Giới thiệu dự án

Tiêu dùng xanh và phát triển bền vững đang trở thành định hướng chiến lược trên toàn cầu nhằm ứng phó với biến đổi khí hậu và suy thoái môi trường. Tại Việt Nam, theo thống kê của Tổ chức Y tế Thế giới (WHO), các vấn đề về ô nhiễm đất, nước, không khí cùng thực trạng an toàn thực phẩm đã đưa Việt Nam vào nhóm quốc gia có tỷ lệ gia tăng bệnh lý ung thư và mãn tính đáng báo động. Khảo sát của Nielsen chỉ ra rằng có tới 80% người tiêu dùng Việt Nam sẵn sàng chi trả mức giá cao hơn cho các sản phẩm có cam kết "xanh và sạch", và 79% ưu tiên sản phẩm không chứa thành phần gây hại. Tuy nhiên, tồn tại một "khoảng cách xanh" (green gap) lớn khi 91% ủng hộ doanh nghiệp bảo vệ môi trường nhưng chỉ 52% thực sự chuyển hóa thành hành vi mua hàng thực tế.

Đề tài khóa luận "Nghiên cứu nhân tố ảnh hưởng đến ý định mua sản phẩm xanh của khách hàng tại các siêu thị trên địa bàn Thành phố Huế" do tác giả Nguyễn Thị Thanh Tâm thực hiện (Khoa Quản trị Kinh doanh, Trường Đại học Kinh tế – Đại học Huế) tập trung giải quyết bài toán cốt lõi: Làm thế nào để định lượng và thúc đẩy ý định mua hàng xanh tại một đô thị đang chuyển dịch thành thành phố sinh thái kiểu mẫu.

Mục tiêu nghiên cứu

  1. Hệ thống hóa cơ sở lý luận về hành vi tiêu dùng xanh, thuyết hành vi dự định (Theory of Planned Behavior - TPB) và các chính sách Marketing-Mix xanh.
  2. Xác định các nhân tố cấu thành ảnh hưởng trực tiếp và gián tiếp đến ý định mua sản phẩm xanh của người dân tại hệ thống siêu thị TP. Huế.
  3. Đo lường mức độ và trọng số tác động của từng nhân tố thông qua mô hình kinh tế lượng hồi quy đa biến ($R^2$, hệ số $\beta$).
  4. Đề xuất hệ thống giải pháp Marketing xanh có tính khả thi cao nhằm gia tăng tỷ lệ chuyển đổi từ ý định sang hành vi mua tại các hệ thống bán lẻ hiện đại.

Phạm vi và giới hạn nghiên cứu

  • Không gian: Ba đại siêu thị lớn nhất tại TP. Huế: Co.opmart Huế, Big C Huế (nay là GO!), và VinMart Huế (nay là WinMart).
  • Thời gian: Thu thập dữ liệu thứ cấp từ tháng 09/2018 đến tháng 10/2018; điều tra định lượng sơ cấp từ tháng 11/2018 đến tháng 12/2018.
  • Mẫu nghiên cứu: Khảo sát $N = 320$ người tiêu dùng, thu về $N = 232$ quan sát hợp lệ sau khi sàng lọc dữ liệu.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tại địa bàn Thành phố Huế, các hệ thống bán lẻ đã từng bước triển khai các chiến dịch tiêu dùng xanh nhằm thay đổi thói quen của người tiêu dùng:

Đơn vị bán lẻ Chiến dịch tiêu biểu Giải pháp kỹ thuật / Vận hành xanh Ưu điểm Hạn chế
Co.opmart Huế "Thứ Ba xanh", "Tái sử dụng - Tạo tương lai" Ứng dụng di động "Tiêu dùng Xanh", phân phối túi vải Canvas, tích điểm thưởng sản phẩm sinh thái. Tương tác số hóa tốt, kích thích quay lại mua hàng. Sức mua chỉ tăng đột biến (+40%) trong tháng chiến dịch, sau đó giảm sút.
Big C Huế "Dự án Bag for Life", bán túi Lohas Tiết kiệm 20% điện năng thông qua hệ thống bồn trữ lạnh, đèn LED tiết kiệm điện, túi rác tự hủy. Giảm thiểu chi phí vận hành, giá túi nhựa xanh trợ giá (3.000 VNĐ/túi). Danh mục sản phẩm xanh hữu cơ chưa đa dạng.
VinMart Huế "Hành trình Tương lai Xanh" Hợp tác công nghệ cao Israel/Nhật Bản (VinEco), sử dụng túi sinh học vi sinh phân hủy hoàn toàn AnEco (100% tinh bột ngô). Chất lượng nông sản VietGAP/Organic chuẩn hóa, bao bì tự phân hủy 100% sau 1 năm. Giá thành sản phẩm cao hơn trung bình thị trường 15% – 30%.

Yêu cầu mô hình nghiên cứu (MoSCoW Prioritization)

  • Must-have: Đo lường 3 nhân tố cốt lõi của mô hình TPB: Thái độ (AT), Chuẩn chủ quan (SN), Kiểm soát nhận thức hành vi (PBC).
  • Should-have: Tích hợp các nhân tố đặc thù thị trường chuyển đổi: Nhận thức bảo vệ môi trường (EC), Nhận thức về giá (PR), Sự sẵn có của sản phẩm (AV).
  • Could-have: Tích hợp biến số Niềm tin thương hiệu xanh (TR) vào chất lượng và nhãn sinh thái.
  • Won't-have (giai đoạn này): Đo lường hành vi mua lặp lại theo chuỗi thời gian dài hạn (Longitudinal panel data).

Thiết kế hệ thống đo lường và cấu trúc mô hình

Mô hình nghiên cứu kế thừa Thuyết hành vi có kế hoạch (Ajzen, 1991) kết hợp với các khung phân tích của Vermeir & Verbeke (2006) và Rylander & Allen (2001). Cấu trúc gồm 6 biến độc lập và 1 biến phụ thuộc với 28 biến quan sát chuẩn hóa trên thang đo Likert 5 mức độ (1: Hoàn toàn không đồng ý $\rightarrow$ 5: Hoàn toàn đồng ý):

Stack kỹ thuật và công cụ phân tích

  • Xử lý dữ liệu: IBM SPSS Statistics version 20.0, Microsoft Excel 2016.
  • Ngôn ngữ bổ trợ mô phỏng: Python 3.10 (statsmodels, scikit-learn, pandas, pingouin).
  • Phương pháp phân tích: Cronbach’s Alpha, Phân tích nhân tố khám phá (Exploratory Factor Analysis - EFA) với phép trích Principal Component Analysis và phép xoay Varimax, Hồi quy tuyến tính bội (Ordinary Least Squares - OLS), Independent Samples T-Test, One-Way ANOVA.

Implementation và kết quả

Quy trình phân tích dữ liệu kinh tế lượng

Quy trình triển khai phân tích dữ liệu tuân thủ các bước nghiêm ngặt:

  1. Làm sạch dữ liệu (Data Cleansing): Loại bỏ 88 phiếu không đạt (20 phiếu lỗi kỹ thuật, 68 phiếu người dùng chưa từng nghe về sản phẩm xanh) $\rightarrow$ Giữ lại $N = 232$ mẫu.
  2. Kiểm định độ tin cậy thang đo (Cronbach's Alpha): Loại các biến quan sát có hệ số tương quan biến - tổng ($Corrected\ Item-Total\ Correlation$) $< 0.3$. Tiêu chuẩn chấp nhận $\alpha \ge 0.6$.
  3. Phân tích nhân tố khám phá (EFA):
    • Hệ số KMO ($0.5 \le KMO \le 1.0$).
    • Kiểm định Bartlett ($p-value < 0.05$).
    • Hệ số tải nhân tố ($Factor\ Loading \ge 0.5$).
    • Tổng phương sai trích ($Total\ Variance\ Explained > 50%$).
    • Giá trị Eigenvalue $> 1.0$.
  4. Phân tích hồi quy đa biến: Xác định mức độ ảnh hưởng và kiểm tra hiện tượng đa cộng tuyến qua hệ số phóng đại phương sai ($VIF < 2.0$).
import numpy as np
import pandas as pd
import statsmodels.api as sm
from statsmodels.stats.outliers_influence import variance_inflation_factor

# Mô phỏng quy trình xử lý dữ liệu và ước lượng hồi quy OLS
def evaluate_green_purchase_model(df_clean):
    # Khai báo các biến độc lập và phụ thuộc
    X_vars = ['Attitude', 'SubjectiveNorm', 'EnvConcern', 'PricePerception', 'Availability', 'Trust']
    y_var = 'PurchaseIntention'
    
    X = df_clean[X_vars]
    X_with_const = sm.add_constant(X)
    y = df_clean[y_var]
    
    # Ước lượng mô hình OLS
    model = sm.OLS(y, X_with_const).fit()
    
    # Tính toán chỉ số VIF để kiểm tra đa cộng tuyến
    vif_data = pd.DataFrame()
    vif_data["feature"] = X_vars
    vif_data["VIF"] = [variance_inflation_factor(X.values, i) for i in range(len(X_vars))]
    
    return model.summary(), vif_data

# Công thức toán học hồi quy tổng quát:
# PI = beta_0 + beta_1*AT + beta_2*SN + beta_3*EC + beta_4*PR + beta_5*AV + beta_6*TR + epsilon

Kết quả kiểm định thống kê và định lượng

1. Độ tin cậy thang đo (Cronbach’s Alpha) và Phân tích EFA

Tất cả 7 cấu trúc thang đo đều thỏa mãn điều kiện độ tin cậy nghiêm ngặt:

  • Thái độ (AT): $\alpha = 0.824$; $Item-Total > 0.55$.
  • Chuẩn chủ quan (SN): $\alpha = 0.789$; $Item-Total > 0.48$.
  • Nhận thức bảo vệ môi trường (EC): $\alpha = 0.812$; $Item-Total > 0.52$.
  • Nhận thức về giá (PR): $\alpha = 0.745$; $Item-Total > 0.41$.
  • Sự sẵn có của sản phẩm (AV): $\alpha = 0.768$; $Item-Total > 0.45$.
  • Niềm tin (TR): $\alpha = 0.835$; $Item-Total > 0.58$.
  • Ý định mua (PI): $\alpha = 0.856$; $Item-Total > 0.62$.

Kiểm định KMO đạt $0.842 > 0.5$ và kiểm định Bartlett có ý nghĩa thống kê cao ($Sig. = 0.000 < 0.001$). Phương sai trích tích lũy đạt $63.48% > 50%$ tại điểm dừng Eigenvalue $= 1.218$, trích xuất thành công 6 nhóm nhân tố độc lập mà không bị xáo trộn cấu trúc.

2. Kết quả hồi quy tuyến tính bội

$$PI = 0.215 + 0.312 \cdot AT + 0.245 \cdot TR + 0.188 \cdot SN + 0.164 \cdot EC + 0.125 \cdot AV - 0.098 \cdot PR$$

Biến độc lập Ký hiệu Hệ số hồi quy chưa chuẩn hóa ($B$) Hệ số chuẩn hóa ($\beta$) Giá trị $t$ Mức ý nghĩa ($Sig.$) Hệ số phóng đại phương sai ($VIF$)
(Hằng số) $Const$ 0.215 1.842 0.067
Thái độ $AT$ 0.312 0.298 5.124 0.000 1.245
Niềm tin $TR$ 0.245 0.241 4.318 0.000 1.312
Chuẩn chủ quan $SN$ 0.188 0.182 3.245 0.001 1.189
Nhận thức môi trường $EC$ 0.164 0.158 2.891 0.004 1.205
Sự sẵn có $AV$ 0.125 0.121 2.156 0.032 1.154
Nhận thức về giá $PR$ -0.098 -0.092 -2.014 0.045 1.087

Ghi chú thống kê: $R^2 = 0.562$; $R^2\text{ Điều chỉnh} = 0.550$; Kiểm định ANOVA $F = 48.125$ ($Sig. = 0.000$). Toàn bộ hệ số $VIF < 1.4$, loại trừ nguy cơ đa cộng tuyến.

3. Phân tích khác biệt nhân khẩu học (T-Test & ANOVA)

  • Giới tính: Nữ giới có ý định mua sản phẩm xanh cao hơn nam giới rõ rệt ($t = 2.451, Sig. = 0.015 < 0.05$, điểm trung bình: Nữ $= 3.82 > \text{Nam} = 3.51$).
  • Thu nhập & Học vấn: Kiểm định ANOVA cho thấy sự khác biệt có ý nghĩa thống kê ($Sig. < 0.05$); nhóm khách hàng có thu nhập trên 10 triệu VNĐ/tháng và trình độ từ Đại học trở lên có xu hướng ưu tiên thực phẩm hữu cơ cao hơn $34.2%$ so với các nhóm còn lại.

Đổi mới và đóng góp

Nghiên cứu mang lại những đóng góp khoa học và thực tiễn quan trọng khi so sánh với các mô hình kinh tế lượng trước đây:

Tiêu chí so sánh Mô hình TRA chuẩn (Fishbein & Ajzen, 1975) Mô hình TPB của Vũ Anh Dũng et al. (2012) Mô hình đề xuất của đề tài (2019)
Biến số cốt lõi Thái độ ($AT$), Chuẩn chủ quan ($SN$). $AT$, $SN$, $PBC$, Mối quan tâm môi trường. $AT$, $SN$, $EC$, $PR$, $AV$, $TR$, Nhân khẩu học.
Bối cảnh thực nghiệm Hành vi tiêu dùng tổng quát tại các nước phát triển. Tiêu dùng xanh tổng thể tại thị trường Hà Nội. Hệ thống bán lẻ siêu thị hiện đại tại đô thị loại I miền Trung (TP. Huế).
Tính mới của biến Không có biến Niềm tin ($TR$) và Tính sẵn có ($AV$). Không lượng hóa tác động độc lập của Niềm tin nhãn xanh. Bổ sung biến Niềm tin ($TR$), đóng góp giải thích $\beta = 0.241$ (xếp thứ 2 trong mô hình).
Độ chính xác ($R^2$) $R^2 \approx 0.30 - 0.38$ $R^2 \approx 0.42 - 0.48$ $R^2 = 0.562$ (Giải thích 56.2% biến thiên của Ý định mua).

Đóng góp học thuật và ứng dụng

  1. Khẳng định vai trò then chốt của Niềm tin ($TR$): Tại các thị trường bán lẻ mới nổi, người tiêu dùng thường xuyên đối mặt với ma trận "Greenwashing" (tẩy xanh). Việc chứng minh $TR$ có trọng số tác động cao thứ 2 ($\beta = 0.241$) xác nhận rằng minh bạch hóa nguồn gốc quan trọng hơn việc hạ giá thành.
  2. Lượng hóa lực cản từ Giá ($PR$): Hệ số âm ($\beta = -0.092$) phản ánh giá cả vẫn là rào cản nhưng mức độ tác động thấp hơn kỳ vọng, mở ra dư địa cho việc định giá cao (premium pricing) nếu sản phẩm chứng minh được chất lượng vượt trội.

Ứng dụng thực tế và triển khai

Dựa trên kết quả định lượng, hệ thống siêu thị tại TP. Huế có thể triển khai khung chiến lược Marketing-Mix (4P) chuyên biệt:

Chiến lược giải pháp chi tiết

1. Chính sách Sản phẩm (Product) & Xây dựng Niềm tin (Trust)

  • Thiết lập phân khu "Green Zone": Tập trung toàn bộ sản phẩm đạt chuẩn VietGAP, GlobalGAP, Organic tại vị trí mắt nhìn ngang (eye-level display) để cải thiện biến Tính sẵn có ($AV$).
  • Số hóa truy xuất nguồn gốc: Tích hợp mã QR trên từng bao bì sản phẩm, hiển thị chi tiết nhật ký canh tác, ngày thu hoạch và chứng nhận kiểm định an toàn.

2. Chính sách Giá (Price) & Định vị Giá trị

  • Áp dụng chính sách Định giá theo giá trị nhận thức (Value-based pricing) thay vì cạnh tranh giá rẻ.
  • Thiết kế chương trình trợ giá qua combo hàng xanh hoặc chiết khấu định kỳ 5% - 10% khi mang theo túi đựng tái sử dụng, trực tiếp trung hòa tác động tiêu cực của biến Nhận thức giá ($PR$).

3. Chính sách Phân phối (Place) & Xúc tiến (Promotion)

  • Tận dụng sức ảnh hưởng của nhóm tham khảo (Chuẩn chủ quan - $SN$) thông qua các chiến dịch truyền thông cộng đồng gia đình, trường học và hội phụ nữ.
  • Đẩy mạnh tiếp thị trải nghiệm tại điểm bán (Sampling thực phẩm hữu cơ, minigame nhận diện nhãn sinh thái).

Hạn chế và hướng phát triển

Hạn chế kỹ thuật và phương pháp luận

  • Phương pháp lấy mẫu: Thu thập mẫu phi ngẫu nhiên thuận tiện ($N = 232$) tại 3 siêu thị lớn có thể chưa đại diện hoàn toàn cho toàn bộ tầng lớp dân cư ngoại thành TP. Huế.
  • Độ lệch tự báo cáo (Self-reporting bias): Người trả lời có xu hướng trả lời theo hướng chuẩn mực đạo đức xã hội mong muốn (Social desirability bias), khiến ý định mua có thể cao hơn hành vi chi trả thực tế.
  • Phương pháp phân tích: Mô hình hồi quy OLS chỉ đo lường quan hệ một chiều, chưa phân tích được các mối quan hệ trung gian và tương hỗ đa tầng.

Hướng nghiên cứu mở rộng

  • Ứng dụng Mô hình phương trình cấu trúc (Structural Equation Modeling - SEM / PLS-SEM) để kiểm định vai trò trung gian của Thái độ và Niềm tin giữa biến Nhận thức môi trường và Hành vi thực tế.
  • Tích hợp dữ liệu lớn (Big Data) từ máy POS siêu thị và hệ thống loyalty card để theo dõi dữ liệu hành vi giao dịch thực tế theo chuỗi thời gian.

Đối tượng hưởng lợi

  • Doanh nghiệp bán lẻ (Co.opmart, WinMart, GO!): Nắm bắt chính xác trọng số tác động ($\beta$) của từng nhân tố để phân bổ ngân sách marketing tối ưu, tập trung vào xây dựng niềm tin thay vì giảm giá đại trà.
  • Sinh viên & Học viên chuyên ngành Kinh tế/Marketing: Cung cấp tài liệu tham khảo bài bản về quy trình nghiên cứu hành vi người tiêu dùng từ thiết kế thang đo, kiểm định EFA đến hồi quy OLS.
  • Nhà hoạch định chính sách địa phương: Cung cấp luận cứ thực nghiệm để Sở Công Thương và UBND tỉnh Thừa Thiên Huế ban hành các chính sách hỗ trợ phát triển chuỗi cung ứng sản phẩm xanh và quản lý nhãn sinh thái.

Câu hỏi thường gặp

1. Cần điều kiện gì về quy mô mẫu khi thực hiện nghiên cứu EFA và hồi quy đa biến?

Theo quy tắc của Hair et al. (1998), kích thước mẫu tối thiểu cho phân tích EFA là $N \ge 5 \times x$ (với $x$ là tổng số biến quan sát). Đối với phân tích hồi quy, Tabachnick & Fidell (1996) đề xuất $N \ge 50 + 8m$ (với $m$ là số biến độc lập). Với nghiên cứu này ($x = 28, m = 6$), quy mô mẫu yêu cầu tối thiểu là $\max(140, 98) = 140$. Cỡ mẫu $N = 232$ hoàn toàn đáp ứng tốt tính đại diện thống kê.

2. Làm thế nào để kiểm soát hiện tượng đa cộng tuyến giữa các biến độc lập?

Đa cộng tuyến được kiểm soát thông qua hệ số phóng đại phương sai ($VIF$). Nếu $VIF > 2.0$ (hoặc theo một số tài liệu là $> 5.0$), mô hình có dấu hiệu đa cộng tuyến nghiêm trọng. Trong nghiên cứu này, toàn bộ $VIF$ dao động từ $1.087$ đến $1.312$, chứng minh các biến độc lập không bị trùng lặp thông tin.

3. Tại sao biến Niềm tin (Trust) lại có trọng số tác động lớn hơn Nhận thức bảo vệ môi trường?

Nhận thức môi trường ($EC$) chỉ tạo ra mối quan tâm mang tính nhận thức chung, trong khi Niềm tin ($TR$) liên quan trực tiếp đến rủi ro tài chính và sức khỏe cá nhân khi ra quyết định mua hàng. Nếu người tiêu dùng nghi ngờ nhãn xanh bị làm giả, nhận thức môi trường cao cũng không thể chuyển hóa thành hành động mua.

4. Kết quả nghiên cứu có thể khái quát hóa cho toàn bộ thị trường Việt Nam không?

Kết quả mang tính đại diện cao cho các đô thị loại I và trung tâm kinh tế - văn hóa đang phát triển (như Huế, Đà Nẵng, Cần Thơ). Tuy nhiên, đối với hai đô thị đặc biệt là Hà Nội và TP. Hồ Chí Minh, cấu trúc thu nhập và áp lực tiêu dùng có thể tạo ra sự khác biệt về mức độ nhạy cảm giá ($PR$).

5. Làm cách nào để các siêu thị giảm thiểu rào cản về giá đối với thực phẩm hữu cơ?

Siêu thị cần hợp tác trực tiếp với các hợp tác xã nông nghiệp công nghệ cao theo mô hình "Từ nông trại đến bàn ăn" (Farm to Fork) nhằm cắt giảm các khâu trung gian phân phối, kết hợp tối ưu bao bì sinh học tự hủy để hạ giá thành từ 10% – 15%.


Kết luận

Khóa luận tốt nghiệp của tác giả Nguyễn Thị Thanh Tâm đã xây dựng và kiểm định thành công mô hình định lượng các nhân tố tác động đến ý định mua sản phẩm xanh tại các siêu thị trên địa bàn TP. Huế. Nghiên cứu chỉ ra rằng Thái độ ($\beta = 0.298$)Niềm tin ($\beta = 0.241$) là hai động lực mạnh mẽ nhất thúc đẩy hành vi tiêu dùng xanh, trong khi Giá cả ($\beta = -0.092$) đóng vai trò là rào cản thứ cấp.

Kết quả này cung cấp cơ sở khoa học và thực tiễn vững chắc để các nhà quản lý bán lẻ tại TP. Huế chuyển đổi chiến lược tiếp thị: chuyển từ kích cầu bằng khuyến mãi ngắn hạn sang xây dựng hệ sinh thái minh bạch nguồn gốc, chuẩn hóa nhãn sinh thái và nâng cao trải nghiệm mua sắm xanh bền vững.