Năng lực phục vụ là gì? Cách xây dựng và kiểm định thang đo

Năng lực phục vụ là gì và được đo bằng gì

Bạn có thể hiểu năng lực phục vụ là mức độ khách hàng cảm nhận nhân viên hoặc tổ chức có đủ kiến thức, kỹ năng, sự lịch sự và khả năng tạo niềm tin khi cung cấp dịch vụ. Khái niệm này thường xuất hiện trong nghiên cứu về chất lượng dịch vụ, cùng với các thành phần như sự tin cậy, khả năng đáp ứng, sự đồng cảm và phương tiện hữu hình.

Trong bảng hỏi, năng lực phục vụ thường được đo bằng nhiều biến quan sát trên thang Likert. Người trả lời cho biết mức độ đồng ý với từng phát biểu, 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 của Likert về đo lường thái độ (Likert, 1932).

Bạn cần phân biệt năng lực phục vụ với sự hài lòng. Năng lực phục vụ mô tả cảm nhận về khả năng và cách ứng xử của nhân viên hoặc đơn vị cung cấp dịch vụ. Sự hài lòng thường là biến kết quả, phản ánh đánh giá tổng thể sau khi khách hàng sử dụng dịch vụ. Trong mô hình, năng lực phục vụ có thể là biến độc lập tác động đến sự hài lòng, ý định tiếp tục sử dụng hoặc lòng trung thành.

Nếu đề tài của bạn nghiên cứu toàn bộ chất lượng dịch vụ, hãy xem thêm thang đo chất lượng dịch vụ để tránh lấy riêng một thành phần rồi gọi đó là toàn bộ chất lượng dịch vụ. Các khái niệm gần như sự tin cậy và phương tiện hữu hình cũng cần được tách riêng khi xây dựng mô hình.

Nguồn thang đo gốc

Nguồn thường được dùng để phát triển thang đo chất lượng dịch vụ là SERVQUAL của Parasuraman và cộng sự. Mô hình này gồm năm nhóm nội dung: phương tiện hữu hình, sự tin cậy, khả năng đáp ứng, năng lực phục vụ và sự đồng cảm. Năng lực phục vụ trong SERVQUAL tập trung vào kiến thức, sự lịch sự và khả năng tạo niềm tin của nhân viên (Parasuraman và cộng sự, 1988).

Bảng dưới đây giúp bạn xác định điểm xuất phát. Số lượng biến quan sát cần được kiểm tra lại trong tài liệu gốc và phiên bản bạn thực sự sử dụng. Bảng này không có nghĩa bộ câu chữ tiếng Việt đã được xác nhận cho mọi ngành.

Bạn nên ghi rõ trong chương 3 rằng thang đo được kế thừa và điều chỉnh từ SERVQUAL, thay vì tuyên bố đây là bản dịch nguyên bản. Nếu nghiên cứu bệnh viện, ngân hàng, trường học, khách sạn hoặc dịch vụ công, cùng một phát biểu có thể cần thay đổi chủ thể cung cấp dịch vụ. Ví dụ, “nhân viên cung cấp thông tin rõ ràng” phù hợp với nhiều bối cảnh, nhưng “nhân viên hiểu nghiệp vụ” cần được diễn đạt theo loại dịch vụ cụ thể.

Trong mô hình nghiên cứu, năng lực phục vụ có thể đi cùng các khái niệm khác. Với đề tài về giáo dục, bạn có thể đối chiếu cách xây dựng khái niệm trong bài chất lượng đào tạo là gì. Với đề tài rộng hơn về mô hình và giả thuyết, trang Mô hình nghiên cứu giúp bạn đặt thang đo vào đúng vai trò biến độc lập, trung gian hoặc kết quả.

Bộ biến quan sát tham khảo

Dưới đây là bộ câu chữ khởi đầu để bạn xây dựng bảng hỏi. Đây là bản diễn đạt tham khảo bằng tiếng Việt, chưa phải bản dịch đã được thẩm định và chưa chắc phù hợp với dữ liệu của bạn. Bạn cần thay từ “đơn vị cung cấp dịch vụ” bằng tên tổ chức cụ thể, sau đó kiểm tra câu hỏi với người hướng dẫn.

Không nên gộp hai ý vào một biến quan sát. Chẳng hạn, câu “nhân viên có kiến thức và phục vụ nhanh chóng” đo đồng thời năng lực và khả năng đáp ứng. Khi người trả lời đồng ý với một phần nhưng không đồng ý với phần còn lại, bạn sẽ khó biết biến đó phản ánh khái niệm nào.

Bạn cũng cần kiểm tra sự trùng lặp. NL1 và NL5 đều liên quan đến năng lực giải thích, vì vậy hãy đọc lại mục tiêu nghiên cứu để quyết định chúng có khác nhau đủ rõ hay không. Nếu bảng hỏi đã có nhóm biến về khả năng đáp ứng, các phát biểu nói về tốc độ xử lý nên được đưa sang nhóm đó thay vì giữ trong năng lực phục vụ.

Với thang Likert 5 mức, phần hướng dẫn có thể ghi: “Vui lòng cho biết mức độ đồng ý của Anh/Chị với các phát biểu sau, trong đó 1 là hoàn toàn không đồng ý và 5 là hoàn toàn đồng ý”. Mỗi biến nên chỉ có một phát biểu, một đối tượng đánh giá và một khoảng thời gian hoặc trải nghiệm đủ rõ.

Điều chỉnh thang đo cho bối cảnh Việt Nam

Bước đầu tiên là xác định đúng người trả lời. Nếu nghiên cứu khách hàng ngân hàng, “nhân viên” có thể là giao dịch viên, nhân viên tư vấn hoặc nhân viên chăm sóc khách hàng. Nếu nghiên cứu dịch vụ trực tuyến, một phần năng lực phục vụ có thể được thể hiện qua nhân viên hỗ trợ trên ứng dụng hoặc tổng đài.

Bước tiếp theo là chỉnh từ ngữ theo trải nghiệm thực tế. Tránh các từ quá hàn lâm như “năng lực chuyên môn cần thiết” nếu người trả lời không dùng cách nói đó. Bạn vẫn cần giữ nội dung khái niệm, nhưng có thể viết thành “nhân viên hiểu rõ dịch vụ mà họ đang tư vấn”.

Nếu có biến đảo chiều, hãy đánh dấu riêng trong file dữ liệu và mã hóa lại trước khi chạy Cronbach's Alpha. Câu đảo chiều dễ khiến người trả lời nhầm, chẳng hạn “nhân viên thường không giải thích được vấn đề của tôi”. Chỉ dùng biến đảo chiều khi bạn có lý do phương pháp rõ ràng, vì một biến có câu chữ tiêu cực có thể tạo lỗi do cách diễn đạt thay vì đo lường nội dung thực sự.

Sau khi soạn bảng hỏi, bạn nên chạy thử với một nhóm nhỏ có đặc điểm gần với mẫu chính. Hãy hỏi người thử xem họ hiểu “nhân viên”, “dịch vụ” và “chuyên nghiệp” theo nghĩa nào. Việc chạy thử ở đây nhằm phát hiện câu khó hiểu, câu trùng ý và lựa chọn trả lời bị thiếu. Kết quả thử chưa nên được gộp vào mẫu chính nếu quy trình và bảng hỏi còn thay đổi.

Kiểm định độ tin cậy và giá trị của thang đo

Với dữ liệu đã thu thập, hãy kiểm định theo thứ tự: làm sạch dữ liệu, chạy Cronbach's Alpha, chạy EFA nếu thiết kế nghiên cứu sử dụng EFA, sau đó đưa thang đo vào hồi quy hoặc mô hình cấu trúc. Nếu dùng SmartPLS, quy trình đánh giá measurement model sẽ khác SPSS, với các chỉ số như outer loading, CR, AVE và HTMT.

Trong SPSS, bạn chạy Cronbach's Alpha tại Analyze > Scale > Reliability Analysis. Đưa NL1 đến NL5 vào ô Items, chọn Model là Alpha, mở Statistics, chọn Item, Scale và Scale if item deleted. Đọc bảng Reliability Statistics để xem Alpha, rồi đọc Item-Total Statistics để xem Corrected Item-Total Correlation và Alpha if Item Deleted.

Nếu một biến có Corrected Item-Total Correlation thấp, bạn cần đọc lại câu hỏi trước khi xóa. Đừng xóa chỉ vì cột Alpha if Item Deleted tăng nhẹ. Hãy xem biến đó có đúng nội dung năng lực phục vụ không, có bị nhập sai mã hay có phải câu đảo chiều chưa được reverse code không.

Nếu chạy EFA, vào Analyze > Dimension Reduction > Factor. Trong phần Descriptives, chọn KMO and Bartlett's test. Trong Extraction, kiểm tra phương pháp trích và tiêu chí eigenvalue. Trong Rotation, chọn phép xoay phù hợp với giả định về tương quan giữa các nhân tố, rồi đọc các bảng Total Variance Explained và Rotated Component Matrix.

số liệu minh họa: Bảng dưới đây mô phỏng hình dạng kết quả SPSS, không phải kết quả từ một nghiên cứu thực tế. Số liệu chỉ giúp bạn nhận diện cột cần đọc.

Trong ví dụ minh họa, Alpha của nhóm là 0.842 và tương quan biến tổng của các biến đều trên 0.30. NL5 có Alpha if Item Deleted cao hơn Alpha chung, nhưng quyết định loại NL5 vẫn cần dựa vào nội dung và thiết kế thang đo. Với dữ liệu thật, bạn phải dùng chính output của mình và ghi lại lý do loại hoặc giữ từng biến.

Nếu dùng SmartPLS 4, bạn đánh giá measurement model sau khi vẽ mô hình và chạy Calculate > PLS-SEM Algorithm. Đọc các bảng Outer Loadings, Construct Reliability and Validity và Discriminant Validity. Khi kiểm định đường dẫn, dùng bootstrapping với số lượng subsamples phù hợp theo quy trình PLS-SEM, trong tài liệu hướng dẫn thường dùng 5.000 subsamples (Hair và cộng sự, 2022). Không đưa CFI, TLI hoặc RMSEA của CB-SEM vào phần đánh giá measurement model của SmartPLS.

Cách trình bày thang đo trong chương 3

Trong chương phương pháp, bạn nên trình bày định nghĩa khái niệm, nguồn thang đo, cách điều chỉnh câu chữ, thang đo Likert và danh sách mã biến. Phần này cần cho người đọc biết vì sao NL1 đến NL5 cùng thuộc năng lực phục vụ và các biến được đưa vào bảng hỏi như thế nào.

Bạn có thể viết theo mẫu sau và thay các phần trong ngoặc vuông bằng thông tin của đề tài:

Cách viết vào luận văn: “Thang đo năng lực phục vụ được kế thừa từ Parasuraman và cộng sự (1988), sau đó điều chỉnh từ ngữ để phù hợp với bối cảnh [ngành hoặc loại dịch vụ] tại [địa bàn nghiên cứu]. Khái niệm này được đo lường bằng [số lượng] biến quan sát, ký hiệu từ NL1 đến NL[số cuối], sử dụng thang Likert [5 hoặc 7] mức, trong đó [1] là [mức thấp nhất] và [5 hoặc 7] là [mức cao nhất].”

Sau khi thu thập dữ liệu, phần kết quả cần tách khỏi chương 3. Bạn có thể đặt bảng Cronbach's Alpha và EFA ở chương 4, ghi rõ biến nào bị loại, tiêu chí sử dụng và số biến còn lại. Nếu thang đo thay đổi so với bảng hỏi ban đầu, hãy cập nhật bảng kết quả để hội đồng thấy được quá trình xử lý.

Lỗi thường gặp

Lỗi đầu tiên là dùng “năng lực phục vụ” như một nhãn chung nhưng đưa vào đó các biến về tốc độ, cơ sở vật chất và mức độ tin cậy giao hàng. Bạn nên đối chiếu từng biến với định nghĩa khái niệm trước khi chạy SPSS.

Lỗi thứ hai là dịch nguyên văn câu hỏi mà không xét bối cảnh Việt Nam. Các từ như “professional”, “competent” hoặc “courteous” có sắc thái khác nhau. Hãy kiểm tra người trả lời có hiểu cùng một nghĩa hay không và tránh biến quan sát dài nhiều mệnh đề.

Lỗi thứ ba là xóa biến liên tục để Alpha tăng. Cronbach's Alpha cao không tự động chứng minh thang đo có giá trị nội dung hoặc giá trị phân biệt. Bạn cần xem cả Corrected Item-Total Correlation, cấu trúc nhân tố và lý thuyết của mô hình.

Lỗi thứ tư là trộn kết quả SPSS với SmartPLS. SPSS thường dùng Cronbach's Alpha, KMO, Bartlett's Test và Rotated Component Matrix. SmartPLS dùng outer loading, CR, AVE, HTMT và path coefficients. Chọn công cụ theo mô hình và kế hoạch phân tích, không chọn chỉ vì một ngưỡng nhìn có vẻ dễ đạt.

Lỗi cuối là ghi số liệu minh họa như thể đó là kết quả của mẫu thật. Trong luận văn, mọi con số về Alpha, factor loading, p-value hoặc AVE phải lấy từ file dữ liệu và output của chính bạn.

Câu hỏi thường gặp

Năng lực phục vụ có giống sự tin cậy không?

Hai khái niệm có liên quan nhưng nội dung đo lường khác nhau. Năng lực phục vụ tập trung vào kiến thức, sự lịch sự, tính chuyên nghiệp và khả năng tạo niềm tin của nhân viên. Sự tin cậy tập trung vào việc đơn vị thực hiện đúng cam kết, cung cấp dịch vụ chính xác và đúng thời gian.

Nếu mô hình có cả hai khái niệm, bạn nên viết định nghĩa riêng và dùng các biến quan sát không trùng ý. Bạn có thể tham khảo thêm thang đo sự tin cậy khi xây dựng nhóm biến còn lại.

Thang đo năng lực phục vụ nên có bao nhiêu biến quan sát?

Mỗi đề tài có một mức phù hợp riêng. Số biến phụ thuộc vào nguồn thang đo, định nghĩa khái niệm, bối cảnh nghiên cứu và kết quả kiểm định. Bạn nên bắt đầu từ thang đo gốc, sau đó điều chỉnh có lý do thay vì tự đặt số biến chỉ để đủ bảng hỏi.

Trong giai đoạn phân tích, một biến chỉ nên bị loại khi có căn cứ thống kê và nội dung. Việc còn lại ba biến hay bốn biến sau kiểm định cần được trình bày minh bạch trong luận văn.

Cronbach's Alpha của năng lực phục vụ dưới 0.7 thì phải làm sao?

Nếu nghiên cứu khám phá hoặc thang đo mới điều chỉnh, Alpha từ 0.6 có thể được xem xét cùng các chỉ số khác (Hair và cộng sự, 2010). Bạn cần kiểm tra Corrected Item-Total Correlation, câu đảo chiều, lỗi nhập dữ liệu và mức độ trùng hoặc lệch nội dung giữa các biến.

Đừng xóa biến ngay theo Alpha if Item Deleted. Hãy đọc lại câu chữ và trao đổi với người hướng dẫn, vì xóa một biến quan trọng về mặt nội dung có thể làm khái niệm bị thiếu.

Có thể dùng thang đo SERVQUAL cho mọi ngành không?

Bạn có thể dùng SERVQUAL làm nguồn tham khảo, nhưng cần điều chỉnh theo đối tượng và quy trình dịch vụ. Một phát biểu phù hợp với ngân hàng chưa chắc phù hợp với bệnh viện, trường học hoặc nền tảng số.

Trong chương 3, hãy ghi rõ nguồn gốc, cách dịch, cách điều chỉnh và kết quả kiểm định trên mẫu của bạn. Bộ biến tham khảo không tự động trở thành thang đo hợp lệ chỉ vì đã được dùng ở một ngành khác.

Nên chạy SPSS hay SmartPLS để kiểm định thang đo?

SPSS phù hợp khi bạn cần Cronbach's Alpha, EFA và hồi quy theo quy trình quen thuộc trong nhiều luận văn. SmartPLS phù hợp khi mô hình của bạn dùng PLS-SEM và cần đánh giá outer loading, CR, AVE, HTMT cùng các đường dẫn cấu trúc.

Bạn nên chốt quy trình phân tích trước khi thu thập dữ liệu. Việc chuyển công cụ giữa chừng có thể làm thay đổi cách đánh giá thang đo và phần kết quả cần báo cáo.

Mở file dữ liệu của bạn, lập danh sách NL1 đến NL5, kiểm tra mã hóa và chạy Analyze > Scale > Reliability Analysis trước khi quyết định xóa biến. Khi cần đối chiếu toàn bộ quy trình phân tích trên file .sav hoặc .csv, bạn có thể dùng module M4 phân tích dữ liệu.