Nhận thức rủi ro TPR là gì? Thành phần, thang đo và cách kiểm định

Mô hình nhận thức rủi ro TPR là gì

Bạn thường gặp TPR khi nghiên cứu ý định mua sắm trực tuyến, thanh toán điện tử, ngân hàng số, thương mại điện tử hoặc chấp nhận một công nghệ mới. TPR thường được dùng để chỉ Theory of Perceived Risk, có thể hiểu là cách người dùng đánh giá những tổn thất hoặc sự không chắc chắn có thể xảy ra khi thực hiện một hành vi.

Trong bảng hỏi, nhận thức rủi ro không hỏi người trả lời có từng gặp sự cố hay chưa. Bạn đo cảm nhận chủ quan của họ, chẳng hạn lo lắng mất tiền, lộ thông tin cá nhân, nhận sản phẩm không đúng mô tả hoặc không thể xử lý khi có vấn đề. Vì vậy, cùng một dịch vụ có thể tạo ra mức TPR khác nhau giữa các nhóm người dùng.

TPR không phải lúc nào cũng là một mô hình có cấu trúc cố định như TAM hoặc UTAUT. Trong nhiều luận văn, TPR được đưa vào như một biến tiềm ẩn bậc cao, được hình thành từ một số loại rủi ro cụ thể. Khi viết đề cương, bạn cần nói rõ TPR trong đề tài của mình là một khái niệm tổng quát hay là một cấu trúc gồm nhiều chiều. Phần mô hình TAM có thể giúp bạn so sánh cách một mô hình lý thuyết được chuyển thành biến nghiên cứu.

Một điểm cần giữ nhất quán là chiều tác động. Nếu điểm TPR càng cao nghĩa là người trả lời cảm nhận rủi ro càng lớn, TPR thường được giả thuyết tác động âm đến ý định sử dụng hoặc ý định mua. Nếu bạn mã hóa thang đo theo hướng “dịch vụ này an toàn” hoặc “tôi ít lo lắng”, điểm cao lại thể hiện rủi ro thấp. Khi đó, dấu của hệ số đường dẫn có thể đảo chiều dù nội dung lý thuyết không thay đổi.

Các thành phần trong mô hình

Bạn không nên bê nguyên danh sách thành phần của một bài nghiên cứu khác vào đề tài. Hãy bắt đầu từ hành vi cụ thể và xác định rủi ro nào người trả lời thực sự có thể nhận biết. Với mua sắm trực tuyến, các chiều thường được sử dụng gồm rủi ro tài chính, rủi ro hiệu suất, rủi ro thời gian, rủi ro riêng tư và rủi ro xã hội. Một đề tài về ngân hàng số có thể cần nhấn mạnh rủi ro bảo mật và rủi ro giao dịch.

Bảng trên là khung xây dựng ban đầu, chưa phải bộ thang đo đã được xác nhận cho mọi bối cảnh. Bạn cần điều chỉnh câu chữ theo sản phẩm, đối tượng khảo sát và hành vi trong mô hình. Một biến quan sát nên diễn đạt một ý, tránh gộp “mất tiền và lộ thông tin” vào cùng một câu nếu hai rủi ro đó được kiểm định như hai thành phần khác nhau.

Nếu TPR là biến bậc cao, mô hình của bạn có thể có các biến bậc một như rủi ro tài chính và rủi ro riêng tư, sau đó các biến này cùng phản ánh TPR. Nếu chỉ dùng TPR như một biến đơn hướng, các biến quan sát phải cùng tập trung vào cảm nhận rủi ro tổng thể. Hai cách này dẫn đến cách vẽ mô hình, cách đánh giá thang đo và cách giải thích kết quả khác nhau.

Mô hình gốc và các mở rộng phổ biến

Trong tài liệu tiếng Việt, TPR đôi khi được gọi là mô hình nhận thức rủi ro, lý thuyết nhận thức rủi ro hoặc biến nhận thức rủi ro. Tuy nhiên, danh mục nguồn được phép của DoThesis không có tài liệu gốc riêng để xác nhận một tác giả và một năm duy nhất cho TPR. Vì vậy, bạn không nên tự ghi một năm xuất bản hoặc gán TPR cho một tác giả khi chưa kiểm tra bài gốc mà giảng viên yêu cầu.

Cách trình bày an toàn là mô tả TPR theo vai trò của nó trong mô hình nghiên cứu hiện tại. Bạn có thể nói rằng TPR được vận dụng như một biến giải thích cảm nhận bất lợi và sự không chắc chắn, sau đó nêu rõ các chiều được lựa chọn theo bối cảnh. Nếu đề tài còn có biến hữu ích cảm nhận, dễ sử dụng cảm nhận hoặc ý định sử dụng, bạn có thể đối chiếu với mô hình chấp nhận công nghệ TAM và bài chấp nhận công nghệ TAM là gì.

Một mở rộng phổ biến là đặt TPR cạnh các yếu tố thúc đẩy hành vi. Chẳng hạn, hữu ích cảm nhận có thể tác động dương đến ý định sử dụng, còn TPR có thể tác động âm. Một mở rộng khác là tách TPR thành các chiều cụ thể để biết loại rủi ro nào có ảnh hưởng mạnh hơn. Bạn cũng có thể đưa niềm tin, bảo mật cảm nhận hoặc chất lượng dịch vụ vào mô hình, nhưng mỗi biến thêm vào phải có lý do lý thuyết và thang đo phù hợp.

Đừng biến mô hình thành một danh sách dài các biến vì muốn làm cho đề tài có vẻ đầy đủ. Mỗi mũi tên cần trả lời được ba câu hỏi: biến độc lập này đo điều gì, tại sao nó ảnh hưởng đến biến phụ thuộc, và dữ liệu của bạn có thể đo nó bằng bảng hỏi hay không. Khi cần tham khảo cách các mô hình khác được cấu trúc, bạn có thể xem thêm mô hình IS Success của DeLone và McLean, nhưng không nên trộn các thành phần của hai mô hình mà không giải thích.

Thang đo thường dùng cho từng khái niệm

Thang đo TPR thường dùng nhiều biến quan sát theo thang Likert. Bạn có thể dùng Likert 5 hoặc 7 mức, nhưng phải ghi rõ số mức, ý nghĩa hai đầu và cách mã hóa trong chương phương pháp. Thang Likert bắt nguồn từ kỹ thuật đo lường thái độ được trình bày bởi (Likert, 1932).

Bảng này là bản đồ khái niệm, không phải bản dịch đã được thẩm định. Bạn cần tìm bài gốc của thang đo mà mình chọn, đối chiếu số biến quan sát, bối cảnh ban đầu và hướng điểm số. Nếu dịch từ tiếng Anh, hãy giữ nguyên ý nghĩa đo lường, sau đó thử đọc từng câu như một người chưa học phương pháp nghiên cứu.

Bạn có thể dùng các câu như “Tôi lo rằng...” cho nhóm rủi ro, nhưng tránh lặp cùng một cấu trúc đến mức người trả lời chọn theo thói quen. Các biến quan sát đảo chiều cần được đánh dấu trong file mã hóa và xử lý trước khi chạy Cronbach's Alpha. Nếu câu đảo chiều khiến người trả lời hiểu nhầm, giữ nó chỉ để tạo vẻ cân bằng sẽ làm dữ liệu xấu hơn.

Sau khảo sát thử, bạn kiểm tra độ tin cậy bằng Cronbach's Alpha. Alpha từ 0.7 trở lên thường được xem là chấp nhận được theo (Nunnally, 1978), trong khi nghiên cứu khám phá có thể xem xét mức 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). Các ngưỡng này hỗ trợ quyết định, không thay thế việc đọc nội dung từng biến.

Áp dụng vào đề tài của bạn

Giả sử đề tài của bạn là “Các yếu tố ảnh hưởng đến ý định sử dụng ví điện tử của sinh viên tại Thành phố Hồ Chí Minh”. Bạn có thể chọn TPR là biến độc lập, ý định sử dụng là biến phụ thuộc, và tách TPR thành rủi ro tài chính, rủi ro riêng tư và rủi ro bảo mật. Nếu mô hình chỉ có bốn giả thuyết, cách viết có thể như sau:

• H1: Rủi ro tài chính cảm nhận có tác động âm đến ý định sử dụng ví điện tử.
• H2: Rủi ro riêng tư cảm nhận có tác động âm đến ý định sử dụng ví điện tử.
• H3: Rủi ro bảo mật cảm nhận có tác động âm đến ý định sử dụng ví điện tử.
• H4: TPR tổng quát có tác động âm đến ý định sử dụng ví điện tử.

Bạn cần cân nhắc H4 trước khi giữ lại. Nếu TPR tổng quát được tạo từ ba chiều rủi ro và đồng thời ba chiều đó đi trực tiếp đến ý định, mô hình có thể bị trùng lặp về nội dung. Có thể chọn mô hình bậc cao hoặc mô hình các chiều riêng biệt, thay vì đặt cả bốn đường dẫn trong cùng một sơ đồ.

Để chọn mô hình, hãy vẽ một ô cho mỗi biến tiềm ẩn, đặt các biến quan sát vào đúng ô và ghi dấu cộng hoặc trừ cạnh mũi tên. Sau đó, viết một đoạn giải thích cho từng giả thuyết, trong đó nêu cơ chế ảnh hưởng chứ không chỉ nhắc lại tên biến. Cuối cùng, đối chiếu với bảng hỏi để chắc rằng mọi biến trong sơ đồ đều có biến quan sát tương ứng.

Cách viết vào luận văn: “Dựa trên [tên nguồn lý thuyết hoặc nghiên cứu gốc], nghiên cứu đề xuất rằng [tên biến độc lập] có tác động [cùng chiều/ngược chiều] đến [tên biến phụ thuộc] trong bối cảnh [đối tượng và địa bàn nghiên cứu]. Vì vậy, giả thuyết H[ ] được phát biểu như sau: [nội dung giả thuyết].” Bạn thay các phần trong ngoặc vuông bằng thông tin đã kiểm tra, không dùng câu mẫu này nếu chưa có nguồn cho lập luận của mình.

Cách kiểm định mô hình bằng SPSS hoặc SmartPLS

SPSS phù hợp khi bạn muốn kiểm tra Cronbach's Alpha, EFA và hồi quy trên các biến tổng hợp. Quy trình thường là nhập dữ liệu, làm sạch mã hóa, kiểm tra độ tin cậy, chạy EFA, tính điểm đại diện rồi chạy hồi quy. Với EFA, KMO từ 0.5 trở lên và Bartlett có ý nghĩa ở mức dưới 0.05 thường được dẫn theo (Kaiser, 1974). Eigenvalue lớn hơn 1 là quy tắc trích nhân tố được dẫn theo (Kaiser, 1960), còn tổng phương sai trích từ 50% trở lên được dẫn theo (Hair và cộng sự, 2010).

SmartPLS phù hợp khi mô hình có biến tiềm ẩn, nhiều cấu trúc và quan hệ trung gian hoặc điều tiết. Bạn nhập file .csv, kiểm tra measurement model trước rồi mới đọc structural model. Với 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 được dẫn theo (Fornell và Larcker, 1981); HTMT dưới 0.85 hoặc 0.90 tùy mức gần nhau của khái niệm được dẫn theo (Henseler và cộng sự, 2015).

Trong SmartPLS 4, bạn tạo project, nhập file dữ liệu, kéo biến quan sát vào từng construct rồi nối các mũi tên theo giả thuyết. Chạy PLS-SEM Algorithm để đọc Outer Loadings, Construct Reliability and Validity và Discriminant Validity. Sau đó chạy Bootstrapping, chọn 5.000 bootstrap subsamples theo quy trình được trình bày trong (Hair và cộng sự, 2022), rồi đọc Path Coefficients, Standard Deviation, T Statistics và P Values.

Bảng dưới đây là số liệu minh họa, không phải kết quả của một nghiên cứu thật. Tên cột được trình bày theo nhóm output thường gặp của SmartPLS để bạn nhận diện vị trí cần đọc.

Bạn không kết luận chỉ từ P Values. Hệ số âm cần phù hợp với cách mã hóa thang đo và giả thuyết. Hãy đọc thêm độ lớn hệ số, khoảng tin cậy bootstrap, VIF và R² của biến phụ thuộc. Trong PLS-SEM, R² ở mức 0.75, 0.50 và 0.25 lần lượt được diễn giải là đáng kể, trung bình và yếu theo (Hair và cộng sự, 2011). VIF dưới 5 là ngưỡng thường được báo cáo theo (Hair và cộng sự, 2019).

Lỗi thường gặp khi dùng mô hình này

Lỗi đầu tiên là dùng TPR như một nhãn chung nhưng không định nghĩa người trả lời đang sợ điều gì. Khi đó, các biến quan sát có thể đo tài chính, bảo mật và chất lượng dịch vụ cùng lúc, khiến kết quả EFA khó diễn giải. Bạn nên lập bảng ánh xạ giữa từng biến quan sát, thành phần lý thuyết và giả thuyết trước khi nhập dữ liệu.

Lỗi thứ hai là đảo chiều biến nhưng quên đảo mã trong SPSS hoặc SmartPLS. Hãy kiểm tra thang điểm, nhãn giá trị và thống kê mô tả trước khi chạy Alpha. Lỗi thứ ba là xóa biến chỉ vì Alpha tăng, trong khi biến đó cần thiết về mặt nội dung. Mỗi lần loại biến nên ghi lại lý do, chỉ số trước và sau, rồi trao đổi với giảng viên.

Lỗi thứ tư là trộn tiêu chí của CB-SEM vào SmartPLS. CFI, TLI và RMSEA thuộc nhóm chỉ số fit thường dùng trong CB-SEM, với ngưỡng được dẫn theo (Hu và Bentler, 1999). Không đưa các chỉ số này vào bài chỉ vì bạn thấy chúng trong một hướng dẫn AMOS. Với SmartPLS, hãy tập trung vào measurement model, path coefficients, R², f², Q², VIF và HTMT theo đúng thiết kế nghiên cứu.

Lỗi cuối là viết “TPR ảnh hưởng đến ý định” khi dữ liệu khảo sát cắt ngang chỉ cho bạn bằng chứng về mối quan hệ trong mẫu nghiên cứu. Hãy dùng cách diễn đạt phù hợp với thiết kế, ghi rõ đối tượng và bối cảnh, đồng thời không biến một hệ số có ý nghĩa thống kê thành khẳng định chắc chắn về nguyên nhân.

Đọc thêm: khuếch tán đổi mới là gì, chủ đề mo hinh nghien cuu.

Câu hỏi thường gặp

TPR có phải là một biến độc lập không

TPR có thể là biến độc lập nếu bạn đặt nó để giải thích ý định sử dụng, ý định mua hoặc hành vi. Nó cũng có thể được mô hình hóa như một biến bậc cao gồm nhiều chiều rủi ro. Vai trò của TPR do mô hình và giả thuyết của bạn quyết định, không do tên viết tắt quyết định.

Nhận thức rủi ro TPR đo bằng mấy biến quan sát

Không có một con số áp dụng cho mọi đề tài. Số biến phụ thuộc vào việc bạn đo TPR tổng quát hay tách thành rủi ro tài chính, riêng tư, bảo mật và các chiều khác. Bạn cần dựa vào thang đo gốc, bối cảnh nghiên cứu và kết quả kiểm định, thay vì đặt số biến chỉ để đạt một con số quen thuộc.

TPR tác động dương hay âm đến ý định sử dụng

Nếu điểm TPR càng cao nghĩa là cảm nhận rủi ro càng lớn, giả thuyết thường đặt quan hệ âm với ý định. Nếu các câu hỏi được viết theo hướng an toàn hoặc ít lo ngại, điểm cao có thể đại diện cho rủi ro thấp và dấu hệ số sẽ cần được giải thích theo cách mã hóa đó.

Có thể dùng TPR trong mô hình TAM không

Có thể, nếu bạn giải thích vì sao yếu tố rủi ro bổ sung cho các yếu tố chấp nhận công nghệ. TPR có thể đóng vai trò yếu tố cản trở, trong khi hữu ích cảm nhận và dễ sử dụng cảm nhận thường đại diện cho động lực thúc đẩy. Bạn cần tránh đưa quá nhiều biến trùng nội dung và phải kiểm tra khả năng phân biệt giữa các construct.

Nên chạy SPSS hay SmartPLS cho TPR

SPSS phù hợp với quy trình Cronbach's Alpha, EFA và hồi quy khi bạn đã tạo các biến tổng hợp. SmartPLS thuận tiện hơn khi TPR được mô hình hóa bằng nhiều construct, có quan hệ bậc cao, trung gian hoặc điều tiết. Hãy chọn theo mô hình và cách đo, không chọn chỉ vì phần mềm nào đang được dùng phổ biến trong lớp.

Bây giờ bạn mở sơ đồ nghiên cứu và file dữ liệu, lập danh sách từng chiều của TPR, mã biến quan sát, hướng điểm số và giả thuyết tương ứng trước khi chạy kiểm định; nếu cần chạy phân tích trên chính file .sav hoặc .csv của mình, bạn có thể dùng module M4 phân tích của DoThesis.