Mô hình TOE là gì? Cách xây dựng và kiểm định mô hình nghiên cứu

Mô hình TOE là gì

Mô hình TOE, viết đầy đủ là Technology, Organization and Environment, là khung phân tích dùng để giải thích việc một doanh nghiệp hoặc tổ chức chấp nhận, triển khai và sử dụng một công nghệ. Ba chữ trong tên mô hình tương ứng với ba nhóm yếu tố: công nghệ, tổ chức và môi trường bên ngoài.

Bạn có thể dùng mô hình TOE khi đề tài hỏi những câu như: Vì sao doanh nghiệp vừa và nhỏ áp dụng hóa đơn điện tử, thương mại điện tử, ERP, điện toán đám mây hoặc AI. Mô hình cũng phù hợp khi biến phụ thuộc là ý định áp dụng, mức độ sẵn sàng, quyết định triển khai hoặc mức độ sử dụng công nghệ.

TOE không phải là một bảng câu hỏi cố định dùng cho mọi đề tài. Bạn phải chọn các biến phù hợp với loại công nghệ, ngành, quy mô doanh nghiệp và bối cảnh nghiên cứu. Chẳng hạn, chi phí có thể là rào cản quan trọng với điện toán đám mây, nhưng không nhất thiết có cùng ý nghĩa khi nghiên cứu ứng dụng mạng xã hội trong bán hàng.

Khi xây mô hình, bạn cần phân biệt khung lý thuyết với mô hình thực nghiệm. Khung TOE cung cấp ba nhóm yếu tố để suy nghĩ. Mô hình thực nghiệm của bạn mới quyết định biến nào được đưa vào, biến nào là độc lập, biến nào là phụ thuộc, có biến trung gian hoặc điều tiết hay không.

Nếu bạn đang so sánh TOE với các khung nghiên cứu khác, có thể xem thêm chuyên mục Mô hình nghiên cứu. Các bài về mô hình TAM và mô hình chấp nhận công nghệ TAM phù hợp hơn khi đơn vị phân tích là người dùng cá nhân.

Các thành phần trong mô hình TOE

Ba nhóm của TOE cần được chuyển thành những biến có thể đo bằng bảng hỏi. Bảng dưới đây là cách phân loại ban đầu, không phải danh sách bắt buộc cho mọi đề tài.

Bạn không nên đưa toàn bộ các biến trên vào cùng một bảng hỏi chỉ vì chúng xuất hiện trong tài liệu tham khảo. Mỗi biến cần có lý do lý thuyết, thang đo phù hợp và liên hệ rõ với câu hỏi nghiên cứu. Một mô hình có sáu biến độc lập nhưng chỉ có 120 quan sát sẽ tạo áp lực cho cả cỡ mẫu, chất lượng dữ liệu và phần giải thích kết quả.

Cũng cần xác định cấp độ phân tích ngay từ đầu. Nếu bạn hỏi giám đốc hoặc người phụ trách công nghệ về quyết định của doanh nghiệp, biến quan sát nên phản ánh nhận định ở cấp tổ chức. Nếu bạn khảo sát nhân viên về ý định sử dụng một phần mềm, TAM, UTAUT hoặc UTAUT2 có thể sát với hành vi cá nhân hơn. Mô hình IS Success DeLone và McLean thường phù hợp khi câu hỏi tập trung vào chất lượng hệ thống, chất lượng thông tin và lợi ích ròng sau khi sử dụng hệ thống.

Mô hình gốc và các mở rộng phổ biến

Mô hình TOE thường được dùng như khung mở để các nghiên cứu bổ sung biến theo công nghệ và bối cảnh. Mô hình gốc có ba lớp phân tích, nhưng không buộc mọi nghiên cứu phải sử dụng cùng một tập biến. Vì vậy, khi đọc một bài nghiên cứu, bạn cần xem tác giả đã vận hành hóa từng lớp như thế nào trước khi sao chép mô hình.

Với đề tài về chấp nhận công nghệ của cá nhân, bạn có thể cân nhắc mô hình chấp nhận công nghệ TAM là gì. TAM thường tập trung vào nhận thức tính hữu ích, nhận thức tính dễ sử dụng, thái độ và ý định sử dụng. UTAUT bổ sung các yếu tố như kỳ vọng hiệu quả, kỳ vọng nỗ lực, ảnh hưởng xã hội và điều kiện thuận lợi. UTAUT2 mở rộng thêm các yếu tố hướng tới bối cảnh người tiêu dùng, chẳng hạn giá trị cảm nhận hoặc động lực hưởng thụ.

Nếu nghiên cứu đổi mới trong doanh nghiệp, mô hình khuếch tán đổi mới có thể được dùng để giải thích các đặc tính của đổi mới như lợi thế tương đối, tính tương thích, tính phức tạp, khả năng thử nghiệm và khả năng quan sát. Bạn có thể xem thêm bài mô hình khuếch tán đổi mới, sau đó quyết định yếu tố nào bổ trợ cho lớp Công nghệ trong TOE.

Một số hướng mở rộng thường gặp gồm:

• TOE kết hợp TAM: dùng TOE để giải thích điều kiện ở cấp doanh nghiệp, TAM để giải thích nhận thức của người sử dụng. Cách này cần phân biệt rõ cấp tổ chức và cấp cá nhân, tránh đặt tất cả biến vào một phương trình mà không có lập luận.
• TOE kết hợp UTAUT hoặc UTAUT2: phù hợp khi quyết định áp dụng chịu ảnh hưởng của cả năng lực tổ chức và hành vi người dùng. Bạn cần nói rõ UTAUT được dùng cho nhân viên, khách hàng hay người ra quyết định.
• TOE kết hợp Task Technology Fit: dùng khi mức độ phù hợp giữa công nghệ và nhiệm vụ là cơ chế giải thích kết quả sử dụng. Biến này không đồng nghĩa với tính tương thích ở cấp tổ chức.
• TOE kết hợp IS Success DeLone và McLean: phù hợp với nghiên cứu sau triển khai, trong đó bạn đo chất lượng hệ thống, chất lượng thông tin, chất lượng dịch vụ, mức độ sử dụng và lợi ích đạt được.
• TOE kết hợp ECM hoặc TPR: ECM phù hợp với ý định tiếp tục sử dụng sau trải nghiệm ban đầu. TPR phù hợp khi rủi ro cảm nhận là rào cản chính trong chấp nhận công nghệ.

Mỗi mở rộng làm mô hình có thêm biến và thêm giả thuyết. Bạn nên bắt đầu từ vấn đề nghiên cứu, sau đó chọn mô hình, thay vì gom mô hình TAM 3, mô hình UTAUT, mô hình UTAUT2, mô hình Task Technology Fit, mô hình kỳ vọng xác nhận ECM và mô hình nhận thức rủi ro TPR vào cùng một sơ đồ.

Thang đo thường dùng cho từng khái niệm

TOE không có một bộ thang đo duy nhất. Bạn cần tìm thang đo gốc cho từng khái niệm, kiểm tra bối cảnh ban đầu, dịch và điều chỉnh câu chữ cho đối tượng khảo sát. Với các khái niệm liên quan đến chấp nhận công nghệ, TAM của Davis (1989), UTAUT của Venkatesh và cộng sự (2003), UTAUT2 của Venkatesh và cộng sự (2012), khuếch tán đổi mới và SERVQUAL có thể là các hướng tham khảo tùy câu hỏi nghiên cứu. Không nên ghi một thang đo là “chuẩn TOE” nếu nguồn gốc của nó thực ra nằm ở một mô hình khác.

Bạn có thể dùng thang Likert 5 hoặc 7 mức, nhưng cần giữ cách diễn giải nhất quán từ hoàn toàn không đồng ý đến hoàn toàn đồng ý. Likert (1932) là nguồn kinh điển cho kỹ thuật đo thái độ. Khi dịch thang đo, hãy giữ một bảng đối chiếu mã biến, câu gốc, bản dịch dự kiến và lý do chỉnh sửa. Bản dịch tham khảo chưa được xem là thang đo đã được kiểm định trong bối cảnh Việt Nam.

Sau khi thu dữ liệu, bạn thường kiểm tra Cronbach's Alpha và Corrected Item-Total Correlation, tiếp theo là EFA nếu thiết kế nghiên cứu yêu cầu. Cronbach's Alpha từ 0.7 trở lên thường được chấp nhận theo (Nunnally, 1978), còn thang đo mới hoặc nghiên cứu khám phá có thể cân nhắc Alpha từ 0.6 theo (Hair và cộng sự, 2010). Corrected Item-Total Correlation từ 0.3 trở lên được dẫn theo (Nunnally và Bernstein, 1994). Những con số này là tiêu chí tham khảo có nguồn, không phải lý do tự động loại biến.

Áp dụng vào đề tài của bạn

Giả sử bạn nghiên cứu ý định áp dụng hệ thống quản trị quan hệ khách hàng CRM của doanh nghiệp vừa và nhỏ. Bạn có thể xây mô hình minh họa gồm bốn biến độc lập và một biến phụ thuộc: tính tương thích, sự sẵn sàng của tổ chức, cam kết của lãnh đạo, áp lực cạnh tranh và ý định áp dụng CRM.

Sơ đồ khái niệm có thể viết bằng lời như sau: Tính tương thích, sự sẵn sàng của tổ chức, cam kết của lãnh đạo và áp lực cạnh tranh được giả định tác động đến ý định áp dụng CRM. Đây là số liệu và cấu trúc minh họa để bạn học cách đặt giả thuyết, không phải kết quả của một nghiên cứu thật.

• H1: Tính tương thích của CRM tác động tích cực đến ý định áp dụng CRM.
• H2: Sự sẵn sàng của tổ chức tác động tích cực đến ý định áp dụng CRM.
• H3: Cam kết của lãnh đạo tác động tích cực đến ý định áp dụng CRM.
• H4: Áp lực cạnh tranh tác động tích cực đến ý định áp dụng CRM.

Mỗi giả thuyết cần có đoạn lập luận riêng. Bạn giải thích vì sao biến độc lập có thể tác động đến biến phụ thuộc, dẫn nguồn mô hình hoặc nghiên cứu trước, rồi mới viết giả thuyết. Không nên viết H1 đến H4 chỉ dựa vào việc biến đó thuộc nhóm Công nghệ, Tổ chức hoặc Môi trường.

Khi thiết kế bảng hỏi, mỗi khái niệm nên có nhiều biến quan sát, mã hóa rõ như TC1, TC2 cho tính tương thích và OR1, OR2 cho sự sẵn sàng. Số biến quan sát cũng liên quan đến cỡ mẫu. Quy tắc 5 đến 10 quan sát cho một biến quan sát thường được dẫn theo (Hair và cộng sự, 2010), nhưng bạn vẫn cần xem xét số biến trong mô hình, phương pháp phân tích và khả năng thu thập dữ liệu thực tế.

Cách viết vào luận văn có thể điều chỉnh như sau: “Dựa trên khung TOE và đặc điểm của [ngành/bối cảnh], nghiên cứu đề xuất [số] yếu tố gồm [tên các biến] tác động đến [biến phụ thuộc]. Các giả thuyết H1 đến H4 được xây dựng để kiểm định các mối quan hệ này.” Bạn thay phần trong ngoặc vuông bằng thông tin thật, sau đó đối chiếu lại với mô hình và bảng hỏi.

Cách kiểm định mô hình bằng SPSS hoặc SmartPLS

SPSS phù hợp khi bạn cần kiểm tra dữ liệu, thống kê mô tả, Cronbach's Alpha, EFA và hồi quy tuyến tính. Bạn có thể chạy Alpha tại Analyze > Scale > Reliability Analysis, đưa các biến quan sát của từng khái niệm vào ô Items, rồi mở Statistics và chọn Scale if item deleted để xem ảnh hưởng của từng biến.

Nếu chạy EFA, vào Analyze > Dimension Reduction > Factor. 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 được dẫn theo (Kaiser, 1974). Eigenvalue lớn hơn 1 là quy tắc trích thường được dẫn theo (Kaiser, 1960). Factor loading từ 0.5 trở lên và tổng phương sai trích từ 50% trở lên có thể tham khảo (Hair và cộng sự, 2010).

Sau đó vào Analyze > Regression > Linear, đưa ý định áp dụng vào Dependent và các biến TOE vào Independents. Trong bảng Coefficients, đọc B, Beta, t và Sig.. Bạn cần kiểm tra thêm VIF, phần dư và các chỉ báo phù hợp với thiết kế nghiên cứu. Durbin-Watson trong khoảng 1 đến 3 là tiêu chí thường được dẫn theo (Field, 2013).

SmartPLS phù hợp khi mô hình có biến tiềm ẩn, nhiều biến quan sát, quan hệ dự báo hoặc mẫu không lớn theo thiết kế PLS-SEM. Bạn nhập dữ liệu .csv, kéo các biến quan sát vào từng construct, nối mũi tên theo giả thuyết, rồi chạy PLS-SEM Algorithm. Đọc các bảng Outer Loadings, Construct Reliability and Validity, Discriminant Validity, Path Coefficients và R Square.

Trong SmartPLS 4, bạn có thể chạy Calculate > Bootstrapping để kiểm tra ý nghĩa của path coefficient. Thiết lập 5.000 bootstrap subsamples có thể dẫn theo (Hair và cộng sự, 2022). Khi báo cáo PLS-SEM, cần đánh giá lần lượt mô hình đo lường rồi mô hình cấu trúc theo cách tiếp cận hai bước được trình bày trong (Anderson và Gerbing, 1988) và các hướng dẫn PLS-SEM hiện hành.

Một khối kết quả dưới đây là số liệu minh họa, không phải phát hiện từ đề tài của bạn.

Trong PLS-SEM, outer loading từ 0.7 trở lên có thể tham khảo (Chin, 1998) hoặc (Hair và cộng sự, 2022). CR từ 0.7 và AVE từ 0.5 trở lên được dẫn theo (Fornell và Larcker, 1981). HTMT dưới 0.85, hoặc dưới 0.90 với các khái niệm gần nhau, được dẫn theo (Henseler và cộng sự, 2015). VIF dưới 5 có thể tham khảo (Hair và cộng sự, 2019). R² ở mức 0.75, 0.50 và 0.25 lần lượt có thể diễn giải là đáng kể, trung bình và yếu theo (Hair và cộng sự, 2011), nhưng bạn nên trình bày trong đúng bối cảnh nghiên cứu.

Không đưa CFI, TLI hoặc RMSEA vào phần đánh giá mô hình SmartPLS. Các chỉ số này thuộc CB-SEM, với tiêu chí được nêu trong (Hu và Bentler, 1999). Nếu bạn dùng AMOS cho mô hình hiệp phương sai, khi đó mới bàn đến nhóm fit indices này.

Lỗi thường gặp khi dùng mô hình này

Gắn nhãn TOE nhưng chỉ đo nhận thức của cá nhân. Nếu toàn bộ câu hỏi hỏi một nhân viên có thấy phần mềm dễ dùng hay hữu ích không, mô hình của bạn đang gần TAM hoặc UTAUT hơn. Hãy xác định lại đơn vị phân tích và lý do cần TOE.

Dùng ba nhóm TOE như ba biến độc lập duy nhất. Công nghệ, tổ chức và môi trường là nhóm khái niệm. Bạn cần chỉ ra biến cụ thể trong từng nhóm, cách đo và lập luận cho từng quan hệ.

Sao chép thang đo mà không đổi bối cảnh. Câu hỏi về áp lực đối tác trong ngành sản xuất có thể không phù hợp với hộ kinh doanh bán lẻ. Hãy thay tên công nghệ, đối tượng và quy trình, nhưng không làm thay đổi ý nghĩa gốc của biến.

Đưa quá nhiều mô hình vào một sơ đồ. Mô hình TOE, mô hình TAM 3, UTAUT2, TTF, ECM và TPR đều có thể hữu ích trong những câu hỏi khác nhau. Gộp chúng chỉ để làm mô hình “đầy đủ” sẽ khiến giả thuyết khó giải thích và bảng hỏi dài.

Loại biến chỉ để làm chỉ số đẹp. Nếu loại một biến, bạn cần xem nội dung câu hỏi, tương quan, loading, lý thuyết và ảnh hưởng đến giá trị khái niệm. Ghi lại từng vòng xử lý để có thể giải trình với giảng viên.

Viết kết luận nhân quả quá mạnh. Dữ liệu khảo sát cắt ngang thường cho bạn bằng chứng về mối liên hệ trong mẫu nghiên cứu. Cách viết “tác động” cần bám vào thiết kế, giả thuyết và phương pháp, không nên biến một p-value nhỏ thành khẳng định tuyệt đối.

Câu hỏi thường gặp

Mô hình TOE có phù hợp với đề tài về người tiêu dùng không?

TOE phù hợp nhất khi đơn vị phân tích là doanh nghiệp hoặc tổ chức. Nếu bạn khảo sát người tiêu dùng về ý định dùng ứng dụng, TAM, UTAUT2, ECM hoặc TPR có thể sát với cơ chế hành vi hơn. Bạn vẫn có thể kết hợp TOE nếu đề tài đồng thời xem xét điều kiện tổ chức hoặc môi trường, nhưng cần nói rõ hai cấp phân tích.

Mô hình TOE gồm những biến nào?

TOE gồm ba nhóm: Công nghệ, Tổ chức và Môi trường. Các biến cụ thể thường được chọn theo đề tài, chẳng hạn tính tương thích, tính phức tạp, sự sẵn sàng, cam kết lãnh đạo, áp lực cạnh tranh hoặc áp lực đối tác. Không có danh sách biến bắt buộc áp dụng cho mọi nghiên cứu.

Nên chạy mô hình TOE bằng SPSS hay SmartPLS?

SPSS phù hợp với Cronbach's Alpha, EFA và hồi quy tuyến tính khi mô hình của bạn dùng các biến tổng hợp. SmartPLS phù hợp khi bạn muốn mô hình hóa biến tiềm ẩn, đánh giá outer loading, CR, AVE, HTMT và path coefficient trong một quy trình PLS-SEM.

Bạn nên chọn công cụ theo mô hình, cỡ mẫu, cách đo và yêu cầu của giảng viên. Kết quả chạy bằng phần mềm nào cũng cần được giải thích bằng lý thuyết và dữ liệu thật.

Mô hình TOE có cần dùng cả ba nhóm biến không?

Nếu bạn gọi nghiên cứu là áp dụng TOE, việc trình bày cả ba nhóm sẽ giúp người đọc thấy khung lý thuyết được sử dụng đầy đủ. Tuy nhiên, bạn không nhất thiết phải đưa mọi biến trong mỗi nhóm vào mô hình thực nghiệm. Nếu một nhóm không phù hợp với câu hỏi nghiên cứu, hãy nêu lý do loại trừ thay vì thêm biến cho đủ hình thức.

Có thể kết hợp TOE với mô hình UTAUT hoặc TAM không?

Có thể, nếu bạn phân công rõ mỗi mô hình giải thích phần nào. TOE có thể giải thích bối cảnh doanh nghiệp, còn TAM hoặc UTAUT giải thích nhận thức và ý định của người sử dụng. Hãy kiểm tra trùng lặp giữa các biến, xác định cấp phân tích và viết giả thuyết trước khi thiết kế bảng hỏi.

Bạn mở file dữ liệu và bản sơ đồ nghiên cứu của mình, sau đó lập danh sách biến theo ba nhóm Công nghệ, Tổ chức và Môi trường, kiểm tra nguồn thang đo và chọn SPSS hoặc SmartPLS theo mô hình thực tế; nếu cần chạy phân tích trên chính file .sav hoặc .csv, xem M4 phân tích dữ liệu.