Giới thiệu dự án

Thị trường di chuyển thông minh và phương tiện giao thông xanh đang trải qua giai đoạn chuyển dịch mang tính bước ngoặt trên quy mô toàn cầu. Tại Việt Nam, ô nhiễm không khí tại các vùng đô thị lớn như TP. Hồ Chí Minh đã chạm mức báo động. Theo báo cáo từ IQAir (2024), nồng độ bụi mịn $\text{PM}_{2.5}$ tại TP.HCM vượt tiêu chuẩn khuyến nghị của Tổ chức Y tế Thế giới (WHO) từ 4 đến 5 lần; trong đó các phương tiện giao thông chạy bằng nhiên liệu hóa thạch chiếm $36,75%$ tổng lượng phát thải bụi và đóng góp trực tiếp $24%$ lượng khí thải $\text{CO}_2$.

Trước sức ép về biến đổi khí hậu và cam kết Net Zero vào năm 2050 của Chính phủ, dịch vụ đặt xe điện (EV Ride-Hailing) nổi lên như một giải pháp thay thế tối ưu. Báo cáo của Bộ Giao thông Vận tải (2023) chỉ ra rằng quy mô thị trường đặt xe trực tuyến tại Việt Nam dự kiến đạt 2 tỷ USD vào năm 2024 và tăng trưởng lên 4 tỷ USD vào năm 2029 với tốc độ tăng trưởng kép hàng năm (CAGR) giai đoạn 2023–2028 đạt xấp xỉ $21%$. Sự xuất hiện của Công ty Cổ phần Di chuyển Xanh và Thông minh GSM (thương hiệu Xanh SM) vào ngày 14/04/2023 với đội xe $100%$ thuần điện (Battery Electric Vehicle - BEV) đã tạo nên một làn sóng cạnh tranh trực tiếp với các nền tảng xe công nghệ truyền thống như Grab, Gojek hay Be.

+-------------------------------------------------------------------------+
|                  BỐI CẢNH THỊ TRƯỜNG & ĐỘNG LỰC DỰ ÁN                   |
+-------------------------------------------------------------------------+
|  Nồng độ PM2.5 đô thị   | Vượt 4-5 lần khuyến nghị WHO (IQAir, 2024)    |
|  Phát thải từ giao thông| Chiếm 36.75% bụi mịn và 24% lượng CO2 đô thị  |
|  Quy mô thị trường E-hailing| 2 tỷ USD (2024) -> 4 tỷ USD (2029), CAGR 21%|
|  Thị phần phương tiện   | Hơn 20 nền tảng, 67.000 taxi & 90.000 xe HĐ   |
+-------------------------------------------------------------------------+

Vấn đề nghiên cứu và Điểm nghẽn thực tiễn (Problem Statement)

Mặc dù Xanh SM mang lại nhiều giá trị vượt trội về việc không xả thải, động cơ không tiếng ồn và trải nghiệm dịch vụ đồng nhất, doanh nghiệp vẫn đối mặt với rào cản tâm lý tiêu dùng lớn từ nhóm khách hàng trẻ (15–30 tuổi). Giới trẻ là lực lượng tiên phong tiếp nhận công nghệ mới nhưng cũng là nhóm khách hàng có độ nhạy cảm cao về giá, thói quen phụ thuộc lớn vào phương tiện cá nhân (xe máy xăng) và yêu cầu khắt khe về tính tiện ích của ứng dụng di động. Các nghiên cứu trước đây tại Việt Nam chủ yếu tập trung vào ứng dụng gọi xe xăng truyền thống hoặc chỉ tiếp cận đơn lẻ qua một mô hình lý thuyết, chưa đánh giá toàn diện hành vi chấp nhận dịch vụ di chuyển thuần điện dưới tác động đồng thời của nhận thức môi trường và áp lực xã hội.

Mục tiêu nghiên cứu (Project Objectives)

  1. Mục tiêu 1: Tổng hợp và hệ thống hóa khung lý thuyết tích hợp từ bốn mô hình nền tảng: Thuyết hành vi có kế hoạch (TPB), Mô hình chấp nhận công nghệ (TAM), Thuyết nhận thức rủi ro (TPR) và Thuyết phổ biến đổi mới (IDT).
  2. Mục tiêu 2: Nhận diện và xác định các nhân tố độc lập chi phối ý định sử dụng dịch vụ đặt xe điện Xanh SM của giới trẻ tại TP.HCM.
  3. Mục tiêu 3: Đo lường định lượng trọng số tác động của từng nhân tố thông qua kiểm định độ tin cậy Cronbach's Alpha, phân tích nhân tố khám phá (EFA), phân tích tương quan Pearson, mô hình hồi quy tuyến tính bội (Multiple Linear Regression) và kiểm định phương sai ANOVA.
  4. Mục tiêu 4: Đề xuất hệ thống giải pháp quản trị thực thi cho doanh nghiệp vận tải xe điện và các cơ quan quản lý đô thị nhằm thúc đẩy chuyển đổi giao thông xanh.

Cách tiếp cận giải pháp (Solution Approach)

Đề tài áp dụng phương pháp nghiên cứu hỗn hợp (Mixed-method Research):

  • Giai đoạn định tính: Nghiên cứu tài liệu thứ cấp, thảo luận chuyên gia và hiệu chỉnh thang đo Likert 5 mức độ để bản địa hóa các biến quan sát.
  • Giai đoạn định lượng: Khảo sát trực tiếp và trực tuyến trên tập mẫu $N = 204$ đáp viên hợp lệ thuộc phân khúc giới trẻ tại TP.HCM, xử lý dữ liệu qua công cụ thống kê IBM SPSS Statistics.

Kết quả kỳ vọng và Giới hạn phạm vi (Scope & Limitations)

  • Kết quả kỳ vọng: Xây dựng mô hình hồi quy có ý nghĩa thống kê ($p < 0.05$), giải thích được trên $55%$ sự biến thiên của ý định sử dụng ($R^2 > 0.55$), cung cấp bằng chứng thực nghiệm về thứ tự ưu tiên của các rào cản và động lực tiêu dùng.
  • Phạm vi nghiên cứu: Giới hạn đối tượng khảo sát trong độ tuổi 15–30 tại khu vực địa lý TP.HCM trong khoảng thời gian từ tháng 01/2024 đến tháng 04/2024.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Phân tích so sánh các giải pháp di chuyển hiện hành

Thị trường vận tải hành khách cá nhân tại TP.HCM hiện chia thành 3 nhóm giải pháp chính: Xe ôm/Taxi công nghệ dùng động cơ đốt trong (Grab, Gojek, Be), Dịch vụ xe điện công nghệ (Xanh SM) và Phương tiện cá nhân (Xe máy xăng cá nhân).

Tiêu chí phân tích Xe công nghệ xăng truyền thống (Grab/Gojek/Be) Xe điện công nghệ (Xanh SM) Phương tiện cá nhân (Xe máy xăng)
Mức độ phát thải môi trường Cao (Phát thải trực tiếp $\text{CO}_2$, $\text{NO}_x$, bụi mịn) Không phát thải trực tiếp ($0%$ tailpipe emissions) Cao, phát thải phân tán khó kiểm soát
Độ ồn và độ rung động cơ Rung lắc, tiếng ồn động cơ đốt trong lớn Động cơ điện vận hành êm ái, độ ồn $< 50\text{ dB}$ Rung lắc và tiếng ồn tùy tình trạng xe
Tính chủ động và linh hoạt Trung bình (Phụ thuộc tài xế nhận chuyến) Trung bình (Đang mở rộng mật độ trạm sạc & xe) Rất cao (Tự do lộ trình, xuất phát tức thì)
Chi phí biên trên mỗi chuyến Biến động mạnh theo cước giờ cao điểm (Surge pricing) Ổn định, chi phí vận hành điện thấp hơn xăng Rẻ nhất về nhiên liệu, tốn chi phí bảo dưỡng định kỳ
Độ phủ và sẵn có của xe Mạng lưới tài xế đối tác rộng khắp Mạng lưới tài xế tăng trưởng nhanh tại 29 tỉnh thành Tuyệt đối (Sở hữu cá nhân)

Phân loại yêu cầu nghiên cứu theo mô hình MoSCoW

Hệ thống thang đo và các chỉ số đo lường của đề tài được ưu tiên hóa theo khung MoSCoW:

Phân loại MoSCoW Yêu cầu và Chỉ số đo lường tương ứng Mục đích kỹ thuật
Must have (Bắt buộc phải có) Đo lường 5 nhân tố cốt lõi: Sự hữu ích (SHI), Sự hấp dẫn phương tiện cá nhân (SHD), Chuẩn chủ quan (CCQ), Nhận thức kiểm soát hành vi (NTKS), Nhận thức môi trường (NTMT). Xác định các biến độc lập nền tảng trong phương trình hồi quy.
Should have (Nên có) Kiểm tra đa cộng tuyến qua hệ số phóng đại phương sai (VIF $< 2.0$) và kiểm định phân phối phần dư chuẩn tắc. Đảm bảo mô hình kinh tế lượng không bị chệch tham số ước lượng.
Could have (Có thể có) Phân tích sâu sự khác biệt hành vi theo nhân khẩu học (giới tính, thu nhập, nghề nghiệp) qua One-Way ANOVA. Phục vụ phân khúc thị trường chuyên sâu cho doanh nghiệp.
Won't have this time (Chưa thực hiện) Đo lường hành vi lặp lại sau 12 tháng sử dụng thực tế (Longitudinal study). Giới hạn bởi thời gian và kinh phí của khóa luận tốt nghiệp.

Thiết kế hệ thống

Kiến trúc quy trình nghiên cứu và luồng dữ liệu

Ngăn xếp công nghệ và Công cụ sử dụng

  • Công cụ thống kê & phân tích dữ liệu: IBM SPSS Statistics phiên bản 26.0 (Hỗ trợ phân tích độ tin cậy, ma trận xoay Varimax EFA, hồi quy OLS).
  • Môi trường script tự động hóa: Python v3.10.12 kết hợp thư viện pandas (v2.0.3), numpy (v1.24.3), statsmodels (v0.14.0) và scipy (v1.10.1) dùng để kiểm chứng chéo số liệu.
  • Công cụ thu thập dữ liệu: Google Forms API kết hợp khảo sát trực tiếp bằng bảng hỏi in giấy.
  • Tiêu chuẩn biểu diễn tài liệu: Định dạng trích dẫn APA 7th Edition.

Thiết kế mô hình dữ liệu và Thang đo (Data Schema)

Mô hình cấu trúc gồm 5 biến độc lập với 22 biến quan sát và 1 biến phụ thuộc với 3 biến quan sát:

  1. Sự hữu ích (SHI - 5 items): Thuận tiện (HI1), An toàn (HI2), Thoải mái (HI3), Tiết kiệm chi phí (HI4), Tiết kiệm thời gian (HI5).
  2. Sự hấp dẫn của phương tiện cá nhân (SHD - 5 items): Thuận tiện hơn xe điện (HD1), Tự do di chuyển (HD2), Chủ động thời gian (HD3), Tiết kiệm chi phí riêng (HD4), Thói quen cố hữu (HD5).
  3. Chuẩn chủ quan (CCQ - 4 items): Khuyên dùng từ gia đình (CCQ1), Ảnh hưởng bạn bè/đồng nghiệp (CCQ2), Tác động truyền thông/mạng xã hội (CCQ3), Xu hướng phát triển xã hội (CCQ4).
  4. Nhận thức kiểm soát hành vi (NTKS - 4 items): Tác động công việc (NTKS1), Tác động lối sống xã hội (NTKS2), Dễ dàng thao tác ứng dụng (NTKS3), Quyền tự chủ quyết định (NTKS4).
  5. Nhận thức về môi trường (NTMT - 4 items): Giảm thiểu ô nhiễm không khí (NTMT1), Hỗ trợ giảm tai nạn (NTMT2), Giảm tải phương tiện cá nhân (NTMT3), Giảm ùn tắc đô thị (NTMT4).
  6. Ý định sử dụng (YDSD - 3 items): Sẵn sàng trải nghiệm (YD1), Sử dụng thường xuyên trong tương lai (YD2), Giới thiệu cho cộng đồng (YD3).

Phương pháp luận (Methodology)

Quy trình triển khai và Quản trị rủi ro

Giai đoạn triển khai Thời gian thực hiện Đầu ra kỹ thuật (Deliverables) Rủi ro tiềm ẩn & Phương án xử lý
Giai đoạn 1: Chuẩn bị & Lý thuyết Tháng 01/2024 Khung lý thuyết tích hợp, 5 giả thuyết nghiên cứu ($H_1 \to H_5$). Rủi ro: Trùng lặp khái niệm giữa TAM và TPB.
Xử lý: Tinh chỉnh định nghĩa hoạt động của từng biến.
Giai đoạn 2: Thiết kế thang đo Tháng 02/2024 Bảng hỏi chuẩn hóa, biên bản đánh giá của GVHD. Rủi ro: Câu hỏi dịch thuật gây hiểu nhầm.
Xử lý: Tiến hành kiểm định định tính Pilot (30 mẫu).
Giai đoạn 3: Khảo sát thực địa Tháng 03/2024 Thu về 250 mẫu, làm sạch còn 204 mẫu hợp lệ ($81.6%$). Rủi ro: Thiên lệch người trả lời (Non-response bias).
Xử lý: Đa dạng hóa kênh trực tiếp (trường ĐH, công viên) và trực tuyến.
Giai đoạn 4: Phân tích & Báo cáo Tháng 04/2024 Báo cáo định lượng, mô hình tối ưu, ma trận giải pháp quản trị. Rủi ro: Vi phạm giả định hồi quy (Đa cộng tuyến, tự tương quan).
Xử lý: Kiểm định VIF và Durbin-Watson chặt chẽ.

Triển khai thực nghiệm và Kết quả

Quá trình phân tích dữ liệu (Development Process)

Thuật toán và Cơ sở toán học thống kê

  1. Kiểm định hệ số tin cậy nội bộ Cronbach's Alpha ($\alpha$): $$\alpha = \frac{K}{K - 1} \left( 1 - \frac{\sum_{i=1}^K \sigma_{Y_i}^2}{\sigma_X^2} \right)$$ Điều kiện nghiệm: $\alpha \ge 0.70$; Hệ số tương quan biến - tổng (Corrected Item-Total Correlation) $r_{i-total} \ge 0.30$.

  2. Chỉ số KMO (Kaiser-Meyer-Olkin) trong EFA: $$\text{KMO} = \frac{\sum \sum_{j \neq k} r_{jk}^2}{\sum \sum_{j \neq k} r_{jk}^2 + \sum \sum_{j \neq k} p_{jk}^2}$$ Điều kiện nghiệm: $0.5 \le \text{KMO} \le 1.0$; Kiểm định Bartlett có mức ý nghĩa $Sig. < 0.05$; Giá trị Eigenvalue $> 1.0$; Tổng phương sai trích (Cumulative %) $> 50%$; Hệ số tải nhân tố (Factor Loading) $\ge 0.50$.

  3. Mô hình hồi quy tuyến tính bội (OLS Regression): $$\text{YDSD} = \beta_0 + \beta_1 \text{NTKS} + \beta_2 \text{NTMT} + \beta_3 \text{CCQ} + \beta_4 \text{SHI} + \beta_5 \text{SHD} + \epsilon$$

Mã nguồn tự động hóa kiểm định mô hình (Python/SPSS Syntax)

* SPSS Syntax: Chay kiem dinh do tin cay Cronbach Alpha va EFA.
RELIABILITY
  /VARIABLES=HI1 HI2 HI3 HI4 HI5
  /SCALE('Su huu ich') ALL
  /MODEL=ALPHA
  /STATISTICS=DESCRIPTIVE SCALE CORR
  /SUMMARY=TOTAL.

FACTOR
  /VARIABLES HI1 HI2 HI3 HI4 HI5 HD1 HD2 HD3 HD4 HD5 CCQ1 CCQ2 CCQ3 CCQ4 NTKS1 NTKS2 NTKS3 NTKS4 NTMT1 NTMT2 NTMT3 NTMT4
  /MISSING LISTWISE 
  /ANALYSIS HI1 HI2 HI3 HI4 HI5 HD1 HD2 HD3 HD4 HD5 CCQ1 CCQ2 CCQ3 CCQ4 NTKS1 NTKS2 NTKS3 NTKS4 NTMT1 NTMT2 NTMT3 NTMT4
  /PRINT INITIAL KMO BARTLETT EXTRACTION ROTATION FSCORE
  /CRITERIA MINEIGEN(1) ITERATE(25)
  /EXTRACTION PC
  /ROTATION VARIMAX
  /METHOD=CORRELATION.

REGRESSION
  /MISSING LISTWISE
  /STATISTICS COEFF OUTS R ANOVA COLLIN TOL
  /CRITERIA=PIN(.05) POUT(.10)
  /NOORIGIN 
  /DEPENDENT YDSD
  /METHOD=ENTER NTKS NTMT CCQ SHI SHD
  /RESIDUALS DURBIN HISTOGRAM(ZRESID) NORMPROB(ZRESID).

# Script Python kiem chung mo hinh hoi quy da bien
import pandas as pd
import numpy as np
import statsmodels.api as sm
from statsmodels.stats.outliers_influence import variance_inflation_factor

# Load du lieu khao sat (N=204)
df = pd.read_csv("xanh_sm_survey_processed.csv")

# Tinh gia tri trung binh dai dien cho cac nhan to
df['SHI']  = df[['HI1', 'HI2', 'HI3', 'HI4', 'HI5']].mean(axis=1)
df['SHD']  = df[['HD1', 'HD2', 'HD3', 'HD4', 'HD5']].mean(axis=1)
df['CCQ']  = df[['CCQ1', 'CCQ2', 'CCQ3', 'CCQ4']].mean(axis=1)
df['NTKS'] = df[['NTKS1', 'NTKS2', 'NTKS3', 'NTKS4']].mean(axis=1)
df['NTMT'] = df[['NTMT1', 'NTMT2', 'NTMT3', 'NTMT4']].mean(axis=1)
df['YDSD'] = df[['YD1', 'YD2', 'YD3']].mean(axis=1)

X = df[['NTKS', 'NTMT', 'CCQ', 'SHI', 'SHD']]
X_const = sm.add_constant(X)
y = df['YDSD']

# Uoc luong mo hinh OLS
model = sm.OLS(y, X_const).fit()
print(model.summary())

# Tinh toan VIF kiem tra da cong tuyen
vif_data = pd.DataFrame()
vif_data["Feature"] = X.columns
vif_data["VIF"] = [variance_inflation_factor(X.values, i) for i in range(len(X.columns))]
print(vif_data)

Kiểm định và Đánh giá thống kê (Testing & Validation)

Kết quả kiểm định độ tin cậy thang đo (Cronbach's Alpha)

Tất cả 6 thang đo đều đạt độ nhất quán nội tại xuất sắc với hệ số $\alpha > 0.80$ và các biến quan sát đều có hệ số tương quan biến - tổng vượt ngưỡng $0.30$.

Ký hiệu thang đo Tên thang đo Số lượng biến ban đầu Hệ số Cronbach's Alpha ($\alpha$) Tương quan biến - tổng nhỏ nhất Đánh giá độ tin cậy
SHI Sự hữu ích 5 0.864 0.612 Đạt chuẩn xuất sắc
SHD Sự hấp dẫn của phương tiện cá nhân 5 0.832 0.548 Đạt chuẩn tốt
CCQ Chuẩn chủ quan 4 0.851 0.635 Đạt chuẩn tốt
NTKS Nhận thức kiểm soát hành vi 4 0.879 0.681 Đạt chuẩn xuất sắc
NTMT Nhận thức về môi trường 4 0.892 0.704 Đạt chuẩn xuất sắc
YDSD Ý định sử dụng dịch vụ 3 0.887 0.731 Đạt chuẩn xuất sắc

Kết quả phân tích nhân tố khám phá (EFA)

  • Biến độc lập: Hệ số $\text{KMO} = 0.852$ ($> 0.50$), kiểm định Bartlett có $\chi^2 = 2418.52$ với mức ý nghĩa $p = 0.000 < 0.05$. Trích xuất được 5 nhân tố tại mức Eigenvalue $= 1.248 > 1.0$. Tổng phương sai trích đạt $64.82% > 50%$ (dữ liệu giải thích được $64.82%$ độ biến thiên).
  • Biến phụ thuộc: Trích xuất 1 nhân tố duy nhất, $\text{KMO} = 0.724$, phương sai trích đạt $74.21%$, hệ số tải của các biến YD1, YD2, YD3 đều $> 0.80$.

Kết quả đạt được (Empirical Findings)

Kết quả phân tích hồi quy đa biến OLS

Mô hình hồi quy đạt độ thích hợp cao với $R^2 = 0.584$ và $R^2 \text{ hiệu chỉnh} = 0.573$. Kiểm định phân tích phương sai $\text{ANOVA}$ cho giá trị thống kê $F = 55.62$ với giá trị $Sig. = 0.000$, chứng minh mô hình hồi quy hoàn toàn phù hợp với dữ liệu thực tế.

Biến độc lập Hệ số chưa chuẩn hóa (B) Sai số chuẩn (Std. Error) Hệ số chuẩn hóa ($\beta$) Thống kê $t$ Giá trị $p$ ($Sig.$) Thống kê Collinearity (VIF) Kết luận giả thuyết
Hằng số ($C$) 0.412 0.285 — 1.445 0.150 — —
NTKS 0.358 0.058 0.342 6.172 0.000 1.342 Chấp nhận $H_4$ ($+$)
NTMT 0.294 0.052 0.285 5.653 0.000 1.285 Chấp nhận $H_5$ ($+$)
CCQ 0.215 0.051 0.210 4.215 0.000 1.214 Chấp nhận $H_3$ ($+$)
SHI 0.182 0.055 0.178 3.309 0.001 1.391 Chấp nhận $H_1$ ($+$)
SHD -0.152 0.048 -0.145 -3.166 0.002 1.156 Chấp nhận $H_2$ ($-$) 
PHƯƠNG TRÌNH HỒI QUY CHUẨN HÓA:
YDSD = 0.342*NTKS + 0.285*NTMT + 0.210*CCQ + 0.178*SHI - 0.145*SHD
  • Tất cả các hệ số VIF đều nằm trong khoảng $1.156 \le \text{VIF} \le 1.391$ (thấp hơn nhiều so với ngưỡng 2.0), khẳng định mô hình không xảy ra hiện tượng đa cộng tuyến.
  • Mức độ tác động giảm dần tới ý định sử dụng: $\text{NTKS} (\beta = 0.342) > \text{NTMT} (\beta = 0.285) > \text{CCQ} (\beta = 0.210) > \text{SHI} (\beta = 0.178) > \text{SHD} (\beta = -0.145)$.

Đổi mới và đóng góp

Đổi mới về mặt học thuật và kỹ thuật

  1. Khung tích hợp đa chiều TPB - TAM - TPR - IDT: Đề tài đã khắc phục nhược điểm đơn chiều của các công trình trước đây bằng cách kết hợp cả khía cạnh động lực công nghệ (TAM/IDT), khía cạnh chuẩn tắc hành vi xã hội (TPB) và yếu tố rào cản từ phương tiện truyền thống.
  2. Lượng hóa vai trò của Nhận thức môi trường (NTMT): Khác với các nghiên cứu giai đoạn 2017–2020 khi yếu tố môi trường thường bị mờ nhạt trước yếu tố giá cả, nghiên cứu này chứng minh đối với giới trẻ năm 2024, ý thức bảo vệ môi trường đã vươn lên thành động lực mạnh thứ 2 ($\beta = 0.285$).
+-----------------------------------------------------------------------------------------+
|                  SO SÁNH MÔ HÌNH VỚI CÁC CÔNG TRÌNH NGHIÊN CỨU TIỀN NHIỆM                |
+-----------------------------------------------------------------------------------------+
| Tiêu chí so sánh     | Nguyễn Ngọc Mai & cs (2021)| Hoàng Hùng & cs (2017) | Đề tài nghiên cứu (2024)|
| Bối cảnh nghiên cứu  | Ứng dụng gọi xe (COVID-19) | Xe buýt công cộng Huế  | Đặt xe thuần điện Xanh SM|
| Nhân tố mạnh nhất    | Sự hữu ích (SHI, beta=0.42)| SHD (beta=-0.38)       | NTKS (beta=0.342)       |
| Vai trò Môi trường   | Không xem xét              | Tác động yếu (beta=0.11)| Tác động rất mạnh (0.285)|
| Tác động của SHD     | Tác động yếu               | Rào cản lớn nhất       | Rào cản trung bình (-0.145)|
+-----------------------------------------------------------------------------------------+

Đóng góp thực tiễn cho ngành vận tải thông minh

  • Cung cấp cơ sở định lượng chứng minh rằng để thay đổi hành vi người dùng sang xe điện, việc gia tăng "Kiểm soát hành vi" (giúp việc đặt xe dễ dàng hơn, minh bạch giá, cải thiện giao diện app) mang lại hiệu quả cao hơn $92%$ so với việc chỉ đơn thuần quảng bá tính năng hữu ích cơ bản ($0.342$ so với $0.178$).

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng thực tế (Real-world Use Cases)

Kịch bản 1: Tối ưu hóa phễu chuyển đổi khách hàng Gen Z cho GSM Xanh SM

  • Vấn đề: Giới trẻ có ý định sử dụng cao nhưng bị cản trở bởi thói quen tự lái xe máy cá nhân ($\beta = -0.145$).
  • Giải pháp triển khai: GSM tích hợp tính năng tính toán lượng khí thải $\text{CO}_2$ giảm được sau mỗi chuyến đi trực tiếp trên màn hình kết thúc chuyến của ứng dụng Xanh SM; đồng thời quy đổi lượng $\text{CO}_2$ tiết kiệm thành "Điểm xanh" đổi voucher. Chiến lược này kích hoạt trực tiếp hai nhân tố có trọng số cao là $\text{NTKS}$ và $\text{NTMT}$.

Kịch bản 2: Chiến dịch truyền thông chuẩn chủ quan (Social Influence Strategy)

  • Vấn đề: Chuẩn chủ quan ($\text{CCQ}$) đóng góp trọng số $\beta = 0.210$.
  • Giải pháp triển khai: Xây dựng chương trình Referral "Cùng bạn sống xanh" – tặng mã giảm giá kép cho cả người giới thiệu và người được giới thiệu khi hoàn thành chuyến đi xe máy điện đầu tiên.
+-----------------------------------------------------------------------------------------+
|                  LỘ TRÌNH TRIỂN KHAI GIẢI PHÁP QUẢN TRỊ (2024 - 2026)                    |
+-----------------------------------------------------------------------------------------+
| Giai đoạn 1 (Quý 3-4/2024)| Nâng cấp UX/UI App Xanh SM, tối ưu thuật toán điều phối xe. |
|                           | Rút ngắn thời gian chờ xe dưới 5 phút khu vực nội thành.    |
| Giai đoạn 2 (Năm 2025)    | Triển khai gói cước Subscription theo tháng cho học sinh/SV.|
|                           | Giảm rào cản chi phí so với xe máy cá nhân.                 |
| Giai đoạn 3 (Năm 2026)    | Phối hợp trường ĐH xây dựng trạm dừng đón xe điện thông minh|
+-----------------------------------------------------------------------------------------+

Phân tích Chi phí - Lợi ích (Cost-Benefit & ROI Analysis)

  • Chi phí phát triển tính năng App & Truyền thông: Ước tính 1.2 tỷ VNĐ cho chiến dịch truyền thông xanh tại các trường đại học tại TP.HCM.
  • Lợi ích dự kiến: Tăng tỷ lệ kích hoạt tài khoản mới trong nhóm 18–25 tuổi thêm $28%$, nâng tỷ lệ giữ chân khách hàng (Retention Rate) sau 3 tháng từ $35%$ lên $52%$, rút ngắn thời gian thu hồi vốn Marketing từ 8 tháng xuống 5.5 tháng.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật và phạm vi

  1. Kích thước và tính đại diện của mẫu: Cỡ mẫu $N = 204$ phân bổ chủ yếu tại TP.HCM theo phương pháp chọn mẫu thuận tiện phi xác suất, chưa phản ánh trọn vẹn hành vi của giới trẻ ở các đô thị loại 1 khác như Hà Nội, Đà Nẵng.
  2. Thiết kế nghiên cứu cắt ngang (Cross-sectional Design): Dữ liệu thu thập tại một thời điểm duy nhất (đầu năm 2024) khi thương hiệu Xanh SM mới ra mắt hơn 1 năm, chưa đo lường được sự thay đổi hành vi dài hạn khi thị trường bão hòa ưu đãi.

Hướng nghiên cứu tiếp theo

  • Mở rộng quy mô mẫu lên $N \ge 500$ và ứng dụng phương pháp mô hình hóa cấu trúc tuyến tính bình phương bé nhất từng phần (PLS-SEM) thông qua SmartPLS 4 để đánh giá các biến trung gian và biến điều tiết (Moderating variables như Thu nhập, Giới tính).
  • Nghiên cứu so sánh hành vi giữa hai phân khúc: Khách hàng sử dụng dịch vụ xe ôm điện (Xanh SM Bike) và Taxi điện (Xanh SM Taxi).

Đối tượng hưởng lợi

+------------------------------------------------------------------------------------+
|                         MA TRẬN ĐỐI TƯỢNG HƯỞNG LỢI                                |
+------------------------------------------------------------------------------------+
| Nhóm đối tượng | Lợi ích cụ thể nhận được                                         |
+----------------+-------------------------------------------------------------------+
| Sinh viên &    | Tài liệu tham khảo chuẩn mực về phương pháp luận nghiên cứu định  |
| Học viên       | lượng, quy trình xử lý SPSS, kiểm định Cronbach Alpha, EFA, OLS.  |
+----------------+-------------------------------------------------------------------+
| Doanh nghiệp   | Bộ trọng số thực nghiệm (beta) để tối ưu hóa ngân sách Marketing,  |
| Vận tải & GSM  | tập trung vào kiểm soát hành vi (NTKS) và nhận thức môi trường.   |
+----------------+-------------------------------------------------------------------+
| Nhà nghiên cứu | Khung mô hình tích hợp TPB-TAM-TPR-IDT đã được kiểm chứng cho bối |
| Kinh tế lượng  | cảnh di chuyển xanh tại các quốc gia đang phát triển.             |
+----------------+-------------------------------------------------------------------+
| Cơ quan quản   | Dữ liệu thực tế phục vụ xây dựng chính sách khuyến khích chuyển   |
| lý giao thông  | đổi phương tiện phát thải thấp trong đô thị thông minh.           |
+----------------+-------------------------------------------------------------------+

Câu hỏi thường gặp

1. Cần chuẩn bị hạ tầng kỹ thuật và công cụ gì để tái lập mô hình nghiên cứu này?

Để tái lập toàn bộ quy trình phân tích, nhà nghiên cứu cần cài đặt bộ phần mềm IBM SPSS Statistics (phiên bản 22.0 trở lên) hoặc môi trường Python 3.10+ (kèm các thư viện pandas, statsmodels, scipy). Bộ dữ liệu khảo sát cần được mã hóa theo thang đo Likert 5 điểm với cấu trúc 25 biến quan sát đã chuẩn hóa.

2. Vì sao biến "Sự hấp dẫn của phương tiện cá nhân" (SHD) lại mang hệ số hồi quy âm ($\beta = -0.145$)?

Về mặt kinh tế lượng và tâm lý học hành vi, phương tiện cá nhân (xe máy xăng) tạo ra tính độc lập, tự do về thời gian và thói quen cố hữu lâu năm. Khi cá nhân cảm thấy phương tiện cá nhân của mình càng hấp dẫn và tiện lợi, rào cản từ bỏ thói quen cũ càng lớn, dẫn đến ý định chuyển đổi sang sử dụng dịch vụ đặt xe điện công nghệ giảm đi một cách có ý nghĩa thống kê ($p = 0.002 < 0.05$).

3. Làm thế nào để kiểm soát hiện tượng sai lệch do phương pháp chung (Common Method Bias) khi thu thập dữ liệu?

Trong nghiên cứu này, tác giả đã áp dụng kỹ thuật kiểm định một nhân tố của Harman (Harman's Single-Factor Test) trong EFA. Kết quả cho thấy nhân tố đầu tiên trích xuất chỉ giải thích được $31.4%$ phương sai (thấp hơn nhiều so với ngưỡng cảnh báo $50%$), chứng minh dữ liệu không bị chi phối bởi sai lệch phương pháp chung.

4. Kết quả nghiên cứu có thể áp dụng cho các hãng xe điện khác như Dat Bike hay VinFast bán lẻ không?

Nghiên cứu tập trung vào dịch vụ đặt xe điện (Ride-hailing service), do đó kết quả áp dụng trực tiếp nhất cho các nền tảng cung cấp dịch vụ di chuyển chia sẻ (Xanh SM, Grab EV, Be EV). Đối với các doanh nghiệp sản xuất và bán lẻ xe điện thương mại, mô hình cần được bổ sung thêm các biến về Chi phí đầu tư ban đầu (Capital expenditure), Mạng lưới trạm sạc công cộng và Chi phí pin.

5. Doanh nghiệp cần phân bổ ngân sách như thế nào dựa trên trọng số của các nhân tố?

Dựa trên trọng số chuẩn hóa $\beta$, doanh nghiệp nên phân bổ $35%$ ngân sách cho việc tối ưu hóa giao diện ứng dụng và sự thuận tiện khi đặt xe ($\text{NTKS}$), $30%$ cho các chiến dịch truyền thông về giá trị môi trường ($\text{NTMT}$), $20%$ cho các chương trình giới thiệu bạn bè/gia đình ($\text{CCQ}$), $15%$ cho việc quảng bá tính năng dịch vụ ($\text{SHI}$).

Kết luận

Khóa luận tốt nghiệp đã hoàn thành xuất sắc các mục tiêu nghiên cứu đặt ra thông qua việc kết hợp chặt chẽ giữa cơ sở lý thuyết hành vi hiện đại và phương pháp phân tích kinh tế lượng thực nghiệm trên tập mẫu $N = 204$ giới trẻ tại TP.HCM.

Tóm tắt các kết quả then chốt

  • Xây dựng thành công mô hình hồi quy đa biến tối ưu giải thích được $58.4%$ biến thiên của ý định sử dụng dịch vụ xe điện Xanh SM ($R^2 = 0.584$, $F = 55.62$, $p < 0.001$).
  • Nhận diện và lượng hóa chính xác thứ bậc tác động của 5 nhân tố: Nhận thức kiểm soát hành vi ($\beta = 0.342$), Nhận thức về môi trường ($\beta = 0.285$), Chuẩn chủ quan ($\beta = 0.210$), Sự hữu ích ($\beta = 0.178$) thúc đẩy thuận chiều, và Sự hấp dẫn phương tiện cá nhân ($\beta = -0.145$) tác động nghịch chiều.
  • Cung cấp khung hàm ý quản trị 3 giai đoạn giúp doanh nghiệp xe điện tối ưu hóa sản phẩm ứng dụng di động, khai thác hiệu ứng lan tỏa mạng xã hội và từng bước thay đổi thói quen di chuyển cá nhân hướng tới tương lai giao thông xanh bền vững.