TRA là gì? Mô hình và cách áp dụng trong nghiên cứu định lượng

Mô hình TRA là gì

TRA thường được hiểu là Theory of Reasoned Action, tức lý thuyết hành động hợp lý. Trong một đề tài định lượng, mô hình này giúp bạn giải thích vì sao một người hình thành hành vi dự định, chẳng hạn dự định mua hàng, tiếp tục sử dụng ứng dụng, đăng ký dịch vụ hoặc giới thiệu sản phẩm cho người khác.

Logic của TRA đi theo chuỗi: các niềm tin của cá nhân hình thành thái độ và chuẩn chủ quan, hai yếu tố này tác động đến hành vi dự định, sau đó hành vi dự định có thể dẫn đến hành vi thực tế. Vì vậy, TRA phù hợp với các đề tài có biến phụ thuộc là ý định hoặc dự định thực hiện một hành vi cụ thể.

Bạn cần phân biệt TRA với một mô hình chỉ liệt kê các yếu tố ảnh hưởng. TRA yêu cầu các biến được sắp xếp theo quan hệ lý thuyết. Ví dụ, chất lượng thông tin có thể ảnh hưởng đến thái độ, thái độ ảnh hưởng đến hành vi dự định, còn hành vi dự định là biến trung gian trước khi người dùng thực hiện hành vi.

Trong danh mục Mô hình nghiên cứu, TRA thường được đặt cạnh các mô hình hành vi khác. Nếu đề tài của bạn nghiên cứu việc chấp nhận công nghệ, bạn cũng nên xem mô hình TPB để tránh chọn mô hình chỉ vì tên viết tắt quen thuộc.

Các thành phần trong mô hình

TRA có thể được trình bày ở hai mức. Mức thứ nhất là các biến tâm lý trực tiếp trong mô hình. Mức thứ hai là các yếu tố bên ngoài được bạn đưa vào để giải thích sự thay đổi của những biến đó.

Ví dụ, với đề tài về ý định mua sản phẩm xanh, thái độ có thể thể hiện qua nhận định “mua sản phẩm xanh là có lợi cho môi trường”. Chuẩn chủ quan thể hiện qua cảm nhận rằng gia đình hoặc bạn bè ủng hộ việc mua sản phẩm xanh. Hành vi dự định có thể được đo bằng ý định mua trong thời gian tới.

Bạn không nhất thiết phải đo toàn bộ niềm tin nền tảng nếu mục tiêu là xây dựng mô hình hồi quy hoặc PLS-SEM ở cấp độ biến tiềm ẩn. Tuy nhiên, bảng hỏi phải thể hiện rõ thái độ, chuẩn chủ quan và hành vi dự định. Việc đặt tên biến chung chung như “yếu tố xã hội” sẽ làm người đọc khó nhận ra mô hình TRA đang được áp dụng.

Mô hình gốc và các mở rộng phổ biến

TRA tập trung vào hai đường tác động chính đến hành vi dự định là thái độ và chuẩn chủ quan. Khi áp dụng vào luận văn, bạn thường mở rộng mô hình bằng cách thêm các biến giải thích phù hợp với bối cảnh, nhưng vẫn phải giữ được logic của mô hình.

Một mở rộng rất gần với TRA là TPB, trong đó bổ sung nhận thức kiểm soát hành vi. Biến này phản ánh cảm nhận của cá nhân về khả năng, nguồn lực hoặc mức độ dễ dàng khi thực hiện hành vi. Nếu người tiêu dùng có thái độ tích cực và cảm nhận xã hội ủng hộ, nhưng họ thiếu tiền, thiếu thời gian hoặc không biết cách thực hiện, hành vi dự định vẫn có thể thấp. Bạn có thể đọc thêm lý thuyết TPB khi đề tài xuất hiện yếu tố kiểm soát này.

Mô hình TPB thường phù hợp hơn TRA khi hành vi không hoàn toàn nằm trong ý chí của người trả lời. Chẳng hạn, dự định sử dụng ngân hàng số có thể chịu ảnh hưởng của khả năng tiếp cận thiết bị, kỹ năng công nghệ và điều kiện hạ tầng. Ngược lại, nếu đề tài tập trung vào đánh giá và ảnh hưởng xã hội, TRA có thể là khung gọn hơn.

Bạn cũng có thể thêm các biến như nhận thức hữu ích, nhận thức dễ sử dụng, niềm tin, giá trị cảm nhận hoặc chất lượng dịch vụ. Những biến này không tự động trở thành thành phần gốc của TRA. Bạn phải giải thích chúng tác động vào thái độ, chuẩn chủ quan hay trực tiếp vào hành vi dự định, sau đó tìm thang đo phù hợp.

Ví dụ, một mô hình nghiên cứu về mua hàng trực tuyến có thể đưa “giá trị tiêu dùng” vào trước thái độ. Khi đó, bạn cần xác định rõ giá trị tiêu dùng là một khái niệm giải thích thái độ hay là biến độc lập tác động trực tiếp đến hành vi dự định. Cách trình bày này khác với việc đưa tất cả biến vào sơ đồ rồi viết giả thuyết theo cảm tính. Khái niệm giá trị tiêu dùng có thể giúp bạn làm rõ phần này.

Khi chọn mở rộng, hãy giữ số lượng biến ở mức bạn có thể thu thập đủ quan sát và giải thích trong chương 2. Mỗi biến thêm vào cần có định nghĩa, cơ sở lý thuyết, thang đo và giả thuyết. Một mô hình nhiều biến nhưng thiếu nguồn và thiếu dữ liệu sẽ khó bảo vệ hơn một mô hình gọn, có quan hệ rõ ràng.

Thang đo thường dùng cho từng khái niệm

Thang đo TRA thường dùng nhiều biến quan sát theo dạng Likert. Likert là kỹ thuật đo lường thái độ được giới thiệu trong công trình của Likert, bạn có thể sử dụng thang 5 hoặc 7 mức tùy thiết kế bảng hỏi (Likert, 1932). Trong luận văn, bạn cần ghi rõ thang đo được kế thừa, điều chỉnh ngôn ngữ và kiểm định lại trên bối cảnh nghiên cứu của mình.

Bảng trên là khung thiết kế, không phải bộ biến quan sát đã được xác nhận cho mọi đề tài. Bạn cần tìm nguồn thang đo gốc phù hợp với sản phẩm, ngành và nhóm người trả lời. Khi dịch sang tiếng Việt, giữ nguyên ý nghĩa khái niệm, tránh đổi một biến quan sát thành câu hỏi dẫn dắt.

Ví dụ, biến quan sát của thái độ có thể xoay quanh đánh giá “có lợi”, “đáng thực hiện” và “tích cực”. Với chuẩn chủ quan, bạn nên hỏi về cảm nhận của người trả lời đối với kỳ vọng từ những người có ảnh hưởng, thay vì hỏi họ có thật sự bị ép buộc hay không. Với hành vi dự định, nên chỉ rõ thời gian như “trong ba tháng tới” nếu bối cảnh nghiên cứu cho phép.

Sau khảo sát thử, bạn có thể chạy Cronbach's Alpha và kiểm tra Corrected Item-Total Correlation. Cronbach's Alpha từ 0.7 trở lên thường được chấp nhận (Nunnally, 1978). Với nghiên cứu khám phá, Alpha từ 0.6 có thể được cân nhắc (Hair và cộng sự, 2010), còn Corrected Item-Total Correlation nên từ 0.3 trở lên (Nunnally và Bernstein, 1994). Bạn không nên loại biến chỉ để làm Alpha tăng nếu biến đó quan trọng về mặt nội dung.

Áp dụng vào đề tài của bạn

Giả sử bạn nghiên cứu ý định sử dụng ví điện tử của sinh viên tại Thành phố Hồ Chí Minh. Một mô hình TRA cơ bản có thể gồm thái độ đối với việc sử dụng ví điện tử, chuẩn chủ quan và hành vi dự định sử dụng ví điện tử.

Mô hình khái niệm có thể viết theo chuỗi sau:

Thái độ đối với sử dụng ví điện tử → Hành vi dự định sử dụng

Chuẩn chủ quan → Hành vi dự định sử dụng

Từ mô hình này, bạn có thể xây dựng bốn giả thuyết nếu muốn thêm một biến giải thích bên ngoài là nhận thức hữu ích:

• H1: Nhận thức hữu ích tác động cùng chiều đến thái độ đối với việc sử dụng ví điện tử.
• H2: Thái độ tích cực đối với việc sử dụng ví điện tử tác động cùng chiều đến hành vi dự định sử dụng ví điện tử.
• H3: Chuẩn chủ quan tác động cùng chiều đến hành vi dự định sử dụng ví điện tử.
• H4: Hành vi dự định sử dụng ví điện tử tác động cùng chiều đến hành vi sử dụng thực tế.

H4 chỉ nên giữ nếu bảng hỏi hoặc dữ liệu của bạn có cách đo hành vi thực tế. Nếu bạn chỉ khảo sát ý định, không nên viết kết luận rằng mô hình đã giải thích hành vi thực tế. Đây là điểm hội đồng thường hỏi khi biến phụ thuộc trong tên đề tài là “hành vi” nhưng bảng hỏi lại chỉ đo “ý định”.

Bạn có thể trình bày phần áp dụng trong chương 2 bằng cách giải thích từng mối quan hệ, sau đó viết giả thuyết ngay dưới đoạn lập luận. Ở chương 3, ghi rõ đối tượng khảo sát, cách chọn mẫu, thang Likert, mã biến và cách kiểm định. Quy tắc 5 đến 10 quan sát cho mỗi biến quan sát có thể được dùng như một căn cứ tham khảo (Hair và cộng sự, 2010), nhưng cỡ mẫu cuối cùng còn phụ thuộc số biến, mô hình và khả năng thu thập dữ liệu.

Cách viết vào luận văn: “Dựa trên lý thuyết TRA và bối cảnh [đối tượng nghiên cứu], nghiên cứu đề xuất thái độ đối với [hành vi] và chuẩn chủ quan có ảnh hưởng đến hành vi dự định [thực hiện hành vi]. Từ đó, các giả thuyết H1 đến H[ số thứ tự ] được hình thành để kiểm định bằng dữ liệu khảo sát.”

Cách kiểm định mô hình bằng SPSS hoặc SmartPLS

Nếu mô hình TRA của bạn chỉ có các biến tổng hợp và biến quan sát, SPSS phù hợp để kiểm tra dữ liệu, Cronbach's Alpha, EFA, tương quan và hồi quy. Bạn mở Analyze > Scale > Reliability Analysis, đưa các biến quan sát của từng khái niệm vào ô Items, rồi mở Statistics và chọn Scale if item deleted. Đọc Reliability Statistics cùng Item-Total Statistics, không chỉ nhìn một con số Alpha.

Sau đó, bạn có thể chạy EFA tại Analyze > Dimension Reduction > Factor. Kiểm tra KMO and Bartlett's Test, Total Variance Explained và Rotated Component Matrix. KMO từ 0.5 trở lên và Bartlett có mức ý nghĩa dưới 0.05 là mốc thường được sử dụng (Kaiser, 1974). Factor loading từ 0.5 trở lên được xem là phù hợp theo (Hair và cộng sự, 2010), nhưng bạn cũng phải xem biến có tải chéo hay không.

Để kiểm định H2 và H3, bạn có thể tạo biến đại diện sau khi hoàn tất bước kiểm tra thang đo, rồi chạy Analyze > Regression > Linear. Đưa hành vi dự định vào Dependent, thái độ và chuẩn chủ quan vào Independent(s). Trong bảng Coefficients, đọc B, Beta, t và Sig.. Trong Model Summary, đọc R Square, còn bảng ANOVA cho biết kiểm định tổng thể của mô hình hồi quy.

SmartPLS phù hợp khi mô hình của bạn có nhiều biến tiềm ẩn, có quan hệ trung gian hoặc muốn đánh giá đồng thời measurement model và structural model. Bạn chuẩn bị file .csv, đặt tên cột không dấu và bảo đảm mỗi dòng là một người trả lời. Trong SmartPLS 4, tạo project, nhập dữ liệu, kéo các construct vào canvas, nối các mũi tên theo giả thuyết rồi chạy PLS-SEM Algorithm.

Ở measurement model, đọc Outer Loadings, Composite Reliability, AVE và Discriminant Validity. Outer loading từ 0.7 trở lên là mốc thường dùng trong PLS-SEM (Chin, 1998). CR từ 0.7 và AVE từ 0.5 trở lên được tham khảo theo (Fornell và Larcker, 1981). Với giá trị phân biệt, HTMT nên dưới 0.85, hoặc dưới 0.90 với các khái niệm gần nhau (Henseler và cộng sự, 2015).

Ở structural model, chạy Bootstrapping để xem Path Coefficients, T Statistics, P Values và khoảng tin cậy. Thiết lập 5.000 bootstrap subsamples là quy trình được đề xuất trong (Hair và cộng sự, 2022). Kiểm tra VIF của các quan hệ dự báo, với VIF dưới 5 là mốc tham khảo (Hair và cộng sự, 2019). R² ở mức 0.75, 0.50 và 0.25 lần lượt thường được diễn giải là đáng kể, trung bình và yếu trong PLS-SEM (Hair và cộng sự, 2011).

TRA không yêu cầu bạn đưa CFI, TLI hoặc RMSEA vào báo cáo SmartPLS. Các chỉ số này thuộc nhóm CB-SEM, với ngưỡng tham khảo trong (Hu và Bentler, 1999). Nếu bạn dùng AMOS thay vì SmartPLS, đó là một quy trình khác và cần trình bày theo logic CB-SEM, không trộn hai nhóm tiêu chí trong cùng một bảng.

Lỗi thường gặp khi dùng mô hình này

Lỗi đầu tiên là viết “TRA chứng minh hành vi” trong khi dữ liệu chỉ đo hành vi dự định. Hãy đối chiếu tên biến phụ thuộc, câu chữ trong bảng hỏi và kết luận cuối cùng. Nếu chưa đo hành vi thực tế, dùng đúng cụm “hành vi dự định” sẽ an toàn hơn.

Lỗi thứ hai là thêm quá nhiều biến bên ngoài nhưng không giải thích đường tác động. Mỗi mũi tên trong sơ đồ cần có lập luận và giả thuyết. Nếu một biến chỉ xuất hiện vì bài nghiên cứu khác từng sử dụng, bạn chưa có đủ cơ sở để đưa biến đó vào mô hình của mình.

Lỗi thứ ba là dùng thang đo đã dịch nhưng không ghi nguồn. Bạn cần lập bảng mã biến, nguồn gốc, cách dịch và những điều chỉnh theo bối cảnh Việt Nam. Bảng hỏi thử giúp phát hiện biến quan sát khó hiểu trước khi thu dữ liệu chính thức.

Lỗi thứ tư là loại biến chỉ vì một ngưỡng thống kê. Khi Alpha thấp, xem Item-Total Statistics, nội dung biến và quan hệ với các biến còn lại. Khi EFA không đẹp, kiểm tra mã đảo chiều, dữ liệu thiếu, nhóm mẫu và cách nhập dữ liệu trước khi xóa hàng loạt biến.

Lỗi cuối là trình bày TRA, TPB và TAM như ba tên gọi thay thế cho nhau. TRA nhấn mạnh thái độ và chuẩn chủ quan. TPB bổ sung nhận thức kiểm soát hành vi (Ajzen, 1991). TAM tập trung vào nhận thức hữu ích và nhận thức dễ sử dụng (Davis, 1989). Chọn mô hình dựa trên câu hỏi nghiên cứu và loại hành vi, không dựa trên việc mô hình nào đang được nhắc nhiều hơn.

Câu hỏi thường gặp

TRA là gì trong nghiên cứu định lượng?

TRA là Theory of Reasoned Action, một khung lý thuyết dùng để giải thích hành vi dự định thông qua thái độ đối với hành vi và chuẩn chủ quan. Trong luận văn, TRA thường được chuyển thành mô hình gồm các biến tiềm ẩn, biến quan sát và các giả thuyết cần kiểm định bằng dữ liệu bảng hỏi.

Mô hình TRA gồm những biến nào?

Mô hình cơ bản gồm thái độ, chuẩn chủ quan và hành vi dự định. Một số đề tài đo thêm hành vi thực tế hoặc thêm các biến bên ngoài như nhận thức hữu ích, niềm tin hay giá trị cảm nhận. Những biến thêm vào phải có lập luận, nguồn thang đo và vị trí rõ ràng trong sơ đồ.

TRA và TPB khác nhau như thế nào?

TPB mở rộng TRA bằng cách bổ sung nhận thức kiểm soát hành vi. Nếu hành vi phụ thuộc nhiều vào nguồn lực, khả năng tiếp cận hoặc mức độ kiểm soát của người trả lời, TPB có thể phù hợp hơn. Bạn có thể xem thêm hành vi dự định là gì để phân biệt biến dự định với hành vi đã xảy ra.

Nên chạy TRA bằng SPSS hay SmartPLS?

SPSS phù hợp với mô hình gọn, dùng hồi quy và cần kiểm tra Cronbach's Alpha, EFA. SmartPLS phù hợp khi bạn có nhiều biến tiềm ẩn, quan hệ trung gian hoặc muốn đánh giá đồng thời measurement model và structural model. Công cụ không thay thế việc xác định đúng khái niệm và thang đo.

Nếu thang đo TRA không đạt thì phải làm sao?

Trước hết, kiểm tra mã đảo chiều, dữ liệu thiếu, biến nhập sai và nội dung biến quan sát. Sau đó xem Corrected Item-Total Correlation, factor loading và tải chéo. Chỉ loại biến khi có cả lý do thống kê và lý do nội dung, đồng thời ghi lại các vòng xử lý trong chương phương pháp.

Bạn hãy mở lại file dữ liệu, lập bảng các construct của TRA, đối chiếu từng biến quan sát với giả thuyết rồi chọn SPSS hoặc SmartPLS theo mô hình thực tế; nếu cần chạy phân tích trên chính file .sav hoặc .csv của bạn, M4 phân tích của DoThesis thực hiện bước này.