Thái độ là gì? Cách xây dựng và kiểm định thang đo thái độ

Thái độ là gì và được đo bằng gì

Thái độ là mức độ đánh giá, cảm nhận hoặc xu hướng của một người đối với một đối tượng, hành vi, sản phẩm hay ý định cụ thể. Trong nghiên cứu định lượng, bạn không đo thái độ bằng một câu hỏi chung như “Bạn có thái độ tốt không?”. Bạn chuyển khái niệm này thành nhiều biến quan sát, để người trả lời đánh giá trên cùng một thang Likert.

Đối tượng của thái độ phải được ghi rõ. Chẳng hạn, đề tài có thể đo thái độ đối với việc sử dụng ngân hàng số, thái độ đối với mua hàng trực tuyến hoặc thái độ đối với học trực tuyến. Cùng là “thái độ”, nhưng câu chữ và bối cảnh khác nhau sẽ tạo ra thang đo khác nhau.

Một biến tiềm ẩn như thái độ thường được đo bằng nhiều phát biểu. Người trả lời chọn mức độ đồng ý, chẳng hạn từ 1 là “Hoàn toàn không đồng ý” đến 5 là “Hoàn toàn đồng ý”. Thang Likert bắt nguồn từ kỹ thuật đo lường thái độ của Likert (1932). Bạn có thể xem thêm cách một khái niệm được chuyển thành thang đo tại thang đo thái độ.

Trong mô hình nghiên cứu, thái độ có thể là biến độc lập, biến trung gian hoặc biến phụ thuộc. Ví dụ, trong mô hình chấp nhận công nghệ, nhận thức hữu ích có thể ảnh hưởng đến thái độ, rồi thái độ ảnh hưởng đến ý định sử dụng. Vì vậy, trước khi tìm biến quan sát, bạn cần viết rõ câu hỏi: thái độ đối với điều gì và thái độ dự kiến ảnh hưởng đến biến nào.

Nguồn thang đo gốc

Nguồn thang đo cần được chọn theo bối cảnh nghiên cứu, không chỉ theo việc bài báo có nhắc đến từ “attitude”. Với nghiên cứu hành vi, lý thuyết hành vi có kế hoạch của Ajzen (1991) thường phân biệt thái độ đối với hành vi, chuẩn chủ quan và nhận thức kiểm soát hành vi. Nếu đề tài dùng nhóm biến này, bạn có thể đọc thêm chuẩn chủ quan là gì để tránh trộn các khái niệm vào cùng một thang đo.

Bảng dưới đây chỉ nêu những nguồn trong danh mục được phép trích dẫn. Số biến quan sát không được ghi cứng khi nguồn gốc không quy định một bộ duy nhất, vì các nghiên cứu thường điều chỉnh số lượng phát biểu theo hành vi và bối cảnh.

Bạn nên đọc nguyên văn mục đo lường trong nguồn gốc, ghi lại định nghĩa, đối tượng, thời điểm đo và cách mã hóa. Một thang đo thái độ đối với “ý định sử dụng ứng dụng” không thể bê nguyên sang “quyết định mua sản phẩm xanh” rồi chỉ thay vài danh từ.

Khi viết tổng quan, hãy phân biệt nguồn lý thuyết với nguồn thang đo. Ajzen (1991) có thể giúp bạn xác định thái độ đối với hành vi trong TPB, nhưng bộ câu chữ cuối cùng vẫn cần được điều chỉnh cho đề tài, mẫu khảo sát và ngôn ngữ tiếng Việt của bạn.

Bộ biến quan sát tham khảo

Dưới đây là bộ biến quan sát minh họa cho khái niệm “thái độ đối với việc sử dụng dịch vụ X”. Đây là điểm bắt đầu để bạn điều chỉnh, không phải bản dịch đã được xác nhận và cũng không phải thang đo bắt buộc cho mọi đề tài. Bạn cần thay “dịch vụ X” bằng đối tượng thật trong mô hình của mình.

Các phát biểu trên đang dùng cùng một hướng điểm: điểm càng cao thể hiện thái độ càng tích cực. Nếu bạn thêm biến đảo chiều như “Tôi cho rằng sử dụng dịch vụ X là một lựa chọn tồi”, cần mã hóa lại trước khi chạy Cronbach's Alpha hoặc EFA. Cách mã hóa cho thang Likert 1 đến 5 là điểm mới bằng 6 trừ điểm cũ. Với thang 1 đến 7, điểm mới bằng 8 trừ điểm cũ.

Đừng dùng đồng thời TD1 và TD5 nếu hai câu chỉ khác nhau ở một từ nhưng cùng hỏi đúng một ý. Ngược lại, cũng đừng làm mỗi biến quan sát nói về một khía cạnh khác hẳn, chẳng hạn TD1 hỏi cảm nhận, TD2 hỏi chi phí, TD3 hỏi ảnh hưởng xã hội. Khi đó bạn đang trộn thái độ với các khái niệm khác, chẳng hạn ảnh hưởng xã hội là gì hoặc điều kiện thuận lợi là gì.

Số lượng biến quan sát cuối cùng phụ thuộc vào nguồn, mục tiêu đo lường và kết quả kiểm định. Giữ lại một biến chỉ vì nó làm Alpha tăng có thể khiến nội dung khái niệm bị thiếu. Trước khi xóa, hãy đọc lại định nghĩa lý thuyết và xem biến đó có đại diện cho một khía cạnh cần thiết hay không.

Điều chỉnh thang đo cho bối cảnh Việt Nam

Bạn bắt đầu bằng việc lập một bảng đối chiếu gồm wording gốc, bản dịch dự kiến, ý nghĩa khái niệm và câu chữ sau khi điều chỉnh. Bản dịch cần giữ ý nghĩa đo lường, nhưng phải dùng từ mà người trả lời trong mẫu khảo sát hiểu theo cùng một cách.

Nếu đối tượng khảo sát là sinh viên, “dịch vụ X” có thể quá chung. Bạn cần nói rõ tên loại dịch vụ, hành vi và thời gian tham chiếu. Một câu như “Tôi có đánh giá tích cực về việc sử dụng ứng dụng học tập X trong học kỳ này” dễ kiểm soát hơn câu hỏi không có bối cảnh.

Hạn chế câu có hai ý trong cùng một biến quan sát. “Dịch vụ X nhanh và tiết kiệm chi phí” thực chất đo hai đánh giá. Người trả lời có thể thấy dịch vụ nhanh nhưng không rẻ, khi đó điểm trả lời không cho bạn biết họ đang phản ứng với phần nào.

Bạn cũng cần quyết định cách hỏi biến đảo chiều. Biến đảo chiều có thể giúp phát hiện trả lời theo một mẫu cố định, nhưng câu phủ định dài hoặc có hai lần phủ định dễ làm người trả lời nhầm. Nếu không có lý do phương pháp rõ ràng, một bảng hỏi với các phát biểu cùng chiều và hướng dẫn rõ ràng thường dễ xử lý hơn.

Sau khi soạn bản nháp, hãy kiểm tra logic trong biểu mẫu, mã hóa đáp án và giá trị thiếu. Có thể chạy thử với một nhóm nhỏ để phát hiện từ khó hiểu, câu trả lời không có lựa chọn phù hợp hoặc thời gian hoàn thành bất thường. Đây là kiểm tra bảng hỏi, chưa phải bằng chứng thang đo đã có giá trị.

Khi nhập dữ liệu, tên cột nên ngắn và nhất quán như TD1, TD2, TD3. Không đặt tên biến có dấu cách hoặc dùng cùng một mã cho hai nội dung. Nếu thu thập bằng biểu mẫu trực tuyến, hãy kiểm tra file .csv trước khi nhập SPSS để bảo đảm hàng đầu là tên biến và các cột thái độ chỉ chứa mã số hợp lệ.

Kiểm định độ tin cậy và giá trị của thang đo

Với dữ liệu định lượng, quy trình thường đi từ kiểm tra dữ liệu, chạy Cronbach's Alpha, EFA nếu nghiên cứu dùng EFA, sau đó mới đưa các biến phù hợp vào hồi quy hoặc mô hình SmartPLS. Thứ tự này giúp bạn phát hiện biến có vấn đề trước khi kiểm định giả thuyết.

Trong SPSS, mở Analyze > Scale > Reliability Analysis, đưa các biến TD vào ô Items, chọn model Alpha, rồi vào Statistics và chọn Scale if item deleted. Bảng Reliability Statistics cho biết Cronbach's Alpha và số lượng biến. Bảng Item-Total Statistics cho biết Corrected Item-Total Correlation và Alpha nếu loại từng biến.

Một số ngưỡng thường dùng được tóm tắt như sau. Mỗi dòng đi kèm nguồn để bạn không chép một con số rời khỏi lập luận phương pháp.

Số liệu minh họa, bảng Reliability Statistics và Item-Total Statistics:

Các con số trên chỉ là số liệu minh họa, không phải kết quả của nghiên cứu thật. Nếu file của bạn cho Alpha tăng khi loại TD5, bạn vẫn cần xem nội dung TD5, kiểm tra mã hóa và lý do lý thuyết trước khi xóa. Xóa biến nhiều vòng mà không ghi lại sẽ khiến bạn khó giải trình khi giảng viên hỏi vì sao bộ thang đo ban đầu có năm biến nhưng kết quả chỉ còn ba.

Nếu chạy EFA trong SPSS, vào Analyze > Dimension Reduction > Factor. Chọn Descriptives để xem KMO và Bartlett, chọn phương pháp trích phù hợp trong Extraction, chọn Rotation như Varimax khi giả định các nhân tố không tương quan, hoặc một phép quay cho phép tương quan nếu mô hình lý thuyết yêu cầu. Bảng cần đọc gồm KMO and Bartlett's Test, Total Variance Explained và Rotated Component Matrix.

Nếu dùng SmartPLS, bạn đánh giá mô hình đo lường bằng Outer Loadings, Composite Reliability, AVE và Discriminant Validity. Outer loading từ 0.70 trở lên là ngưỡng tham khảo trong PLS-SEM (Chin, 1998). CR từ 0.70 và AVE từ 0.50 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).

SPSS và SmartPLS không trả lời cùng một câu hỏi. EFA trong SPSS giúp khám phá cấu trúc nhân tố, còn SmartPLS đánh giá mô hình đo lường và mô hình cấu trúc mà bạn đã chỉ định. Nếu đề tài dùng PLS-SEM, hãy đánh giá mô hình đo lường trước mô hình cấu trúc theo quy trình hai bước được Anderson và Gerbing (1988) trình bày.

Cách trình bày thang đo trong chương 3

Trong chương 3, bạn nên trình bày theo bốn phần: định nghĩa thái độ, nguồn tham khảo, cách điều chỉnh và mã hóa biến. Sau đó đưa bảng mã biến quan sát, số mức Likert và hướng dẫn người trả lời. Đừng viết rằng thang đo “đạt” ở chương phương pháp nếu bạn chưa chạy dữ liệu. Ở chương 3, bạn chỉ mô tả thiết kế dự kiến; kết quả kiểm định thuộc chương 4.

Cách viết vào luận văn: “Thang đo [TÊN KHÁI NIỆM] được kế thừa và điều chỉnh từ [TÁC GIẢ, NĂM] để phù hợp với bối cảnh [BỐI CẢNH NGHIÊN CỨU]. Thang đo gồm [SỐ LƯỢNG] biến quan sát, ký hiệu từ [MÃ BIẾN 1] đến [MÃ BIẾN CUỐI], được đo bằng thang Likert [5/7] mức, trong đó 1 là [MỨC THẤP NHẤT] và [5/7] là [MỨC CAO NHẤT].”

Sau khi có kết quả, câu viết ở chương 4 phải dùng đúng số liệu từ output: “Cronbach's Alpha của thang đo [TÊN] đạt [GIÁ TRỊ], các hệ số Corrected Item-Total Correlation dao động từ [GIÁ TRỊ THẤP] đến [GIÁ TRỊ CAO]. Vì vậy, [SỐ LƯỢNG] biến quan sát được giữ lại để phân tích tiếp.” Không điền số minh họa vào luận văn của bạn.

Nếu có biến bị loại, lập bảng trước và sau kiểm định. Ghi mã biến, lý do loại, kết quả sau khi chạy lại và căn cứ quyết định. Cách này thuyết phục hơn việc chỉ trình bày một Alpha đẹp mà không cho biết quá trình xử lý.

Lỗi thường gặp

Lỗi đầu tiên là dùng “thái độ” như một từ khóa nhưng không xác định đối tượng. Thái độ đối với thương hiệu, thái độ đối với hành vi và thái độ đối với công nghệ có thể liên quan nhưng không phải một thang đo duy nhất.

Lỗi thứ hai là lấy các câu hỏi từ nhiều bài khác nhau rồi ghép thành một nhóm mà không kiểm tra định nghĩa. Một thang đo có Alpha cao vẫn có thể thiếu giá trị nội dung nếu các biến chỉ lặp lại một khía cạnh nhỏ của thái độ.

Lỗi thứ ba là dịch ngược máy móc. Những từ như “favorable”, “good idea” hoặc “pleasant” có sắc thái khác nhau. Bạn cần đọc cả đoạn định nghĩa và bối cảnh của nguồn, không chỉ dịch từng câu.

Lỗi thứ tư là đảo chiều sai mã. Nếu biến TD4 được hỏi theo hướng tiêu cực nhưng bạn không đảo điểm, Alpha và kết quả EFA có thể bị ảnh hưởng. Hãy lập một cột riêng ghi rõ biến nào cần recode trước khi phân tích.

Lỗi cuối là chọn ngưỡng theo thói quen mà không ghi nguồn. Alpha, Corrected Item-Total Correlation, factor loading và KMO là các chỉ tiêu khác nhau. Đừng dùng Alpha để kết luận thang đo đã có giá trị hội tụ hoặc giá trị phân biệt.

Đọc thêm: động lực hưởng thụ là gì, chủ đề mo hinh nghien cuu.

Câu hỏi thường gặp

Thái độ có phải lúc nào cũng là biến phụ thuộc không?

Không. Thái độ có thể là biến độc lập, biến trung gian hoặc biến phụ thuộc, tùy mô hình và giả thuyết. Bạn xác định vai trò của nó từ quan hệ nhân quả dự kiến, không từ tên khái niệm.

Thang đo thái độ nên có bao nhiêu biến quan sát?

Không có một con số cố định cho mọi đề tài. Bạn bắt đầu từ nguồn lý thuyết và thang đo gốc, sau đó cân nhắc độ bao phủ nội dung, bối cảnh khảo sát và kết quả kiểm định. Theo Hair và cộng sự (2010), cỡ mẫu thường được tham khảo ở mức 5 đến 10 quan sát cho mỗi biến quan sát, nhưng đây là quy tắc thiết kế mẫu, không phải số biến bắt buộc của thang đo.

Alpha thấp thì có phải xóa biến ngay không?

Chưa. Bạn kiểm tra trước việc nhập dữ liệu, biến đảo chiều, giá trị thiếu, cách hiểu câu hỏi và Corrected Item-Total Correlation. Nếu xóa biến, cần có lý do thống kê và lý thuyết, đồng thời chạy lại mô hình sau mỗi quyết định.

Có thể dùng thang đo thái độ của đề tài khác nguyên vẹn không?

Bạn có thể kế thừa cấu trúc và biến quan sát nếu đối tượng, hành vi và bối cảnh tương đồng. Tuy nhiên, cần dịch, điều chỉnh wording, ghi nguồn và kiểm định lại trên mẫu của mình. Kết quả đạt ở nghiên cứu trước không tự động chứng minh thang đo đạt trong dữ liệu hiện tại.

Nên dùng SPSS hay SmartPLS để kiểm định thang đo?

SPSS phù hợp khi bạn cần Cronbach's Alpha, EFA và các phân tích hồi quy theo thiết kế nghiên cứu. SmartPLS phù hợp khi mô hình của bạn dùng PLS-SEM với biến tiềm ẩn và cần đánh giá Outer Loadings, CR, AVE, HTMT cùng mô hình cấu trúc. Hãy chọn theo mô hình đã thiết kế, không chọn chỉ vì một phần mềm cho ra bảng kết quả đẹp hơn.

Mở file dữ liệu của bạn, lập danh sách TD1, TD2 và các biến liên quan, rồi kiểm tra mã hóa trước khi chạy Analyze > Scale > Reliability Analysis; nếu cần hỗ trợ chạy phân tích trên chính file .sav hoặc .csv, bạn có thể dùng M4 phân tích dữ liệu của DoThesis.