CHƯƠNG II.
CƠ SỞ LÝ THUYẾT

PHẦN A. CÁC MÔ HÌNH NGHIÊN CỨU TRƯỚC ĐÂY
I. MÔ HÌNH CHẤP THUẬN CÔNG NGHỆ (TAM)
Trong nửa cuối thế kỷ 20, nhiều lý thuyết đã được hình thành và được kiểm
nghiệm nhằm nghiên cứu sự chấp thuận công nghệ của người sử dụng.
Fishbein và Ajzen (1975) đã đề xuất Thuyết Hành Động Hợp Lý (Theory of
Reasoned Action - TRA), Ajzen (1985) đề xuất Thuyết Hành Vi Dự Định
(theory of planned behavior - TPB), và Davis (1986) đã đề xuất Mô Hình
Chấp Nhận Công Nghệ (Technology Acceptance Model - TAM). Các lý
thuyết này đã được công nhận là các công cụ hữu ích trong việc dự đoán thái
độ của người sử dụng. Đặc biệt, TAM đã được công nhận rộng rãi là một mô
hình tin cậy và mạnh trong việc mô hình hóa việc chấp nhận IT của người sử
dụng. "Mục tiêu của TAM là cung cấp một sự giải thích các yếu tố xác định
tổng quát về sự chấp nhận computer, những yếu tố này có khả năng giải
thích hành vi người sử dụng xuyên suốt các loại công nghệ người dùng cuối
sử dụng computer và cộng đồng sử dụng" (Davis et al. 1989, trang 985). Do
đó, mục đích chính của TAM là cung cấp một cơ sở cho việc khảo sát tác
động của các yếu tố bên ngoài vào các yếu tố bên trong là tin tưởng (beliefs),
thái độ (attitudes), và ý định (intentions). TAM được hệ thống để đạt mục

khứ, trong khi Dự Định Hành Vi là “xác suất chủ quan mà người sử dụng sẽ
thực hiện hành vi này trong chủ đề” (Fishbein và Ajzen 1975, trang 12) và
do đó nó liên quan tới hành vi tương lai. Do đó, nếu nghiên cứu có dự định
khảo sát hành vi chấp thuận công nghệ trong quá khứ thì nên bỏ thành phần
Dự Định Hành Vi [16].
Dựa trên các nghiên cứu thực nghiệm sau khi mô hình TAM đầu tiên được
công bố, kiến trúc thái độ (Attitude construct - A) đã được bỏ ra khỏi mô
hình TAM nguyên thủy (Davis, 1989; Davis et al., 1989) vì nó không làm
trung gian đầy đủ cho sự tác động của PU lên hành vi dự định (behavioral
intention - BI) (Venkatesh, 1999). Hơn nữa, một vài nghiên cứu sau đó

(Adams et al., 1992; Fenech, 1998; Gefen and Straub, 1997; Gefen và Keil,
1998; Igbaria et al., 1997; Karahanna và Straub, 1999; Lederer et al., 2000;
Mathieson, 1991; Straub et al., 1995; Teo et al., 1999; Venkatesh và Morris,
2000) đã không xem xét tác động của PEU/PU lên Thái Độ (attitude - A)
và/hoặc BI. Thay vào đó, họ tập trung vào tác động trực tiếp của PEU
và/hoặc PU lên việc Sử Dụng Hệ Thống Thực Sự [6].
Trong đề tài này, tôi có ý định khảo sát cả hành vi trong quá khứ và quan
trọng là dự định hành vi trong tương lai nên sẽ sử dụng kiến trúc BI (hành vi
dự định) và bỏ đi kiến trúc A (thái độ) theo như kết quả trong các nghiên cứu
trước đây.

Nh
ậ
n th
ứ
c

sự hữu ích
Nh
ậ
n th
ứ
c

tính dễ sử dụng
Thái
độ

hướng đến sử dụng
D
ự

đị
nh

sử dụng
S
ử
d
ụ
ng

Financial Risk Rủi ro mà sản phẩm không đáng giá tài chính
Psychological
Risk
Rủi ro mà sản phẩm sẽ thấp hơn hình ảnh tự khách hàng hình dung
Physical Risk Rủi ro về sự an toàn của người mua hay những người khác trong việc sử dụng sản phẩm
Functional Risk Rủi ro mà sản phẩm sẽ không thực hiện như kỳ vọng
Social Risk Rủi ro mà 1 sự lựa chọn sản phẩm có thể mang lại kết quả bối rối trước bạn bè/gia
đình/nhóm làm việc của người ta
Time Risk Rủi ro về tốn thời gian chuẩn bị bản liệt kê mua hàng, di chuyển, tìm thông tin, mua sắm
(Non-monetary) và chờ đợi giao sản phẩm
Khi chúng ta không thể thấy hay chạm trực tiếp sản phẩm/dịch vụ trong thị
trường điện tử (nghĩa là, các đặc tính vô hình), người tiêu dùng có thể cảm
thấy băn khoăn hay không chắc chắn khi họ có giao dịch với những người
bán hàng trực tuyến. Ví dụ, sản phẩm/dịch vụ được giao cho người tiêu dùng
có thể không thực hiện như được mong đợi. Hơn nữa, người tiêu dùng có thể
được yêu cầu chịu chi phí như vận chuyển và bốc dỡ, khi trả lại hay trao đổi
sản phẩm/dịch vụ. Các tác giả nhận định mất chức năng và mất tài chính
(functional loss and financial loss) như các loại rủi ro liên quan đến sản
phẩm/dịch vụ hạn chế người tiêu dùng thực hiện các giao dịch trực tuyến. [6]
Hơn nữa, khi việc mua sản phẩm/dịch vụ thất bại, chúng ta có thể mất thời
gian, sự thuận tiện và nỗ lực lấy sản phẩm/dịch vụ điều chỉnh hay thay thế.
Mặc dầu thời gian là nỗ lực phi tiền bạc và biến động giữa các cá nhân, các

tác giả nhận định thời gian như một chi phí mà người tiêu dùng phải trả cho
sản phẩm/dịch vụ. Do đó, các tác giả nhận định tốn thời gian (time loss) như
1 rủi ro tăng thêm với sản phẩm/dịch vụ. [6]
Sau khi mua sản phẩm/dịch vụ qua Internet, người tiêu thụ có thể tìm thấy 1

vẹn dữ liệu (data integrity), không khước từ (nonrepudiation), và các dịch vụ
ứng dụng có khả năng chọn (selective application services). [6]
Swaminathan et al. (1999) khẳng định rằng người tiêu dùng đánh giá những
người bán hàng trực tuyến trước khi họ thực hiện giao dịch trực tuyến và do
đó các đặc tính của người bán hàng đóng vai trò quan trọng trong việc xúc
tiến giao dịch. [6]
Rose et al. (1999) nhận dạng các trở ngại kỹ thuật và chi phí liên quan của
chúng và những giới hạn đặc thù đối với TMĐT B2C, bao gồm trì hoãn
download, giới hạn của giao diện (limitations of the interface), các vấn đề dò
tìm (search problems), đo lường thành công ứng dụng Web không thích hợp,
an toàn yếu, và thiếu các tiêu chuẩn Internet. Do đó, họ phát biểu rằng nếu
người ta thực hiện những giao dịch kinh doanh với các thương gia không
thành thật hoặc nếu những thông tin nhạy được lưu trong những cơ sở dữ liệu
không an toàn, sự đe dọa an toàn tồn tại ngay cả khi dữ liệu được bảo vệ
hoàn hảo trong giao dịch. [6]
Do đó, các tác giả định nghĩa nhận thức rủi ro trong phạm vi giao dịch trực
tuyến (PRT) như 1 rủi ro giao dịch khả dĩ mà người tiêu dùng có thể đối đầu
khi bộc lộ những phương tiện điện tử của việc thực hiện thương mại. Bốn
loại PRT được nhận định như sau: sự bí mật (privacy), sự an toàn-chứng thực
(security- authentication), không khước từ (nonrepudiation), và nhận thức
rủi ro toàn bộ về giao dịch trực tuyến (overall perceived risk on online
transaction). [6]
II.2. Mô hình e-CAM

Joongho Ahn, Jinsoo Park, và Dongwon Lee (Risk-Focused E-Commerce
Adoption Model - A Cross Country Study, Jun 2001) đã tích hợp TAM và
thuyết nhận thức rủi ro (theories of perceived risk - TPR) trong một nghiên

Hành vi mua

(PB)
Nh
ậ
n th
ứ
c
r
ủ
i ro trong

phạm vi giao dịch (PRT)
Nh
ậ
n th
ứ
c
r
ủ
i ro v
ớ
i

sản phẩm/dịch vụ (PRP)
Theo TAM
Hình II. 2. Mô hình e-CAM

Dễ Sử Dụng (từ mô hình TAM/TAM2), sự phức tạp (từ mô hình MPCU), và
Dễ Sử Dụng (từ mô hình IDT). [19]
III.1.3 Ảnh hưởng xã hội (Social Influence)
Ảnh hưởng xã hội được định nghĩa là mức độ mà một cá nhân nhận thức
rằng những người quan trọng khác tin rằng anh/cô ta nên sử dụng hệ thống
mới. Ảnh hưởng xã hội được tích hợp từ các kiến trúc khác tương tự nhau là:
Tiêu Chuẩn Chủ Quan (Subjective Norm, lấy từ mô hình TRA, TAM2,

TPB/DTPB và C-TAM-TPB), Các Nhân Tố Xã Hội (Social Factors, lấy từ
mô hình MPCU), và Hình Ảnh (Image, lấy từ mô hình IDT). [19]
III.1.4 Các điều kiện thuận tiện (Facilitating Conditions)
Các điều kiện thuận tiện được định nghĩa là mức độ mà một cá nhân tin rằng
cơ sở hạ tầng tổ chức và kỹ thuật tồn tại để hỗ trợ việc sử dụng hệ thống.
Định nghĩa này lấy từ các khái niệm nổi bật với 3 kiến trúc khác nhau: Nhận
Thức Kiểm Soát Hành Vi (lấy từ mô hình TPB, DTPB, C-TAM-TPB), Các
Điều Kiện Thuận Tiện (lấy từ mô hình MPCU), và Sự Tương Thích (lấy từ
mô hình IDT). [19]
III.2. Mô hình UTAUT
Viswanath Venkatesh, Michael G. Moris, Gordon B. Davis, và Fred D. Davis
đã thiết lập mô hình UTAUT (Unified Theory of Acceptance and Use of
Technology). Mô hình này là sự kết hợp một số thành phần của 8 lý
thuyết/mô hình trước đó với mục tiêu thiết lập một quan điểm chung nhất
phục vụ cho việc nghiên cứu sự chấp thuận của người sử dụng về hệ thống
thông tin mới [19]. Tám mô hình/lý thuyết thành phần đã được xem xét là:
- TRA (Theory of Reasoned Action)
- TAM (Technology Acceptance Model)
- MM (Motivation Model)

Conditions
Age
Behavioral

Intention
Use

Behavior
Gender Experience

Effort

Expectancy
Social

Influence
Voluntariness
Of Use
Hình II. 5. Mô hình UTAUT

quan hệ giữa các kiến trúc lý thuyết được trình bày bởi các hệ số hồi
quy hay hệ số đường dẫn giữa các nhân tố. SEM ám chỉ 1 cấu trúc
của các hiệp tương quan (covariances) giữa các biến được quan sát,
các quan hệ này cho ra một tên khác là mô hình hóa cấu trúc hiệp
tương quan (covariance structure modeling). Tuy nhiên, mô hình có
thể được mở rộng thêm bao gồm trung bình của các biến quan sát
được hoặc các nhân tố trong mô hình, làm cho tên mô hình hóa cấu

Path analysis (phân tích đường xu hướng) là kỹ thuật thống kê dùng
để kiểm tra quan hệ nhân quả giữa hai hay nhiều biến. Dựa trên hệ
thống phương trình tuyến tính.
Path analysis là thành phần phụ của SEM, một thủ tục đa biến mà
theo định nghĩa của Ullman (1996), “cho phép kiểm tra một tập quan
hệ giữa một hay nhiều biến độc lập, hoặc là liên tục hoặc là rời rạc,
và một hay nhiều biến phụ thuộc, hoặc là liên tục hoặc là rời rạc.”
SEM liên quan đến các biến đo lường được (measured variable) và
các biến ngầm (latent variable). Một measured variable là một biến
có thể được quan sát trực tiếp và được đo lường. Biến đo lường được
cũng được biết đến như biến quan sát được (observed variable), biến
chỉ báo hay biến biểu thị (indicator or manifest variables). Một latent
variable là một biến không thể được quan sát trực tiếp và phải được
suy ra từ measured variable. Latent variables được ám chỉ bởi hiệp
tương quan (covariances) giữa hai hay nhiều measured variables.
Chúng cũng được biết đến như là các nhân tố (nghĩa là, phân tích
nhân tố), các biến kiến trúc hay các biến không quan sát được
(constructs or unobserved variables). SEM là sự kết hợp giữa hồi quy
đa biến và phân tích nhân tố. Path analysis chỉ liên quan đến các biến
đo lường (measured variables).
II. CÁC THÀNH PHẦN CỦA SEM
Có hai thành phần: mô hình đo lường (measurement model) và mô
hình cấu trúc (structural model).

 Measurement model: liên quan đến quan hệ giữa measured variables và
latent variables.
 Structural model: chỉ liên quan đến các quan hệ giữa các latent variables

2. Nhận dạng mô hình (Model Identification)
3. Ước lượng mô hình (Model Estimation)
4. Đánh giá độ thích hợp của mô hình (Assesing Fit of the Model)
5. Hiệu chỉnh mô hình (Model Modification)
III.1. Chỉ định mô hình (Model Specification)
Là việc chính thức bắt đầu một mô hình. Trong bước này, các tham số được
xác định là cố định hay tự do. Tham số cố định (fixed parameters) không
được ước lượng từ dữ liệu và được gán một cách tiêu biểu bằng 0 (chỉ ra
không có quan hệ giữa các biến). Các đường dẫn của các tham số cố định
được gắn nhãn số (trừ khi được gán giá trị là 0, trong trường hợp này không
có đường dẫn nào được vẽ) trong biểu đồ SEM. Tham số tự do (Free
parameters) được ước lượng từ dữ liệu quan sát và được người điều tra tin
rằng nó khác 0. Việc xác định tham số nào là cố định hay tự do trong SEM là
rất quan trọng vì nó xác định tham số nào sẽ được sử dụng để so sánh biểu
đồ giả thuyết với ma trận hiệp phương sai và phương sai tổng thể mẫu trong
việc kiểm tra tính thích hợp của mô hình (bước 4). Việc chọn tham số nào là
cố định và tham số nào là tự do tùy thuộc vào người nghiên cứu. Sự lựa chọn
này trình bày một giả thuyết tiền đề về đường xu hướng trong hệ thống là
quan trọng trong thế hệ của cấu trúc liên quan của hệ thống được quan sát (ví
dụ, phương sai mẫu được quan sát và ma trận hiệp phương sai).
III.2. Nhận dạng mô hình (Model Identification)
Việc nhận dạng quan tâm đến việc có hay không giá trị duy nhất cho mỗi và
mọi tham số tự do có thể thu thập được từ dữ liệu quan sát. Nó phụ thuộc vào

việc lựa chọn mô hình và đặc tính kỹ thuật của các tham số cố định, ràng
buộc và tự do. Một tham số bị ràng buộc khi nó trong một tập hợp với các
tham số khác. Các mô hình cần phải được nhận dạng hoàn chỉnh để có thể

được sử dụng để xây dựng SEM, hay từ phân tích hồi quy đa biến. Mục tiêu
của ước lượng là để sinh ra một () hội tụ trên ma trận hiệp tương quan
tổng thể quan sát được, S, với ma trận phần dư (residual matrix) (khác biệt
giữa () và S) trở nên tối thiểu. Nhiều phương pháp có thể được sử dụng để
sinh ra (). Việc chọn các phương pháp được hướng dẫn bằng đặc tính của
data bao gồm kích thước và phân phối mẫu. Hầu hết các tiến trình được sử
dụng là lặp. Hình thức tổng quát của hàm tối thiểu là:
Q = (s - ())’W(s - ())
Trong đó:
s = vector bao gồm phương sai và hiệp phương sai của các biến quan
sát được.
() = vector bao gồm các phương sai corresponding và hiệp phương
sai như được dự đoán bởi mô hình.
W = ma trận trọng số
(một vài tác giả xem Q như là F)
Ma trận trọng số, W, trong hàm trên, phù hợp với phương pháp ước lượng
được chọn. W được chọn để tối thiểu Q, và Q(N-1) cho việc thích hợp hàm,
trong hầu hết các trường hợp một thống kê phân phối X
2
. Kết quả thực hiện
của X
2
bị ảnh hưởng bởi kích thước mẫu, sai số phân phối, nhân tố phân
phối, và giả thiết rằng các nhân tố và sai số là độc lập (Ullman 1996). Một
vài phương pháp ước luợng được sử dụng thông dụng nhất là:
Generalized Least squares (GLS)
FGLS = ½ tr[([S - ()]W
-1
)
2

Ullman (1996) và Hoyle (1995) thảo luận về các thuận lợi và giới hạn của
các hàm ước lượng trên đây.
ML và GLS hữu ích cho dữ liệu phân phối chuẩn khi các nhân tố và sai số là
độc lập, ADF hữu ích cho các dữ liệu không phân phối chuẩn, nhưng chỉ có
giá trị khi kích thước mẫu lớn hơn 2.500. Ullman chỉ ra hàm ước lượng tốt
nhất cho dữ liệu không phân phối chuẩn và/hoặc phụ thuộc giữa các nhân tố
và sai số là Scaled ML. Bất kể hàm nào được chọn, kết quả mong đợi của
tiến trình ước lượng là đạt được một hàm thích hợp gần đến 0. Một hàm thích
hợp với số điểm là 0 chỉ ra rằng ma trận hiệp phương sai được ước lượng của
mô hình và ma trận hiệp phương sai mẫu nguyên thủy là tương đương.
III.4. Đánh giá độ thích hợp của mô hình (Assesing Fit of the Model)
Như đã phân tích, giá trị hàm thích hợp gần đến 0 được mong đợi cho độ
thích hợp mô hình. Tuy nhiên, nói chung, nếu tỷ số giữa X
2
và bậc tự do nhỏ
hơn 3, mô hình là thích hợp tốt (Ullman 1996).

Để có độ tin cậy trong kiểm định độ thích hợp mô hình, kích thước mẫu từ
100 đến 200 được yêu cầu (Hoyle 1995).
Ullman (1996) thảo luận sự đa dạng của các hàm thích hợp phân phối không-
X
2
, mà ông ta gọi là “các chỉ số thích hợp so sánh (comparative fit indices.)”
Hoyle (1995) đề cập đến điều này như “các chỉ số thích hợp phụ thuộc
(adjunct fit indices).” Một cách căn bản, những phương pháp này so sánh độ
thích hợp của một mô hình độc lập (một mô hình khẳng định không có quan
hệ giữa các biến) để thích hợp mô hình được ước lượng. Kết quả của việc so

tất cả các tham số trước khi bắt đầu xóa chúng) (MacCullum 1986, đã trích
dẫn của Ullman 1996).
III.6. Trình bày mô hình cuối cùng (Final Presentation of Model)
Khi mô hình đã đạt được độ thích hợp chấp nhận được, các ước lượng riêng
biệt về các tham số tự do được đánh giá. Các tham số tự do được so sánh với
giá trị rỗng (null value), sử dụng thống kê phân phối z. Thống kê z đạt được
bằng cách chia tham số ước lượng cho sai số chuẩn của ước lượng đó. Tỷ lệ
của kiểm định này phải vượt +/-1.96 để quan hệ trở nên có ý nghĩa. Sau khi
các quan hệ riêng biệt trong mô hình được đánh giá, các ước lượng tham số
được chuẩn hóa cho việc trình bày mô hình cuố cùng. Khi các ước lượng
tham số được chuẩn hóa, chúng có thể được giải thích tham chiếu với các
tham số khác trong mô hình và cường độ của đường xu hướng có liên quan
trong mô hình có thể được so sánh.