Tháp nhu cầu Maslow: mô hình, thang đo và cách áp dụng vào luận văn

Mô hình tháp nhu cầu Maslow là gì

Tháp nhu cầu Maslow là khung lý thuyết dùng để mô tả các nhóm nhu cầu thúc đẩy hành vi của con người. Mô hình thường được trình bày thành năm tầng, đi từ nhu cầu sinh lý, nhu cầu an toàn, nhu cầu xã hội, nhu cầu được tôn trọng đến nhu cầu tự thể hiện. Trong nghiên cứu kinh doanh, bạn có thể dùng khung này để giải thích vì sao khách hàng chọn một sản phẩm, nhân viên duy trì động lực làm việc hoặc người dùng tiếp tục sử dụng một dịch vụ.

Điểm quan trọng khi đưa tháp nhu cầu Maslow vào luận văn là xác định đúng vai trò của nó. Đây thường là khung lý thuyết để hình thành các nhóm biến và lập luận cho mô hình, chứ không tự động trở thành một thang đo hoàn chỉnh. Mỗi tầng nhu cầu cần được chuyển thành khái niệm có thể quan sát bằng bảng hỏi Likert, sau đó kiểm định bằng dữ liệu định lượng.

Bạn nên xem chủ đề Mô hình nghiên cứu để đặt tháp nhu cầu Maslow cạnh các khung khác như mô hình hành vi, mô hình chất lượng dịch vụ hoặc mô hình chấp nhận công nghệ. Việc chọn mô hình cần xuất phát từ câu hỏi nghiên cứu và đối tượng khảo sát, không chỉ từ việc một mô hình đang được tìm kiếm nhiều.

Các thành phần trong mô hình

Năm tầng trong tháp nhu cầu Maslow được dùng như năm nhóm nhu cầu. Tuy nhiên, ranh giới giữa các tầng có thể thay đổi theo bối cảnh. Khi nghiên cứu khách hàng Việt Nam, bạn cần viết lại định nghĩa theo sản phẩm, ngành và đối tượng cụ thể trước khi tạo biến quan sát.

Bảng trên chỉ là bản đồ khái niệm để bạn bắt đầu. Chẳng hạn, khi nghiên cứu ứng dụng giao đồ ăn, “nhu cầu sinh lý” có thể liên quan đến khả năng đáp ứng bữa ăn nhanh, còn “nhu cầu an toàn” có thể liên quan đến vệ sinh và bảo mật thanh toán. Hai nhóm này cần được diễn đạt thành các biến quan sát riêng, tránh gộp tất cả vào một câu hỏi chung.

Bạn cũng cần phân biệt biến độc lập, biến phụ thuộc và biến trung gian. Năm tầng nhu cầu có thể là các biến độc lập dự đoán ý định mua. Trong đề tài khác, một tầng như nhu cầu xã hội có thể đóng vai trò biến trung gian giữa ảnh hưởng của cộng đồng và hành vi sử dụng. Vai trò này do mô hình nghiên cứu quyết định, không do vị trí của tầng trong hình tháp quyết định.

Mô hình gốc và các mở rộng phổ biến

Mô hình gốc thường được biết đến qua công trình của Abraham Maslow. Trong phạm vi tài liệu được phép trích dẫn của bài viết này không có nguồn gốc của công trình đó, vì vậy bạn cần kiểm tra đúng tài liệu gốc hoặc tài liệu tổng quan mà giảng viên yêu cầu trước khi đưa tác giả và năm xuất bản vào chương 2. Không nên tự điền một năm xuất bản chỉ vì thấy năm đó xuất hiện trên các trang tóm tắt.

Cách trình bày năm tầng theo thứ tự từ thấp lên cao giúp người đọc dễ hình dung, nhưng dữ liệu thực tế không nhất thiết vận hành theo một trình tự cứng. Một người có thể quan tâm đến sự công nhận thương hiệu trong khi đồng thời vẫn cân nhắc giá cả và an toàn. Vì vậy, trong mô hình định lượng, bạn có thể kiểm định tác động riêng của từng nhóm nhu cầu thay vì ép dữ liệu phải đi theo thứ bậc.

Các mở rộng phổ biến thường thêm nhu cầu nhận thức, nhu cầu thẩm mỹ hoặc nhu cầu vượt lên trên lợi ích cá nhân. Khi thêm một thành phần, bạn cần có lý do lý thuyết và nguồn thang đo phù hợp. Một nhóm khái niệm mới không nên được tạo ra chỉ vì bảng hỏi đang thiếu biến.

Nếu đề tài tập trung vào công nghệ, bạn có thể so sánh tháp nhu cầu Maslow với mô hình AIDA, trong đó AIDA mô tả các giai đoạn chú ý, quan tâm, mong muốn và hành động trong truyền thông. Nếu đề tài tập trung vào cạnh tranh ngành, mô hình SWOT hoặc Porter's Five Forces phù hợp hơn cho phân tích bối cảnh doanh nghiệp. Những mô hình này không thay thế lẫn nhau vì chúng trả lời các câu hỏi khác nhau.

Khi viết phần mô hình gốc và mở rộng, bạn nên trả lời ba câu hỏi. Khái niệm nào được giữ lại. Khái niệm nào được điều chỉnh cho bối cảnh nghiên cứu. Việc điều chỉnh đó tạo ra giả thuyết nào. Cách viết này giúp hội đồng thấy được đường đi từ lý thuyết đến bảng hỏi.

Thang đo thường dùng cho từng khái niệm

Tháp nhu cầu Maslow không đi kèm một bộ biến quan sát duy nhất có thể dùng nguyên văn cho mọi đề tài. Bạn cần tìm thang đo đã được sử dụng cho từng khái niệm cụ thể, sau đó điều chỉnh ngôn ngữ theo bối cảnh. Không nên ghi “thang đo Maslow chuẩn” nếu bạn chưa xác định rõ tác giả, số lượng biến và đối tượng nghiên cứu của nguồn đó.

Các câu trong bảng chỉ là số liệu minh họa cho hướng xây dựng biến quan sát, chưa phải bản dịch đã được kiểm định. Bạn cần đối chiếu nguồn gốc, dịch xuôi, dịch ngược nếu quy trình của đề tài yêu cầu, rồi thử nghiệm bảng hỏi trước khi khảo sát chính thức. Một biến quan sát nên diễn đạt một ý, có chủ thể rõ và phù hợp với trải nghiệm thật của người trả lời.

Bạn có thể dùng thang Likert năm hoặc bảy mức, miễn là giữ cách mã hóa nhất quán trong toàn bộ bảng hỏi. Likert là kỹ thuật đo lường thái độ được giới thiệu trong công trình của Likert (1932). Phần lựa chọn số mức cần gắn với cách trình bày phương pháp và năng lực trả lời của mẫu khảo sát.

Sau khi thu dữ liệu, trình tự thường gồm kiểm tra dữ liệu, chạy Cronbach's Alpha nếu thiết kế nghiên cứu yêu cầu, chạy EFA hoặc đánh giá mô hình đo lường trong SmartPLS, rồi mới kiểm định quan hệ giữa các biến. Cronbach's Alpha nên được báo cáo cùng Corrected Item-Total Correlation, không chỉ nêu một con số Alpha tổng.

Áp dụng vào đề tài của bạn

Giả sử bạn nghiên cứu “ảnh hưởng của các nhóm nhu cầu đến ý định mua sản phẩm chăm sóc cá nhân của sinh viên”. Mô hình có năm biến độc lập gồm nhu cầu sinh lý, an toàn, xã hội, được tôn trọng và tự thể hiện. Biến phụ thuộc là ý định mua. Mỗi biến độc lập có từ ba biến quan sát trở lên sau khi bạn đối chiếu thang đo và điều chỉnh câu chữ.

Một mô hình khái niệm có thể được viết như sau:

• Nhu cầu sinh lý tác động đến ý định mua.
• Nhu cầu an toàn tác động đến ý định mua.
• Nhu cầu xã hội tác động đến ý định mua.
• Nhu cầu được tôn trọng tác động đến ý định mua.
• Nhu cầu tự thể hiện tác động đến ý định mua.

Từ đó, bạn có thể viết giả thuyết H1 đến H4 như sau, đồng thời bổ sung H5 cho tầng còn lại nếu mô hình giữ đủ năm nhóm:

• H1: Nhu cầu sinh lý có ảnh hưởng tích cực đến ý định mua sản phẩm chăm sóc cá nhân của sinh viên.
• H2: Nhu cầu an toàn có ảnh hưởng tích cực đến ý định mua sản phẩm chăm sóc cá nhân của sinh viên.
• H3: Nhu cầu xã hội có ảnh hưởng tích cực đến ý định mua sản phẩm chăm sóc cá nhân của sinh viên.
• H4: Nhu cầu được tôn trọng có ảnh hưởng tích cực đến ý định mua sản phẩm chăm sóc cá nhân của sinh viên.
• H5: Nhu cầu tự thể hiện có ảnh hưởng tích cực đến ý định mua sản phẩm chăm sóc cá nhân của sinh viên.

Đây là ví dụ minh họa, không phải kết quả của một nghiên cứu thực tế. Dấu “ảnh hưởng tích cực” cần được bảo vệ bằng lập luận lý thuyết và kiểm định dữ liệu. Nếu kết quả không có ý nghĩa thống kê, bạn không được sửa giả thuyết sau khi xem output chỉ để làm mô hình đẹp hơn.

Cách viết vào luận văn có thể dùng mẫu sau: “Dựa trên tháp nhu cầu Maslow và bối cảnh [đối tượng nghiên cứu], nghiên cứu đề xuất [số lượng] nhóm nhu cầu gồm [tên các biến] để giải thích [biến phụ thuộc]. Các giả thuyết H1 đến H[số] được xây dựng nhằm kiểm định tác động của từng nhóm nhu cầu đến [biến phụ thuộc].” Bạn thay phần trong ngoặc vuông bằng thông tin thật của đề tài và bổ sung nguồn lý thuyết đã kiểm tra.

Cách kiểm định mô hình bằng SPSS hoặc SmartPLS

SPSS phù hợp khi bạn cần làm sạch dữ liệu, thống kê mô tả, kiểm tra độ tin cậy, EFA và hồi quy tuyến tính. SmartPLS phù hợp khi mô hình có biến tiềm ẩn, nhiều biến quan sát, quan hệ trung gian hoặc mô hình PLS-SEM. Bạn có thể dùng kết hợp hai công cụ, nhưng cần trình bày rõ bước nào chạy ở đâu.

Trong SPSS, bạn kiểm tra dữ liệu thiếu, mã hóa biến đảo chiều nếu có, rồi chạy Analyze > Scale > Reliability Analysis. Đưa các biến quan sát của cùng một khái niệm vào cùng một lần chạy và chọn thống kê Scale if item deleted để xem tác động của từng biến. Sau đó, nếu thiết kế nghiên cứu dùng EFA, vào Analyze > Dimension Reduction > Factor, chọn KMO and Bartlett's test, hệ số tải và ma trận xoay phù hợp.

Trong SmartPLS 4, bạn tạo project, nhập file .csv, vẽ các biến tiềm ẩn và kéo biến quan sát vào đúng construct. Chạy PLS-SEM Algorithm để xem Outer Loadings, Cronbach's Alpha, rho_A, Composite Reliability, AVE và VIF. Sau đó chạy Bootstrapping, thường đặt 5.000 bootstrap subsamples theo hướng dẫn của Hair và cộng sự (2022), để kiểm tra path coefficient, t-value và p-value.

Với PLS-SEM, outer loading từ 0.7 trở lên thường được dùng làm mốc tham khảo (Chin, 1998). CR từ 0.7 và AVE từ 0.5 trở lên là các mốc thường được báo cáo cho độ tin cậy 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). VIF dưới 5 được dùng để xem xét cộng tuyến (Hair và cộng sự, 2019).

Khi đọc mô hình cấu trúc, bạn xem hệ số đường dẫn, khoảng tin cậy bootstrap và p-value. R² cho biết mức độ giải thích của biến phụ thuộc, với các mức 0.75, 0.50 và 0.25 thường được diễn giải lần lượt là đáng kể, trung bình và yếu trong PLS-SEM (Hair và cộng sự, 2011). Q² lớn hơn 0 cho thấy khả năng dự báo có giá trị theo logic cross-validation (Stone, 1974).

Nếu bạn dùng AMOS hoặc một phần mềm CB-SEM, các chỉ số CFI, TLI, RMSEA và SRMR thuộc nhóm đánh giá độ phù hợp mô hình theo (Hu và Bentler, 1999). Các chỉ số này không nên được đưa vào bài viết về SmartPLS như thể hai họ phương pháp có cùng bộ tiêu chí.

Lỗi thường gặp khi dùng mô hình này

Lỗi đầu tiên là lấy hình tháp trên Internet rồi coi năm tầng là năm biến đã sẵn sàng đo lường. Hình minh họa không cho bạn biết biến quan sát nào phù hợp, mẫu khảo sát nào đã được kiểm định hoặc cách dịch thang đo ra sao. Bạn cần lập bảng nguồn cho từng construct trước khi viết bảng hỏi.

Lỗi thứ hai là dùng các tầng như một thứ bậc bắt buộc. Dữ liệu khảo sát có thể cho thấy nhu cầu an toàn dự đoán ý định mua mạnh hơn nhu cầu sinh lý, dù an toàn được vẽ ở tầng cao hơn hay thấp hơn trong sơ đồ. Hãy kiểm định quan hệ được đề xuất, không sắp xếp lại kết quả để giống hình tháp.

Lỗi thứ ba là gộp nhiều ý vào một biến quan sát, chẳng hạn vừa hỏi về giá rẻ, chất lượng, an toàn và sự tiện lợi trong một câu. Khi người trả lời chỉ đồng ý với một phần câu hỏi, kết quả đo lường trở nên khó diễn giải. Hãy tách các ý thành biến riêng nếu chúng thuộc các khái niệm khác nhau.

Lỗi thứ tư là loại biến chỉ vì nó làm Alpha tăng, mà không xem nội dung và lý thuyết. Nếu loại biến, bạn cần ghi lại lý do, chỉ số trước và sau, cùng ảnh hưởng đến giá trị nội dung. Người hướng dẫn thường hỏi chính xác vòng loại biến này.

Lỗi cuối là trích dẫn Maslow nhưng không kiểm tra tài liệu gốc, hoặc dùng một nguồn không thể truy xuất. Trong chương 2, hãy ghi rõ nguồn bạn thực sự đọc, năm xuất bản đúng và cách nguồn đó liên quan đến bối cảnh nghiên cứu. Nếu chưa xác minh được, hãy để phần tài liệu ở dạng cần bổ sung thay vì tự đoán.

Câu hỏi thường gặp

Tháp nhu cầu Maslow có phải là một mô hình nghiên cứu định lượng hoàn chỉnh không?

Tháp nhu cầu Maslow thường là khung lý thuyết để hình thành các nhóm khái niệm và lập luận cho mô hình. Để trở thành mô hình định lượng, bạn còn phải xác định biến phụ thuộc, biến quan sát, nguồn thang đo, giả thuyết và phương pháp kiểm định.

Có thể dùng cả năm tầng Maslow trong một luận văn không?

Có thể, nếu cả năm nhóm đều liên quan đến câu hỏi nghiên cứu và có thang đo phù hợp. Bạn cũng có thể chỉ chọn một số tầng nếu bối cảnh nghiên cứu không bao quát toàn bộ nhu cầu. Hãy giải thích tiêu chí chọn và giới hạn phạm vi trong chương phương pháp.

Thang đo nhu cầu Maslow lấy ở đâu?

Bạn cần tìm nguồn thang đo cho từng khái niệm, chẳng hạn an toàn, thuộc về, địa vị hoặc tự thể hiện, thay vì tìm một bảng hỏi duy nhất rồi dùng nguyên văn. Sau đó, điều chỉnh ngôn ngữ, thử nghiệm bảng hỏi và kiểm định độ tin cậy, giá trị của thang đo trên mẫu nghiên cứu.

Dùng SPSS hay SmartPLS để kiểm định tháp nhu cầu Maslow?

SPSS phù hợp với Cronbach's Alpha, EFA và hồi quy. SmartPLS phù hợp khi bạn mô hình hóa các biến tiềm ẩn và nhiều quan hệ giữa các construct. Công cụ nên được chọn theo mô hình, cỡ mẫu, loại thang đo và yêu cầu của giảng viên, không chỉ theo phần mềm bạn đang có.

Nếu một tầng nhu cầu không có ý nghĩa thống kê thì có phải bỏ mô hình không?

Một giả thuyết không được ủng hộ không đồng nghĩa toàn bộ mô hình sai. Bạn cần báo cáo hệ số, p-value hoặc khoảng tin cậy, đối chiếu với lập luận lý thuyết và thảo luận các khả năng liên quan đến bối cảnh, mẫu hoặc cách đo lường. Không nên xóa kết quả chỉ vì nó không giống kỳ vọng ban đầu.

Bạn hãy mở file dữ liệu, lập danh sách construct và biến quan sát, rồi đánh dấu nguồn của từng thang đo trước khi chạy SPSS hoặc SmartPLS. Nếu cần hỗ trợ chạy dữ liệu thật và diễn giải output trong module M4, bạn có thể xem DoThesis M4.