Tự quyết là gì? Cách xây dựng mô hình và kiểm định

Mô hình tự quyết là gì

Khi bạn tìm “tự quyết là gì”, bạn có thể đang nói đến khả năng một cá nhân tự lựa chọn, tự đưa ra quyết định và thực hiện hành động theo mục tiêu của mình. Tuy nhiên, “tự quyết” chưa phải là tên của một mô hình định lượng thống nhất nếu đề tài chưa chỉ rõ bối cảnh, đối tượng và cách đo lường.

Trong luận văn, bạn cần biến khái niệm này thành một biến nghiên cứu có định nghĩa thao tác rõ ràng. Chẳng hạn, với đề tài về lựa chọn học trực tuyến, tự quyết có thể được hiểu là mức độ sinh viên cảm nhận mình có quyền chủ động lựa chọn nền tảng, thời gian và cách thức học. Với đề tài về tiêu dùng, tự quyết có thể mô tả cảm nhận của người tiêu dùng rằng quyết định mua xuất phát từ lựa chọn cá nhân, thay vì áp lực từ người khác.

Điểm cần giữ nhất quán là tự quyết phải được phân biệt với kết quả của quyết định. Một người có thể cảm thấy mình tự quyết, nhưng chưa chắc đã thực hiện hành vi. Vì vậy, mô hình có thể đặt tự quyết là biến độc lập, biến trung gian hoặc một khía cạnh giải thích cho hành vi dự định, tùy câu hỏi nghiên cứu.

Nếu đề tài của bạn dùng TPB, cần đọc thêm lý thuyết TPB và mô hình TPB trước khi vẽ mô hình. TPB của Ajzen tập trung vào thái độ, chuẩn chủ quan, perceived behavioral control và ý định hành vi, được trình bày trong (Ajzen, 1991). Tự quyết có thể được nghiên cứu như một biến bổ sung, nhưng không nên tự động đồng nhất với perceived behavioral control.

Các thành phần trong mô hình

Một mô hình về tự quyết thường có bốn nhóm thành phần. Bạn không nhất thiết phải đưa cả bốn nhóm vào cùng một mô hình. Hãy chọn theo mục tiêu nghiên cứu và số lượng giả thuyết mà bạn có thể giải thích bằng tài liệu.

Bạn nên viết định nghĩa cho từng thành phần trước khi tìm thang đo. Ví dụ, “tự quyết” trong đề tài sử dụng ứng dụng học tập có thể gồm quyền lựa chọn nội dung, khả năng tự sắp xếp lịch và cảm nhận không bị ép buộc. “Ý định sử dụng” lại mô tả dự định trong tương lai, chẳng hạn tiếp tục dùng ứng dụng trong ba tháng tới.

Nếu bạn đang nghiên cứu hành vi người tiêu dùng, hãy đối chiếu thêm khái niệm giá trị tiêu dùng là gì. Giá trị tiêu dùng giải thích điều người mua nhận được hoặc cảm nhận từ sản phẩm, còn tự quyết giải thích mức độ chủ động trong quyết định. Hai khái niệm có thể liên quan nhưng không nên dùng cùng một bộ biến quan sát.

Một nguyên tắc thực tế là mỗi biến tiềm ẩn nên có từ ba biến quan sát trở lên nếu điều kiện nghiên cứu cho phép. Các biến quan sát cần cùng hướng đo lường, cùng bối cảnh và đủ cụ thể để người trả lời hiểu giống nhau. Bạn cũng phải xác định biến nào là reflective, biến nào là formative nếu dùng SmartPLS, vì cách đánh giá hai loại measurement model khác nhau.

Mô hình gốc và các mở rộng phổ biến

Không có một “mô hình tự quyết” duy nhất mà bạn có thể bê nguyên vào mọi đề tài. Cách làm an toàn là xác định mô hình nền, sau đó giải thích tự quyết được thêm vào ở vị trí nào và vì sao cần thêm.

TPB là một lựa chọn phổ biến khi biến phụ thuộc là ý định hoặc hành vi. Trong mô hình này, thái độ, subjective norm và perceived behavioral control được dùng để giải thích ý định, còn ý định cùng perceived behavioral control có thể liên quan đến hành vi. Nếu thêm tự quyết, bạn cần trả lời một câu hỏi cụ thể: tự quyết bổ sung cơ chế giải thích nào mà các biến TPB chưa giải thích được.

Bạn có thể xem hành vi dự định là gì để phân biệt “tự quyết định” với “ý định thực hiện”. Ý định là kế hoạch hoặc mức sẵn sàng hành động. Tự quyết là cảm nhận về nguồn gốc và quyền chủ động của lựa chọn. Một người có ý định mua sản phẩm nhưng vẫn có thể cảm thấy quyết định đó bị người khác tác động mạnh.

Với đề tài về hành vi chấp nhận công nghệ, TAM hoặc UTAUT có thể là mô hình nền phù hợp hơn. Khi đó, tự quyết có thể được đặt như biến bổ sung bên cạnh perceived usefulness, perceived ease of use hoặc social influence, nhưng việc thêm biến phải dựa trên lập luận lý thuyết và bối cảnh nghiên cứu. Không nên thêm biến chỉ vì nó làm sơ đồ có nhiều mũi tên hơn.

Mô hình mở rộng có thể có ba dạng. Dạng thứ nhất, tự quyết là biến độc lập tác động trực tiếp đến ý định. Dạng thứ hai, tự quyết là biến trung gian, chẳng hạn yếu tố bối cảnh ảnh hưởng đến tự quyết rồi tự quyết ảnh hưởng đến ý định. Dạng thứ ba, tự quyết là biến điều tiết, làm thay đổi mức độ tác động của nhận thức kiểm soát lên ý định. Dạng thứ ba đòi hỏi thiết kế và kiểm định phức tạp hơn, nên chỉ dùng khi bạn có lập luận rõ.

Khi mô hình có nhiều biến, hãy kiểm tra các mô hình gần với đề tài tại mô hình TRA. TRA phù hợp để suy nghĩ về thái độ, chuẩn chủ quan và ý định, nhưng mô hình của bạn vẫn cần định nghĩa riêng cho tự quyết. Tên mô hình nền không thay thế cho phần giải thích khái niệm.

Thang đo thường dùng cho từng khái niệm

Tự quyết không có một bộ câu hỏi tiếng Việt mặc định có thể dùng cho mọi nghiên cứu. Bạn cần tìm thang đo gốc đúng bối cảnh, kiểm tra nội dung từng biến quan sát và điều chỉnh ngôn ngữ qua giai đoạn thử nghiệm. Các thang đo dưới đây là bản đồ lựa chọn, không phải bộ câu hỏi đã được xác nhận cho đề tài của bạn.

Khi viết biến quan sát cho tự quyết, hãy tránh câu quá rộng như “Tôi là người tự quyết”. Câu này khó cho biết người trả lời đang nghĩ đến việc gì. Một câu cụ thể hơn có thể là “Tôi cảm thấy quyết định sử dụng [sản phẩm/dịch vụ] xuất phát từ lựa chọn của bản thân”. Đây chỉ là câu tham khảo để bạn điều chỉnh, chưa phải bản dịch đã được thẩm định.

Bạn nên dùng thang Likert nhất quán, chẳng hạn từ 1 là hoàn toàn không đồng ý đến 5 là hoàn toàn đồng ý. Likert là nền tảng của dạng thang đo này, được trình bày trong (Likert, 1932). Nếu dùng biến đảo chiều, phải ghi rõ trong file dữ liệu và reverse code trước khi chạy Cronbach's Alpha hoặc EFA.

Sau khi có thang đo sơ bộ, hãy kiểm tra nội dung, thuật ngữ và bối cảnh của từng biến quan sát. Một biến đo “quyền tự chủ trong lựa chọn khóa học” không thể giữ nguyên khi chuyển sang “ý định sử dụng ví điện tử”. Nếu thay đổi đối tượng, hành động hoặc thời gian, bạn đang điều chỉnh thang đo và cần ghi lại lý do trong chương phương pháp.

Áp dụng vào đề tài của bạn

Giả sử bạn nghiên cứu đề tài: “Các yếu tố ảnh hưởng đến ý định tiếp tục sử dụng nền tảng học trực tuyến của sinh viên”. Một mô hình minh họa có thể đặt tự quyết, perceived usefulness và perceived ease of use là biến độc lập; ý định tiếp tục sử dụng là biến phụ thuộc.

Mô hình khái niệm bằng lời có dạng: tự quyết, perceived usefulness và perceived ease of use cùng tác động đến ý định tiếp tục sử dụng. Nếu muốn bám TPB, bạn có thể bổ sung thái độ hoặc perceived behavioral control, nhưng khi đó cần giảm bớt biến ít cần thiết hoặc giải thích vì sao cỡ mẫu đủ cho mô hình.

Các giả thuyết minh họa:

• H1: Tự quyết có tác động cùng chiều đến ý định tiếp tục sử dụng nền tảng học trực tuyến.
• H2: Perceived usefulness có tác động cùng chiều đến ý định tiếp tục sử dụng nền tảng học trực tuyến.
• H3: Perceived ease of use có tác động cùng chiều đến ý định tiếp tục sử dụng nền tảng học trực tuyến.
• H4: Ý định tiếp tục sử dụng có tác động cùng chiều đến hành vi tiếp tục sử dụng nền tảng học trực tuyến.

Đây là cấu trúc minh họa, không phải kết quả của một nghiên cứu thực tế. Trước khi chốt H1, bạn cần tìm tài liệu cho mối quan hệ giữa tự quyết và ý định trong đúng bối cảnh. Nếu chưa có cơ sở, hãy viết giả thuyết theo hướng khám phá thận trọng hoặc điều chỉnh câu hỏi nghiên cứu.

Bảng khái niệm hóa có thể giúp bạn kiểm tra mô hình trước khi nhập dữ liệu:

Bạn cần thống nhất thời gian đo. Nếu biến độc lập hỏi “hiện tại” nhưng biến phụ thuộc hỏi “trong sáu tháng trước”, người trả lời có thể dùng hai mốc suy nghĩ khác nhau. Các biến kiểm soát như giới tính, năm học, tần suất sử dụng và kinh nghiệm dùng nền tảng có thể được thêm nếu có lý do nghiên cứu, nhưng không nên thêm hàng loạt chỉ để làm bảng phân tích dài hơn.

Cách kiểm định mô hình bằng SPSS hoặc SmartPLS

SPSS phù hợp khi bạn cần kiểm tra dữ liệu, thống kê mô tả, Cronbach's Alpha, EFA và hồi quy tuyến tính. Quy trình thường bắt đầu bằng kiểm tra missing value, mã hóa biến đảo chiều, đánh giá độ tin cậy, chạy EFA rồi hồi quy. Nếu mô hình tự quyết có nhiều biến tiềm ẩn và bạn muốn đánh giá đồng thời measurement model cùng structural model, SmartPLS phù hợp hơn.

Trong SPSS, bạn có thể vào Analyze > Scale > Reliability Analysis để chạy Cronbach's Alpha. Chọn các biến quan sát của cùng một khái niệm, mở Statistics, đánh dấu Item, Scale và Scale if item deleted. Sau đó, vào Analyze > Dimension Reduction > Factor, chọn các biến cần EFA, kiểm tra KMO and Bartlett's Test, Total Variance Explained và Rotated Component Matrix.

Trong EFA, KMO từ 0.5 trở lên và Bartlett's Test có ý nghĩa thống kê ở mức dưới 0.05 là các tiêu chí thường dùng theo (Kaiser, 1974). Eigenvalue trên 1 có thể được dùng làm quy tắc trích nhân tố theo (Kaiser, 1960). Factor loading từ 0.5 trở lên và total variance explained từ 50% trở lên thường được tham chiếu theo (Hair và cộng sự, 2010). Bạn cần xem cả ý nghĩa nội dung, vì giữ biến chỉ vì nó vừa đủ một ngưỡng có thể làm thang đo thiếu logic.

Trong SmartPLS 4, bạn tạo project, nhập file .csv, kéo các biến quan sát vào construct và nối các mũi tên theo giả thuyết. Chạy PLS-SEM Algorithm để xem Outer Loadings, Cronbach's Alpha, rho_A, Composite Reliability và AVE. Sau đó chạy Bootstrapping, đặt số bootstrap subsamples theo thiết kế phân tích. Quy trình PLS-SEM và cách báo cáo được trình bày trong (Hair và cộng sự, 2022).

Số liệu minh họa

Bảng sau chỉ là số liệu minh họa, không phải kết quả từ nghiên cứu của bạn. Khi đọc file thật, hãy thay bằng các con số trong output của chính bạn.

CR từ 0.7 trở lên và AVE từ 0.5 trở lên thường được tham chiếu theo (Fornell và Larcker, 1981). Với discriminant validity, bạn có thể kiểm tra HTMT, trong đó giá trị dưới 0.85 hoặc dưới 0.90 với các khái niệm gần nhau được trình bày trong (Henseler và cộng sự, 2015). VIF dưới 5 là ngưỡng báo cáo thường gặp trong PLS-SEM theo (Hair và cộng sự, 2019).

Trong structural model, bạn đọc Path Coefficients, Standard Deviation, T Statistics và P Values ở bảng kết quả bootstrapping. Với mỗi giả thuyết, cần báo cáo dấu của path coefficient, mức ý nghĩa và khoảng tin cậy nếu phần mềm cung cấp. R² ở mức 0.75, 0.50 và 0.25 lần lượt được diễn giải là substantial, moderate và weak trong PLS-SEM theo (Hair và cộng sự, 2011). Q² lớn hơn 0 cho thấy khả năng predictive relevance theo (Stone, 1974).

Cách viết vào luận văn

Bạn có thể điều chỉnh câu sau theo output thật: “Kết quả phân tích cho thấy tác động của [TÊN BIẾN ĐỘC LẬP] đến [TÊN BIẾN PHỤ THUỘC] có path coefficient = [β], t = [giá trị], p = [giá trị]. Do p [nhỏ hơn/lớn hơn] 0.05, giả thuyết H[ ] được [chấp nhận/không được ủng hộ] trong bối cảnh nghiên cứu.” Không dùng từ “chấp nhận” nếu quy định của khoa yêu cầu cách diễn đạt “ủng hộ giả thuyết”, hãy thống nhất với giảng viên.

Nếu chạy hồi quy SPSS, bạn có thể viết: “Sau khi kiểm soát [các biến kiểm soát], tự quyết có tác động [cùng chiều/ngược chiều] đến [biến phụ thuộc], với hệ số hồi quy = [B hoặc Beta], p = [giá trị]. Kết quả này [ủng hộ/không ủng hộ] H1.” Chỉ điền số sau khi kiểm tra đúng bảng Coefficients và đúng loại hệ số mà bạn đang báo cáo.

Lỗi thường gặp khi dùng mô hình này

Lỗi đầu tiên là dùng “tự quyết”, “tự chủ”, “perceived behavioral control” và “ý định” như các từ đồng nghĩa. Chúng có thể liên quan về mặt lý thuyết, nhưng mỗi khái niệm cần định nghĩa và biến quan sát riêng. Nếu bạn gộp chúng vào một construct, hội đồng có thể hỏi mô hình đang đo quyền chủ động hay khả năng thực hiện hành vi.

Lỗi thứ hai là lấy một thang đo từ đề tài khác rồi dịch từng chữ. Bối cảnh, đối tượng và hành vi đích có thể khác hoàn toàn. Bạn cần ghi nguồn gốc, mô tả quá trình điều chỉnh và giải thích vì sao từng biến quan sát còn phù hợp.

Lỗi thứ ba là thêm quá nhiều mũi tên sau khi xem một mô hình trên mạng. Mỗi mũi tên cần có lập luận, biến đo được và giả thuyết tương ứng. Mô hình càng lớn thì yêu cầu về cỡ mẫu, kiểm tra đa cộng tuyến và khả năng giải thích càng cao.

Lỗi thứ tư là dùng CFI, TLI hoặc RMSEA để đánh giá mô hình SmartPLS. Các fit indices này thuộc CB-SEM, được thảo luận trong (Hu và Bentler, 1999), còn PLS-SEM cần giữ đúng nhóm chỉ số như outer loading, CR, AVE, HTMT, VIF, R² và Q².

Lỗi cuối là loại biến quan sát chỉ để làm Alpha tăng mà không đọc nội dung. Cronbach's Alpha từ 0.7 trở lên thường được tham chiếu theo (Nunnally, 1978), nhưng một Alpha cao không tự chứng minh thang đo có giá trị hội tụ hoặc giá trị phân biệt. Bạn cần xem corrected item-total correlation, outer loading hoặc factor loading và logic lý thuyết của biến.

Câu hỏi thường gặp

Tự quyết là gì trong nghiên cứu định lượng?

Tự quyết là mức độ cá nhân cảm nhận mình chủ động lựa chọn và hành động theo mục tiêu của bản thân. Trong nghiên cứu định lượng, bạn phải chuyển định nghĩa này thành các biến quan sát gắn với một hành vi và bối cảnh cụ thể.

Tự quyết có giống hành vi dự định không?

Hai khái niệm khác nhau. Tự quyết nói về mức độ chủ động hoặc nguồn gốc của lựa chọn, còn hành vi dự định nói về mức độ sẵn sàng thực hiện hành vi trong tương lai. Bạn có thể đưa cả hai vào mô hình nếu có lập luận lý thuyết và thang đo tách biệt.

Có thể dùng mô hình TPB để nghiên cứu tự quyết không?

Có thể dùng TPB làm mô hình nền rồi kiểm tra vai trò bổ sung của tự quyết. Bạn cần giải thích tự quyết khác gì với perceived behavioral control, thái độ và chuẩn chủ quan, đồng thời viết giả thuyết riêng cho quan hệ cần kiểm định.

Nên chạy SPSS hay SmartPLS cho mô hình tự quyết?

SPSS phù hợp với Cronbach's Alpha, EFA và hồi quy khi bạn đã tổng hợp biến theo thang đo. SmartPLS phù hợp khi mô hình có nhiều biến tiềm ẩn, cần đánh giá measurement model và structural model cùng một quy trình. Lựa chọn công cụ phải theo mô hình, dữ liệu và yêu cầu của khoa.

Thang đo tự quyết bao nhiêu biến quan sát là đủ?

Không có một con số cố định áp dụng cho mọi đề tài. Bạn nên ưu tiên các biến quan sát có nội dung rõ, cùng đo một khái niệm và có nguồn gốc phù hợp. Sau đó kiểm tra độ tin cậy và giá trị của thang đo trên dữ liệu thực tế, thay vì cố đạt một số lượng biến nhất định.

Nếu biến tự quyết không đạt Cronbach's Alpha thì làm sao?

Kiểm tra coding, biến đảo chiều, missing value và corrected item-total correlation trước khi loại biến. Nếu loại một biến, cần ghi lại lý do cả về thống kê lẫn nội dung. Trường hợp thang đo vẫn không phù hợp, bạn nên trao đổi lại định nghĩa khái niệm và cách chọn thang đo, thay vì xóa liên tục cho đến khi có kết quả đẹp.

Mở file dữ liệu của bạn, viết lại định nghĩa thao tác cho “tự quyết”, lập bảng biến quan sát và chọn đúng mô hình nền trước khi chạy phân tích; nếu cần chạy trên file .sav hoặc .csv thật và chuyển kết quả thành chương luận văn, bạn có thể dùng M4 phân tích của DoThesis.