLS-SEM Algorithm, sau đó chạy Bootstrapping. Với SmartPLS 4, nên tách hai giai đoạn: đánh giá measurement model trước, rồi đánh giá structural model. Quy trình hai bước này phù hợp với hướng dẫn của (Anderson và Gerbing, 1988) và cách báo cáo PLS-SEM được trình bày trong (Hair và cộng sự, 2022).

Ở measurement model, kiểm tra Outer Loadings, độ tin cậy và giá trị hội tụ. Outer loading từ 0.7 trở lên là một ngưỡng thường được dùng trong PLS-SEM, theo (Chin, 1998). Composite Reliability từ 0.7 và AVE từ 0.5 trở lên thường được dùng để đánh giá độ tin cậy và giá trị hội tụ, theo (Fornell và Larcker, 1981). HTMT nên dưới 0.85, hoặc dưới 0.90 khi các khái niệm gần nhau về mặt nội dung, theo (Henseler và cộng sự, 2015).

Ở structural model, xem Path Coefficients, T Statistics, P Values, Confidence Intervals, R Square, F Square và VIF. VIF dưới 5 là ngưỡng thường được báo cáo theo (Hair và cộng sự, 2019). R² ở mức 0.75, 0.50 và 0.25 lần lượt thường được diễn giải là đáng kể, trung bình và yếu trong PLS-SEM, theo (Hair và cộng sự, 2011). Khi chạy bootstrapping, có thể sử dụng 5.000 mẫu lặp theo (Hair và cộng sự, 2022).

SPSS và SmartPLS không trả lời cùng một câu hỏi theo cùng cách. Nếu mô hình của bạn chỉ có thang đo tổng hợp và hồi quy, SPSS có thể đủ. Nếu bạn muốn đánh giá đồng thời outer model và inner model, SmartPLS phù hợp hơn. AMOS thuộc hướng CB-SEM, còn JASP và R có thể hữu ích nếu bạn quen với quy trình mã hóa và kiểm tra giả định. Dịch vụ chạy SPSS có thể tiết kiệm thời gian thao tác, nhưng bạn vẫn phải hiểu bảng output để giải trình khi bị hỏi về lý do loại biến hoặc chọn mô hình.

Cách viết vào luận văn

Bạn có thể điều chỉnh đoạn sau: “Dựa trên mô hình Maslow và bối cảnh nghiên cứu tại [đối tượng], nghiên cứu đề xuất [số lượng] yếu tố gồm [tên các yếu tố] tác động đến [biến phụ thuộc]. Các giả thuyết H1 đến H4 được xây dựng để kiểm định chiều hướng và mức độ tác động của từng yếu tố. Dữ liệu được phân tích bằng [SPSS hoặc SmartPLS] thông qua các bước đánh giá thang đo và mô hình cấu trúc.”

Khi có kết quả thật, thay phần mô tả bằng số liệu từ output của bạn. Ví dụ, nếu H1 có P Values = 0.012 và hệ số đường dẫn dương, bạn có thể viết: “Kết quả cho thấy nhu cầu an toàn tác động cùng chiều đến cam kết tổ chức với hệ số đường dẫn là [β], p = [p-value], vì vậy H1 được chấp nhận.” Không điền số minh họa vào luận văn nếu đó chưa phải kết quả từ file dữ liệu của bạn.

Lỗi thường gặp khi dùng mô hình này

Lỗi đầu tiên là xem hình kim tự tháp như một quy luật cứng. Dữ liệu khảo sát có thể cho thấy các nhu cầu cùng tồn tại, tương quan với nhau hoặc không tách thành năm nhân tố. Nếu EFA gom các biến vào nhóm khác với dự kiến, hãy kiểm tra nội dung biến, tải nhân tố, cỡ mẫu và chất lượng dữ liệu trước khi quyết định loại biến.

Lỗi thứ hai là lấy tên “Maslow” làm thang đo. Lý thuyết không thay thế cho nguồn thang đo. Bạn cần nêu rõ ai đã đo khái niệm, trong bối cảnh nào, số lượng biến quan sát bao nhiêu và bạn đã điều chỉnh câu chữ ra sao.

Lỗi thứ ba là đưa quá nhiều tầng nhu cầu vào mô hình nhưng không đủ cỡ mẫu. Với phân tích nhân tố, quy tắc 5 đến 10 quan sát cho một biến quan sát thường được trích dẫn theo (Hair và cộng sự, 2010). Đây chỉ là hướng dẫn thiết kế, không bảo đảm mô hình của bạn sẽ đạt. Bạn cần tính cỡ mẫu theo số biến, phương pháp phân tích và khả năng thu thập thực tế.

Lỗi thứ tư là chỉ báo cáo Cronbach's Alpha rồi kết luận thang đo hợp lệ. Alpha từ 0.7 trở lên thường được xem là chấp nhận được theo (Nunnally, 1978), còn corrected item-total correlation từ 0.3 trở lên theo (Nunnally và Bernstein, 1994). Tuy nhiên, bạn vẫn phải xem EFA hoặc outer model, vì Alpha cao không chứng minh các biến đo đúng một khái niệm.

Lỗi thứ năm là dùng CFI, TLI hoặc RMSEA trong bài SmartPLS. Các chỉ số này thuộc nhóm đánh giá fit của CB-SEM, với ngưỡng thường được trích dẫn từ (Hu và Bentler, 1999). Khi dùng SmartPLS, hãy tập trung vào nhóm chỉ số phù hợp như outer loading, CR, AVE, HTMT, VIF, R², f², Q² và path coefficient.

Cuối cùng, đừng sửa dữ liệu chỉ để mô hình đẹp. Nếu một biến bị loại, hãy ghi lại tiêu chí và vòng phân tích. Nếu kết quả không ủng hộ một giả thuyết, hãy báo cáo đúng kết quả và giải thích bằng bối cảnh, mẫu nghiên cứu hoặc giới hạn thang đo. Hội đồng thường hỏi quy trình xử lý hơn là chỉ nhìn vào một con số p-value.

Câu hỏi thường gặp

Mô hình Maslow có bắt buộc phải dùng đủ năm tầng không?

Không bắt buộc. Bạn có thể chọn những nhóm nhu cầu phù hợp với câu hỏi nghiên cứu, đối tượng khảo sát và phạm vi luận văn. Khi loại một nhóm, hãy giải thích lý do dựa trên bối cảnh và tránh trình bày như thể năm nhóm đều đã được kiểm định trong nghiên cứu của bạn.

Mô hình Maslow dùng được cho đề tài nhân viên không?

Có. Đây là một hướng ứng dụng phổ biến, chẳng hạn nghiên cứu động lực làm việc, cam kết tổ chức, ý định ở lại hoặc phát triển nghề nghiệp. Bạn cần chuyển từng nhu cầu thành nội dung cụ thể trong môi trường làm việc và chọn thang đo có nguồn, thay vì dùng các câu mô tả chung chung.

Có thể dùng mô hình Maslow để nghiên cứu hành vi khách hàng không?

Có thể, nếu bạn giải thích rõ sản phẩm hoặc dịch vụ đang đáp ứng nhu cầu nào. Nhu cầu an toàn, xã hội, được tôn trọng và tự thể hiện có thể được diễn giải khác nhau giữa ngành ngân hàng, giáo dục, du lịch hoặc thương mại điện tử. Bảng hỏi cần dùng ngôn ngữ mà khách hàng thật sự hiểu.

Nên chạy SPSS hay SmartPLS cho mô hình Maslow?

Nếu bạn cần Cronbach's Alpha, EFA và hồi quy tuyến tính, SPSS thường đáp ứng được quy trình. Nếu mô hình có nhiều biến tiềm ẩn, biến trung gian hoặc cần đánh giá đồng thời measurement model và structural model, SmartPLS có thể phù hợp hơn. Quyết định nên dựa vào mô hình và giả thuyết, không chỉ dựa vào việc phần mềm nào dễ mở hơn.

Vì sao EFA không tách thành năm nhóm như mô hình lý thuyết?

Có thể do cách diễn đạt biến quan sát, mẫu khảo sát, tương quan cao giữa các nhóm nhu cầu hoặc dữ liệu chưa phù hợp. Hãy kiểm tra KMO and Bartlett's Test, factor loading, cross-loading và nội dung từng biến. Bạn không nên ép phần mềm tạo đúng năm nhân tố bằng cách loại biến tùy tiện, vì mọi thay đổi cần có lý do phương pháp.

Bạn hãy mở lại file dữ liệu, lập bảng mã biến cho từng nhóm nhu cầu, kiểm tra nguồn thang đo rồi mới chạy Reliability Analysis và EFA. Khi cần chuyển mô hình, thang đo và giả thuyết thành cấu trúc có thể kiểm định trên dữ liệu thật, bạn có thể xem M3 về mô hình và thang đo của DoThesis.