Mô hình SERVQUAL: Thành phần, thang đo và cách kiểm định

Mô hình SERVQUAL là gì

Mô hình SERVQUAL là khung đo lường chất lượng dịch vụ dựa trên khoảng cách giữa kỳ vọng của khách hàng và cảm nhận của họ sau khi sử dụng dịch vụ. Mô hình được phát triển bởi Parasuraman, Zeithaml và Berry, với thang đo gốc gồm nhiều biến quan sát để đánh giá chất lượng dịch vụ từ góc nhìn khách hàng (Parasuraman và cộng sự, 1988).

Trong luận văn định lượng, bạn có thể dùng SERVQUAL để trả lời câu hỏi như: yếu tố nào ảnh hưởng đến chất lượng dịch vụ, khách hàng đánh giá yếu tố nào thấp nhất, hoặc chất lượng dịch vụ ảnh hưởng thế nào đến sự hài lòng và ý định tiếp tục sử dụng. Mô hình phù hợp với ngân hàng, bệnh viện, trường học, khách sạn, vận tải, thương mại điện tử và nhiều bối cảnh dịch vụ khác.

Điểm cần nhớ là SERVQUAL đo chất lượng dịch vụ thông qua cảm nhận của người trả lời. Vì vậy, bạn cần xác định rõ đối tượng khảo sát, bối cảnh dịch vụ và thời điểm khách hàng đã có trải nghiệm đủ để đánh giá. Không nên bê nguyên bảng hỏi của ngành này sang ngành khác rồi chạy Cronbach's Alpha ngay. Các biến quan sát cần được điều chỉnh ngôn ngữ, thử nghiệm và kiểm tra lại bằng dữ liệu của đề tài.

Nếu bạn muốn xem nhanh các nội dung nền tảng về mô hình này, có thể đọc thêm SERVQUAL trước khi thiết kế mô hình riêng cho đề tài.

Các thành phần trong mô hình

SERVQUAL kinh điển thường được trình bày qua năm thành phần. Mỗi thành phần đại diện cho một khía cạnh mà khách hàng dùng để đánh giá dịch vụ. Bảng dưới đây là cách diễn giải thường dùng trong nghiên cứu tại Việt Nam, dựa trên thang đo SERVQUAL (Parasuraman và cộng sự, 1988).

Năm thành phần này thường được xem là các biến độc lập hoặc các biến tiềm ẩn trong mô hình nghiên cứu. Chất lượng dịch vụ có thể được đo như một biến phụ thuộc tổng quát, hoặc bạn có thể xem năm thành phần là các yếu tố trực tiếp ảnh hưởng đến sự hài lòng.

Ví dụ, nếu đề tài là “Các yếu tố ảnh hưởng đến sự hài lòng của khách hàng đối với dịch vụ ngân hàng số”, mô hình có thể gồm TAN, REL, RES, ASS và EMP là biến độc lập, còn SAT là biến phụ thuộc. Mỗi biến tiềm ẩn cần có một nhóm biến quan sát, chẳng hạn REL1, REL2, REL3 và REL4.

Tên viết tắt không bắt buộc phải giống bảng trên. Bạn có thể dùng HH cho phương tiện hữu hình, TC cho độ tin cậy hoặc DU cho sự đáp ứng. Điều quan trọng là mã biến phải nhất quán trong bảng hỏi, file .sav, file .csv, SPSS và phần viết chương 4.

Mô hình gốc và các mở rộng phổ biến

Mô hình SERVQUAL ban đầu phân biệt kỳ vọng của khách hàng và cảm nhận sau khi sử dụng dịch vụ. Theo logic này, chất lượng dịch vụ được đánh giá từ khoảng cách giữa điều khách hàng mong đợi và điều họ thực tế cảm nhận. Trong một số nghiên cứu, người trả lời phải đánh giá hai lần cho cùng một biến quan sát, một lần về kỳ vọng và một lần về cảm nhận.

Cách thiết kế hai phần có thể làm bảng hỏi dài, tăng khả năng người trả lời bỏ sót hoặc chọn câu trả lời theo thói quen. Vì vậy, nhiều luận văn chỉ dùng phần cảm nhận để đo chất lượng dịch vụ, sau đó điều chỉnh tên mô hình và cách giải thích cho phù hợp. Bạn cần nói rõ lựa chọn này trong chương phương pháp, thay vì viết rằng mình đã sử dụng đầy đủ SERVQUAL nếu bảng hỏi chỉ có phần cảm nhận.

Một hướng mở rộng là điều chỉnh năm thành phần cho bối cảnh cụ thể. Ví dụ, nghiên cứu dịch vụ y tế có thể bổ sung yếu tố chi phí, khả năng tiếp cận hoặc kết quả chuyên môn nếu những nội dung đó phù hợp với câu hỏi nghiên cứu. Tuy nhiên, biến mới phải có định nghĩa, cơ sở lý thuyết và biến quan sát rõ ràng. Việc thêm một nhân tố chỉ vì muốn mô hình có nhiều biến sẽ khiến hội đồng hỏi về nguồn thang đo và lý do đưa vào.

Bạn cũng có thể gặp mô hình SERVPERF, trong đó chất lượng dịch vụ được đo chủ yếu từ cảm nhận về kết quả thực hiện dịch vụ. SERVPERF thường được đặt cạnh SERVQUAL khi người nghiên cứu muốn giảm độ dài bảng hỏi hoặc tránh vấn đề đo kỳ vọng. Hai hướng tiếp cận này không nên trộn lẫn trong cùng một thang đo nếu bạn chưa xác định rõ mô hình lý thuyết.

Bạn có thể xem bài mô hình SERVPERF để so sánh trực tiếp cách đo cảm nhận với cách đo kỳ vọng và cảm nhận. Nếu đề tài tập trung vào nguồn gốc của các vấn đề chất lượng trong quy trình cung ứng, mô hình 5 khoảng cách chất lượng dịch vụ sẽ phù hợp với câu hỏi về khoảng cách quản trị hơn.

Một mở rộng khác là nối chất lượng dịch vụ với sự hài lòng, giá trị cảm nhận, lòng trung thành hoặc ý định mua lại. Khi đó, SERVQUAL cung cấp nhóm biến giải thích, còn các biến kết quả cần được đo bằng thang đo phù hợp với khái niệm tương ứng. Chẳng hạn, bạn không nên dùng một câu hỏi duy nhất để kết luận khách hàng trung thành nếu mô hình cần kiểm định một biến tiềm ẩn có nhiều khía cạnh.

Thang đo thường dùng cho từng khái niệm

Thang đo gốc SERVQUAL của Parasuraman và cộng sự là nguồn tham khảo chính cho năm thành phần chất lượng dịch vụ (Parasuraman và cộng sự, 1988). Bảng dưới đây không phải bản dịch được xác nhận cho mọi ngành. Bạn cần điều chỉnh từ ngữ theo bối cảnh, sau đó kiểm tra lại bằng nghiên cứu sơ bộ và dữ liệu chính thức.

Nếu sử dụng thang đo Likert, bạn có thể chọn 5 hoặc 7 mức độ từ hoàn toàn không đồng ý đến hoàn toàn đồng ý. Thang đo Likert có nguồn gốc từ kỹ thuật đo thái độ của Likert (Likert, 1932). Trong bảng hỏi, nên viết một câu dẫn chung, giải thích rõ người trả lời đang đánh giá dịch vụ nào và dùng thời gian trải nghiệm nào làm căn cứ.

Một biến quan sát tốt chỉ nên tập trung vào một ý. Câu “Nhân viên tư vấn nhanh và giải quyết chính xác yêu cầu” có hai nội dung, tốc độ và độ chính xác. Nếu người trả lời đánh giá hai nội dung này khác nhau, bạn sẽ khó biết điểm số đại diện cho ý nào. Hãy tách thành hai biến nếu cả hai đều cần đo.

Sau khi thu dữ liệu, quy trình thường bắt đầu bằng kiểm tra dữ liệu và thống kê mô tả, tiếp theo là Cronbach's Alpha, EFA nếu nghiên cứu dùng SPSS, rồi hồi quy hoặc mô hình cấu trúc. Cronbach's Alpha từ 0.7 trở lên thường được xem là chấp nhận được (Nunnally, 1978), còn một thang đo mới hoặc mang tính khám phá có thể cân nhắc mức từ 0.6 theo (Hair và cộng sự, 2010). Corrected Item-Total Correlation từ 0.3 trở lên thường được dùng để xem xét mức phù hợp của biến quan sát (Nunnally và Bernstein, 1994).

Nếu chạy EFA, KMO từ 0.5 trở lên và Bartlett có ý nghĩa thống kê với p-value dưới 0.05 là các tiêu chí thường được báo cáo (Kaiser, 1974). Factor loading từ 0.5 trở lên và tổng phương sai trích từ 50% trở lên có thể tham khảo theo (Hair và cộng sự, 2010). Đây là tiêu chí tham khảo để ra quyết định, không phải lý do tự động loại biến. Bạn cần nhìn cả nội dung lý thuyết, loading chéo và tác động của việc loại biến đến cấu trúc thang đo.

Áp dụng vào đề tài của bạn

Giả sử bạn nghiên cứu sự hài lòng của khách hàng đối với dịch vụ giao đồ ăn tại Thành phố Hồ Chí Minh. Mô hình có năm biến độc lập theo SERVQUAL và một biến phụ thuộc là sự hài lòng. Sơ đồ khái niệm có thể mô tả bằng các giả thuyết sau:

• H1: Phương tiện hữu hình ảnh hưởng tích cực đến sự hài lòng của khách hàng.
• H2: Độ tin cậy ảnh hưởng tích cực đến sự hài lòng của khách hàng.
• H3: Sự đáp ứng ảnh hưởng tích cực đến sự hài lòng của khách hàng.
• H4: Sự đảm bảo ảnh hưởng tích cực đến sự hài lòng của khách hàng.
• H5: Sự đồng cảm ảnh hưởng tích cực đến sự hài lòng của khách hàng.

Nếu yêu cầu đề cương chỉ cần bốn giả thuyết, bạn có thể chọn bốn thành phần dựa trên tổng quan tài liệu và đặc điểm ngành. Tuy vậy, việc bỏ một thành phần của SERVQUAL cần được giải thích. Bạn có thể lập luận rằng thành phần đó không phù hợp với bối cảnh nghiên cứu, đã được gộp vào khái niệm khác, hoặc đã được loại khỏi mô hình sau giai đoạn thiết kế thang đo.

Mô hình hồi quy khái quát có dạng: SAT = β0 + β1TAN + β2REL + β3RES + β4ASS + β5EMP + ε. Trong đó SAT là sự hài lòng, β là hệ số tác động và ε là sai số. Công thức chỉ giúp bạn hình dung quan hệ giữa các biến, còn kết quả thực tế phải lấy từ file dữ liệu của bạn.

Khi viết bảng hỏi, hãy đặt câu hỏi sàng lọc trước nhóm biến SERVQUAL. Ví dụ, người trả lời cần xác nhận đã sử dụng dịch vụ trong khoảng thời gian bạn quy định. Sau đó mới hỏi các biến TAN, REL, RES, ASS, EMP và SAT. Bạn cũng cần kiểm tra các cột trong file dữ liệu có đúng mã biến, không bị lẫn chữ trong ô số và không có dòng trả lời chưa hoàn tất.

Nếu đề tài nghiên cứu một thương hiệu cụ thể, hãy thay từ “nhà cung cấp dịch vụ” bằng tên thương hiệu trong câu dẫn. Nếu nghiên cứu toàn ngành, bạn cần nói rõ người trả lời đang đánh giá loại dịch vụ nào. Một bảng hỏi dùng từ quá chung như “dịch vụ này” dễ khiến người trả lời liên tưởng đến nhiều trải nghiệm khác nhau.

Cách kiểm định mô hình bằng SPSS hoặc SmartPLS

SPSS phù hợp khi bạn muốn kiểm tra độ tin cậy, EFA, tương quan và hồi quy tuyến tính với các biến tổng hợp. Bạn có thể bắt đầu bằng Analyze > Scale > Reliability Analysis, đưa các biến quan sát của từng thành phần vào cùng một lần chạy, rồi chọn Statistics và tích Scale if item deleted. Bảng Reliability Statistics cho biết Cronbach's Alpha, còn Item-Total Statistics giúp xem Corrected Item-Total Correlation và Alpha if Item Deleted.

Sau đó, chạy EFA tại Analyze > Dimension Reduction > Factor. Trong phần Descriptives, chọn KMO and Bartlett's test. Trong Extraction, có thể xem eigenvalue và bảng Total Variance Explained. Trong Rotation, chọn phương pháp phù hợp với thiết kế nghiên cứu và xem Rotated Component Matrix. Nếu các biến nhảy sang nhiều nhóm, bạn cần kiểm tra wording, loading chéo và cấu trúc lý thuyết trước khi xóa biến.

Với hồi quy, chọn Analyze > Regression > Linear. Đưa SAT vào ô Dependent, các biến tổng hợp TAN, REL, RES, ASS và EMP vào ô Independent. Trong Statistics, chọn Estimates, Model fit, Collinearity diagnostics và Durbin-Watson. Bảng Coefficients cho hệ số, t-statistic và Sig., còn Model Summary cho R Square. Durbin-Watson trong khoảng 1 đến 3 thường được tham khảo khi kiểm tra tự tương quan phần dư (Field, 2013).

SmartPLS phù hợp khi mô hình của bạn gồm nhiều biến tiềm ẩn, cần đánh giá đồng thời measurement model và structural model, hoặc có quan hệ trung gian, điều tiết. Bạn nhập dữ liệu .csv, tạo các construct TAN, REL, RES, ASS, EMP và SAT, sau đó kéo mũi tên theo giả thuyết. Trong SmartPLS 4, bạn chạy PLS-SEM Algorithm để xem Outer Loadings, Construct Reliability and Validity và Discriminant Validity.

Với measurement model, có thể báo cáo outer loading, Cronbach's Alpha, rho_A, Composite Reliability và AVE. Outer loading từ 0.7 trở lên là ngưỡng tham khảo trong PLS-SEM (Chin, 1998). CR từ 0.7 trở lên và AVE từ 0.5 trở lên thường được dùng để đánh giá độ tin cậy tổng hợp và giá trị hội tụ (Fornell và Larcker, 1981). HTMT nên dưới 0.85, hoặc dưới 0.90 với các khái niệm gần nhau (Henseler và cộng sự, 2015).

Tiếp theo, chạy Bootstrapping để kiểm định path coefficient, t-value và p-value. Thiết lập 5.000 bootstrap subsamples theo hướng dẫn thường được trích dẫn cho quy trình PLS-SEM (Hair và cộng sự, 2022). Với structural model, bạn có thể báo cáo VIF, R², f², Q² và hệ số đường dẫn. VIF dưới 5 là ngưỡng tham khảo (Hair và cộng sự, 2019), R² ở mức 0.75, 0.50 và 0.25 lần lượt được diễn giải là đáng kể, trung bình và yếu trong PLS-SEM (Hair và cộng sự, 2011). Q² lớn hơn 0 cho thấy mô hình có khả năng dự báo liên quan (Stone, 1974).

SPSS có lợi thế ở giao diện quen thuộc và phù hợp với hồi quy, nhưng bạn phải tự tạo biến tổng hợp và kiểm tra từng bước. SmartPLS thuận tiện khi làm việc với biến tiềm ẩn và mô hình nhiều đường dẫn, nhưng không nên đưa các chỉ số CFI, TLI và RMSEA của CB-SEM vào báo cáo PLS-SEM. Các chỉ số đó thuộc nhóm đánh giá CB-SEM theo (Hu và Bentler, 1999).

Cách viết vào luận văn có thể bắt đầu như sau: “Kết quả kiểm định cho thấy thành phần [tên thành phần] có tác động [cùng chiều/ngược chiều] đến [biến phụ thuộc], với hệ số β = [giá trị], p-value = [giá trị]. Do p-value [nhỏ hơn/lớn hơn] 0.05, giả thuyết H[ ] được [chấp nhận/không được ủng hộ].” Bạn thay placeholder bằng số liệu thật từ bảng Coefficients hoặc Path Coefficients, không lấy số minh họa từ tài liệu hướng dẫn.

Lỗi thường gặp khi dùng mô hình này

Lỗi đầu tiên là gọi mọi nghiên cứu về chất lượng dịch vụ là SERVQUAL dù bảng hỏi không có năm thành phần hoặc không dựa trên nguồn gốc của Parasuraman và cộng sự. Hãy mô tả chính xác mô hình bạn dùng, ví dụ “mô hình điều chỉnh dựa trên SERVQUAL” nếu đã thêm, bớt hoặc gộp nhân tố.

Lỗi thứ hai là dùng nguyên văn biến quan sát của một ngành cho ngành khác. Câu hỏi về “nhân viên tại quầy” không phù hợp với ứng dụng ngân hàng số hoàn toàn trực tuyến. Bạn cần sửa bối cảnh, chạy thử bảng hỏi và ghi lại các thay đổi.

Lỗi thứ ba là loại biến chỉ để Alpha tăng. Alpha cao không tự động chứng minh thang đo có giá trị. Một biến có thể làm Alpha tăng nhưng lại quan trọng về mặt nội dung. Hãy xem Corrected Item-Total Correlation, nội dung biến, loading và cấu trúc nhân tố cùng nhau.

Lỗi thứ tư là kết luận có ảnh hưởng nhân quả từ khảo sát cắt ngang chỉ vì hệ số hồi quy có p-value nhỏ. Trong chương thảo luận, nên dùng các cụm như “có tác động thống kê” hoặc “có mối quan hệ theo mô hình kiểm định”, đồng thời nêu giới hạn thiết kế nghiên cứu.

Cuối cùng, đừng nhầm SERVQUAL với mô hình 5 khoảng cách. SERVQUAL tập trung vào đo lường cảm nhận chất lượng dịch vụ của khách hàng, còn mô hình khoảng cách giải thích các khoảng lệch trong quá trình thiết kế và cung ứng dịch vụ. Nếu bạn đang tìm định nghĩa nền tảng, có thể đọc 5 khoảng cách chất lượng dịch vụ là gì. Việc phân biệt hai mô hình ngay từ đề cương sẽ giúp bạn chọn đúng biến và đúng cách kiểm định.

Câu hỏi thường gặp

Mô hình SERVQUAL có bắt buộc phải đo cả kỳ vọng và cảm nhận không?

Mô hình gốc có cách tiếp cận dựa trên kỳ vọng và cảm nhận. Tuy nhiên, nhiều nghiên cứu điều chỉnh chỉ đo cảm nhận để giảm độ dài bảng hỏi. Nếu chọn cách này, bạn cần ghi rõ đây là mô hình điều chỉnh dựa trên SERVQUAL và giải thích lý do trong chương phương pháp.

Mô hình SERVQUAL có bao nhiêu thành phần?

Cách trình bày phổ biến gồm năm thành phần: phương tiện hữu hình, độ tin cậy, sự đáp ứng, sự đảm bảo và sự đồng cảm (Parasuraman và cộng sự, 1988). Một đề tài cụ thể có thể điều chỉnh, gộp hoặc bổ sung thành phần, nhưng mọi thay đổi cần có căn cứ lý thuyết và phù hợp với bối cảnh dịch vụ.

Nên chạy SERVQUAL bằng SPSS hay SmartPLS?

Nếu mô hình chủ yếu gồm EFA và hồi quy với các biến tổng hợp, SPSS thường đủ dùng. Nếu bạn muốn đánh giá biến tiềm ẩn, outer loading, CR, AVE, HTMT và nhiều quan hệ cấu trúc cùng lúc, SmartPLS phù hợp hơn. Phần mềm không thay thế việc xây dựng thang đo và giải thích mô hình.

Vì sao Cronbach's Alpha của thang đo SERVQUAL không đạt?

Hãy kiểm tra dữ liệu thiếu, biến đảo chiều, mã hóa sai và các biến quan sát thuộc nhầm nhóm. Xem thêm Corrected Item-Total Correlation và nội dung từng biến trước khi loại. Alpha từ 0.7 trở lên thường được chấp nhận (Nunnally, 1978), còn thang đo khám phá có thể cân nhắc mức từ 0.6 theo (Hair và cộng sự, 2010).

Có thể dùng SERVQUAL để đo sự hài lòng của khách hàng không?

SERVQUAL chủ yếu đo chất lượng dịch vụ. Sự hài lòng nên được xây dựng như một khái niệm riêng nếu nó là biến phụ thuộc của mô hình. Khi đó, năm thành phần SERVQUAL có thể là biến giải thích cho SAT, còn SAT cần có nhóm biến quan sát và nguồn thang đo phù hợp.

Bạn hãy mở đề cương và file dữ liệu, chốt năm thành phần đang dùng, kiểm tra mã biến rồi chọn đúng quy trình SPSS hoặc SmartPLS trước khi chạy vòng đầu; nếu cần hỗ trợ chạy phân tích trên chính file .sav hoặc .csv, xem M4 phân tích dữ liệu của DoThesis.