Thang đo thói quen: nguồn, biến quan sát và cách kiểm định
Thang đo thói quen là gì và được đo bằng gì
Bạn dùng thang đo thói quen khi muốn đo mức độ một người thực hiện một hành vi gần như theo nếp, ít phải cân nhắc lại ở mỗi lần thực hiện. Ví dụ, trong đề tài về ứng dụng ngân hàng, hành vi có thể là mở ứng dụng để kiểm tra số dư. Trong đề tài về mua sắm trực tuyến, hành vi có thể là truy cập một nền tảng quen thuộc trước khi tìm nhà cung cấp khác.
Thói quen là biến tiềm ẩn, nên bạn không đo trực tiếp bằng một câu hỏi duy nhất. Bạn đo nó thông qua nhiều biến quan sát cùng phản ánh tính lặp lại, tính tự động và mức độ quen thuộc của hành vi. Khi viết bảng hỏi, nên dùng thang Likert, 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).
Đừng gộp thói quen với tần suất sử dụng. Một người có thể dùng một ứng dụng thường xuyên vì công việc bắt buộc, nhưng hành vi đó chưa chắc đã trở thành thói quen. Tần suất trả lời câu hỏi “bạn dùng bao nhiêu lần”, còn thang đo thói quen tập trung vào việc hành vi có diễn ra tự động, quen thuộc và ít cần suy nghĩ hay không.
Nếu mô hình của bạn có các biến như tính hữu ích cảm nhận, tính dễ sử dụng cảm nhận, chuẩn chủ quan hoặc ảnh hưởng xã hội, hãy đặt thói quen đúng vị trí trong mô hình. Bạn có thể xem thêm các chủ đề thuộc Mô hình nghiên cứu, trong đó cần phân biệt rõ biến độc lập, biến phụ thuộc, mediator và moderator.
Nguồn thang đo gốc
Nguồn phù hợp nhất cho thang đo thói quen trong các nghiên cứu chấp nhận và sử dụng công nghệ là UTAUT2. Mô hình này mở rộng UTAUT và đưa thêm thói quen cùng một số yếu tố tiêu dùng. Nguồn gốc được trích dẫn là Venkatesh và cộng sự (2012). Nếu đề tài của bạn nghiên cứu hành vi công nghệ, đây thường là điểm bắt đầu hợp lý hơn việc tự viết một câu hỏi duy nhất.
Một số đề tài đặt thói quen cạnh tính hữu ích cảm nhận và tính dễ sử dụng cảm nhận. Hai khái niệm này thường gắn với TAM của Davis (1989), nhưng chúng không thay thế cho thói quen. Đề tài theo TPB có thể sử dụng chuẩn chủ quan và nhận thức kiểm soát hành vi từ Ajzen (1991). Các biến như ảnh hưởng xã hội, điều kiện thuận lợi, kỳ vọng nỗ lực và kỳ vọng hiệu quả thường xuất hiện trong UTAUT, được trình bày bởi Venkatesh và cộng sự (2003).
Bảng dưới đây giúp bạn chọn nguồn theo khái niệm. Số lượng biến quan sát là phạm vi tham khảo để bạn kiểm tra bài gốc, không phải số lượng bắt buộc cho mọi đề tài.
| Khái niệm hoặc nguồn | Tác giả, năm | Số biến quan sát tham khảo | Bối cảnh gốc hoặc bối cảnh thường dùng |
|---|---|---|---|
| Thói quen | Venkatesh và cộng sự (2012) | 3 | Chấp nhận và sử dụng công nghệ của người tiêu dùng |
| Tính hữu ích cảm nhận | Davis (1989) | 6 | Chấp nhận công nghệ thông tin |
| Tính dễ sử dụng cảm nhận | Davis (1989) | 6 | Chấp nhận công nghệ thông tin |
| Chuẩn chủ quan | Ajzen (1991) | Tùy nghiên cứu | Lý thuyết hành vi có kế hoạch |
| Ảnh hưởng xã hội | Venkatesh và cộng sự (2003) | Tùy nghiên cứu | Chấp nhận và sử dụng công nghệ |
| Điều kiện thuận lợi | Venkatesh và cộng sự (2003) | Tùy nghiên cứu | Chấp nhận và sử dụng công nghệ |
| Kỳ vọng nỗ lực | Venkatesh và cộng sự (2003) | Tùy nghiên cứu | Chấp nhận và sử dụng công nghệ |
| Kỳ vọng hiệu quả | Venkatesh và cộng sự (2003) | Tùy nghiên cứu | Chấp nhận và sử dụng công nghệ |
Khi đọc nguồn gốc, bạn cần kiểm tra bốn điểm: khái niệm được định nghĩa thế nào, hành vi được đo là gì, đối tượng khảo sát là ai và thang đo dùng mấy mức. Một câu hỏi nói về “thường xuyên sử dụng” có thể thuộc tần suất hành vi, trong khi câu hỏi nói về “tự động” hoặc “theo thói quen” mới gần với cấu trúc habit.
Bộ biến quan sát tham khảo
Dưới đây là bộ câu chữ minh họa để bạn bắt đầu soạn bảng hỏi. Đây chưa phải bản dịch đã được xác nhận và chưa phải thang đo đã được kiểm định tại bối cảnh Việt Nam. Bạn cần đối chiếu bài gốc của Venkatesh và cộng sự (2012), thay tên hành vi vào chỗ [hành vi], sau đó xin góp ý từ giảng viên và chạy thử.
| Mã | Câu phát biểu tiếng Việt tham khảo | Điều cần kiểm tra trước khi dùng |
|---|---|---|
| HAB1 | Việc thực hiện [hành vi] đã trở thành thói quen của tôi. | Người trả lời có hiểu rõ [hành vi] là hành động nào không |
| HAB2 | Tôi có xu hướng thực hiện [hành vi] một cách tự động. | “Tự động” có bị hiểu là không cần kiểm soát hay không |
| HAB3 | Tôi thường thực hiện [hành vi] mà không cần suy nghĩ nhiều. | Câu có phù hợp với sản phẩm hoặc dịch vụ được nghiên cứu không |
Ví dụ, nếu bạn nghiên cứu ứng dụng thanh toán, hãy thay [hành vi] bằng “sử dụng ứng dụng để thanh toán các khoản mua sắm”. Cách viết này cụ thể hơn câu “sử dụng ứng dụng”, vì người trả lời biết bạn đang hỏi hành vi thanh toán, không phải mọi thao tác trong ứng dụng.
Bạn cũng cần thống nhất chủ thể và thời điểm. Nếu phần đầu bảng hỏi hỏi về việc sử dụng trong ba tháng gần đây, các biến quan sát về thói quen nên hướng đến cùng khoảng thời gian. Tránh câu HAB1 hỏi về hiện tại, HAB2 hỏi về quá khứ và HAB3 không có mốc thời gian.
Nếu bạn có các biến liên quan, hãy giữ ranh giới giữa chúng. Thang đo tính hữu ích cảm nhận hỏi người trả lời liệu công nghệ có giúp họ đạt mục tiêu tốt hơn hay không. Thang đo tính dễ sử dụng cảm nhận hỏi mức độ dễ học và dễ thao tác. Thang đo thói quen hỏi mức độ hành vi đã trở nên quen thuộc và tự động. Bạn có thể tham khảo thêm thang đo thái độ khi mô hình của bạn có biến thái độ, nhưng không dùng câu hỏi về thái độ để thay thế HAB1 đến HAB3.
Điều chỉnh thang đo cho bối cảnh Việt Nam
Điều chỉnh thang đo không chỉ là dịch từng từ tiếng Anh. Bạn cần giữ ý nghĩa của cấu trúc, đồng thời làm cho người trả lời Việt Nam hiểu đúng hành vi mà đề tài đang nghiên cứu. Với thang đo thói quen, từ “tự động” dễ gây nhầm với việc hệ thống tự động thực hiện thao tác. Vì vậy, bạn có thể giải thích trong hướng dẫn bảng hỏi rằng câu hỏi nói về xu hướng của người trả lời, không nói về chức năng tự động của phần mềm.
Xác định hành vi trung tâm
Viết một câu mô tả hành vi trước khi viết biến quan sát: ai thực hiện, thực hiện hành động gì, trên nền tảng nào và trong khoảng thời gian nào. Ví dụ: “người dùng từ 18 tuổi trở lên sử dụng ứng dụng ngân hàng để chuyển khoản trong ba tháng gần đây”. Mọi biến HAB cần bám vào mô tả này.
Dịch và rà soát câu chữ
Bạn có thể dịch độc lập, so sánh với bản gốc rồi nhờ một người hiểu lĩnh vực đọc lại. Hãy bỏ các từ quá hàn lâm và tránh hai ý trong cùng một câu. “Tôi thường xuyên và hoàn toàn tự động sử dụng ứng dụng” vừa hỏi tần suất vừa hỏi tính tự động, nên khó biết người trả lời đang đồng ý với phần nào.
Chạy khảo sát thử
Khảo sát thử với một nhóm nhỏ giúp phát hiện câu khó hiểu, thuật ngữ lạ và lựa chọn trả lời không phù hợp. Đây là bước kiểm tra cách diễn đạt, chưa phải bằng chứng rằng thang đo đã đạt độ tin cậy. Ghi lại câu hỏi nào khiến người trả lời hỏi lại, vì đó là tín hiệu cần sửa trước khi thu mẫu chính thức.
Kiểm tra biến đảo chiều
Không nên thêm câu đảo chiều chỉ để làm bảng hỏi có vẻ chặt chẽ. Câu đảo chiều dễ làm người trả lời chọn nhầm, nhất là khi bảng hỏi dài. Nếu thực sự dùng, bạn phải mã hóa lại trước khi chạy Cronbach's Alpha hoặc EFA và ghi rõ thao tác trong file dữ liệu.
Các biến khác trong mô hình cũng cần được điều chỉnh riêng. Với chuẩn chủ quan, bạn có thể tham khảo chuẩn chủ quan là gì. Với ảnh hưởng xã hội và điều kiện thuận lợi, hãy xem ảnh hưởng xã hội là gì và điều kiện thuận lợi là gì để không trộn câu hỏi giữa các cấu trúc.
Kiểm định độ tin cậy và giá trị của thang đo
Trình tự thường dùng trong luận văn định lượng là kiểm tra dữ liệu, chạy Cronbach's Alpha, chạy EFA nếu thiết kế nghiên cứu dùng EFA, sau đó kiểm định mô hình đo lường và mô hình cấu trúc. Với SmartPLS, bạn đánh giá measurement model trước rồi mới đi sang structural model. Cách tiếp cận hai bước này phù hợp với khuyến nghị về SEM của Anderson và Gerbing (1988).
| Chỉ tiêu | Mức tham khảo | Nguồn và cách hiểu |
|---|---|---|
| Cronbach's Alpha | Từ 0.7 trở lên | (Nunnally, 1978). Với thang đo mới hoặc nghiên cứu khám phá, mức từ 0.6 có thể được xem xét theo (Hair và cộng sự, 2010) |
| Corrected Item-Total Correlation | Từ 0.3 trở lên | (Nunnally và Bernstein, 1994) |
| KMO | Từ 0.5 trở lên | (Kaiser, 1974) |
| Bartlett's Test | Sig. dưới 0.05 | (Kaiser, 1974), cho biết ma trận tương quan phù hợp để xem xét nhân tố |
| Eigenvalue trong EFA | Trên 1 | (Kaiser, 1960) |
| Factor loading | Từ 0.5 trở lên | (Hair và cộng sự, 2010) |
| Total variance explained | Từ 50% trở lên | (Hair và cộng sự, 2010) |
| Outer loading trong PLS-SEM | Từ 0.7 trở lên | (Chin, 1998) hoặc (Hair và cộng sự, 2022) |
| Composite Reliability | Từ 0.7 trở lên | (Fornell và Larcker, 1981) |
| AVE | Từ 0.5 trở lên | (Fornell và Larcker, 1981) |
| HTMT | Dưới 0.85, hoặc dưới 0.90 với khái niệm gần nhau | (Henseler và cộng sự, 2015) |
Các ngưỡng này là mốc tham khảo có nguồn, không phải lý do để xóa biến ngay lập tức. Khi HAB2 có outer loading thấp, hãy đọc lại câu hỏi, kiểm tra mã hóa và xem nội dung có thực sự thuộc thói quen hay đang đo tần suất. Nếu xóa biến, cần ghi lại kết quả trước và sau khi xóa, đồng thời giải thích lý do trong chương kết quả.
Chạy Cronbach's Alpha trong SPSS
Mở Analyze > Scale > Reliability Analysis, đưa HAB1, HAB2 và HAB3 vào ô Items. Chọn Model là Alpha. Trong Statistics, chọn Item, Scale và Scale if item deleted để xem Corrected Item-Total Correlation và Alpha if Item Deleted. Không xóa biến chỉ vì Alpha tăng, vì quyết định phải đồng thời phù hợp với nội dung lý thuyết.
Chạy EFA trong SPSS
Nếu đề cương yêu cầu EFA, vào Analyze > Dimension Reduction > Factor. Đưa các biến quan sát của những thang đo được phép phân tích chung vào ô Variables. Trong Descriptives, chọn KMO and Bartlett's test; trong Extraction, kiểm tra Eigenvalues greater than 1; trong Rotation, chọn phương pháp xoay phù hợp với giả định của mô hình.
Đọc các bảng KMO and Bartlett's Test, Total Variance Explained và Rotated Component Matrix. Nếu biến thói quen tải mạnh vào nhân tố của tính hữu ích cảm nhận, đừng vội chỉnh số liệu. Kiểm tra câu chữ, mã biến, cách nhập dữ liệu và cấu trúc lý thuyết trước khi quyết định loại biến hoặc điều chỉnh mô hình.
Kiểm định thang đo trong SmartPLS 4
Trong SmartPLS 4, tạo measurement model với HAB1, HAB2 và HAB3 cùng nối vào biến tiềm ẩn Habit. Chạy Calculate > PLS-SEM Algorithm để xem Outer Loadings, Cronbach's Alpha, rho_A, Composite Reliability và AVE. Sau đó xem Discriminant Validity, đặc biệt là bảng HTMT, để kiểm tra thói quen có bị trùng với tính hữu ích hoặc thái độ.
Khi kiểm định quan hệ giữa các biến, chạy Calculate > Bootstrapping. Theo Hair và cộng sự (2022), có thể dùng 5.000 bootstrap subsamples để báo cáo ổn định hơn. Bảng dưới đây là số liệu minh họa, không phải kết quả của một nghiên cứu thật.
số liệu minh họa: bảng Outer Loadings trong SmartPLS 4
| Construct | Indicator | Outer Loading | Cronbach's Alpha | Composite Reliability | AVE |
|---|---|---|---|---|---|
| Habit | HAB1 | 0.812 | 0.846 | 0.907 | 0.766 |
| Habit | HAB2 | 0.884 | 0.846 | 0.907 | 0.766 |
| Habit | HAB3 | 0.901 | 0.846 | 0.907 | 0.766 |
Bảng minh họa cho thấy cả ba outer loading đều vượt mốc 0.7, còn Composite Reliability và AVE cũng vượt các mốc tham khảo. Bạn vẫn phải đọc nội dung thang đo và bối cảnh dữ liệu thật. Một con số đạt ngưỡng không tự chứng minh rằng bản dịch phù hợp hoặc mô hình nghiên cứu đúng.
Nếu dùng AMOS, bạn đang đi theo CB-SEM và cần bộ tiêu chí fit khác. CFI, TLI, RMSEA và SRMR theo Hu và Bentler (1999) không được đưa vào thay cho các chỉ tiêu measurement model của SmartPLS. SPSS phù hợp với Cronbach's Alpha và EFA, SmartPLS phù hợp với PLS-SEM, còn AMOS phù hợp với CB-SEM. JASP và R có thể làm nhiều phân tích, nhưng bạn phải tự kiểm soát quy trình và cách xuất bảng.
Cách trình bày thang đo trong chương 3
Trong chương phương pháp, hãy trình bày định nghĩa thao tác của thói quen, nguồn thang đo, số biến quan sát, thang Likert và cách điều chỉnh câu chữ. Nêu rõ HAB1, HAB2 và HAB3 là mã tham khảo, không gọi đó là thang đo đã được kiểm định nếu bạn chưa có kết quả từ mẫu của mình.
Cách viết vào luận văn: “Thang đo thói quen được kế thừa và điều chỉnh từ Venkatesh và cộng sự (2012), gồm [số biến quan sát] biến quan sát ký hiệu từ HAB1 đến HAB[n]. Các phát biểu được điều chỉnh theo bối cảnh [đối tượng hoặc sản phẩm nghiên cứu] và đo bằng thang Likert [5 hoặc 7] mức, từ [mức thấp nhất] đến [mức cao nhất].”
Sau khi có dữ liệu, chương kết quả cần báo cáo số biến ban đầu, số biến bị loại nếu có, Cronbach's Alpha, Corrected Item-Total Correlation, kết quả EFA hoặc các chỉ tiêu SmartPLS. Đừng đưa số liệu minh họa ở trên vào luận văn. Bạn chỉ thay placeholder bằng số liệu xuất ra từ file .sav hoặc .csv của mình.
Lỗi thường gặp
Lỗi đầu tiên là lấy một câu hỏi về số lần sử dụng để gọi là thang đo thói quen. Câu hỏi tần suất có thể hữu ích như biến mô tả, nhưng không thay thế các biến phản ánh tính tự động và sự quen thuộc.
Lỗi thứ hai là dịch HAB1 đến HAB3 rồi sử dụng ngay mà không thử với người trả lời thật. Nếu người khảo sát không phân biệt được “tự động” với “tự động hóa”, kết quả Cronbach's Alpha thấp có thể bắt nguồn từ câu chữ chứ không phải bản thân khái niệm.
Lỗi thứ ba là trộn thói quen với biến phụ thuộc. Nếu đề tài đo ý định tiếp tục sử dụng, các câu “tôi dự định tiếp tục sử dụng” thuộc ý định, không thuộc thói quen. Bạn có thể nghiên cứu quan hệ giữa thói quen và ý định, nhưng mã biến và định nghĩa phải tách riêng.
Lỗi thứ tư là xóa HAB2 chỉ vì Alpha if Item Deleted cao hơn mà không xem nội dung. Việc xóa biến làm thay đổi phạm vi khái niệm và có thể khiến thang đo chỉ còn đo một khía cạnh. Hãy lưu từng phiên bản dữ liệu và hỏi giảng viên trước khi chốt.
Câu hỏi thường gặp
Thang đo thói quen có bắt buộc phải có ba biến quan sát không?
Không có một số lượng cố định áp dụng cho mọi đề tài. Ba biến là cấu trúc tham khảo thường gặp trong nguồn UTAUT2, nhưng bạn phải đối chiếu nguồn gốc, bối cảnh và yêu cầu của mô hình. Quan trọng là các biến quan sát cùng phản ánh thói quen và có cơ sở lý thuyết rõ ràng.
Có thể dùng thang đo thói quen cho đề tài ngoài công nghệ không?
Có thể, nếu hành vi nghiên cứu có tính lặp lại và bạn điều chỉnh câu chữ theo đúng bối cảnh. Bạn cần xác định rõ hành vi, đối tượng và thời gian, sau đó kiểm tra lại giá trị nội dung bằng khảo sát thử. Không nên bê nguyên tên ứng dụng hoặc ngữ cảnh công nghệ vào đề tài về mua sắm, sức khỏe hay giao thông.
Cronbach's Alpha của thang đo thói quen dưới 0.7 thì phải làm sao?
Trước hết kiểm tra Corrected Item-Total Correlation, mã hóa biến đảo chiều, dữ liệu thiếu và câu chữ của từng biến. Với thang đo mới hoặc nghiên cứu khám phá, Alpha từ 0.6 có thể được xem xét theo (Hair và cộng sự, 2010), nhưng bạn cần giải thích bối cảnh thay vì tự động kết luận đạt.
Có cần chạy cả EFA và SmartPLS không?
Điều này phụ thuộc thiết kế phương pháp. SPSS EFA thường được dùng để khám phá cấu trúc sau giai đoạn sơ bộ, còn SmartPLS kiểm định measurement model và structural model trong PLS-SEM. Không chạy thêm một kỹ thuật chỉ để có nhiều bảng; hãy theo quy trình đã nêu trong đề cương và thống nhất với giảng viên.
Tôi có thể tự dịch thang đo tiếng Anh sang tiếng Việt không?
Bạn có thể làm bản dịch ban đầu, nhưng cần đối chiếu nguồn gốc, rà soát thuật ngữ và khảo sát thử. Bản dịch của bạn không tự trở thành thang đo được xác nhận. Trong chương 3, nên ghi rõ thang đo được kế thừa và điều chỉnh như thế nào cho bối cảnh nghiên cứu.
Bây giờ hãy mở bảng hỏi và file dữ liệu của bạn, chốt hành vi trung tâm, đổi [hành vi] thành tên cụ thể, rồi kiểm tra từng biến HAB trước khi thu mẫu chính thức. Nếu cần chạy các kiểm định trên chính file .sav hoặc .csv, bạn có thể dùng module M4 phân tích dữ liệu của DoThesis.