Trong các nghiên cứu định lượng sử dụng bảng câu hỏi khảo sát, chúng ta thường thu thập dữ liệu của nhiều nhân tố từ cùng một nhóm người trả lời. Chẳng hạn, một nghiên cứu về hành vi mua sắm trực tuyến có thể yêu cầu người tham gia đánh giá mức độ tin tưởng, sự hài lòng và ý định tiếp tục mua hàng trên cùng một bảng hỏi.
Cách thu thập dữ liệu này khá phổ biến và thuận tiện khi thực hiện nghiên cứu. Tuy vậy, nó cũng có thể làm phát sinh một vấn đề được gọi là Common Method Bias (CMB), hay sai lệch phương pháp chung.
CMB có thể ảnh hưởng đến mức độ tương quan giữa các biến và làm sai lệch kết quả kiểm định giả thuyết. Vì vậy, việc tìm hiểu CMB là gì, nguyên nhân hình thành và cách hạn chế CMB là điều cần thiết, đặc biệt đối với các nghiên cứu sử dụng SPSS, AMOS hoặc SMARTPLS.
1. CMB là gì trong nghiên cứu định lượng?
CMB là viết tắt của Common Method Bias, được hiểu là sai lệch phương pháp chung. Đây là hiện tượng kết quả đo lường chịu ảnh hưởng từ phương pháp thu thập dữ liệu, thay vì chỉ phản ánh những khái niệm mà nghiên cứu muốn đo lường.
Nói đơn giản, khi tham gia khảo sát, câu trả lời của một người không phải lúc nào cũng phản ánh hoàn toàn suy nghĩ hoặc hành vi thực tế. Một phần câu trả lời có thể chịu ảnh hưởng từ cách đặt câu hỏi, tâm lý người tham gia hoặc hình thức tổ chức khảo sát.
Khi những ảnh hưởng này xuất hiện đồng thời ở nhiều biến quan sát, chúng có thể làm thay đổi mức độ tương quan giữa các nhân tố. Đây chính là vấn đề cần quan tâm khi đánh giá sai lệch phương pháp chung trong nghiên cứu định lượng.
Theo Podsakoff và cộng sự (2003), sai lệch phương pháp có thể xuất phát từ nhiều nguồn khác nhau trong quá trình đo lường và thu thập dữ liệu. Những ảnh hưởng này có thể làm tăng hoặc giảm mối quan hệ được quan sát giữa các biến nghiên cứu.
Cần lưu ý rằng CMB không đồng nghĩa với việc dữ liệu bị làm giả hoặc người tham gia cố tình trả lời sai. Ngay cả khi người trả lời nghiêm túc, dữ liệu vẫn có thể chịu ảnh hưởng từ phương pháp khảo sát.
2. Ví dụ dễ hiểu về Common Method Bias
Giả sử chúng ta thực hiện một nghiên cứu về các yếu tố ảnh hưởng đến ý định tiếp tục sử dụng ứng dụng ngân hàng số. Mô hình nghiên cứu gồm ba nhân tố là chất lượng dịch vụ (SQ), sự hài lòng (SAT) và ý định tiếp tục sử dụng (CI).
Người tham gia được yêu cầu đánh giá các phát biểu theo thang Likert 5 mức độ, từ 1 – Hoàn toàn không đồng ý đến 5 – Hoàn toàn đồng ý. Một người có xu hướng đánh giá tích cực ứng dụng có thể lựa chọn mức 4 hoặc 5 cho phần lớn câu hỏi thuộc cả ba nhân tố.
Điều này chưa chắc đã là CMB, vì người trả lời hoàn toàn có thể thực sự hài lòng với dịch vụ. Vấn đề xuất hiện khi sự tương đồng giữa các câu trả lời một phần bắt nguồn từ thói quen chọn mức đồng ý cao, tâm lý muốn trả lời tích cực hoặc ảnh hưởng từ cách trình bày bảng hỏi.
Khi phân tích dữ liệu, các nhân tố SQ, SAT và CI có thể xuất hiện mức tương quan cao hơn mối quan hệ thực tế giữa chúng. Đây là một ví dụ cho thấy phương pháp khảo sát có thể ảnh hưởng đến kết quả nghiên cứu như thế nào.
3. Nguyên nhân nào dẫn đến CMB?
CMB có thể hình thành từ nhiều nguyên nhân khác nhau, chủ yếu liên quan đến người trả lời, cách thiết kế bảng hỏi và quy trình thu thập dữ liệu. Ngay cả khi người tham gia trả lời nghiêm túc, một số yếu tố trong quá trình khảo sát vẫn có thể ảnh hưởng đến kết quả đo lường. Dưới đây là những nguyên nhân thường gặp dẫn đến CMB trong nghiên cứu định lượng.
3.1. Thu thập dữ liệu từ cùng một người trả lời
Đây là tình huống khá phổ biến trong các nghiên cứu sử dụng bảng câu hỏi khảo sát. Chẳng hạn, khi nghiên cứu sự hài lòng của nhân viên, chúng ta có thể yêu cầu mỗi người tự đánh giá môi trường làm việc, sự hỗ trợ của lãnh đạo, động lực làm việc và hiệu quả công việc của bản thân.
Do tất cả các nhân tố đều được đánh giá bởi cùng một người, câu trả lời có thể chịu ảnh hưởng từ tâm trạng, cách nhìn nhận vấn đề hoặc xu hướng trả lời của cá nhân đó. Những ảnh hưởng chung này có khả năng làm tăng nguy cơ xuất hiện CMB.
Dù vậy, việc sử dụng cùng một nguồn dữ liệu không có nghĩa nghiên cứu chắc chắn mắc CMB. Đây chỉ là một yếu tố cần được xem xét khi thiết kế và đánh giá dữ liệu.
3.2. Sử dụng cùng một hình thức đo lường
Nhiều nghiên cứu sử dụng thang Likert 5 mức độ hoặc 7 mức độ cho toàn bộ bảng khảo sát. Cách thiết kế này giúp người tham gia dễ trả lời và thuận tiện cho quá trình mã hóa, phân tích dữ liệu.
Tuy vậy, nếu các câu hỏi có cách diễn đạt tương tự và đều theo cùng một chiều đánh giá, người tham gia có thể hình thành thói quen lựa chọn một số mức trả lời nhất định. Chẳng hạn, họ thường xuyên chọn mức 4 – Đồng ý cho phần lớn phát biểu mà không cân nhắc kỹ nội dung của từng câu hỏi.
Khi xu hướng trả lời này ảnh hưởng đồng thời đến nhiều thang đo, mức tương quan giữa các nhân tố có thể bị tác động bởi phương pháp đo lường.
3.3. Câu hỏi có nội dung tương tự hoặc trùng lặp
Một nguyên nhân khác liên quan đến cách xây dựng các biến quan sát. Nếu những nhân tố khác nhau được đo lường bằng các câu hỏi có nội dung quá giống nhau, người tham gia có thể khó phân biệt rõ ý nghĩa của từng phát biểu.
Ví dụ, nghiên cứu có hai nhân tố là sự hài lòng và ý định tiếp tục sử dụng, với các câu hỏi:
-
Sự hài lòng: “Tôi hài lòng khi tiếp tục sử dụng dịch vụ này.”
-
Ý định tiếp tục sử dụng: “Tôi muốn tiếp tục sử dụng dịch vụ này trong tương lai.”
Hai câu hỏi trên có nội dung khá gần nhau, khiến việc phân biệt sự hài lòng hiện tại với ý định hành vi trong tương lai trở nên khó khăn. Điều này trước hết ảnh hưởng đến chất lượng đo lường và giá trị phân biệt giữa các thang đo, đồng thời có thể góp phần tạo ra ảnh hưởng chung từ cách diễn đạt câu hỏi.
Vì vậy, khi xây dựng bảng hỏi, cần đảm bảo mỗi biến quan sát phản ánh đúng nội dung của nhân tố mà nó đại diện.
3.4. Tâm lý muốn đưa ra câu trả lời tích cực
Trong một số nghiên cứu, người tham gia có thể lựa chọn câu trả lời mà họ cho rằng phù hợp với chuẩn mực xã hội hoặc mong đợi của người thực hiện khảo sát.
Chẳng hạn, khi khảo sát về hành vi bảo vệ môi trường, người trả lời có thể đánh giá cao mức độ quan tâm và hành động bảo vệ môi trường của bản thân, dù hành vi thực tế chưa hoàn toàn tương ứng.
Hiện tượng này được gọi là xu hướng trả lời theo mong muốn xã hội (Social Desirability Bias). Đây là một trong những nguồn có thể góp phần tạo ra sai lệch phương pháp chung, đặc biệt đối với các chủ đề liên quan đến đạo đức, trách nhiệm xã hội hoặc hành vi cá nhân.
3.5. Thu thập dữ liệu tại cùng một thời điểm
Khi tất cả các nhân tố được đo lường trong một lần khảo sát, câu trả lời có thể chịu ảnh hưởng từ cùng một trạng thái tâm lý hoặc hoàn cảnh tại thời điểm đó.
Ví dụ, một nhân viên vừa trải qua sự việc không hài lòng tại nơi làm việc có thể đánh giá thấp nhiều khía cạnh khác nhau trong bảng khảo sát. Khi đó, điểm số của các nhân tố có thể cùng giảm do ảnh hưởng từ trạng thái tâm lý nhất thời.
Điều này không có nghĩa mọi nghiên cứu khảo sát tại một thời điểm đều gặp CMB. Mức độ rủi ro còn phụ thuộc vào nội dung thang đo, đặc điểm người tham gia và cách tổ chức thu thập dữ liệu.
4. CMB ảnh hưởng như thế nào đến kết quả nghiên cứu?
Ảnh hưởng đáng quan tâm nhất của CMB là làm sai lệch mối quan hệ giữa các biến nghiên cứu. Trong phân tích hồi quy hoặc mô hình cấu trúc SEM, các mối quan hệ thường được đánh giá thông qua hệ số tương quan, hệ số tác động và mức ý nghĩa thống kê.
Nếu dữ liệu chịu ảnh hưởng của CMB, những hệ số này có thể không phản ánh chính xác mức độ quan hệ thực tế giữa các nhân tố.
Chẳng hạn, một nghiên cứu cho thấy sự hài lòng tác động tích cực đến ý định tiếp tục sử dụng với hệ số Beta bằng 0.650. Nếu tồn tại CMB, hệ số này có thể phản ánh đồng thời mối quan hệ thực tế và ảnh hưởng của phương pháp đo lường.
CMB không chỉ có khả năng làm tăng hệ số tương quan hoặc hệ số tác động mà trong một số trường hợp còn có thể làm giảm hoặc thay đổi các mối quan hệ được quan sát. Điều này ảnh hưởng đến kết quả kiểm định giả thuyết và những kết luận được rút ra từ nghiên cứu.
Một điểm cần lưu ý là Cronbach’s Alpha, Composite Reliability, AVE hoặc HTMT đạt yêu cầu không đồng nghĩa với việc dữ liệu không có CMB. Những chỉ số này phục vụ đánh giá chất lượng thang đo, trong khi CMB liên quan đến ảnh hưởng của phương pháp đo lường lên kết quả nghiên cứu.
5. Cách hạn chế CMB trong nghiên cứu định lượng
Để hạn chế CMB, chúng ta nên quan tâm ngay từ giai đoạn thiết kế bảng hỏi và thu thập dữ liệu, thay vì chỉ kiểm tra sau khi đã hoàn thành khảo sát. Theo Podsakoff và cộng sự (2003, 2012), có nhiều biện pháp giúp giảm nguy cơ sai lệch phương pháp chung, trong đó những giải pháp dưới đây tương đối dễ áp dụng trong nghiên cứu thực tế.
5.1. Xây dựng câu hỏi rõ ràng, tránh trùng lặp nội dung
Khi thiết kế bảng hỏi, cần đảm bảo mỗi câu hỏi thể hiện rõ nội dung cần đo lường. Nên hạn chế những phát biểu quá dài, chứa nhiều ý hoặc sử dụng thuật ngữ khó hiểu đối với người tham gia.
Đồng thời, các biến quan sát thuộc những nhân tố khác nhau cần có sự phân biệt về nội dung. Chẳng hạn, câu hỏi về sự hài lòng nên tập trung vào cảm nhận sau trải nghiệm, trong khi câu hỏi về ý định tiếp tục sử dụng cần phản ánh hành vi dự định trong tương lai.
Việc xây dựng câu hỏi rõ ràng giúp người tham gia hiểu đúng nội dung khảo sát, đồng thời hạn chế sự tương đồng không cần thiết giữa các thang đo.
5.2. Đảm bảo tính ẩn danh và bảo mật thông tin
Người tham gia có thể e ngại đưa ra câu trả lời tiêu cực nếu cho rằng thông tin cá nhân hoặc kết quả khảo sát sẽ được công khai. Vì vậy, phần giới thiệu bảng hỏi nên giải thích rõ mục đích nghiên cứu, tính tự nguyện và cách bảo mật dữ liệu.
Chẳng hạn, có thể sử dụng lời giới thiệu:
“Thông tin khảo sát chỉ được sử dụng cho mục đích nghiên cứu khoa học. Các câu trả lời được tổng hợp và phân tích dưới dạng dữ liệu thống kê, không công bố thông tin nhận dạng cá nhân.”
Khi người tham gia cảm thấy an tâm, họ có thể đưa ra câu trả lời phù hợp hơn với nhận định thực tế của bản thân, qua đó hạn chế một phần xu hướng trả lời theo mong muốn xã hội.
5.3. Sắp xếp các nhóm câu hỏi hợp lý
Cách bố trí bảng hỏi cũng có thể ảnh hưởng đến quá trình trả lời. Nếu các nhóm câu hỏi được sắp xếp liên tục theo một trình tự quá dễ nhận biết, người tham gia có thể suy đoán mối quan hệ mà nghiên cứu đang muốn kiểm định.
Một giải pháp là phân chia bảng hỏi thành những phần rõ ràng, sử dụng hướng dẫn phù hợp và cân nhắc cách sắp xếp để hạn chế ảnh hưởng giữa các câu trả lời.
Dù vậy, không nên đảo trộn câu hỏi một cách tùy tiện vì có thể làm bảng khảo sát trở nên khó hiểu hoặc gây mệt mỏi cho người tham gia.
5.4. Thu thập dữ liệu từ nhiều nguồn nếu phù hợp
Đối với một số nghiên cứu, chúng ta có thể thu thập dữ liệu của biến độc lập và biến phụ thuộc từ những nguồn khác nhau.
Ví dụ, trong nghiên cứu về hiệu quả làm việc, nhân viên có thể tự đánh giá động lực làm việc, còn hiệu quả công việc được đánh giá bởi người quản lý hoặc sử dụng dữ liệu thực tế từ doanh nghiệp.
Cách thu thập này giúp giảm sự phụ thuộc vào đánh giá chủ quan của cùng một người trả lời. Tuy vậy, đối với những khái niệm mang tính cảm nhận cá nhân như sự hài lòng, niềm tin hoặc ý định hành vi, việc sử dụng dữ liệu tự báo cáo vẫn có thể là lựa chọn phù hợp.
5.5. Tách thời điểm thu thập dữ liệu
Nếu điều kiện nghiên cứu cho phép, chúng ta có thể thu thập dữ liệu của các nhóm biến tại những thời điểm khác nhau.
Chẳng hạn, các biến độc lập được khảo sát ở thời điểm thứ nhất, còn biến phụ thuộc được đo lường sau một khoảng thời gian phù hợp. Cách thực hiện này có thể giúp giảm một số ảnh hưởng phát sinh khi người tham gia trả lời toàn bộ bảng hỏi trong cùng một lần.
Việc tách thời điểm cần phù hợp với mô hình lý thuyết và phải có phương án ghép dữ liệu chính xác giữa các đợt khảo sát.
6. Các phương pháp kiểm tra CMB thường được sử dụng
Bên cạnh những biện pháp phòng ngừa trong quá trình thiết kế và thu thập dữ liệu, người nghiên cứu có thể sử dụng các phương pháp thống kê để đánh giá nguy cơ CMB. Hai phương pháp thường được nhắc đến là Harman’s Single Factor Test và Full Collinearity VIF.
6.1. Harman’s Single Factor Test
Harman’s Single Factor Test là phương pháp thường được sử dụng để xem xét khả năng tồn tại sai lệch phương pháp chung trong dữ liệu khảo sát.
Về nguyên tắc, các biến quan sát được đưa vào một phân tích nhân tố không xoay để xem xét liệu một nhân tố chung có chi phối phần lớn phương sai của dữ liệu hay không.
Một quy tắc kinh nghiệm thường gặp là so sánh tỷ lệ phương sai giải thích của nhân tố đầu tiên với ngưỡng 50%. Nếu nhân tố đầu tiên giải thích dưới 50% tổng phương sai, kết quả thường được diễn giải là không có một nhân tố chung chi phối phần lớn dữ liệu.
Dù vậy, phương pháp Harman có những hạn chế về khả năng phát hiện CMB. Vì vậy, không nên chỉ dựa vào kết quả kiểm tra này để khẳng định dữ liệu hoàn toàn không có sai lệch phương pháp chung.
6.2. Full Collinearity VIF
Full Collinearity Assessment là phương pháp được Kock (2015) đề xuất trong bối cảnh PLS-SEM nhằm hỗ trợ nhận diện CMB thông qua hiện tượng cộng tuyến giữa các biến tiềm ẩn.
Phương pháp này sử dụng hệ số Variance Inflation Factor (VIF) để xem xét mức độ cộng tuyến đầy đủ. Theo Kock (2015), ngưỡng VIF 3.3 được sử dụng làm tiêu chí tham khảo để nhận diện khả năng tồn tại sai lệch phương pháp chung.
Nếu tất cả các giá trị Full Collinearity VIF đều không vượt quá 3.3, kết quả không cho thấy dấu hiệu CMB nghiêm trọng theo tiêu chí này.
Đối với người sử dụng SMARTPLS 4, có thể thiết lập một mô hình kiểm tra riêng để lấy các giá trị VIF cần thiết. Bạn có thể tham khảo bài Hướng dẫn kiểm tra CMB bằng Full Collinearity VIF trong SMARTPLS 4 để xem chi tiết cách thực hiện trên Excel và SMARTPLS.
6.3. Một số phương pháp đánh giá khác
Ngoài hai phương pháp trên, các nghiên cứu còn có thể sử dụng biến đánh dấu (Marker Variable), nhân tố phương pháp chung hoặc những kỹ thuật kiểm soát ảnh hưởng của phương pháp đo lường trong mô hình SEM.
Mỗi phương pháp có nguyên tắc và điều kiện áp dụng riêng. Vì vậy, việc lựa chọn cần dựa trên thiết kế nghiên cứu, đặc điểm dữ liệu và mô hình phân tích thay vì chỉ dựa vào mức độ phổ biến của phương pháp.
7. Nghiên cứu sử dụng SPSS, AMOS hay SMARTPLS có bắt buộc kiểm tra CMB không?
Không phải tất cả nghiên cứu định lượng đều bắt buộc thực hiện cùng một phương pháp kiểm tra CMB. Việc đánh giá cần dựa trên đặc điểm nghiên cứu, đặc biệt là nguồn dữ liệu và cách đo lường các nhân tố.
Đối với nghiên cứu sử dụng bảng hỏi tự báo cáo, trong đó biến độc lập và biến phụ thuộc được thu thập từ cùng một người tại cùng một thời điểm, nguy cơ CMB cần được xem xét.
Điều này không phụ thuộc hoàn toàn vào phần mềm SPSS, AMOS hay SMARTPLS. Bởi CMB là vấn đề liên quan đến thiết kế và phương pháp đo lường, không phải lỗi phát sinh từ phần mềm phân tích.
Nếu nghiên cứu sử dụng nhiều nguồn dữ liệu độc lập, các chỉ số khách quan hoặc những phương pháp đo lường khác nhau, mức độ rủi ro có thể khác. Vì vậy, trước khi quyết định có cần kiểm tra CMB hay không, chúng ta nên xem xét cách thu thập dữ liệu và yêu cầu phương pháp luận của nghiên cứu.
8. Một số câu hỏi thường gặp về CMB
CMB có phải là đa cộng tuyến không?
Không. CMB là sai lệch liên quan đến phương pháp đo lường, còn đa cộng tuyến là hiện tượng các biến dự báo có mối tương quan tuyến tính cao. Hai vấn đề này khác nhau về bản chất, dù phương pháp Full Collinearity Assessment sử dụng VIF như một chỉ báo gián tiếp để hỗ trợ nhận diện CMB.
CMB có phải do người trả lời chọn toàn mức 4 hoặc 5 không?
Không nhất thiết. Việc người tham gia chọn nhiều mức đồng ý cao có thể phản ánh đánh giá thực tế của họ. Chỉ khi xu hướng trả lời chung tạo ra ảnh hưởng không phù hợp lên các thang đo thì mới đặt ra vấn đề sai lệch phương pháp.
Có thể loại bỏ hoàn toàn CMB sau khi thu thập dữ liệu không?
Rất khó khẳng định CMB đã được loại bỏ hoàn toàn chỉ bằng một phương pháp thống kê. Các biện pháp kiểm soát nên được cân nhắc ngay từ khâu thiết kế bảng hỏi và thu thập dữ liệu, trong khi các phép kiểm tra sau khảo sát chủ yếu giúp đánh giá nguy cơ hoặc hỗ trợ kiểm soát một số ảnh hưởng của phương pháp.
Cronbach’s Alpha và HTMT đạt có cần kiểm tra CMB nữa không?
Nếu thiết kế nghiên cứu có nguy cơ CMB, vẫn nên xem xét đánh giá vấn đề này. Cronbach’s Alpha và HTMT phục vụ những mục đích khác với kiểm tra sai lệch phương pháp chung, nên không thể thay thế trực tiếp cho nhau.
9. Kết luận
Common Method Bias (CMB) là vấn đề cần quan tâm trong nghiên cứu định lượng, đặc biệt đối với những nghiên cứu sử dụng bảng câu hỏi để thu thập dữ liệu từ cùng một nhóm người tham gia. CMB có thể xuất phát từ cách thiết kế câu hỏi, hình thức đo lường, tâm lý người trả lời hoặc quy trình thu thập dữ liệu.
Khi xuất hiện, sai lệch phương pháp chung có khả năng ảnh hưởng đến hệ số tương quan, hệ số tác động và kết quả kiểm định giả thuyết. Vì vậy, việc hạn chế CMB nên được thực hiện ngay từ giai đoạn thiết kế nghiên cứu, kết hợp với những phương pháp đánh giá thống kê phù hợp sau khi thu thập dữ liệu.
Điều quan trọng là không nên xem một kết quả kiểm tra đạt ngưỡng là bằng chứng khẳng định dữ liệu hoàn toàn không có CMB. Việc đánh giá cần đặt trong bối cảnh thiết kế nghiên cứu và những giới hạn của phương pháp được sử dụng.
Tài liệu tham khảo
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
Podsakoff, P. M., MacKenzie, S. B., & Podsakoff, N. P. (2012). Sources of method bias in social science research and recommendations on how to control it. Annual Review of Psychology, 63, 539–569. https://doi.org/10.1146/annurev-psych-120710-100452
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
