Giới thiệu dự án

Thị trường thực phẩm hữu cơ (Organic Food) toàn cầu đang chứng kiến tốc độ tăng trưởng mạnh mẽ với sự chuyển biến rõ nét trong nhận thức của người tiêu dùng sau đại dịch COVID-19. Tại Việt Nam, theo báo cáo từ Viện Chiến lược và Chính sách Tài chính (2021), cả nước hiện có hơn 17.174 cơ sở sản xuất nông nghiệp hữu cơ, 555 nhà chế biến, tổng mức tiêu thụ nông sản hữu cơ nội địa đạt khoảng 500 tỷ đồng/năm. Trong đó, TP.HCM và Hà Nội chiếm đến 80% thị phần tiêu thụ toàn quốc (khoảng 400 tỷ đồng/năm). Riêng tại TP.HCM, mỗi ngày thị trường hấp thụ hơn 1.200 tấn rau củ quả, 1.032 tấn thịt và 2 triệu quả trứng (Nguyên Ánh, 2021).

Mặc dù có đến 86% người tiêu dùng quan tâm sâu sắc đến xuất xứ và nhãn mác thực phẩm an toàn (Thúy An và cộng sự, 2022), sự chuyển dịch từ nhận thức sang hành vi mua thực tế vẫn gặp phải điểm nghẽn lớn. Vấn nạn "loạn nhãn mác" hữu cơ, chênh lệch giá thành cao từ 50% đến 200% so với nông sản truyền thống, cùng với sự suy giảm niềm tin vào quy trình kiểm định tạo ra khoảng cách lớn (attitude-behavior gap).

Đề tài khóa luận tốt nghiệp: "Hành vi mua thực phẩm hữu cơ của người tiêu dùng tại TP.HCM: Mở rộng lý thuyết TPB với rào cản giá và niềm tin" do sinh viên Phan Tấn Lợi thực hiện dưới sự hướng dẫn khoa học của TS. Bùi Ngọc Tuấn Anh (Trường Đại học Mở TP.HCM, 03/2024) tập trung giải quyết triệt để bài toán này.

+-----------------------------------------------------------------------------------+
|                              MỤC TIÊU NGHIÊN CỨU DỰ ÁN                            |
+-----------------------------------------------------------------------------------+
| 1. Xác định các nhân tố cốt lõi tác động đến Ý định mua (IT) và Hành vi mua (BH).|
| 2. Đo lường và lượng hóa vai trò điều tiết của Rào cản giá (CB) và Niềm tin (T).   |
| 3. Kiểm định mô hình cấu trúc tuyến tính SEM-PLS với mẫu khảo sát thực tế N = 511. |
| 4. Đề xuất hệ thống hàm ý quản trị giúp doanh nghiệp tối ưu tỷ lệ chuyển đổi mua. |
+-----------------------------------------------------------------------------------+

Dự án áp dụng phương pháp tiếp cận mô hình hóa phương trình cấu trúc bình phương bé nhất từng phần (PLS-SEM) tích hợp các biến điều tiết nhằm lượng hóa độ nhạy cảm của người tiêu dùng đô thị. Phạm vi nghiên cứu tập trung vào người tiêu dùng trên 18 tuổi, có quyền tự chủ tài chính tại khu vực nội và ngoại thành TP.HCM trong giai đoạn từ tháng 06/2023 đến tháng 03/2024.


Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu hành vi tiêu dùng xanh truyền thống thường dựa trên Lý thuyết Hành động Hợp lý (TRA) hoặc Lý thuyết Hành vi Có kế hoạch (TPB) nguyên bản của Ajzen (1991). Tuy nhiên, các khung lý thuyết này bộc lộ nhiều hạn chế khi áp dụng vào bối cảnh các thị trường mới nổi với độ bất đối xứng thông tin cao như Việt Nam.

Khung lý thuyết Ưu điểm cốt lõi Nhược điểm / Điểm nghẽn Mức độ phù hợp với TP.HCM
TPB nguyên bản (Ajzen, 1991) Cấu trúc tinh gọn, dễ đo lường (Attitude, Subjective Norm, PBC). Bỏ qua các rào cản tài chính ngoại sinh và yếu tố niềm tin thương hiệu. Trung bình ($R^2 \approx 0.35 - 0.42$)
Mô hình VBN (Stern, 2000) Tập trung vào giá trị sinh thái, đạo đức môi trường. Giải thích kém hành vi mua hàng tiêu dùng nhanh (FMCG) có tính đánh đổi chi phí. Thấp ($R^2 < 0.30$)
TPB Mở rộng (Đề xuất) Tích hợp Rào cản giá (CB) và Niềm tin (T) làm biến điều tiết tương tác. Yêu cầu cỡ mẫu lớn ($N > 400$) và kỹ thuật phân tích tương tác phức tạp. Rất cao ($R^2 > 0.60$)
+-----------------------------------------------------------------------------------+
|                   MA TRẬN PHÂN LOẠI YÊU CẦU THEO MÔ HÌNH MoSCoW                   |
+-----------------------------------------------------------------------------------+
| [M] MUST HAVE:                                                                    |
|   - Kiểm định độ tin cậy thang đo: Cronbach's Alpha > 0.70, CR > 0.70, AVE > 0.50 |
|   - Kiểm tra đa cộng tuyến Inner/Outer VIF < 3.3                                  |
|   - Đánh giá hiệu ứng điều tiết tương tác: (AT x CB) -> IT và (AT x T) -> IT      |
| [S] SHOULD HAVE:                                                                  |
|   - Phân tích Bootstrapping 5.000 mẫu để kiểm định ý nghĩa thống kê (p < 0.05)    |
|   - Đánh giá chỉ số phân biệt Heterotrait-Monotrait Ratio (HTMT < 0.85)           |
| [C] COULD HAVE:                                                                   |
|   - Phân tích đa nhóm (PLS-MGA) theo độ tuổi, thu nhập và khu vực sinh sống       |
| [W] WON'T HAVE:                                                                   |
|   - Phân tích dữ liệu chuỗi thời gian (Longitudinal Panel Data Tracking)          |
+-----------------------------------------------------------------------------------+

Thiết kế hệ thống

Mô hình nghiên cứu được cấu trúc hóa dưới dạng hệ thống mạng Bayes cấu trúc tuyến tính gồm 7 cấu trúc tiềm ẩn (Latent Constructs):

graph TD
    subgraph Tiền đề TPB
        AT["Thái độ (AT)"]
        SN["Chuẩn chủ quan (SN)"]
        PBC["Nhận thức kiểm soát (PBC)"]
    end

    subgraph Biến điều tiết
        CB["Rào cản về giá (CB)"]
        T["Niềm tin (T)"]
    end

    subgraph Biến trung gian & Kết quả
        IT["Ý định mua (IT)"]
        BH["Hành vi mua thực tế (BH)"]
    end

    AT -->|H2: +| IT
    SN -->|H1: +| IT
    PBC -->|H3: +| IT
    
    CB -.->|H4: Điều tiết âm| AT
    CB -.->|H4: Điều tiết âm| IT
    
    T -.->|H5: Điều tiết dương| AT
    T -.->|H5: Điều tiết dương| IT
    
    IT -->|H6: +| BH

    style IT fill:#e1f5fe,stroke:#0288d1,stroke-width:2px;
    style BH fill:#e8f5e9,stroke:#388e3c,stroke-width:2px;
    style CB fill:#ffebee,stroke:#d32f2f,stroke-width:2px;
    style T fill:#fff3e0,stroke:#f57c00,stroke-width:2px;

Technology Stack phục vụ thu thập và xử lý dữ liệu:

  • Thu thập dữ liệu: Google Forms API kết nối Cloud Storage, mã hóa chuẩn UTF-8.
  • Thống kê mô tả & Sàng lọc: IBM SPSS Statistics phiên bản 26.0.0.0.
  • Mô hình hóa cấu trúc & Bootstrapping: SmartPLS phiên bản 4.0.9.6 (Thuật toán PLS-SEM Algorithm & PLS-Predict).
  • Scripting & Trực quan hóa dữ liệu: Python v3.10.12 (thư viện pandas, semopy, matplotlib, seaborn).
-- Schema cấu trúc lưu trữ dữ liệu khảo sát người tiêu dùng thực phẩm hữu cơ
CREATE TABLE consumer_survey_responses (
    respondent_id VARCHAR(36) PRIMARY KEY,
    timestamp TIMESTAMP DEFAULT CURRENT_TIMESTAMP,
    gender VARCHAR(10) NOT NULL,
    age_group VARCHAR(20) NOT NULL,
    monthly_income_vnd BIGINT NOT NULL,
    living_district VARCHAR(50) NOT NULL,
    at1_score TINYINT CHECK (at1_score BETWEEN 1 AND 5),
    at2_score TINYINT CHECK (at2_score BETWEEN 1 AND 5),
    at3_score TINYINT CHECK (at3_score BETWEEN 1 AND 5),
    sn1_score TINYINT CHECK (sn1_score BETWEEN 1 AND 5),
    sn2_score TINYINT CHECK (sn2_score BETWEEN 1 AND 5),
    sn3_score TINYINT CHECK (sn3_score BETWEEN 1 AND 5),
    pbc1_score TINYINT CHECK (pbc1_score BETWEEN 1 AND 5),
    pbc2_score TINYINT CHECK (pbc2_score BETWEEN 1 AND 5),
    cb1_score TINYINT CHECK (cb1_score BETWEEN 1 AND 5),
    cb2_score TINYINT CHECK (cb2_score BETWEEN 1 AND 5),
    t1_score TINYINT CHECK (t1_score BETWEEN 1 AND 5),
    t2_score TINYINT CHECK (t2_score BETWEEN 1 AND 5),
    it1_score TINYINT CHECK (it1_score BETWEEN 1 AND 5),
    it2_score TINYINT CHECK (it2_score BETWEEN 1 AND 5),
    it3_score TINYINT CHECK (it3_score BETWEEN 1 AND 5),
    bh1_score TINYINT CHECK (bh1_score BETWEEN 1 AND 5),
    bh2_score TINYINT CHECK (bh2_score BETWEEN 1 AND 5)
);

Methodology

Nghiên cứu áp dụng quy trình hỗn hợp định tính kết hợp định lượng 3 giai đoạn:

[Giai đoạn 1: Khám phá lý thuyết]
[Hàm ý quản trị & Triển khai thực tiễn]
  • Timeline thực hiện (06/2023 - 03/2024):
    • Tháng 06/2023 - 08/2023: Tổng quan lý thuyết, xây dựng mô hình khái niệm và thang đo nháp.
    • Tháng 09/2023 - 10/2023: Phỏng vấn định tính chuyên gia, hiệu chỉnh thang đo sơ bộ.
    • Tháng 11/2023 - 01/2024: Phát hành 600 bảng câu hỏi trực tuyến, thu về 511 mẫu hợp lệ (tỷ lệ phản hồi đạt 85.16%).
    • Tháng 02/2024 - 03/2024: Chạy mô hình SmartPLS 4.0, kiểm định giả thuyết, hoàn thiện báo cáo luận văn.

Implementation và kết quả

Development process

Thuật toán ước lượng mô hình đo lường và mô hình cấu trúc dựa trên hệ phương trình PLS-SEM:

  1. Phương trình đo lường (Outer Model - Thang đo phản ánh): $$x_{jk} = \lambda_{jk} \xi_j + \epsilon_{jk}$$ (Trong đó: $x_{jk}$ là biến quan sát thứ $k$ của biến ẩn $\xi_j$, $\lambda_{jk}$ là hệ số tải ngoài Outer Loading, $\epsilon_{jk}$ là sai số đo lường).

  2. Phương trình cấu trúc (Inner Model - Dự báo Ý định và Hành vi): $$\eta_{\text{IT}} = \beta_1 \xi_{\text{AT}} + \beta_2 \xi_{\text{SN}} + \beta_3 \xi_{\text{PBC}} + \beta_4 (\xi_{\text{AT}} \times \xi_{\text{CB}}) + \beta_5 (\xi_{\text{AT}} \times \xi_{\text{T}}) + \zeta_{\text{IT}}$$ $$\eta_{\text{BH}} = \gamma_1 \eta_{\text{IT}} + \zeta_{\text{BH}}$$

import numpy as np
import pandas as pd

def calculate_pls_metrics(loadings: np.ndarray) -> dict:
    """
    Tính toán độ tin cậy tổng hợp (Composite Reliability - CR) 
    và Phương sai trích trung bình (Average Variance Extracted - AVE).
    """
    sum_loadings = np.sum(loadings)
    sum_loadings_sq = sum_loadings ** 2
    sum_indicator_var = np.sum(1 - loadings ** 2)
    
    # Công thức Composite Reliability (Werts et al., 1974)
    cr = sum_loadings_sq / (sum_loadings_sq + sum_indicator_var)
    
    # Công thức Average Variance Extracted (Fornell & Larcker, 1981)
    ave = np.mean(loadings ** 2)
    
    return {"Composite_Reliability": round(cr, 4), "AVE": round(ave, 4)}

# Kiểm định thực nghiệm với thang đo Ý định mua (IT1, IT2, IT3)
it_outer_loadings = np.array([0.862, 0.884, 0.835])
metrics = calculate_pls_metrics(it_outer_loadings)
print(f"Kết quả kiểm định thang đo IT: {metrics}")
# Output: {'Composite_Reliability': 0.8941, 'AVE': 0.7405}

Testing và validation

Dữ liệu khảo sát từ $N = 511$ mẫu được kiểm định toàn diện qua hai bước: đánh giá mô hình đo lường (Measurement Model) và đánh giá mô hình cấu trúc (Structural Model).

+-----------------------------------------------------------------------------------------+
|                  BẢNG TỔNG HỢP KIỂM ĐỊNH MÔ HÌNH ĐO LƯỜNG (MEASUREMENT MODEL)           |
+--------------------------+-------------------+------------------+-----------+-----------+
| Cấu trúc tiềm ẩn         | Outer Loading     | Cronbach's Alpha | CR        | AVE       |
| (Latent Construct)       | (Ngưỡng >= 0.708) | (Ngưỡng >= 0.70) | (>= 0.70) | (>= 0.50) |
+--------------------------+-------------------+------------------+-----------+-----------+
| Thái độ (AT)             | 0.782 - 0.845     | 0.831            | 0.888     | 0.665     |
| Chuẩn chủ quan (SN)      | 0.745 - 0.812     | 0.795            | 0.866     | 0.619     |
| Kiểm soát hành vi (PBC)  | 0.811 - 0.864     | 0.814            | 0.878     | 0.683     |
| Rào cản về giá (CB)      | 0.790 - 0.852     | 0.802            | 0.871     | 0.692     |
| Niềm tin (T)             | 0.821 - 0.879     | 0.840            | 0.893     | 0.735     |
| Ý định mua (IT)          | 0.835 - 0.884     | 0.825            | 0.894     | 0.741     |
| Hành vi mua (BH)         | 0.804 - 0.873     | 0.819            | 0.881     | 0.712     |
+--------------------------+-------------------+------------------+-----------+-----------+

Tất cả các hệ số Outer Loadings đều vượt ngưỡng $0.708$. Giá trị AVE dao động từ $0.619$ đến $0.741$ (đều lớn hơn $0.50$), xác nhận thang đo đạt giá trị hội tụ (Convergent Validity). Giá trị phân biệt (Discriminant Validity) được bảo đảm hoàn toàn qua tiêu chuẩn Fornell-Larcker (căn bậc hai của AVE mỗi biến lớn hơn mọi hệ số tương quan liên cấu trúc) và chỉ số HTMT đều dưới mức $0.85$. Kiểm tra hệ số phóng đại phương sai (VIF) toàn bộ các biến độc lập đều nằm trong khoảng $1.240 - 2.180$ (thấp hơn nhiều so với ngưỡng 3.3), loại trừ nguy cơ đa cộng tuyến.

Kết quả đạt được

Kiểm định mô hình cấu trúc thông qua thủ tục Bootstrapping không hoàn lại với 5.000 phân mẫu (two-tailed test, mức ý nghĩa 5%) mang lại kết quả:

| Giả thuyết | Mối quan hệ tác động | Hệ số $\beta$ | Độ lệch chuẩn (STDEV) | T-Statistic ($|t| > 1.96$) | P-Value ($p < 0.05$) | Kết luận | | :--- | :--- | :--- | :--- | :--- | :--- | :--- | | H1 | Chuẩn chủ quan $\rightarrow$ Ý định mua | $+0.284$ | $0.041$ | $6.927$ | $0.000$ | Chấp nhận | | H2 | Thái độ $\rightarrow$ Ý định mua | $+0.412$ | $0.045$ | $9.155$ | $0.000$ | Chấp nhận | | H3 | Nhận thức kiểm soát $\rightarrow$ Ý định mua | $+0.198$ | $0.038$ | $5.210$ | $0.000$ | Chấp nhận | | H4 | Rào cản giá điều tiết $(AT \rightarrow IT)$ | $-0.145$ | $0.035$ | $4.143$ | $0.000$ | Chấp nhận | | H5 | Niềm tin điều tiết $(AT \rightarrow IT)$ | $+0.178$ | $0.039$ | $4.564$ | $0.000$ | Chấp nhận | | H6 | Ý định mua $\rightarrow$ Hành vi mua | $+0.589$ | $0.032$ | $18.406$ | $0.000$ | Chấp nhận |

+-----------------------------------------------------------------------------------+
|                        ĐỘ MẠNH GIẢI THÍCH VÀ DỰ BÁO CỦA MÔ HÌNH                   |
+-----------------------------------------------------------------------------------+
| * Hệ số xác định R² (Ý định mua IT):    0.624 (Giải thích 62.4% biến thiên)       |
| * Hệ số xác định R² (Hành vi mua BH):   0.547 (Giải thích 54.7% biến thiên)       |
| * Hiệu suất tác động f² (Thái độ -> IT): 0.285 (Mức tác động trung bình - lớn)     |
| * Chỉ số dự báo Q² (Predictive Relevance): > 0.35 (Khả năng dự báo ngoài mẫu tốt) |
+-----------------------------------------------------------------------------------+

Đổi mới và đóng góp

  • Mở rộng khung lý thuyết TPB với cơ chế điều tiết kép: Khác với các nghiên cứu trước đây chỉ xem xét giá và niềm tin như các biến độc lập đơn thuần (Yadav et al., 2013; Nguyễn Thị Tuyết Mai et al., 2019), nghiên cứu này lần đầu tiên tích hợp đồng thời Rào cản giá ($CB$) và Niềm tin ($T$) dưới dạng biến điều tiết (Moderators) trên mối liên hệ giữa Thái độ và Ý định mua trong thị trường bán lẻ TP.HCM.
  • Lượng hóa khoảng cách Thái độ - Hành vi: Chứng minh thực nghiệm rằng rào cản giá làm giảm $14.5%$ cường độ chuyển hóa từ thái độ sang ý định mua ($\beta = -0.145, p < 0.001$). Ngược lại, niềm tin đóng vai trò là chất xúc tác phục hồi với mức tăng $17.8%$ ($\beta = +0.178, p < 0.001$), triệt tiêu tác động tiêu cực của chi phí.
  • Tính đại diện của dữ liệu đô thị: Cỡ mẫu $N = 511$ được thu thập đa tầng qua người tiêu dùng thực tế tại TP.HCM, đảm bảo độ tin cậy thống kê cao hơn đáng kể so với các nghiên cứu pilot quy mô nhỏ trước đây ($N < 250$).

Ứng dụng thực tế và triển khai

Nghiên cứu cung cấp lộ trình thực thi 4 bước cụ thể cho các chuỗi bán lẻ thực phẩm hữu cơ (Co.op Organic, WinMart, Organica, Nam An Market):

gantt
    title Lộ trình triển khai giải pháp thúc đẩy hành vi tiêu dùng thực phẩm hữu cơ
    dateFormat  YYYY-MM-DD
    section Giai đoạn 1: Minh bạch hóa
    Tích hợp mã QR truy xuất nguồn gốc (VietGAP/USDA) :2024-04-01, 60d
    Chứng thực quy trình kiểm nghiệm định kỳ          :2024-05-01, 45d
    section Giai đoạn 2: Tối ưu chi phí
    Thiết kế gói combo tiêu dùng linh hoạt (Family Pack):2024-06-01, 60d
    Tối ưu chuỗi cung ứng ngắn (Direct from Farm)     :2024-07-01, 90d
    section Giai đoạn 3: Truyền thông xã hội
    Chiến dịch chuẩn chủ quan từ chuyên gia y tế       :2024-08-15, 60d
    Chương trình đại sứ tiêu dùng xanh tại điểm bán    :2024-09-15, 45d
    section Giai đoạn 4: Đánh giá ROI
    Đo lường mức tăng trưởng chuyển đổi mua hàng thực tế:2024-11-01, 60d

Phân tích hiệu quả kinh tế (Cost-Benefit Analysis)

+-----------------------------------------------------------------------------------+
|                   DỰ TOÁN CHI PHÍ VÀ LỢI ÍCH TRÊN HỆ THỐNG 10 ĐIỂM BÁN            |
+-----------------------------------------------------------------------------------+
| 1. CHI PHÍ ĐẦU TƯ BAN ĐẦU:                                                        |
|   - Triển khai hệ thống tem QR truy xuất chuẩn Block/Cloud:         80.000.000 VNĐ|
|   - Tái cấu trúc kệ hàng và thông tin chứng nhận tại POS:          50.000.000 VNĐ|
|   - Hoạt động truyền thông gia tăng nhận thức (KOL Dinh dưỡng):   120.000.000 VNĐ|
|   - TỔNG CHI PHÍ:                                                 250.000.000 VNĐ|
|                                                                                   |
| 2. LỢI ÍCH DỰ KIẾN (SAU 12 THÁNG):                                                |
|   - Tăng tỷ lệ chuyển đổi từ khách tham quan sang mua thực tế:     +25%           |
|   - Doanh thu thực phẩm hữu cơ tăng thêm:                         850.000.000 VNĐ|
|   - Lợi nhuận gộp biên tăng thêm (Gross Profit Margin 20%):       170.000.000 VNĐ|
|   - Thời gian hoàn vốn đầu tư (Payback Period):                   ~14.5 tháng    |
+-----------------------------------------------------------------------------------+

Hạn chế và hướng phát triển

  • Hạn chế mẫu nghiên cứu: Nghiên cứu sử dụng phương pháp chọn mẫu phi xác suất (thuận tiện kết hợp quả bóng tuyết) qua nền tảng trực tuyến, có thể dẫn đến hiện tượng thiên lệch đối với nhóm khách hàng trẻ tuổi, am hiểu công nghệ số (Millennials/Gen Z).
  • Giới hạn thiết kế dữ liệu: Nghiên cứu cắt ngang tại một thời điểm (Cross-sectional study) chưa phản ánh được sự biến động nhận thức và hành vi của người tiêu dùng theo thời gian dài khi đối mặt với lạm phát giá thực phẩm.
  • Hướng phát triển:
    • Mở rộng nghiên cứu dạng chuỗi thời gian (Longitudinal Study) để đo lường độ trễ từ lúc hình thành ý định đến lúc lặp lại hành vi mua định kỳ.
    • Tích hợp thêm các kỹ thuật học máy (Machine Learning/SEM-Neural Networks) để dự đoán chính xác xác suất rời bỏ (churn rate) khi giá hữu cơ vượt ngưỡng biên tế $25%$.

Đối tượng hưởng lợi

  • Sinh viên & Học viên cao học: Cung cấp tài liệu tham khảo chuẩn mực về quy trình phân tích PLS-SEM trên SmartPLS 4.0 với đầy đủ kiểm định Outer/Inner Model và phân tích biến điều tiết.
  • Doanh nghiệp & Nhà bán lẻ FMCG: Cung cấp dữ liệu định lượng chính xác về điểm cân bằng giữa giá bán và niềm tin, giúp định giá sản phẩm và thiết kế chiến dịch tiếp thị xanh hiệu quả.
  • Nhà hoạch định chính sách: Cơ sở thực chứng để chuẩn hóa khung pháp lý kiểm định nhãn mác hữu cơ tại Việt Nam, bảo vệ quyền lợi người tiêu dùng và thúc đẩy nông nghiệp bền vững.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật để tái lập mô hình nghiên cứu này là gì?

Cần cài đặt phần mềm SmartPLS (phiên bản 3.3.9 hoặc 4.0 trở lên) cùng với IBM SPSS Statistics v26. Tệp dữ liệu cần được làm sạch, mã hóa dạng số (numeric) dưới định dạng .csv trước khi nạp vào SmartPLS để chạy thuật toán PLS-SEM và Bootstrapping 5.000 mẫu.

2. Vì sao biến "Rào cản giá" lại được đặt làm biến điều tiết thay vì biến độc lập?

Nhiều người tiêu dùng có thái độ cực kỳ tích cực với thực phẩm sạch nhưng khi đối mặt với rào cản giá quá cao, thái độ này bị suy yếu và không thể kích hoạt thành ý định mua. Việc đặt rào cản giá làm biến điều tiết giúp mô hình hóa chính xác sự suy giảm này $(\beta = -0.145, p < 0.001)$.

3. Làm thế nào để doanh nghiệp bán lẻ giải quyết xung đột giữa giá cao và sự tin tưởng?

Doanh nghiệp cần áp dụng chiến lược minh bạch hóa tuyệt đối (Radical Transparency). Đầu tư vào truy xuất nguồn gốc bằng mã QR và tem chứng nhận chuẩn quốc tế (USDA, EU Organic) giúp gia tăng hệ số Niềm tin ($T$), từ đó kích hoạt hệ số điều tiết dương $(\beta = +0.178)$, bù đắp trực tiếp sự e ngại về giá của khách hàng.

4. Chi phí triển khai hệ thống xác thực nguồn gốc tại điểm bán có đắt không?

Hiện nay, việc tích hợp giải pháp mã QR Cloud-based có chi phí định kỳ thấp (khoảng 5 - 10 triệu đồng/tháng cho chuỗi 10 cửa hàng). Đây là khoản đầu tư mang lại tỷ suất hoàn vốn cao nhờ cải thiện trực tiếp niềm tin thương hiệu và nâng cao giá trị giỏ hàng.

5. Kết quả nghiên cứu tại TP.HCM có thể áp dụng cho các tỉnh thành khác không?

Kết quả phản ánh đặc trưng tiêu biểu của các đô thị loại đặc biệt (Hà Nội, TP.HCM, Đà Nẵng) với mức thu nhập bình quân đầu người cao và mạng lưới bán lẻ hiện đại phát triển. Đối với các thị trường nông thôn, cần hiệu chỉnh lại biến Nhận thức kiểm soát hành vi ($PBC$) do hạn chế về kênh phân phối.


Kết luận

Khóa luận tốt nghiệp của sinh viên Phan Tấn Lợi đã giải quyết thành công bài toán lượng hóa hành vi mua thực phẩm hữu cơ tại TP.HCM. Thông qua việc mở rộng lý thuyết TPB với hai biến điều tiết cốt lõi là Rào cản giáNiềm tin, nghiên cứu đã chứng minh bằng thực nghiệm ($N = 511$) rằng: Thái độ $(\beta = 0.412)$ và Chuẩn chủ quan $(\beta = 0.284)$ là động lực thúc đẩy mạnh nhất ý định mua hàng. Đồng thời, niềm tin chính là chìa khóa then chốt để doanh nghiệp vô hiệu hóa rào cản về giá.

Kết quả này không chỉ đóng góp giá trị học thuật quan trọng cho chuyên ngành Quản trị Kinh doanh mà còn mở ra cẩm nang thực thi chiến lược chuyển đổi xanh cho các doanh nghiệp bán lẻ thực phẩm tại Việt Nam.