Chương 4 cho người đọc thấy dữ liệu nói gì về các giả thuyết, theo đúng trình tự chương 3 đã nêu. Sinh viên hay mất điểm ở ba chỗ: dán bảng SPSS không diễn giải, diễn giải không có ngưỡng và nguồn, và thảo luận chỉ nhắc lại con số. Bài này đưa ra khung chương 4 cho hai hướng phân tích phổ biến (SPSS với hồi quy, và PLS-SEM), ngưỡng của từng bước có trích dẫn, và câu mẫu bạn thay số vào.
Khung chương 4
| Mục | Hướng SPSS (hồi quy) | Hướng PLS-SEM |
|---|---|---|
| 4.1 | Mô tả mẫu | Mô tả mẫu |
| 4.2 | Thống kê mô tả các biến | Thống kê mô tả các biến |
| 4.3 | Độ tin cậy thang đo (Cronbach's alpha) | Đánh giá mô hình đo lường (hệ số tải, độ tin cậy, AVE, HTMT) |
| 4.4 | Phân tích nhân tố khám phá (EFA) | Đánh giá mô hình cấu trúc (VIF, R², f², Q²) |
| 4.5 | Phân tích tương quan Pearson | Kiểm định giả thuyết (bootstrapping) |
| 4.6 | Phân tích hồi quy và kiểm tra giả định | Phân tích bổ sung nếu có (trung gian, điều tiết) |
| 4.7 | Kiểm định giả thuyết | Thảo luận kết quả |
| 4.8 | Kiểm định khác biệt theo nhóm (nếu có) | |
| 4.9 | Thảo luận kết quả |
Một số trường tách thảo luận sang chương 5; nội dung cần viết vẫn như nhau. Cách biến kết quả chương 4 thành hàm ý có căn cứ ở chương 5 có ở bài hàm ý quản trị là gì.
Quy tắc cho mọi mục: bảng, rồi một đoạn diễn giải gồm ba ý: con số chính, so với ngưỡng nào (có nguồn), và kết luận dẫn sang bước sau. Không dán ảnh chụp màn hình SPSS; dựng lại bảng gọn trong Word, chỉ giữ các cột cần thiết.
4.1 Mô tả mẫu
Mở đầu bằng quá trình thu và lọc phiếu, rồi mới đến đặc điểm mẫu. Hội đồng luôn đối chiếu N trong bảng với số phiếu thu về.
Tổng cộng 402 phiếu được thu về. Sau khi loại 38 phiếu không thuộc đối tượng khảo sát, 29 phiếu trả lời sai câu kiểm tra chú ý và 12 phiếu chọn cùng một mức cho mọi phát biểu, 323 phiếu hợp lệ được đưa vào phân tích (tỉ lệ hợp lệ 80,3%).
Bảng đặc điểm mẫu gồm các cột: đặc điểm, nhóm, tần số, tỉ lệ (%). Diễn giải những điểm nổi bật và liên hệ với giới hạn của mẫu, không đọc lại từng dòng:
Nữ chiếm 61,6% mẫu, và 72,4% người trả lời trong độ tuổi 18 đến 22. Cơ cấu này phản ánh việc thu mẫu chủ yếu qua mạng lưới sinh viên, do đó kết quả phù hợp hơn khi diễn giải cho nhóm người dùng trẻ.
4.2 Thống kê mô tả các biến
Bảng gồm mã biến, giá trị nhỏ nhất, lớn nhất, trung bình, độ lệch chuẩn. Có thể thêm độ lệch (skewness) và độ nhọn (kurtosis) nếu chương 3 có nói đến phân phối. Diễn giải trung bình so với điểm giữa thang (3 với thang 5 mức):
Các biến quan sát có giá trị trung bình từ 2,87 (HT2) đến 4,21 (EE3). Nỗ lực kỳ vọng có trung bình cao nhất (4,08), cho thấy người trả lời đánh giá các ứng dụng giao đồ ăn là dễ sử dụng; thói quen có trung bình thấp nhất (3,12), gần mức trung lập.
4.3 Độ tin cậy thang đo (Cronbach's alpha)
Ngưỡng: alpha từ 0,7 là chấp nhận được (Nunnally, 1978); tương quan biến tổng hiệu chỉnh (Corrected Item-Total Correlation) dưới khoảng 0,3 cho thấy biến không tương quan tốt với thang đo (Field, 2018). Trình bày một bảng tổng hợp cho mọi nhân tố: số biến, alpha, khoảng tương quan biến tổng, alpha nhỏ nhất nếu loại biến, biến bị loại.
Cả sáu thang đo đều có hệ số Cronbach's alpha từ 0,781 (SI) đến 0,893 (BI), vượt ngưỡng 0,7 (Nunnally, 1978). Hệ số tương quan biến tổng hiệu chỉnh của các biến quan sát nằm trong khoảng 0,542 đến 0,812, đều lớn hơn 0,3 (Field, 2018). Không có biến nào mà việc loại bỏ làm tăng đáng kể độ tin cậy của thang đo, vì vậy toàn bộ 19 biến quan sát được giữ lại cho phân tích nhân tố khám phá.
Cách đọc từng cột của bảng SPSS có trong bài Cronbach's alpha là gì.
4.4 Phân tích nhân tố khám phá (EFA)
Báo cáo: phương pháp trích và phép xoay, KMO, Bartlett, số nhân tố và tổng phương sai trích, ma trận xoay, các biến bị loại qua từng lần chạy. Ngưỡng KMO từ 0,5 (Kaiser, 1974; Hair và cộng sự, 2010), eigenvalue lớn hơn 1 (Kaiser, 1960), hệ số tải từ 0,5 (Hair và cộng sự, 2010).
Kết quả EFA cho các biến độc lập với phương pháp trích Principal Components và phép xoay Varimax cho thấy KMO = 0,855 và kiểm định Bartlett có ý nghĩa thống kê (χ² = 2.701,3; df = 105; p < 0,001). Năm nhân tố có eigenvalue lớn hơn 1 được trích, giải thích 72,8% tổng phương sai. Sau khi loại biến EE4 do tải chéo, các biến quan sát còn lại đều có hệ số tải từ 0,5 trở lên trên đúng nhân tố đề xuất.
Hướng dẫn đọc từng bảng EFA và xử lý biến tải chéo ở bài cách đọc kết quả EFA trong SPSS. Sau EFA, tạo biến đại diện cho mỗi nhân tố bằng trung bình các biến quan sát được giữ lại, và ghi rõ cách tạo.
4.5 Phân tích tương quan Pearson
Mục đích kép: kiểm tra biến độc lập có tương quan với biến phụ thuộc không, và cảnh báo sớm đa cộng tuyến giữa các biến độc lập. Có thể diễn giải độ lớn theo Cohen (1988): khoảng 0,1 là nhỏ, 0,3 là trung bình, 0,5 là lớn.
Các biến độc lập đều tương quan dương và có ý nghĩa thống kê với ý định hành vi (r từ 0,312 đến 0,648; p < 0,001). Tương quan lớn nhất giữa các biến độc lập là 0,524 (PE và EE), chưa đến mức gây lo ngại về đa cộng tuyến; điều này sẽ được kiểm tra thêm bằng hệ số VIF trong phân tích hồi quy.
Đừng kết luận "không có đa cộng tuyến" từ bảng tương quan; tương quan cặp thấp không loại trừ đa cộng tuyến giữa nhiều biến. VIF mới là chỉ số kiểm tra.
4.6 Phân tích hồi quy và kiểm tra giả định
Báo cáo theo thứ tự: mức độ phù hợp của mô hình, kiểm định F, hệ số hồi quy, đa cộng tuyến, các giả định về phần dư.
| Chỉ số | Đọc ở bảng SPSS | Ngưỡng hay dùng |
|---|---|---|
| R² hiệu chỉnh | Model Summary | Không có ngưỡng chung; báo cáo và diễn giải phần trăm biến thiên được giải thích |
| Kiểm định F | ANOVA | p < 0,05: mô hình có ý nghĩa |
| Hệ số β chuẩn hoá | Coefficients | p < 0,05: tác động có ý nghĩa; dấu phải khớp giả thuyết |
| VIF | Coefficients | Ngưỡng phổ biến là 10 (Hair và cộng sự, 2010); nhiều tác giả dùng ngưỡng chặt hơn như 5 hoặc 3. Nêu rõ ngưỡng bạn dùng |
| Durbin-Watson | Model Summary | Gần 2 là tốt; dưới 1 hoặc trên 3 đáng lo ngại (Field, 2018). Chủ yếu có ý nghĩa khi dữ liệu có thứ tự, như theo thời gian |
| Phân phối phần dư | Histogram, P-P plot | Gần phân phối chuẩn |
| Phương sai phần dư | Scatterplot ZRESID theo ZPRED | Điểm phân tán ngẫu nhiên, không có hình phễu |
Mô hình hồi quy với năm biến độc lập giải thích 58,2% biến thiên của ý định hành vi (R² hiệu chỉnh = 0,582). Kiểm định F cho thấy mô hình phù hợp với dữ liệu (F(5, 317) = 90,6; p < 0,001). Hệ số VIF của các biến độc lập nằm trong khoảng 1,42 đến 2,16, thấp hơn ngưỡng 10 (Hair và cộng sự, 2010), cho thấy đa cộng tuyến không phải là vấn đề. Biểu đồ tần số phần dư có dạng gần chuẩn, và đồ thị phân tán giữa phần dư chuẩn hoá và giá trị dự đoán chuẩn hoá không cho thấy dấu hiệu phương sai thay đổi.
Bậc tự do của F là (k, n − k − 1): 5 biến độc lập, 323 quan sát cho (5, 317).
4.7 Kiểm định giả thuyết
Gom kết quả vào một bảng tổng hợp:
| Giả thuyết | Quan hệ | β | p | Kết luận |
|---|---|---|---|---|
| H1 | PE → BI | 0,284 | < 0,001 | Chấp nhận |
| H2 | EE → BI | 0,097 | 0,064 | Không chấp nhận |
| H3 | SI → BI | 0,121 | 0,008 | Chấp nhận |
| H4 | PV → BI | 0,176 | < 0,001 | Chấp nhận |
| H5 | HT → BI | 0,331 | < 0,001 | Chấp nhận |
Số liệu trong bảng là minh hoạ. Câu mẫu cho từng giả thuyết:
- Được ủng hộ: "Thói quen có tác động dương và có ý nghĩa thống kê đến ý định hành vi (β = 0,331; p < 0,001), giả thuyết H5 được ủng hộ. Đây là nhân tố có tác động mạnh nhất trong mô hình."
- Không được ủng hộ: "Tác động của nỗ lực kỳ vọng đến ý định hành vi không có ý nghĩa thống kê ở mức 5% (β = 0,097; p = 0,064), giả thuyết H2 không được ủng hộ."
Viết "được ủng hộ" hoặc "không được ủng hộ" thay vì "được chứng minh". Một kiểm định không chứng minh giả thuyết, nó cho thấy dữ liệu có phù hợp với giả thuyết hay không. Báo cáo p chính xác (p = 0,064) thay vì chỉ ghi "p > 0,05"; Hiệp hội Thống kê Hoa Kỳ khuyến nghị không quy mọi kết luận về một ngưỡng p duy nhất (Wasserstein & Lazar, 2016).
Nếu bạn dùng PLS-SEM
Thay mục 4.3 đến 4.7 bằng hai giai đoạn theo Hair và cộng sự (2019):
| Đánh giá | Chỉ số | Ngưỡng |
|---|---|---|
| Độ tin cậy biến quan sát | Hệ số tải ngoài (outer loading) | Từ 0,708 |
| Độ tin cậy nhất quán nội tại | Composite reliability, Cronbach's alpha | 0,70 đến 0,95 |
| Giá trị hội tụ | AVE | Từ 0,50 |
| Giá trị phân biệt | HTMT (Henseler và cộng sự, 2015) | Dưới 0,85 hoặc 0,90 |
| Đa cộng tuyến mô hình cấu trúc | VIF trong | Lý tưởng dưới 3 |
| Khả năng giải thích | R² | 0,25 / 0,50 / 0,75: yếu / trung bình / đáng kể |
| Quy mô tác động | f² (Cohen, 1988) | 0,02 / 0,15 / 0,35: nhỏ / trung bình / lớn |
| Khả năng dự báo | Q² | Lớn hơn 0; 0,25 và 0,50 là trung bình và lớn |
| Ý nghĩa đường dẫn | Bootstrapping | Khoảng tin cậy không chứa 0, hoặc p < 0,05 |
Mô hình đo lường đạt yêu cầu: hệ số tải ngoài của các biến quan sát từ 0,732 đến 0,904; độ tin cậy tổng hợp từ 0,861 đến 0,927; AVE từ 0,612 đến 0,808, đều vượt ngưỡng 0,5 (Hair và cộng sự, 2019). Các giá trị HTMT đều nhỏ hơn 0,85 (Henseler và cộng sự, 2015), cho thấy các khái niệm đạt giá trị phân biệt.
Nếu giảng viên yêu cầu tiêu chí Fornell và Larcker (1981), báo cáo thêm, nhưng dựa kết luận vào HTMT. Cách tính HTMT và xử lý khi vượt ngưỡng có ở bài HTMT là gì. Nên báo cáo kiểm tra sai lệch phương pháp chung bằng VIF toàn phần, ngưỡng 3,3 (Kock, 2015).
4.8 Kiểm định khác biệt theo nhóm (nếu có)
Independent-samples t-test cho biến hai nhóm, One-way ANOVA cho biến nhiều nhóm. Đọc Levene trước; nếu phương sai không đồng nhất, dùng dòng "Equal variances not assumed" (t-test) hoặc Welch (ANOVA). Chỉ đưa mục này khi có câu hỏi nghiên cứu tương ứng. Ví dụ số đầy đủ, cách chọn Tukey hay Games-Howell có ở bài kiểm định T-test và ANOVA trong SPSS.
Kết quả kiểm định t cho thấy không có khác biệt có ý nghĩa thống kê về ý định hành vi giữa nam và nữ (t(321) = 1,24; p = 0,216).
4.9 Thảo luận kết quả
Thảo luận không lặp lại con số. Với mỗi giả thuyết, viết bốn ý: kết quả là gì, giống hay khác nghiên cứu trước nào, vì sao có thể như vậy trong bối cảnh của bạn, và ý nghĩa thực tiễn.
Kết quả cho thấy thói quen là nhân tố có tác động mạnh nhất đến ý định tiếp tục sử dụng, phù hợp với Venkatesh và cộng sự (2012), nghiên cứu đã bổ sung thói quen vào UTAUT2 như một yếu tố dự báo trực tiếp của ý định và hành vi sử dụng. Ngược lại, nỗ lực kỳ vọng không có tác động có ý nghĩa. Một cách giải thích là phần lớn người trả lời là người trẻ đã dùng ứng dụng thường xuyên, nên sự dễ dùng không còn là yếu tố phân biệt; Venkatesh và cộng sự (2003) cũng ghi nhận ảnh hưởng của nỗ lực kỳ vọng giảm dần khi người dùng có kinh nghiệm sử dụng lâu dài. Với doanh nghiệp, điều này gợi ý ưu tiên các chương trình duy trì tần suất đặt món hơn là cải tiến giao diện.
Giả thuyết không được ủng hộ là chất liệu tốt cho thảo luận, không phải điều cần giấu.
Lỗi thường gặp
| Lỗi | Cách sửa |
|---|---|
| Dán ảnh chụp bảng SPSS | Dựng lại bảng trong Word, chỉ giữ cột cần thiết, đánh số và đặt tên bảng |
| N khác nhau giữa các bảng mà không giải thích | Giải thích phiếu bị loại ở 4.1; nếu có giá trị thiếu theo từng biến, nêu cách xử lý |
| Ngưỡng không có nguồn | Mỗi ngưỡng đi kèm một trích dẫn, khớp với chương 3 |
| Viết "Sig. = 0,000" | Viết p < 0,001 |
| Dùng β chưa chuẩn hoá để so sánh mức tác động | So sánh bằng β chuẩn hoá |
| "Giả thuyết được chứng minh" | "Giả thuyết được ủng hộ" |
| Thảo luận chỉ nhắc lại số liệu | So sánh với nghiên cứu trước, giải thích theo bối cảnh |
Câu hỏi thường gặp
Có cần đưa toàn bộ output SPSS vào phụ lục không?
Nên đưa các bảng gốc (Cronbach's alpha, EFA, hồi quy) vào phụ lục để hội đồng kiểm tra khi cần. Trong chương 4 chỉ giữ bảng đã dựng lại.
Viết số thập phân bằng dấu phẩy hay dấu chấm?
Văn bản tiếng Việt thường dùng dấu phẩy cho phần thập phân (0,855). Quan trọng nhất là thống nhất trong toàn bài và theo quy định trình bày của trường.
Giả thuyết không được ủng hộ có làm khoá luận bị đánh giá thấp không?
Không, nếu bạn báo cáo trung thực và giải thích có căn cứ trong phần thảo luận. Sửa dữ liệu hay đổi giả thuyết sau khi thấy kết quả mới là vấn đề.
Có công cụ nào tạo sẵn đoạn văn chương 4 không?
Công cụ phân tích dữ liệu nhận file Excel khảo sát, chạy lọc phiếu, Cronbach's alpha, EFA, tương quan, hồi quy và sinh đoạn văn chương 4 viết sẵn. Dùng nó để đối chiếu với SPSS và làm bản nháp, rồi viết lại theo giọng văn và bối cảnh đề tài của bạn.
Hội đồng thường hỏi gì về chương 4?
Hay gặp nhất: vì sao loại biến, có đa cộng tuyến không, R² có thấp không, giả thuyết bị bác giải thích thế nào. Câu trả lời mẫu cho từng câu có ở bài hội đồng hay hỏi gì về phần khảo sát. Tiêu chí loại phiếu ở mục 4.1 phải khớp với chương 3; cách đặt tiêu chí có ở bài cách lọc phiếu khảo sát không hợp lệ. Nguồn và câu hỏi gốc của các thang đo UTAUT2 dùng trong ví dụ có ở trang thang đo UTAUT2.
Tài liệu tham khảo
- Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.). Lawrence Erlbaum Associates.
- Field, A. (2018). Discovering statistics using IBM SPSS Statistics (5th ed.). SAGE.
- Fornell, C., & Larcker, D. F. (1981). Evaluating structural equation models with unobservable variables and measurement error. Journal of Marketing Research, 18(1), 39–50. https://doi.org/10.2307/3151312
- Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2010). Multivariate data analysis (7th ed.). Pearson Prentice Hall.
- 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
- Henseler, J., Ringle, C. M., & Sarstedt, M. (2015). A new criterion for assessing discriminant validity in variance-based structural equation modeling. Journal of the Academy of Marketing Science, 43(1), 115–135. https://doi.org/10.1007/s11747-014-0403-8
- Kaiser, H. F. (1960). The application of electronic computers to factor analysis. Educational and Psychological Measurement, 20(1), 141–151. https://doi.org/10.1177/001316446002000116
- Kaiser, H. F. (1974). An index of factorial simplicity. Psychometrika, 39(1), 31–36. https://doi.org/10.1007/BF02291575
- Kock, N. (2015). Common method bias in PLS-SEM: A full collinearity assessment approach. International Journal of e-Collaboration, 11(4), 1–10. https://doi.org/10.4018/ijec.2015100101
- Nunnally, J. C. (1978). Psychometric theory (2nd ed.). McGraw-Hill.
- Venkatesh, V., Morris, M. G., Davis, G. B., & Davis, F. D. (2003). User acceptance of information technology: Toward a unified view. MIS Quarterly, 27(3), 425–478. https://doi.org/10.2307/30036540
- Venkatesh, V., Thong, J. Y. L., & Xu, X. (2012). Consumer acceptance and use of information technology: Extending the unified theory of acceptance and use of technology. MIS Quarterly, 36(1), 157–178. https://doi.org/10.2307/41410412
- Wasserstein, R. L., & Lazar, N. A. (2016). The ASA statement on p-values: Context, process, and purpose. The American Statistician, 70(2), 129–133. https://doi.org/10.1080/00031305.2016.1154108