PLS-SEM và fsQCA trong nghiên cứu hành vi mua xanh: bài học từ ngành FMCG Việt Nam

1. Vì sao bài báo này đáng đọc?

Với người đang học nghiên cứu định lượng, bài báo này đáng đọc vì nó cho thấy một cách tương đối rõ cách phối hợp giữa phân tích biến số và phân tích cấu hình trong cùng một đề tài hành vi người tiêu dùng.

Nhiều luận văn và bản thảo hiện nay sử dụng PLS-SEM để kiểm định mô hình nhân quả, sau đó thêm fsQCA như một phần mở rộng. Tuy nhiên, không phải mọi bài nghiên cứu đều cần fsQCA. Giá trị của fsQCA chỉ xuất hiện khi câu hỏi nghiên cứu thật sự liên quan đến nhiều con đường nhân quả, sự phối hợp giữa các điều kiện, hoặc khả năng có tính bất đối xứng giữa kết quả cao và kết quả thấp.

Nghiên cứu của Dinh Van Hoang và cộng sự đặt trong bối cảnh ý định mua xanh (green purchase intention) của người tiêu dùng đối với sản phẩm FMCG tại một thị trường mới nổi. Đây là chủ đề có ý nghĩa thực tiễn vì các doanh nghiệp thường đầu tư vào bao bì, nhãn sinh thái, quảng cáo xanh và thông điệp bền vững. Câu hỏi học thuật không dừng ở việc doanh nghiệp "làm marketing xanh" hay không, mà là người tiêu dùng có nhận ra, có tin, và có chuyển nhận thức đó thành ý định mua hay không.

2. Bối cảnh FMCG và tiêu dùng xanh

FMCG (Fast-Moving Consumer Goods) là nhóm hàng có vòng đời tiêu dùng ngắn, tần suất mua cao, giá trị mỗi lần mua thường không lớn và quyết định mua thường diễn ra nhanh. Chính đặc điểm này làm cho hành vi mua xanh trong FMCG khác với các sản phẩm giá trị cao như xe điện, thiết bị gia dụng hay dịch vụ du lịch bền vững.

Với sản phẩm FMCG, người tiêu dùng có thể không dành nhiều thời gian để đánh giá đầy đủ các tuyên bố môi trường của thương hiệu. Họ thường ra quyết định trong điều kiện thông tin hạn chế, ngân sách hữu hạn, thói quen mua sắm đã định hình và ảnh hưởng mạnh từ gia đình, bạn bè, mạng xã hội hoặc hệ thống phân phối. Vì vậy, marketing xanh trong FMCG phải vượt qua hai rào cản lớn: sự chú ý thấp và sự hoài nghi cao.

Trong bối cảnh Việt Nam, chủ đề này càng đáng chú ý vì thị trường vừa có tốc độ tiêu dùng nhanh, vừa có mức nhạy cảm giá đáng kể. Người tiêu dùng có thể đánh giá cao thông điệp xanh, nhưng điều đó không bảo đảm họ sẽ mua nếu sản phẩm đắt hơn, khó tìm hơn, hoặc nếu họ nghi ngờ thương hiệu đang greenwashing, tức truyền thông xanh vượt quá thực hành môi trường thực chất.

Trong FMCG, "thấy một thương hiệu có vẻ xanh" và "tin rằng thương hiệu đó thật sự có cam kết môi trường" là hai trạng thái nhận thức khác nhau. Khoảng cách giữa hai trạng thái này là nơi bài báo tạo ra đóng góp đáng chú ý.

3. Câu hỏi nghiên cứu và nền tảng lý thuyết

Bài báo tập trung vào cách người tiêu dùng hình thành ý định mua xanh từ các chiến lược marketing xanh được cảm nhận (perceived green marketing strategy). Hai nhóm yếu tố đóng vai trò tiền đề là ý thức môi trường (environmental consciousness) và ảnh hưởng xã hội (social influence). Hai cơ chế trung gian quan trọng là hình ảnh thương hiệu xanh (green brand image) và niềm tin xanh (green trust).

Nền tảng lý thuyết chính có thể được đọc theo logic của lý thuyết tín hiệu (signaling theory). Trong thị trường có bất cân xứng thông tin, doanh nghiệp phát tín hiệu về trách nhiệm môi trường thông qua nhãn xanh, bao bì, quảng cáo, chứng nhận hoặc thông điệp bền vững. Người tiêu dùng không quan sát trực tiếp toàn bộ chuỗi cung ứng, nên họ phải diễn giải các tín hiệu này để hình thành đánh giá về thương hiệu.

Điểm quan trọng là tín hiệu không tự động tạo ra hành vi. Một tín hiệu có thể giúp thương hiệu trông xanh hơn, nhưng nếu người tiêu dùng không tin tín hiệu đó, tác động đến ý định mua có thể yếu hoặc không có ý nghĩa. Vì vậy, bài báo tách green brand image và green trust thành hai cấu phần riêng thay vì gộp chung vào một khái niệm mơ hồ về "nhận thức xanh".

4. PLS-SEM và fsQCA: hai logic nhân quả bổ sung

PLS-SEM và fsQCA không trả lời cùng một câu hỏi. PLS-SEM thuộc nhóm phân tích biến số (variable-oriented analysis): nó ước lượng quan hệ giữa các biến tiềm ẩn, kiểm định giả thuyết, đánh giá độ tin cậy và giá trị của thang đo, sau đó xem các đường tác động có ý nghĩa thống kê hay không. Câu hỏi trung tâm là: khi một biến tăng, biến khác thay đổi như thế nào, trong điều kiện các biến khác được đưa vào mô hình.

fsQCA thuộc nhóm phân tích cấu hình và tập hợp (set-theoretic, configurational analysis). Thay vì hỏi "biến X tác động bao nhiêu đến Y", fsQCA hỏi "tổ hợp điều kiện nào là đủ để tạo ra kết quả Y cao". Phương pháp này đặc biệt phù hợp khi nhiều con đường khác nhau có thể dẫn đến cùng một kết quả, hiện tượng được gọi là equifinality.

Kết hợp hai phương pháp chỉ hợp lý khi tác giả tích hợp được kết quả trong phần thảo luận. Nếu PLS-SEM và fsQCA được đặt cạnh nhau như hai phần tách biệt, bài viết dễ rơi vào tình trạng "nhiều kỹ thuật nhưng ít đóng góp". Ngược lại, nếu PLS-SEM cho biết cơ chế tác động trung bình còn fsQCA cho biết các con đường cấu hình, hai phương pháp có thể bổ sung cho nhau một cách thuyết phục.

5. Thiết kế nghiên cứu và quy trình phân tích

Bài báo sử dụng thiết kế hỗn hợp tuần tự (sequential mixed-method design). Giai đoạn định tính được dùng để phát triển và điều chỉnh mô hình trong bối cảnh nghiên cứu. Giai đoạn định lượng chính thức sử dụng 275 phản hồi hợp lệ để phân tích bằng PLS-SEM và fsQCA. Đây là một lựa chọn hợp lý nếu mục tiêu là vừa kiểm định mô hình lý thuyết, vừa khám phá các cấu hình điều kiện dẫn đến ý định mua xanh cao.

Với PLS-SEM, quy trình chuẩn cần đi từ mô hình đo lường đến mô hình cấu trúc. Người nghiên cứu cần kiểm tra độ tin cậy chỉ báo, độ tin cậy nội tại, giá trị hội tụ và giá trị phân biệt trước khi diễn giải các hệ số đường dẫn. Nếu thang đo không đạt, việc báo cáo quan hệ nhân quả ở mô hình cấu trúc sẽ thiếu nền tảng.

Với fsQCA, dữ liệu Likert không được đưa vào phân tích theo đúng nghĩa là điểm thô. Dữ liệu cần được hiệu chỉnh (calibration) thành điểm thành viên tập mờ từ 0 đến 1. Bài báo sử dụng ba điểm neo dựa trên thang đo năm mức và phân phối dữ liệu, sau đó kiểm tra điều kiện cần và điều kiện đủ. Đây là bước nhiều người mới học fsQCA dễ làm qua loa, trong khi calibration ảnh hưởng trực tiếp đến cấu hình cuối cùng.

6. Đọc kết quả PLS-SEM

Kết quả PLS-SEM của bài báo cho thấy mô hình có năng lực giải thích đáng kể đối với ý định mua xanh. GPI có R2 điều chỉnh khoảng 0.501, nghĩa là mô hình giải thích được xấp xỉ một nửa phương sai của ý định mua xanh trong mẫu khảo sát. Trong nghiên cứu hành vi người tiêu dùng, đây là mức không thấp, nhưng vẫn cần hiểu rằng R2 không chứng minh quan hệ nhân quả theo nghĩa thực nghiệm kiểm soát.

Các quan hệ chính được ủng hộ gồm EC → GMS, SI → GMS, GMS → GBI, GMS → GPI, GMS → GT, GT → GPI và GBI → GT. Hai kết quả không được ủng hộ là GBI → GPI và vai trò trung gian của GBI trong quan hệ GMS → GPI. Ngược lại, green trust có vai trò trực tiếp và trung gian có ý nghĩa.

• Ủng hộ — EC → GMS: người tiêu dùng có ý thức môi trường cao hơn có xu hướng nhận diện và đánh giá tích cực hơn các chiến lược marketing xanh.
• Ủng hộ — SI → GMS: ảnh hưởng xã hội là tiền đề mạnh, phù hợp với bối cảnh người tiêu dùng chịu tác động từ cộng đồng, nhóm tham chiếu và truyền thông xã hội.
• Ủng hộ — GMS → GBI, GMS → GT và GMS → GPI: chiến lược marketing xanh được cảm nhận vừa tác động đến hình ảnh, vừa tác động đến niềm tin và ý định mua.
• Không ủng hộ — GBI → GPI: hình ảnh thương hiệu xanh không có tác động trực tiếp có ý nghĩa thống kê đến ý định mua xanh trong mô hình này.
• Ủng hộ — GT → GPI và GMS → GT → GPI: green trust là cơ chế chuyển hóa quan trọng hơn green brand image trong việc biến marketing xanh thành ý định mua.
• Bổ sung — GBI → GT: hình ảnh thương hiệu xanh vẫn có ý nghĩa vì nó góp phần xây dựng niềm tin, dù không trực tiếp thúc đẩy ý định mua.

Điểm cần nhấn mạnh là kết quả "không có ý nghĩa thống kê" không đồng nghĩa với "khái niệm đó vô dụng". Trong bài báo này, green brand image không trực tiếp dẫn đến ý định mua, nhưng nó có quan hệ với green trust. Diễn giải đúng phải là: hình ảnh xanh có thể là một lớp nhận thức ban đầu, song chưa đủ để chuyển hóa thành ý định mua nếu thiếu niềm tin.

7. Đọc kết quả fsQCA

Phần fsQCA của bài báo giúp người đọc thấy thêm một lớp diễn giải khác. Trước hết, các điều kiện GMS, GT và GBI đều đạt mức consistency trên 0.8 trong phân tích điều kiện cần, nhưng chưa vượt ngưỡng 0.9 để được xem là điều kiện cần theo nghĩa nghiêm ngặt. Cách viết thận trọng là: các điều kiện này gần như cần thiết hoặc rất quan trọng đối với GPI cao, chứ không nên khẳng định từng điều kiện đơn lẻ là điều kiện cần tuyệt đối.

Ở phân tích điều kiện đủ, bài báo báo cáo hai cấu hình chính dẫn đến GPI cao. Cấu hình thứ nhất là sự hiện diện của GMS. Cấu hình thứ hai là sự kết hợp giữa GT và GBI. Solution coverage đạt 0.980 và solution consistency đạt 0.841. Điều này cho thấy các cấu hình được báo cáo bao phủ phần lớn các trường hợp có kết quả cao và có mức nhất quán chấp nhận được theo cách đọc fsQCA.

8. Green trust và green brand image: điểm đáng học nhất của bài

Phát hiện đáng chú ý nhất của bài báo không phải là marketing xanh có tác động tích cực. Điều đó tương đối dễ dự đoán. Điểm đáng học hơn là sự khác biệt giữa green brand image và green trust. Green brand image không có tác động trực tiếp có ý nghĩa đến ý định mua xanh, trong khi green trust có tác động trực tiếp và trung gian.

Có thể diễn giải phát hiện này theo ba tầng. Tầng thứ nhất là tầng nhận thức: người tiêu dùng nhận ra một thương hiệu có hình ảnh xanh. Tầng thứ hai là tầng niềm tin: người tiêu dùng tin rằng thương hiệu thật sự đáng tin trong cam kết môi trường. Tầng thứ ba là tầng hành vi dự định: người tiêu dùng sẵn sàng mua. Bài báo cho thấy tầng thứ nhất không tự động kéo theo tầng thứ ba; cần có tầng thứ hai để quá trình chuyển hóa thuyết phục hơn.

Trong bối cảnh FMCG, kết quả này hợp lý. Người tiêu dùng có thể gặp rất nhiều tuyên bố xanh: bao bì thân thiện môi trường, nhãn sinh thái, thông điệp giảm nhựa, cam kết phát thải thấp. Khi tuyên bố xanh trở nên phổ biến, hình ảnh xanh có thể mất dần sức phân biệt nếu không đi kèm chứng cứ đáng tin, trải nghiệm nhất quán hoặc sự xác nhận từ nguồn thứ ba.

Đây cũng là bài học cho người viết luận văn và bài báo: một kết quả trái kỳ vọng không phải là điểm yếu nếu được đặt trong bối cảnh lý thuyết và thực tiễn phù hợp. Ngược lại, nó có thể giúp bài viết có đóng góp rõ hơn so với một mô hình chỉ xác nhận lại các quan hệ quen thuộc.

9. Hiểu lầm phổ biến khi kết hợp PLS-SEM và fsQCA

Nhiều bản thảo của nghiên cứu sinh gặp vấn đề không phải vì dùng sai phần mềm, mà vì hiểu sai vai trò của phương pháp. Dưới đây là một số lỗi cần tránh nếu bạn muốn thiết kế nghiên cứu tương tự.

10. Bảng kiểm thực hành

Bảng kiểm dưới đây có thể dùng trước khi bạn quyết định triển khai một đề tài kết hợp PLS-SEM và fsQCA trong marketing, quản trị, hành vi người tiêu dùng hoặc giáo dục.

• Câu hỏi nghiên cứu có hai tầng chưa? Một tầng hỏi về tác động giữa các biến; một tầng hỏi về tổ hợp điều kiện hoặc nhiều con đường dẫn đến kết quả.
• Lý thuyết có hỗ trợ logic cấu hình không? Không nên dùng fsQCA nếu lý thuyết chỉ dự kiến một quan hệ tuyến tính đơn giản.
• Thang đo đã được kiểm định đầy đủ chưa? Hãy đánh giá loading, độ tin cậy, AVE và HTMT trước khi diễn giải mô hình cấu trúc.
• Calibration fsQCA có căn cứ không? Điểm neo cần dựa trên lý thuyết, thang đo, phân phối dữ liệu hoặc thực hành được chấp nhận trong lĩnh vực.
• Bạn có phân biệt điều kiện cần và điều kiện đủ không? Một điều kiện có thể quan trọng nhưng chưa đạt ngưỡng để gọi là điều kiện cần nghiêm ngặt.
• Phần thảo luận có tích hợp hai phương pháp không? Hãy cho thấy fsQCA bổ sung gì cho PLS-SEM, thay vì chỉ lặp lại kết luận.
• Bạn đã báo cáo giới hạn nghiên cứu chưa? Dữ liệu cắt ngang, tự báo cáo và bối cảnh cụ thể đều giới hạn khả năng khái quát hóa.

11. Thuật ngữ cần nắm

• PLS-SEM: Partial Least Squares Structural Equation Modeling. Phương pháp mô hình phương trình cấu trúc dựa trên phương sai, thường dùng để kiểm định mô hình có biến tiềm ẩn và định hướng dự báo.
• fsQCA: Fuzzy-set Qualitative Comparative Analysis. Phương pháp phân tích tập mờ nhằm tìm điều kiện cần, điều kiện đủ và cấu hình nhân quả.
• Green trust: Niềm tin của người tiêu dùng rằng thương hiệu thực hiện các cam kết môi trường một cách đáng tin cậy.
• Green brand image: Liên tưởng và nhận thức của người tiêu dùng về hình ảnh xanh hoặc thân thiện môi trường của thương hiệu.
• Calibration: Quá trình chuyển dữ liệu thô thành điểm thành viên tập hợp trong fsQCA, thường trên thang 0 đến 1.
• Consistency: Mức độ nhất quán của một điều kiện hoặc cấu hình với kết quả trong logic tập hợp.
• Coverage: Mức độ một điều kiện hoặc cấu hình bao phủ các trường hợp có kết quả cần giải thích.
• Equifinality: Hiện tượng nhiều con đường nhân quả khác nhau có thể dẫn đến cùng một kết quả.