QUY TRÌNH BẢY BƯỚC CỦA MỘT NGHIÊN CỨU ĐỊNH LƯỢNG

Từ vấn đề nghiên cứu đến báo cáo, mỗi bước có đầu ra và tiêu chí kiểm tra riêng cho luận văn

Bài nên đọc trước

• SPSS, AMOS và SmartPLS trong nghiên cứu định lượng

Nhiều học viên mở SPSS khi chưa xác định rõ mình muốn kiểm định điều gì. Kết quả là chạy đủ Cronbach's Alpha, EFA, hồi quy nhưng đến lúc viết chương thảo luận mới phát hiện thang đo không khớp với giả thuyết, cỡ mẫu không đủ cho kỹ thuật đã chọn, hoặc bảng hỏi thiếu một biến quan trọng. Những lỗi này không thể sửa bằng phần mềm, vì chúng phát sinh từ các bước trước khi có dữ liệu.

Bài viết này trình bày quy trình nghiên cứu định lượng gồm 7 bước. Với mỗi bước, bài nêu rõ ba điều: làm gì, đầu ra là gì và tiêu chí kiểm tra để biết bước đó đã hoàn thành.

Xuyên suốt bài và cả chuỗi bài, ta dùng một đề tài mẫu: "Các yếu tố ảnh hưởng đến ý định mua lại của khách hàng trên sàn thương mại điện tử: vai trò trung gian của sự hài lòng." Đề tài được chọn vì nó xuất phát từ một vấn đề thực tiễn của doanh nghiệp: thu hút khách hàng mua lần đầu đã khó, giữ chân họ quay lại còn khó hơn. Sàn thương mại điện tử trong ví dụ được gọi là sàn X và mọi số liệu về sàn X đều là số liệu giả định.

Nếu bạn chưa rõ vai trò của SPSS, AMOS và SmartPLS, hãy đọc trước bài Bộ ba SPSS, AMOS và SmartPLS.

Tổng quan 7 bước

Các giáo trình phương pháp nghiên cứu chia quy trình thành số bước khác nhau, nhưng logic chung đều đi từ vấn đề, qua lý thuyết và thiết kế, tới dữ liệu và kết luận (Creswell & Creswell, 2023; Nguyễn Đình Thọ, 2014; Saunders và cộng sự, 2023). Cách chia dưới đây tách riêng tổng quan tài liệu và xây dựng mô hình, vì đây là hai việc khác nhau và là nơi học viên thường mơ hồ nhất. Hình 1 tóm tắt bảy bước cùng đầu ra của từng bước.

Hình 1. Mỗi bước bắt đầu bằng một hành động và cho ra một đầu ra cụ thể. Các mũi tên nét đứt là những vòng lặp thường gặp.

Quy trình không hoàn toàn tuyến tính. Ba vòng lặp thường gặp là:

• Bước 1 và bước 2 lặp lại nhiều lần: bạn đọc tài liệu để tìm vấn đề, rồi khi đã có vấn đề lại đọc sâu hơn và có thể phải thu hẹp hoặc điều chỉnh câu hỏi nghiên cứu.
• Bước 3 và bước 2: khi viết giả thuyết, nếu không tìm được căn cứ cho một mũi tên, bạn phải quay lại đọc thêm tài liệu hoặc bỏ mũi tên đó.
• Bước 4 và bước 3: kết quả phỏng vấn sơ bộ hoặc khảo sát thử có thể buộc bạn điều chỉnh thang đo, thậm chí cả mô hình.

Điều quan trọng là mọi điều chỉnh phải diễn ra trước khi thu thập dữ liệu chính thức ở bước 5.

Bước 1. Xác định vấn đề, câu hỏi và mục tiêu nghiên cứu

Một đề tài nghiên cứu cần trả lời được câu hỏi "vì sao phải nghiên cứu vấn đề này?". Câu trả lời thường đến từ hai nguồn: một vấn đề thực tiễn có bằng chứng từ dữ liệu và một khoảng trống nghiên cứu trong tài liệu. Phần "lý do chọn đề tài" của luận văn thường trình bày cả hai. Hình 2 minh họa hai luồng này bằng đề tài mẫu.

Hình 2. Hai luồng hình thành vấn đề nghiên cứu, minh họa bằng đề tài mẫu. Số liệu về sàn X là giả định.

Làm gì

1. Thu thập bằng chứng về vấn đề thực tiễn. Vấn đề thực tiễn là một tình trạng mà tổ chức hoặc xã hội đang gặp và muốn cải thiện. Bougie và Sekaran (2019) gọi đây là vấn đề quản trị, điểm xuất phát của phần lớn nghiên cứu ứng dụng trong kinh doanh. Bằng chứng có thể lấy từ bốn nguồn:

• Dữ liệu nội bộ của tổ chức: tỷ lệ khách hàng quay lại mua, điểm hài lòng định kỳ, số lượng khiếu nại, tỷ lệ hoàn đơn.
• Dữ liệu sơ bộ do bạn tự thu thập: phỏng vấn nhanh vài khách hàng, một khảo sát nhỏ, hoặc quan sát trực tiếp.
• Dữ liệu thứ cấp bên ngoài: báo cáo ngành, số liệu thống kê chính thức, đánh giá công khai của khách hàng.
• Thay đổi trong bối cảnh: chính sách mới, công nghệ mới, đối thủ mới khiến cách làm cũ không còn phù hợp.

Hãy chú ý: bằng chứng thực tiễn phải cho thấy một tình trạng cần cải thiện. "Ngày càng nhiều người mua sắm trực tuyến" không phải là vấn đề, mà là một xu hướng. Khi gần như mọi khách hàng mục tiêu đã mua sắm trực tuyến, nghiên cứu "ý định mua sắm trực tuyến" không còn giải quyết vấn đề gì. Vấn đề thực sự của doanh nghiệp lúc này là khách hàng đã mua một lần nhưng không quay lại.

2. Kiểm tra bằng chứng trước khi dùng. Một con số đơn lẻ chưa chứng minh được là có vấn đề. Giả sử dữ liệu nội bộ của sàn X cho thấy chỉ 28% khách mua lần đầu quay lại mua trong vòng 6 tháng (số liệu giả định). Hãy trả lời ba câu hỏi:

• Thấp so với cái gì? So sánh với kỳ trước, với đối thủ, với mức trung bình ngành, hoặc với mục tiêu của doanh nghiệp.
• Nguồn có đáng tin không? Dữ liệu do ai thu thập, trên bao nhiêu khách hàng, đo bằng cách nào.
• Có nhất quán không? Các nguồn khác, như điểm hài lòng hay số khiếu nại, có cùng chiều với con số đó không.

3. Phân biệt triệu chứng với vấn đề nghiên cứu. Đây là chỗ học viên dễ nhầm nhất. Với sàn X:

• Triệu chứng: tỷ lệ khách quay lại thấp, điểm hài lòng giảm. Đây là điều đã biết.
• Vấn đề quản trị: sàn X cần làm gì để giữ chân khách hàng?
• Vấn đề nghiên cứu: những yếu tố nào ảnh hưởng đến ý định mua lại của khách hàng và sự hài lòng đóng vai trò gì trong các mối quan hệ đó? Đây là điều chưa biết mà nghiên cứu phải trả lời.

Dữ liệu sơ bộ chỉ cho biết có vấn đề, chưa cho biết vì sao. Đừng kết luận nguyên nhân ngay từ dữ liệu sơ bộ, ví dụ "khách không quay lại vì phí vận chuyển cao". Những ý kiến thu được từ phỏng vấn sơ bộ chỉ là gợi ý ban đầu về các yếu tố cần đối chiếu với tài liệu ở bước 2.

4. Tìm khoảng trống nghiên cứu. Vấn đề thực tiễn cho biết đề tài cần thiết; khoảng trống cho biết đề tài có đóng góp mới. Bạn không thể tự "nghĩ ra" khoảng trống; bạn chỉ thấy được nó sau khi đọc sơ bộ các nghiên cứu gần nhất về chủ đề. Vì vậy bước 1 luôn đi kèm một vòng đọc tài liệu ban đầu, trước khi tổng quan có hệ thống ở bước 2. Khoảng trống thường thuộc một trong ba dạng:

• Khoảng trống lý thuyết: một mối quan hệ chưa được kiểm định, hoặc các nghiên cứu cho kết quả trái ngược nhau.
• Khoảng trống bối cảnh: mối quan hệ đã được kiểm định ở nơi khác nhưng chưa ở Việt Nam, chưa ở ngành này, hoặc chưa ở nhóm đối tượng này.
• Khoảng trống phương pháp: các nghiên cứu trước dùng mẫu nhỏ, thang đo chưa phù hợp, hoặc kỹ thuật phân tích còn hạn chế.

Với đề tài mẫu, một hướng lập luận có thể là: nhiều nghiên cứu trong nước tập trung vào ý định mua lần đầu, trong khi giai đoạn sau khi mua, nơi sự hài lòng và niềm tin quyết định khách có quay lại hay không, ít được kiểm định hơn. Đây chỉ là ví dụ về cách lập luận; bạn phải chứng minh nhận định này bằng tổng quan thực tế ở bước 2.

5. Cân nhắc trọng tâm theo loại công trình. Ở bậc thạc sĩ, quy chế đào tạo phân biệt hai định hướng. Thông tư 23/2021/TT-BGDĐT, văn bản mà phần lớn luận văn hiện nay vẫn áp dụng, quy định như sau. Luận văn theo định hướng nghiên cứu phải "có đóng góp về lý luận, học thuật" (Điều 8), nên khoảng trống nghiên cứu cần được chứng minh rõ. Đề án theo định hướng ứng dụng phải "đề xuất và kiểm nghiệm được mô hình, giải pháp mới để giải quyết hiệu quả những thách thức trong thực tiễn" (Điều 11), nên bằng chứng về vấn đề thực tiễn là trọng tâm. Từ ngày 30/6/2026, Thông tư 23/2021 được thay bằng Quy chế tuyển sinh và đào tạo sau đại học ban hành kèm Thông tư 53/2026/TT-BGDĐT, vẫn giữ hai định hướng nghiên cứu và ứng dụng (Bộ Giáo dục và Đào tạo, 2021, 2026); hãy đối chiếu quy định cụ thể của cơ sở đào tạo nơi bạn học. Dù theo định hướng nào, bạn vẫn nên có cả hai luồng lập luận.

6. Viết câu hỏi và mục tiêu tương ứng một-một. Mỗi mục tiêu cụ thể phải trả lời một câu hỏi nghiên cứu và bắt đầu bằng một động từ đo lường được, như các cặp trong Bảng 1.

Bảng 1. Mục tiêu cụ thể và câu hỏi nghiên cứu tương ứng của đề tài mẫu.

7. Xác định đối tượng và phạm vi. Luận văn ở Việt Nam thường yêu cầu phân biệt rõ:

• Đối tượng nghiên cứu: điều được nghiên cứu, tức là ý định mua lại, sự hài lòng và các yếu tố ảnh hưởng.
• Đối tượng khảo sát: người cung cấp dữ liệu, tức là khách hàng tại TP. Hồ Chí Minh đã mua hàng trên sàn X ít nhất một lần trong 6 tháng qua.
• Phạm vi nghiên cứu: về nội dung, không gian và thời gian thu thập dữ liệu.

Đầu ra và tiêu chí kiểm tra

Đầu ra: phần lý do chọn đề tài (bằng chứng thực tiễn và khoảng trống nghiên cứu), mục tiêu, câu hỏi, đối tượng và phạm vi. Đây là nội dung của Chương 1.

Tiêu chí kiểm tra:

• Vấn đề thực tiễn là một tình trạng cần cải thiện, có số liệu cụ thể, ghi rõ nguồn và mốc so sánh.
• Vấn đề nghiên cứu được phát biểu như một điều chưa biết, không phải nhắc lại triệu chứng.
• Khoảng trống được chứng minh bằng các nghiên cứu cụ thể, không chỉ là nhận định chung chung như "chưa có nhiều nghiên cứu".
• Mỗi mục tiêu cụ thể có đúng một câu hỏi tương ứng.
• Đối tượng nghiên cứu và đối tượng khảo sát được viết tách biệt.

Bước 2. Tổng quan tài liệu: lý thuyết nền và nghiên cứu trước

Đây là bước mà câu hỏi "chỉ cần lý thuyết nền là đủ chưa?" thường xuất hiện. Câu trả lời là chưa đủ. Tổng quan tài liệu gồm hai loại nguồn với vai trò khác nhau và một mô hình nghiên cứu tốt cần cả hai. Hình 3 phân biệt vai trò của hai loại nguồn.

Hình 3. Lý thuyết nền trả lời câu hỏi "vì sao có mối quan hệ"; nghiên cứu trước trả lời "đã có bằng chứng gì, ở đâu, đo bằng cách nào". Mô hình đề xuất được xây dựng từ cả hai nguồn.

Lý thuyết nền: giải thích cơ chế

Lý thuyết nền là một lý thuyết đã được thừa nhận rộng rãi, giải thích vì sao các khái niệm có quan hệ với nhau. Vì đề tài mẫu nghiên cứu hành vi sau khi mua, lý thuyết nền phù hợp phải là một lý thuyết về giai đoạn sau chấp nhận, không phải lý thuyết về chấp nhận ban đầu:

• Lý thuyết kỳ vọng – xác nhận cho rằng sự hài lòng hình thành khi người tiêu dùng so sánh trải nghiệm thực tế với kỳ vọng ban đầu; kỳ vọng được xác nhận dẫn đến hài lòng và hài lòng dẫn đến ý định mua lại (Oliver, 1980).
• Mô hình kỳ vọng – xác nhận về tiếp tục sử dụng (ECM) của Bhattacherjee (2001) phát triển lý thuyết trên cho bối cảnh công nghệ: mức độ xác nhận kỳ vọng tác động đến nhận thức hữu ích và sự hài lòng; nhận thức hữu ích và sự hài lòng cùng quyết định ý định tiếp tục sử dụng. Khái niệm nhận thức hữu ích được kế thừa từ TAM (Davis, 1989).

Lý thuyết nền là khung xương của mô hình. Không có nó, mô hình chỉ là một danh sách yếu tố được ghép lại. Cũng cần lưu ý: chọn lý thuyết nền không phù hợp nguy hiểm không kém việc không có lý thuyết. Dùng TAM, một lý thuyết về chấp nhận công nghệ mới, để giải thích hành vi mua lại của người đã quen sử dụng là một lựa chọn kém phù hợp.

Nghiên cứu trước: cung cấp bằng chứng và công cụ

Nghiên cứu thực nghiệm trước là các bài báo đã kiểm định những mối quan hệ tương tự bằng dữ liệu. Chúng cung cấp bốn thứ mà lý thuyết nền không có:

1. Bằng chứng thực nghiệm cho từng giả thuyết, dùng làm lớp lập luận thứ hai ở bước 3.
2. Khái niệm bổ sung phù hợp với bối cảnh. ECM không có khái niệm niềm tin, nhưng trong mua sắm trực tuyến, khách hàng không gặp người bán và không cầm được sản phẩm trước khi trả tiền. Gefen và cộng sự (2003) cho thấy niềm tin vào người bán trực tuyến có vai trò quan trọng đối với ý định mua của những khách hàng đã từng mua.
3. Thang đo đã được kiểm định để kế thừa ở bước 4.
4. Kết quả trái ngược hoặc chưa được kiểm định, chính là cơ sở để khẳng định khoảng trống đã nêu ở bước 1.

Nghiên cứu trước cũng là căn cứ để bổ sung khái niệm vào lý thuyết nền. Việc thêm niềm tin vào ECM không phải là ghép tùy ý, vì đã có tiền lệ: Kim và cộng sự (2009) theo dõi khách hàng thương mại điện tử qua nhiều thời điểm và cho thấy cả niềm tin lẫn sự hài lòng đều là nền tảng của lòng trung thành trực tuyến. Khi bổ sung khái niệm, bạn cần dẫn được những tiền lệ như vậy.

Cách thực hiện tổng quan tài liệu

Biết cần đọc gì mới là một nửa công việc; nửa còn lại là đọc có phương pháp. Bốn việc sau giúp phần tổng quan có hệ thống và kiểm tra được.

1. Tìm kiếm có hệ thống. Một tổng quan tài liệu tốt cần có phương pháp tìm kiếm và chọn lọc minh bạch, để người đọc biết tài liệu được chọn theo cách nào (Snyder, 2019). Xác định từ khóa (ví dụ: repurchase intention, continuance intention, expectation-confirmation, e-commerce satisfaction, trust), tìm trên Scopus, Web of Science, Google Scholar và các tạp chí khoa học trong nước. Ưu tiên bài báo đã qua bình duyệt và các nghiên cứu gần đây.
2. Lọc theo tiêu chí rõ ràng: cùng biến phụ thuộc hoặc biến phụ thuộc tương tự (ý định mua lại, ý định tiếp tục sử dụng, lòng trung thành), cùng bối cảnh mua sắm trực tuyến, có dữ liệu định lượng.
3. Tổng hợp theo khái niệm, không theo từng bài. Thay vì tóm tắt lần lượt bài A, bài B, bài C, hãy lập một ma trận khái niệm: mỗi hàng là một nghiên cứu, mỗi cột là một khái niệm hoặc một mối quan hệ và ô ghi kết quả (cùng chiều, ngược chiều, không có ý nghĩa thống kê) (Webster & Watson, 2002). Ma trận này giúp bạn nhìn thấy mối quan hệ nào đã được kiểm định nhiều lần, mối quan hệ nào có kết quả trái ngược và khái niệm nào còn ít được nghiên cứu.
4. Dừng khi đã bão hòa. Không có con số bắt buộc. Một dấu hiệu thực tế để dừng là khi các bài đọc thêm không còn đưa ra khái niệm hay mối quan hệ mới nào.

Bảng 2 là một ví dụ ma trận khái niệm, trong đó mỗi ô ghi tác động của khái niệm lên ý định mua lại (dữ liệu minh họa, không phải kết quả tổng hợp thực tế).

Bảng 2. Ví dụ ma trận khái niệm khi tổng quan tài liệu.

Đầu ra và tiêu chí kiểm tra

Đầu ra: phần trình bày lý thuyết nền, ma trận tổng hợp nghiên cứu trước và đoạn khẳng định khoảng trống nghiên cứu.

Tiêu chí kiểm tra:

• Lý thuyết nền phù hợp với giai đoạn hành vi được nghiên cứu (chấp nhận ban đầu hay sau khi mua).
• Mỗi khái niệm dự kiến đưa vào mô hình xuất hiện trong lý thuyết nền hoặc trong ít nhất một nghiên cứu trước.
• Phần tổng quan được trình bày theo khái niệm, không phải là danh sách tóm tắt từng bài.
• Khoảng trống ở bước 1 được xác nhận lại bằng ma trận tổng hợp.

Bước 3. Xây dựng mô hình và giả thuyết nghiên cứu

Có lý thuyết nền và ma trận nghiên cứu trước trong tay, bước 3 biến chúng thành một sơ đồ gồm các khái niệm và mũi tên, mỗi mũi tên là một giả thuyết có căn cứ.

Làm gì

Năm việc dưới đây đi từ khung lý thuyết đến quyết định chọn kỹ thuật phân tích.

1. Lấy lý thuyết nền làm khung. Giữ các khái niệm và mối quan hệ cốt lõi của ECM: xác nhận kỳ vọng, nhận thức hữu ích, sự hài lòng, ý định mua lại.
2. Bổ sung khái niệm có lý do. Mỗi khái niệm thêm vào phải có căn cứ từ nghiên cứu trước và phù hợp với bối cảnh, ví dụ thêm niềm tin vì đây là điều kiện đặc thù của giao dịch trực tuyến (Gefen và cộng sự, 2003; Kim và cộng sự, 2009).
3. Định nghĩa từng khái niệm theo một nguồn cụ thể. Định nghĩa này quyết định thang đo ở bước 4.
4. Viết giả thuyết với hai lớp lập luận. Mỗi giả thuyết tương ứng với một mũi tên trong mô hình và cần (a) lập luận từ lý thuyết nền về cơ chế và (b) bằng chứng từ nghiên cứu trước. Ví dụ:

Theo ECM, sự hài lòng với trải nghiệm trước đó là yếu tố quyết định việc người dùng có tiếp tục sử dụng hay không (Bhattacherjee, 2001). Trong bối cảnh thương mại điện tử, Kim và cộng sự (2009) cho thấy sự hài lòng có tác động cùng chiều đến lòng trung thành trực tuyến của khách hàng. Do đó: H5: Sự hài lòng có tác động cùng chiều đến ý định mua lại của khách hàng trên sàn X.

5. Chọn loại mô hình và kỹ thuật phân tích. Mô hình chỉ có các tác động trực tiếp lên một biến phụ thuộc thì hồi quy trên SPSS là đủ. Mô hình có biến trung gian, biến điều tiết hoặc nhiều biến phụ thuộc thì nên dùng SEM (Hair, Risher và cộng sự, 2019; Kline, 2023). Mô hình mẫu có sự hài lòng làm biến trung gian, nên phù hợp với SEM. Trong chuỗi bài, mô hình này sẽ được phân tích bằng cả AMOS và SmartPLS; cụm bài SPSS dùng phần tác động trực tiếp để minh họa hồi quy. Quyết định này ảnh hưởng trực tiếp tới cỡ mẫu ở bước 4.

Mô hình mẫu gồm sáu giả thuyết, tóm tắt trong Bảng 3.

Bảng 3. Sáu giả thuyết của mô hình mẫu và căn cứ chính.

Đầu ra và tiêu chí kiểm tra

Đầu ra: sơ đồ mô hình nghiên cứu, danh sách giả thuyết kèm lập luận, bảng định nghĩa khái niệm và kỹ thuật phân tích dự kiến. Bước 2 và bước 3 cùng tạo thành Chương 2.

Tiêu chí kiểm tra:

• Mỗi mũi tên trong mô hình có đúng một giả thuyết.
• Mỗi giả thuyết có cả lập luận lý thuyết và bằng chứng thực nghiệm.
• Mỗi khái niệm có định nghĩa và có thang đo dự kiến kế thừa.

Bước 4. Thiết kế nghiên cứu: thang đo, bảng hỏi và mẫu

Bước 4 chuyển mô hình trên giấy thành công cụ thu thập dữ liệu. Bốn quyết định ở bước này gồm loại thiết kế, thang đo, bảng hỏi và mẫu.

Chọn thiết kế nghiên cứu

Phần lớn luận văn định lượng trong kinh tế và quản trị dùng thiết kế khảo sát cắt ngang, tức thu thập dữ liệu một lần từ một mẫu tại một thời điểm (Saunders và cộng sự, 2023). Nhiều đề tài kết hợp một giai đoạn định tính sơ bộ (phỏng vấn chuyên gia hoặc thảo luận nhóm) để điều chỉnh thang đo trước khi khảo sát chính thức (Nguyễn Đình Thọ, 2014).

Xây dựng thang đo

Mỗi khái niệm được đo bằng một tập biến quan sát, tức các câu hỏi trong bảng hỏi. Quy trình xây dựng thang đo được khuyến nghị (Hình 4) đi từ việc xác định nội hàm khái niệm, tạo hoặc kế thừa biến quan sát, thu thập dữ liệu thử, đến kiểm định độ tin cậy và độ giá trị (Churchill, 1979; MacKenzie và cộng sự, 2011). Trong luận văn dùng thang đo nước ngoài, quy trình thực hành gồm năm bước:

Hình 4. Bước dịch và bước điều chỉnh có thể lặp lại nhiều vòng cho đến khi câu hỏi rõ nghĩa và phù hợp bối cảnh.

1. Chọn thang đo gốc đã được kiểm định trong nghiên cứu có uy tín, khớp với định nghĩa khái niệm ở bước 3 và ghi rõ nguồn của từng biến quan sát.
2. Dịch và dịch ngược: một người dịch sang tiếng Việt, một người khác độc lập dịch ngược lại tiếng Anh, sau đó so sánh để hiệu chỉnh ý nghĩa (Brislin, 1970).
3. Điều chỉnh qua phỏng vấn sơ bộ với chuyên gia hoặc người thuộc đối tượng khảo sát, để kiểm tra cách diễn đạt có dễ hiểu và phù hợp bối cảnh không.
4. Khảo sát thử để phát hiện câu hỏi khó hiểu và kiểm tra sơ bộ độ tin cậy. Johanson và Brooks (2010) khuyến nghị mẫu thử tối thiểu khoảng 30 người cho mục đích phát triển thang đo.
5. Hoàn thiện bảng hỏi chính thức.

Bạn cũng cần xác định mỗi thang đo là dạng kết quả (reflective) hay nguyên nhân (formative), vì hai loại này được đánh giá theo các tiêu chí khác nhau (MacKenzie và cộng sự, 2011). Phần lớn thang đo thái độ và nhận thức trong luận văn là dạng reflective, đo bằng thang Likert 5 hoặc 7 mức. Chi tiết về thang Likert có ở bài "Các loại thang đo".

Thiết kế bảng hỏi và phòng ngừa sai lệch phương pháp chung

Một bảng hỏi khảo sát thường gồm: lời giới thiệu và cam kết bảo mật, câu hỏi gạn lọc, các khối câu hỏi đo khái niệm và phần thông tin nhân khẩu học ở cuối.

Khi biến độc lập và biến phụ thuộc cùng được thu thập từ một người trả lời trong cùng một bảng hỏi, kết quả có thể bị sai lệch phương pháp chung (common method bias). Podsakoff và cộng sự (2003) khuyến nghị xử lý trước hết bằng thiết kế: bảo đảm ẩn danh, nói rõ không có câu trả lời đúng hay sai, viết câu hỏi ngắn và rõ ràng và không đặt khối câu hỏi của biến độc lập liền ngay trước khối biến phụ thuộc. Các kiểm định thống kê sau khi thu thập chỉ là bước bổ sung.

Thiết kế mẫu

Thiết kế mẫu trả lời ba câu hỏi: khảo sát ai, chọn họ bằng cách nào và cần bao nhiêu người. Với đề tài mẫu, các lựa chọn như sau.

• Tổng thể nghiên cứu: khách hàng tại TP. Hồ Chí Minh đã mua hàng trên sàn X ít nhất một lần trong 6 tháng qua.
• Phương pháp chọn mẫu: chọn mẫu xác suất cho phép khái quát kết quả cho tổng thể; chọn mẫu phi xác suất (thuận tiện, phát triển mầm) dễ thực hiện hơn nhưng hạn chế khả năng khái quát (Saunders và cộng sự, 2023). Nhiều luận văn dùng chọn mẫu thuận tiện và cần nêu thẳng điều này ở phần hạn chế. Nếu sàn X đồng ý hợp tác, chọn ngẫu nhiên từ danh sách khách đã mua sẽ cho một mẫu xác suất.
• Cỡ mẫu xác định theo kỹ thuật phân tích đã chọn ở bước 3:
  • Hồi quy và các kiểm định so sánh: phân tích công suất bằng G*Power (Faul và cộng sự, 2007).
  • EFA: tối thiểu khoảng 100 quan sát, với ít nhất 5 quan sát cho mỗi biến quan sát, tốt hơn là 10 (Hair, Black và cộng sự, 2019).
  • PLS-SEM: phương pháp căn bậc hai nghịch đảo (Kock & Hadaya, 2018).
  • CB-SEM: cần mẫu lớn hơn, đặc biệt khi mô hình có nhiều tham số hoặc dữ liệu lệch chuẩn (Kline, 2023).

Khi dùng nhiều kỹ thuật, hãy lấy cỡ mẫu lớn nhất trong các yêu cầu, rồi phát thêm phiếu dự phòng cho các phiếu không hợp lệ. Chủ đề này được trình bày chi tiết ở bài "Cỡ mẫu bao nhiêu là đủ?".

Đầu ra và tiêu chí kiểm tra

Đầu ra: bảng hỏi chính thức, bảng tổng hợp thang đo (khái niệm, mã biến, nội dung câu hỏi, nguồn gốc) và kế hoạch chọn mẫu có cỡ mẫu mục tiêu kèm căn cứ tính toán. Đây là nội dung của Chương 3. Sau bước này, bạn đã có đủ nội dung cho đề cương nghiên cứu (tổng hợp từ bước 1 đến bước 4).

Tiêu chí kiểm tra:

• Mỗi khái niệm trong mô hình có thang đo và mỗi biến quan sát có nguồn.
• Bảng hỏi đã qua khảo sát thử và được điều chỉnh.
• Cỡ mẫu mục tiêu có căn cứ gắn với kỹ thuật phân tích.

Bước 5. Thu thập và làm sạch dữ liệu

Đây là bước đầu tiên có dữ liệu thật. Mọi điều chỉnh thang đo và mô hình phải xong trước bước này.

Làm gì

Thu thập dữ liệu qua bảng hỏi giấy hoặc trực tuyến (Google Forms, Microsoft Forms, Qualtrics), với các thực hành sau:

• Đặt câu hỏi gạn lọc ở đầu bảng hỏi để loại người không thuộc tổng thể, ví dụ: "Trong 6 tháng qua, bạn đã mua hàng trên sàn X ít nhất một lần chưa?".
• Đặt câu hỏi kiểm tra mức độ chú ý, ví dụ yêu cầu chọn đúng một mức cụ thể, để phát hiện người trả lời qua loa.
• Tuân thủ đạo đức nghiên cứu: giới thiệu mục đích, xin sự đồng ý tham gia, cam kết ẩn danh và bảo mật, cho phép dừng bất cứ lúc nào (Creswell & Creswell, 2023).
• Ghi lại quá trình thu thập: thời gian, kênh phân phối, số phiếu phát ra và thu về.

Làm sạch dữ liệu trước khi phân tích: loại phiếu không đạt câu gạn lọc hoặc câu kiểm tra chú ý, loại phiếu trả lời cùng một mức cho mọi câu, xử lý giá trị thiếu và kiểm tra giá trị ngoại lai. Ghi lại số phiếu bị loại theo từng lý do. Thao tác chi tiết có ở bài "Làm sạch dữ liệu" của cụm SPSS.

Đầu ra và tiêu chí kiểm tra

Đầu ra: tệp dữ liệu sạch, đã mã hóa và bảng tóm tắt quá trình thu thập (số phiếu phát ra, thu về, bị loại theo từng lý do, hợp lệ).

Tiêu chí kiểm tra:

• Số phiếu hợp lệ đạt hoặc vượt cỡ mẫu mục tiêu ở bước 4.
• Mỗi phiếu bị loại có lý do được ghi lại.

Bước 6. Phân tích dữ liệu và kiểm định giả thuyết

Phần mềm chỉ thực sự vào cuộc ở bước 6. Thứ tự phân tích quan trọng không kém từng kỹ thuật: thang đo phải đạt yêu cầu trước khi kiểm định quan hệ giữa các khái niệm.

Làm gì

Các phân tích được thực hiện theo thứ tự sau.

1. Thống kê mô tả đặc điểm mẫu và giá trị trung bình của các biến quan sát.
2. Đánh giá thang đo về độ tin cậy và độ giá trị.
3. Kiểm định mô hình và giả thuyết, bao gồm tác động trực tiếp và tác động gián tiếp qua biến trung gian.
4. Phân tích bổ sung (nếu có): so sánh giữa các nhóm khách hàng, biến kiểm soát, sai lệch phương pháp chung.

Kỹ thuật cụ thể ở bước 2 và 3 phụ thuộc vào loại mô hình đã chọn ở bước 3 của quy trình. Bảng 4 đối chiếu ba lựa chọn.

Bảng 4. Kỹ thuật phân tích tương ứng với ba loại mô hình.

Mỗi kỹ thuật trong bảng có một bài hướng dẫn riêng trong loạt bài phân tích dữ liệu này, với số liệu minh họa từ đề tài mẫu.

Đầu ra và tiêu chí kiểm tra

Đầu ra: các bảng kết quả và kết luận chấp nhận hay bác bỏ từng giả thuyết. Bước 5 (kết quả thu thập, mô tả mẫu) và bước 6 tạo thành Chương 4.

Tiêu chí kiểm tra:

• Thang đo đạt các ngưỡng đánh giá trước khi kiểm định giả thuyết.
• Mỗi giả thuyết có kết luận rõ ràng kèm số liệu: hệ số, giá trị p và độ lớn hiệu ứng.

Bước 7. Thảo luận kết quả và viết báo cáo

Con số chỉ có giá trị khi được đặt lại vào câu hỏi nghiên cứu và vấn đề thực tiễn ban đầu. Bước 7 khép vòng quy trình.

Làm gì

Chương thảo luận cần làm được những việc sau.

• Trả lời từng câu hỏi nghiên cứu đã đặt ra ở bước 1, dựa trên kết quả kiểm định.
• Báo cáo đầy đủ: không chỉ giá trị p mà cả độ lớn hiệu ứng và khoảng tin cậy khi có thể (American Psychological Association, 2020).
• Thảo luận: so sánh kết quả với các nghiên cứu trong ma trận tổng hợp ở bước 2, giải thích vì sao kết quả giống hoặc khác, đặc biệt với các giả thuyết bị bác bỏ.
• Rút ra hàm ý: hàm ý lý thuyết (đóng góp gì cho ECM trong bối cảnh thương mại điện tử Việt Nam) và hàm ý quản trị (sàn X nên ưu tiên cải thiện điều gì để giữ chân khách hàng).
• Nêu hạn chế và hướng nghiên cứu tiếp theo: mẫu thuận tiện, thiết kế cắt ngang, đo ý định mua lại thay vì hành vi mua lại thực tế.

Đầu ra và tiêu chí kiểm tra

Đầu ra: Chương 5 và bản luận văn hoàn chỉnh.

Tiêu chí kiểm tra:

• Mỗi câu hỏi nghiên cứu ở bước 1 có câu trả lời.
• Mỗi kết quả được so sánh với ít nhất một nghiên cứu trước.
• Mỗi hàm ý quản trị bắt nguồn từ một kết quả cụ thể và hướng về vấn đề thực tiễn đã nêu ở bước 1.

Liên kết giữa 7 bước và các chương luận văn

Hình 5 cho thấy cách 7 bước gắn với cấu trúc 5 chương thường gặp của luận văn thạc sĩ. Cấu trúc cụ thể có thể khác nhau giữa các trường, nên hãy đối chiếu với quy định của cơ sở đào tạo.

Hình 5. Bước 5 được trình bày ở hai chương: kế hoạch thu thập nằm trong Chương 3, kết quả thu thập và mô tả mẫu nằm trong Chương 4.

Chín lỗi thường gặp

Những lỗi dưới đây được sắp theo thứ tự bảy bước. Phần lớn phát sinh trước khi có dữ liệu, nên không phần mềm nào sửa được.

1. Chọn đề tài không có vấn đề thực tiễn. Ví dụ, nghiên cứu ý định mua sắm trực tuyến khi gần như ai cũng đã mua sắm trực tuyến. Hãy bắt đầu từ một tình trạng cần cải thiện.
2. Nhầm triệu chứng với vấn đề nghiên cứu. "Khách hàng ít quay lại" là điều đã biết; vấn đề nghiên cứu là điều chưa biết, ví dụ yếu tố nào gây ra và mức độ ra sao.
3. Dùng dữ liệu sơ bộ để kết luận nguyên nhân. Dữ liệu sơ bộ chỉ chứng minh có vấn đề; nguyên nhân phải được kiểm định bằng nghiên cứu chính thức.
4. Chỉ dựa vào lý thuyết nền, không tổng quan nghiên cứu trước. Giả thuyết thiếu bằng chứng thực nghiệm và khoảng trống không được chứng minh.
5. Chọn lý thuyết nền không khớp với giai đoạn hành vi, ví dụ dùng lý thuyết chấp nhận công nghệ để giải thích hành vi mua lại.
6. Ghép các yếu tố từ nhiều nghiên cứu mà không có lý thuyết nền làm khung. Mô hình thành một danh sách yếu tố không có cơ chế giải thích.
7. Tổng quan tài liệu theo kiểu tóm tắt lần lượt từng bài. Người đọc không thấy được bức tranh chung và khoảng trống.
8. Thu thập dữ liệu trước khi chốt mô hình, hoặc chọn kỹ thuật phân tích sau khi có dữ liệu. Bảng hỏi thiếu biến không thể bổ sung sau và cỡ mẫu có thể không đủ cho kỹ thuật cần dùng.
9. Chỉ báo cáo giá trị p. Thiếu độ lớn hiệu ứng và phần thảo luận so sánh với nghiên cứu trước.

Tài liệu tham khảo

American Psychological Association. (2020). Publication manual of the American Psychological Association (7th ed.). https://doi.org/10.1037/0000165-000

Bhattacherjee, A. (2001). Understanding information systems continuance: An expectation-confirmation model. MIS Quarterly, 25(3), 351–370. https://doi.org/10.2307/3250921

Bộ Giáo dục và Đào tạo. (2021). Thông tư số 23/2021/TT-BGDĐT ban hành Quy chế tuyển sinh và đào tạo trình độ thạc sĩ [Circular No. 23/2021/TT-BGDĐT on the regulation of master's admission and training]. https://chinhphu.vn/?pageid=27160&docid=204050

Bộ Giáo dục và Đào tạo. (2026). Thông tư số 53/2026/TT-BGDĐT ban hành Quy chế tuyển sinh và đào tạo sau đại học [Circular No. 53/2026/TT-BGDĐT on the regulation of postgraduate admission and training]. https://chinhphu.vn/?pageid=27160&docid=218880

Bougie, R., & Sekaran, U. (2019). Research methods for business: A skill-building approach (8th ed.). Wiley. https://www.wiley.com/en-us/Research+Methods+For+Business%3A+A+Skill+Building+Approach%2C+8th+Edition-p-9781119561224

Brislin, R. W. (1970). Back-translation for cross-cultural research. Journal of Cross-Cultural Psychology, 1(3), 185–216. https://doi.org/10.1177/135910457000100301

Churchill, G. A., Jr. (1979). A paradigm for developing better measures of marketing constructs. Journal of Marketing Research, 16(1), 64–73. https://doi.org/10.1177/002224377901600110

Creswell, J. W., & Creswell, J. D. (2023). Research design: Qualitative, quantitative, and mixed methods approaches (6th ed.). SAGE Publications. https://collegepublishing.sagepub.com/products/research-design-6-270550

Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Quarterly, 13(3), 319–340. https://doi.org/10.2307/249008

Faul, F., Erdfelder, E., Lang, A.-G., & Buchner, A. (2007). G*Power 3: A flexible statistical power analysis program for the social, behavioral, and biomedical sciences. Behavior Research Methods, 39(2), 175–191. https://doi.org/10.3758/BF03193146

Gefen, D., Karahanna, E., & Straub, D. W. (2003). Trust and TAM in online shopping: An integrated model. MIS Quarterly, 27(1), 51–90. https://doi.org/10.2307/30036519

Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2019). Multivariate data analysis (8th ed.). Cengage Learning. https://www.cengage.co.in/book-list/print/multivariate-data-analysis-8e-2t

Hair, J. F., Risher, J. J., Sarstedt, M., & Ringle, C. M. (2019). When to use and how to report the results of PLS-SEM. European Business Review, 31(1), 2–24. https://doi.org/10.1108/EBR-11-2018-0203

Johanson, G. A., & Brooks, G. P. (2010). Initial scale development: Sample size for pilot studies. Educational and Psychological Measurement, 70(3), 394–400. https://doi.org/10.1177/0013164409355692

Kim, D. J., Ferrin, D. L., & Rao, H. R. (2009). Trust and satisfaction, two stepping stones for successful e-commerce relationships: A longitudinal exploration. Information Systems Research, 20(2), 237–257. https://doi.org/10.1287/isre.1080.0188

Kline, R. B. (2023). Principles and practice of structural equation modeling (5th ed.). Guilford Press. https://www.guilford.com/books/Principles-and-Practice-of-Structural-Equation-Modeling/Rex-Kline/9781462551910

Kock, N., & Hadaya, P. (2018). Minimum sample size estimation in PLS-SEM: The inverse square root and gamma-exponential methods. Information Systems Journal, 28(1), 227–261. https://doi.org/10.1111/isj.12131

MacKenzie, S. B., Podsakoff, P. M., & Podsakoff, N. P. (2011). Construct measurement and validation procedures in MIS and behavioral research: Integrating new and existing techniques. MIS Quarterly, 35(2), 293–334. https://doi.org/10.2307/23044045

Nguyễn Đình Thọ (2014). Phương pháp nghiên cứu khoa học trong kinh doanh. Nhà xuất bản Tài chính.

Oliver, R. L. (1980). A cognitive model of the antecedents and consequences of satisfaction decisions. Journal of Marketing Research, 17(4), 460–469. https://doi.org/10.1177/002224378001700405

Podsakoff, P. M., MacKenzie, S. B., Lee, J.-Y., & Podsakoff, N. P. (2003). Common method biases in behavioral research: A critical review of the literature and recommended remedies. Journal of Applied Psychology, 88(5), 879–903. https://doi.org/10.1037/0021-9010.88.5.879

Saunders, M. N. K., Lewis, P., & Thornhill, A. (2023). Research methods for business students (9th ed.). Pearson. https://www.pearson.com/en-gb/subject-catalog/p/research-methods-for-business-students/P200000010080/9781292402727

Snyder, H. (2019). Literature review as a research methodology: An overview and guidelines. Journal of Business Research, 104, 333–339. https://doi.org/10.1016/j.jbusres.2019.07.039

Webster, J., & Watson, R. T. (2002). Analyzing the past to prepare for the future: Writing a literature review. MIS Quarterly, 26(2), xiii–xxiii. https://www.jstor.org/stable/4132319