1. Loại mô hình này là gì?

Mô hình BẬC CAO ((higher order construct - HOC) -> Mô hình bậc 2
Mô hình bậc cao khác với mô hình bậc một ở các điểm chính sau
(1) giảm số lượng mối quan hệ đường dẫn giữa các cấu trúc trong mô hình, làm mô hình tinh
gọn hơn;
(2) giúp đánh giá được mối quan hệ giữa biến mẹ bậc hai với các biến khác trong mô hình

Ví dụ: mô hình bậc một đánh giá nhiều mối tác động bao gồm: “Chuẩn mực xã hội”,
“Marketing xanh”, “Trách nhiệm xã hội của doanh nghiệp”, “Nhận thức mức độ nghiêm
trọng về môi trường” đến biến mẹ là “Hành vi tiêu dùng xanh” và “Truyền bá thương hiệu”
=> điều này dẫn đến một vấn đề nếu 1 trong số các biến quan sát trên không tác động lên biến
mẹ thì sẽ khó trong việc đưa ra kết luận
Thay vì đó ở mô hình bậc hai Nguyên nhân - nguyên nhân, các biến bậc một là một
nguyên nhân (thành phần cấu tạo ) → biến bậc hai. Khi đó, mỗi một biến bậc một sẽ là một
thành phần riêng biệt có sự tương quan lẫn nhau và tác động lên biến bậc hai.

2. Lí do lựa chọn phân tích mô hình cấu trúc tuyến tính (SEM) qua phần mềm
AMOS?
Sử dụng phương pháp SEM (Structural Equation Modeling) thay cho Cronbach's Alpha là
một cách hiện đại và mạnh mẽ hơn để đánh giá tính đồng nhất của các biến trong một mô
hình nghiên cứu.

3. Tính mới của bài:

Trong quá trình tham khảo và phân tích các bài nghiên cứu trước ở trong nước cũng
như nước ngoài về chủ đề ý định tiêu dùng xanh, nhóm chúng em nhận thấy biến “Truyền bá
thương hiệu xanh” ít được nghiên cứu và chỉ xuất hiện duy nhất (trong all các bài nc mà nhóm
đã tham khảo) ở 1 bài nghiên cứu của tác giả Bethel Grace M. Guiao và Jean Paolo G. Lacap
(2022). Kết quả bài nghiên cứu chỉ ra rằng ý định mua hàng xanh được phát hiện có ảnh hưởng
tích cực và đáng kể đến việc truyền bá thương hiệu xanh. Tuy nhiên, xét về mặt thực tế ở Việt
Nam - một nơi mà tiêu dùng xanh vẫn chưa phổ biến thì người tiêu dùng có hành vi truyền bá
thương hiệu sau khi có ý định tiêu dùng xanh hay không vẫn chưa xác thực được.

Ngoài ra, nhóm còn nghiên cứu thêm 1 mối quan hệ mới đó là “Truyền bá thương hiệu xanh”
-> “Hành vi tiêu dùng xanh” vì nhóm cho rằng người tiêu dùng khi được truyền bá về thương
hiệu xanh sẽ là một động lực khiến họ quyết định mua sản phẩm xanh.

Đó là 2 điểm mới mà nhóm nhận thấy được và muốn thực hiện nghiên cứu để có thể hiểu hơn
phần nào về hành vi của người tiêu dùng.
 4. Vì sao lại chọn các biến độc lập đó mà ko phải là các biến khác

Lý thuyết về hành vi hoạch định TPB được phát triển và hoàn thiện trên cơ sở từ thuyết hành
động hợp lý TRA với việc thêm một thành phần mới với tên gọi là

- Nhận thức kiểm soát (Perceived Behavioural Control-PBC): được đo bằng niềm tin
kiểm soát thông qua các yếu tố điều kiện TL/ Ức chế. Yếu tố bên trong: Khả năng, kĩ
năng, tự tin; Yếu tố bên ngoài: Sự sẵn có nguồn lực, cơ hội điều kiện
- Thái độ đối với hành vi (Attitude-Ab): Mức độ đánh giá hành vi TL hay ko TL
- Chuẩn chủ quan (Subjective Norm -SN): tức là ý kiến tham khảo của những người
xung quanh

Vì muốn nhóm bài nghiên cứu sẽ áp dụng mở rộng hơn về Lý thuyết về hành vi hoạch định
TPB nên đã chọn các biến độc lập liên quan: Chuẩn mực xã hội (chuẩn chủ quan), nhận thức
mức độ nghiêm trọng về môi trường -> ý định tiêu dùng xanh (thái độ đối với hành vi)

5. Bạn đã sử dụng bao nhiêu mẫu dữ liệu và tại sao bạn chọn số lượng đó?

Dựa vào cỡ mẫu cần thiết cho bài nghiên cứu của Hair và các cộng sự (2014). Lấy (tổng số
items khảo sát) nhân với một số x (với x chạy từ 5 đến 10) tức là cỡ mẫu tối thiểu sẽ là gấp 5
lần tổng số items. Bài nghiên cứu này, tác giả sử dụng 38 items để kiểm định mô hình. Như
vậy cỡ mẫu tối thiểu phải khảo sát là 190 mẫu.
*** Ý NGHĨA CÁC CHỈ SỐ PHÂN TÍCH

- Hệ số KMO: giúp đánh giá sự phù hợp của các biến hoặc thuộc tính được sử dụng.
Chỉ số KMO cho chúng ta biết độ lớn của hệ số tương quan giữa các biến và xem xét
khả năng của chúng để hình thành các nhân tố chung.

Khi giá trị của hệ số KMO lớn hơn 0.5, có nghĩa là các biến hoặc thuộc tính được sử
dụng trong phân tích nhân tố có một mối quan hệ tương đối tốt với nhau. Điều này cho
thấy rằng việc áp dụng phân tích nhân tố để tìm ra các yếu tố chung giữa các biến hoặc
thuộc tính là hợp lý và phù hợp.

- Kiểm định Bartlett (Bartlett’s test of sphericity) dùng để xem xét các biến quan sát
trong nhân tố có tương quan với nhau hay không. Kiểm định Bartlett có ý nghĩa thống
kê (sig Bartlett’s Test < 0.05), chứng tỏ các biến quan sát có tương quan với nhau trong
nhân tố.
- Hệ số tải nhân tố (hay còn gọi là Factor Loading) có thể hiểu là mối tương quan giữa
biến quan sát với nhân tố.

Hair và các cộng sự cũng cho rằng, việc chọn ngưỡng trọng số tải factor loading trong
EFA cũng nên xem xét đến cỡ mẫu, nhóm tác giả gợi ý bảng cỡ mẫu cần thiết tương
ứng với mức hệ số tải nên lựa chọn như dưới đây:

- Trị số Eigenvalue: (Hair và cộng sự (2014) cho rằng chỉ những nhân tố có eigenvalue
(hay còn gọi là latent roots) từ 1 trở lên mới được đánh giá là có ý nghĩa và được giữ
lại. Kết quả ở bảng trên cho thấy eigenvalue tại nhân tố thứ 7 là 1.041 > 1, tại nhân tố
thứ 8 là 0.725 < 1, do vậy quá trình trích sẽ dừng tại nhân tố thứ 7, có 7 nhân tố được
trích. Kết quả cho thấy 38 biến quan sát ban đầu được nhóm thành 7 nhóm.
 - Giá trị tổng phương sai trích = 71,564 % > 50%: đạt yêu cầu; khi đó có thể nói rằng 7
nhân tố này giải thích 71,564 % biến thiên của dữ liệu.

*** Phương pháp nghiên cứu:

Sau khi thu thập được dữ liệu,
+ Phân tích nhân tố khám phá (EFA) SỬ DỤNG SPSS 25.0 -> kiểm định giá trị hội
tụ và giá trị phân biệt của các khái niệm; Kiểm định độ tin cậy thang đo bằng hệ số
KMO
Lưu ý: chọn phương pháp trích Principal axis factoring và phép quay được chọn là
Promax.
-> Phù hợp với mục tiêu nghiên cứu: tìm kiếm cấu trúc tiềm ẩn trong dữ liệu mà có sự tương
quan giữa các nhân tố.
+ Phân tích nhân tố khẳng định (CFA) -> kiểm tra tính phù hợp của mô hình đo
lường với dữ liệu thực tế (tính đơn hướng, độ tin cậy, phương sai trích, giá trị hội tụ,
phân biệt) SỬ DỤNG AMOS 24 ĐỂ VẼ MÔ HÌNH SEM
*Model Fit -> mối quan hệ giữa các biến bậc 1
So sánh với ngưỡng chấp nhận các chỉ số Model Fit của tác giả Hu & Bentler (1999)
 Model fit
* Sử dụng plugin Validity and Reliability Test để đánh giá tính hội tụ, tính phân biệt

CR>0.7 và AVE >0.5 -> các thang đo biến bậc 1 đều có tính hội tụ

*Đánh giá tổng thể mối quan hệ giữa biến bậc 2 với các biến trong mô hình

Mô hình cấu trúc tuyến tính (SEM)

=> mô hình ta đạt độ phù hợp

*Đánh gía chất lượng biến quan sát

Dựa vào bảng kết quả 1 là Regression Weights (biết mối quan hệ tuyến tính giữa biến
quan sát và các nhân tố mà không cân nhắc đến đơn vị đo của biến)

=> Giá trị P-value các biến quan sát đều nhỏ hơn 0.05. Riêng YDM ←- NT là Loại

Bảng kết quả 2 là Standardized Regression Weights.

Hệ số tải nhân tố Factor Loading (Estimate) (cho biết mối quan hệ tuyến tính chuẩn hóa
giữa biến quan sát và các nhân tố, với tất cả biến đo chuẩn hóa để có đơn vị phương sai bằng
1)

Estim Estimate
ate

YDM <- CMXH .290 HVTDX3 <-- HVTDX .739

YDM <- MX .438 HVTDX1 <-- HVTDX .696

YDM <- TNXH .187 CMXH3 <-- CMXH .723

YDM <- NT .039 CMXH2 <-- CMXH .738

TBTHX <- YDM .672 CMXH5 <-- CMXH .795

HVTD <- YDM .251 CMXH1 <-- CMXH .789

X

HVTD <- TBTHX .521 CMXH4 <-- CMXH .697

X -

MX6 <- MX .956 NT1 <-- NT .775

MX7 <- MX .963 NT4 <-- NT .729

MX5 <- MX .852 NT2 <-- NT .719

MX4 <- MX .879 NT5 <-- NT .719

MX1 <- MX .790 NT3 <-- NT .708

MX3 <- MX .818 YDM2 <-- YDM .734

MX2 <- MX .765 YDM1 <-- YDM .806

TNXH7 <- TNXH .898 YDM3 <-- YDM .762

TNXH2 <- TNXH .834 YDM4 <-- YDM .747

TNXH3 <- TNXH .845 TBTHX4 <-- TBTHX .951

TNXH5 <- TNXH .815 TBTHX1 <-- TBTHX .784

TNXH6 <- TNXH .856 TBTHX2 <-- TBTHX .718

TNXH1 <- TNXH .765 TBTHX3 <-- TBTHX .723

TNXH4 <- TNXH .780

HVTD <- HVTDX .926

X5

HVTD <- HVTDX .935

X6

HVTD <- HVTDX .730

X4 -

HVTD <- HVTDX .748

X2 -

Kết hợp coi dữ liệu của hai bảng thì thấy: Ở đây có một số Hệ số tải nhỏ hơn 0.5, điều này
có thể có nhiều ý nghĩa khác nhau tùy thuộc vào ngữ cảnh cụ thể:

+ Do độ tin cậy tổng hợp (CR) ở các biến quan sát đó chưa được cao ->có thể làm
giảm độ tin cậy của các hệ số tải liên quan đến biến đó

=> nó có thể không cung cấp thông tin quan trọng cho những gì mình đang nghiên cứu =>
Không ảnh hưởng lắm nên bỏ hay không cũng ko sao

(Mình có thể hỏi thêm giám khảo việc loại nó ntn và có cần thiết không?)

BỔ SUNG NỘI DUNG PHẢN BIỆN:

 + Nhận thức kiểm soát (Perceived Behavioural Control-PBC): được đo bằng niềm tin
kiểm soát thông qua các yếu tố điều kiện TL/ Ức chế. Yếu tố bên trong: Khả năng, kĩ
năng, tự tin; Yếu tố bên ngoài: Sự sẵn có nguồn lực, cơ hội điều kiện
+ Thái độ đối với hành vi (Attitude-Ab): Mức độ đánh giá hành vi TL hay ko TL
+ Chuẩn chủ quan (Subjective Norm -SN): tức là ý kiến tham khảo của những người
xung quanh

Mục đích mở rộng thuyết này: cung cấp hiểu biết sâu rộng về tại sao con người thực
hiện hành vi tiêu dùng xanh, và làm thế nào để thúc đẩy hành vi này và đưa ra các
chiến lược quảng bá hợp lý cho doanh nghiệp
Hàm ý quản trị:
- Ứng dụng công nghệ cho tiêu dùng xanh:
+ Ứng dụng di động cho tiêu dùng xanh: cung cấp thông tin về sản
phẩm xanh, xem được các đánh giá sản phẩm từ những người mua hàng
trước đó
+ Sổ tay tiêu dùng xanh trực tuyến: trang web cho phép người tiêu dùng
chia sẻ những cách họ đã làm để tiêu dùng xanh trong cuộc sống hàng
ngày; đề xuất các sản phẩm xanh…
- Hệ thống chứng nhận hữu cơ và nhãn xanh : Phát triển hệ thống chứng nhận
và nhãn xanh để người tiêu dùng có thể dễ dàng nhận biết sản phẩm xanh