Vấn đề của phân tích IPMA truyền thống là bỏ qua các yếu tố “bắt buộc phải có”. Nguyên nhân chính là do sự tách biệt giữa mô hình PLS-SEM (logic điều kiện đủ) và phân tích NCA (logic điều kiện cần). Giải pháp tối ưu nhất là sử dụng phương pháp CIPMA để tích hợp hai logic này, giúp định vị chính xác điểm nghẽn chiến lược cần ưu tiên.
1. Tổng Quan & Lý Thuyết Nền Tảng (Overview & Theoretical Foundations)
Chào các bạn nghiên cứu sinh và các nhà quản trị thực hành. Trong bài giảng hôm nay, chúng ta sẽ mổ xẻ một phương pháp luận hoàn toàn mới được giới thiệu vào năm 2024: CIPMA. Đây là bước tiến vượt bậc so với bản đồ IPMA truyền thống mà các bạn thường dùng. Bằng cách hiểu rõ và áp dụng CIPMA, các bạn sẽ nâng tầm bài báo khoa học hoặc luận án của mình lên các chuẩn mực công bố quốc tế khắt khe nhất.
1.1 Thông tin định danh bài báo
- Tiêu đề gốc: Importance and performance in PLS-SEM and NCA: Introducing the combined importance-performance map analysis (CIPMA).
- Tiêu đề tiếng Việt: Tầm quan trọng và hiệu suất trong PLS-SEM và NCA: Giới thiệu phân tích bản đồ tầm quan trọng – hiệu suất kết hợp (cIPMA).
- Tác giả: Sven Hauff, Nicole Franziska Richter, Marko Sarstedt, Christian M. Ringle.
- Tạp chí: Journal of Retailing and Consumer Services 78 (2024) 103723.
1.2 Tóm tắt bài báo (Abstract)
Nghiên cứu này cung cấp một cách tiếp cận mới nhằm mở rộng ứng dụng của phân tích bản đồ tầm quan trọng – hiệu suất (IPMA) trong mô hình phương trình cấu trúc bình phương tối thiểu riêng phần (PLS-SEM) bằng cách kết hợp các phát hiện từ phân tích điều kiện cần (NCA).
- IPMA bao gồm việc đánh giá các biến tiềm ẩn và tầm quan trọng cũng như hiệu suất của các chỉ báo của chúng.
- NCA giới thiệu thêm một khía cạnh bổ sung bằng cách xác định các yếu tố mang tính quyết định để đạt được kết quả mong muốn.
- NCA sử dụng logic điều kiện cần để xác định các yếu tố “bắt buộc phải có” (must-have).
- PLS-SEM tuân theo logic điều kiện đủ mang tính cộng gộp để xác định các yếu tố “nên có” (should-have).
- Việc tích hợp hai logic này đặc biệt có giá trị trong việc ưu tiên các hành động cải thiện kết quả mục tiêu (ví dụ: sự hài lòng của khách hàng, sự gắn kết của nhân viên). Bằng cách kết hợp chúng thành cIPMA (combined IPMA), nghiên cứu này cải thiện đáng kể quá trình ra quyết định của các nhà nghiên cứu và người thực hành.
1.3 Bối cảnh thực tiễn & Khoảng trống nghiên cứu
So sánh tầm quan trọng và hiệu suất của các thuộc tính để tạo ra một kết quả nhất định là một truyền thống lâu đời trong quản trị, bắt nguồn từ các công trình kinh điển của Martilla và James (1977). Các nhà nghiên cứu thường trực quan hóa sự tương tác này bằng đồ thị hai chiều, chia thành 4 góc phần tư kết hợp giữa các giá trị thấp và cao của tầm quan trọng và hiệu suất, gọi là phân tích bản đồ tầm quan trọng – hiệu suất (IPMA). Tuy nhiên, IPMA truyền thống dựa trên logic “cộng gộp” (Additive Sufficiency Logic), nghĩa là nó mặc định rằng sự xuất sắc của một yếu tố này có thể bù đắp cho sự yếu kém của một yếu tố khác.
Có thể một cấu trúc tiền đề có tầm quan trọng tương đối thấp (thể hiện qua hệ số tác động yếu trong PLS-SEM) nhưng lại đòi hỏi sự chú ý đặc biệt nếu sự vắng mặt của nó ngăn cản việc đạt được kết quả. Việc xem xét các mối quan hệ như vậy đòi hỏi phải áp dụng lăng kính “điều kiện cần” (necessity logic) bằng cách sử dụng Phân tích điều kiện cần (NCA). Bằng việc kết hợp kết quả PLS-SEM và NCA vào một IPMA kết hợp (cIPMA), các nhà nghiên cứu có được bức tranh toàn diện hơn, tránh rủi ro đầu tư lãng phí vào các yếu tố không giải quyết được điểm nghẽn cốt lõi.
1.4 Hệ thống Lý thuyết nền tảng (Theoretical Foundations)
- Lý thuyết Logic Đủ (Sufficiency Logic – PLS-SEM): Biểu diễn các cấu trúc như là tổng có trọng số của các chỉ báo. Khung lý thuyết này cho rằng nhiều biến độc lập có thể cùng đóng góp vào sự gia tăng của biến phụ thuộc. IPMA tính toán các tác động tổng hợp (bao gồm tổng tác động trực tiếp và gián tiếp) để đo lường “tầm quan trọng” (importance) trên trục hoành (x-axis) và hiệu suất trung bình trên trục tung (y-axis).
- Lý thuyết Logic Cần (Necessity Logic – NCA): Ngụ ý rằng một kết quả chỉ có thể đạt được nếu một điều kiện cụ thể hiện diện ở mức tối thiểu. NCA sử dụng kỹ thuật đường trần (ceiling line) để chia biểu đồ phân tán thành các vùng có và không có quan sát. Bất kỳ quan sát nào nằm trong vùng trống (ceiling zone) đều vi phạm quy luật điều kiện cần, từ đó xác lập ranh giới bắt buộc mà mọi doanh nghiệp phải vượt qua.
2. Khái Niệm Hóa và Cấu Trúc Khái Niệm (Conceptualization)
CIPMA (Combined Importance-Performance Map Analysis) là một khung phân tích tích hợp sử dụng điểm số biến tiềm ẩn từ PLS-SEM làm đầu vào cho NCA, sau đó hợp nhất kết quả của cả hai nền tảng phương pháp luận này lên cùng một không gian đồ thị.
2.1 Tầm quan trọng và hiệu suất trong PLS-SEM
Trong PLS-SEM, điểm số biến tiềm ẩn mặc định thường được chuẩn hóa (standardized) với giá trị trung bình bằng 0, điều này gây khó khăn cho việc diễn giải hiệu suất. Do đó, để diễn giải dễ dàng, điểm số cấu trúc chưa chuẩn hóa thường được thay đổi thang đo (rescale) về mốc từ 0 đến 100 bằng công thức:
Điểm thay đổi thang đo = [(Điểm thực tế của người trả lời – Điểm tối thiểu) / (Điểm tối đa – Điểm tối thiểu)] x 100
Trong đó, Điểm tối thiểu và Điểm tối đa có thể là theo lý thuyết (ví dụ: 1 và 5 trên thang đo Likert 5 điểm) hoặc theo thực nghiệm. Việc đồng bộ hóa dữ liệu về thang đo 0-100 (tương đương 0% đến 100% hiệu suất) giúp các nhà nghiên cứu dễ dàng so sánh hiệu suất giữa các cấu trúc khác nhau.
2.2 Tầm quan trọng và hiệu suất trong NCA
Khác biệt hoàn toàn với PLS-SEM, tầm quan trọng trong NCA được đánh giá thông qua Kích thước tác động (effect size) d.
- Kích thước tác động d được tính bằng tỷ lệ giữa vùng trống (ceiling zone – C) và toàn bộ vùng quan sát (scope – S). Tức là d = C / S.
- Dựa trên tiêu chuẩn của Dul (2016), nếu d ≥ 0.1 và có ý nghĩa thống kê (p < 0.05), giả thuyết điều kiện cần có thể được chấp nhận vững chắc.
- NCA dùng Bảng điểm nghẽn (bottleneck table) để cho thấy mức điều kiện nào cần được thỏa mãn để đạt mức kết quả tương ứng do nhà nghiên cứu xác định. Thay vì nhìn vào điểm trung bình toàn mẫu như PLS-SEM, NCA chỉ ra cụ thể có bao nhiêu phần trăm mẫu đang “mắc kẹt” dưới ngưỡng nghẽn này.
3. Quy Trình Thực Hiện Phương Pháp (cIPMA Guidelines)
Để đảm bảo tính chính xác tuyệt đối và chuẩn mực học thuật, tài liệu đề xuất các bước mở rộng so với hướng dẫn của Richter et al. (2020) để thực hiện CIPMA. Quá trình này đòi hỏi sự cẩn trọng cao độ đối với dữ liệu:
- Thang đo của các chỉ báo (bước 2): Đảm bảo các chỉ báo đo lường cho một cấu trúc cụ thể phải sử dụng cùng một thang đo (ví dụ: tất cả dùng thang điểm 5). Tuyệt đối không được trộn lẫn thang đo Likert 5 điểm và 7 điểm trong cùng một biến tiềm ẩn khi chuẩn bị dữ liệu đầu vào.
- Kiểm tra yêu cầu bổ sung (bước 4): Trọng số vòng ngoài (outer weights) phải có giá trị dương. Nếu xuất hiện giá trị âm, cần phải kiểm tra lại hiện tượng đa cộng tuyến (đảm bảo VIF < 5) hoặc rà soát việc mã hóa ngược (reverse-coding).
- Chạy IPMA và chuyển đổi dữ liệu (bước 5): Chạy IPMA với giá trị tối thiểu và tối đa theo lý thuyết để xuất ra dữ liệu trên thang 0-100. Xuất điểm cấu trúc này để làm đầu vào cho NCA. Đây là bước then chốt giúp đồng nhất dữ liệu.
- Chạy NCA (bước 6): Sử dụng R (thông qua package NCA của Dul) hoặc SmartPLS 4 để chạy NCA với phạm vi thực nghiệm (empirical scope). Tạo bảng điểm nghẽn để xác định mức hiệu suất mục tiêu (ví dụ: mục tiêu đạt 80/100 điểm sự hài lòng).
- Đánh giá mô hình cấu trúc (bước 7): Đánh giá các chỉ số dự báo và chất lượng mô hình cốt lõi. Ở đây, các bạn cần chú ý đến các chỉ số như hệ số xác định R², giá trị thích hợp mô hình GoF, và năng lực dự báo Q² (nếu sử dụng PLSpredict) để đảm bảo mô hình có tính vững (robustness) trước khi đưa vào kết luận. Đảm bảo p < 0.05 cho các tác động.
- Diễn giải kết quả (bước 8): Vẽ biểu đồ cIPMA mở rộng. Các cấu trúc “không cần thiết” thể hiện bằng vòng tròn đen; cấu trúc “cần thiết” thể hiện bằng vòng tròn trắng với kích thước vòng tròn (bubble size) đại diện cho tỷ lệ phần trăm số trường hợp chưa đạt ngưỡng yêu cầu.
4. Thang Đo Lường Chính Thức (Measurement Scale)
Dưới đây là bảng trích xuất hệ thống thang đo được sử dụng trong bài nghiên cứu minh họa về Mô hình Chấp nhận Công nghệ (TAM). Các biến quan sát (indicators) được thiết kế theo dạng thang đo phản xạ (Reflective measurement models), đòi hỏi tính nhất quán nội tại cao.
| Biến tiềm ẩn (Construct) | Ký hiệu (Item) | Nội dung gốc tiếng Anh (Original English) | Bản dịch tiếng Việt (Vietnamese Translation) |
| Giá trị cảm xúc (Emotional value) | EMV_01 | Enjoyment | Sự thích thú khi sử dụng |
| (Thang đo phản xạ – 5 điểm) | EMV_02 | Pleasure | Cảm giác vui vẻ |
| EMV_03 | Relaxation | Sự thư giãn | |
| Tính dễ sử dụng (Ease of use) | EOU_01 | Learning duration | Thời gian học cách sử dụng ngắn |
| (Thang đo phản xạ – 5 điểm) | EOU_02 | Operation | Thao tác vận hành dễ dàng |
| EOU_03 | Menu navigation | Khả năng điều hướng menu rõ ràng | |
| Sự hữu ích (Perceived usefulness) | PU_01 | General advantage | Mang lại lợi thế tổng thể |
| (Thang đo phản xạ – 5 điểm) | PU_02 | Practical application | Có tính ứng dụng thực tiễn cao |
| PU_03 | Improvement of reading | Cải thiện chất lượng việc đọc | |
| Tính tương thích (Compatibility) | CO_01 | Reading behavior | Phù hợp với hành vi đọc hiện tại |
| (Thang đo phản xạ – 5 điểm) | CO_02 | Consumption pattern | Phù hợp với mô hình tiêu dùng |
| CO_03 | Reading needs | Đáp ứng được nhu cầu đọc | |
| Ý định áp dụng (Adoption intention) | AD_01 | Future usage | Ý định sử dụng trong tương lai |
| (Thang đo phản xạ – 5 điểm) | AD_02 | Daily usage | Ý định sử dụng hàng ngày |
| AD_03 | Frequent usage | Ý định sử dụng thường xuyên | |
| Sử dụng công nghệ (Technology use) | USE_01 | e-books | Mức độ sử dụng sách điện tử thực tế |
5. Mạng Lưới Quan Hệ Lý Thuyết & Kết Quả Thực Nghiệm (Ví dụ minh họa)
Nghiên cứu sử dụng Mô hình Chấp nhận Công nghệ (TAM) làm ví dụ minh họa với mẫu dữ liệu thực nghiệm từ 174 người dùng máy đọc sách điện tử (e-book) tại Pháp.
5.1 Các cấu trúc nền tảng
Dựa trên hệ thống lý thuyết mạng lưới (Nomological Network), mô hình được thiết lập với:
- Tiền tố (Antecedents): Tính tương thích, Sự hữu ích, Tính dễ sử dụng, và Giá trị cảm xúc.
- Hậu tố (Consequences): Ý định áp dụng tác động đến Mức độ sử dụng công nghệ (Mục tiêu cuối cùng).
5.2 Kết quả từ PLS-SEM
Trong bước này, chúng ta đo lường logic “điều kiện đủ”. Đáng chú ý, hệ số xác định R² của Mức độ sử dụng công nghệ đạt 0.420, cho thấy sức mạnh giải thích của mô hình ở mức trung bình – khá.
Bảng 1: Tổng tác động từ phân tích PLS-SEM
| Cấu trúc (Construct) | Sử dụng công nghệ (Technology use) | Khoảng tin cậy Bootstrap 95% | Có ý nghĩa thống kê (p < 0.05) |
| Giá trị cảm xúc | 0.362 | [0.200; 0.521] | Có |
| Tính dễ sử dụng | 0.049 | [-0.110; 0.215] | Không |
| Sự hữu ích cảm nhận | 0.149 | [-0.075; 0.357] | Không |
| Tính tương thích | 0.127 | [-0.108; 0.365] | Không |
| Ý định áp dụng | 0.437 | [0.268; 0.609] | Có |
Bảng 2: Giá trị hiệu suất của biến tiềm ẩn (đã thay đổi thang đo)
| Cấu trúc | Giá trị trung bình | Giá trị tối thiểu | Giá trị tối đa |
| Sử dụng công nghệ | 49.713 | 0.000 | 100.000 |
| Ý định áp dụng | 72.041 | 0.000 | 100.000 |
| Giá trị cảm xúc | 70.171 | 0.000 | 100.000 |
| Tính dễ sử dụng | 75.640 | 16.871 | 100.000 |
| Sự hữu ích cảm nhận | 64.248 | 0.000 | 100.000 |
| Tính tương thích | 61.557 | 0.000 | 100.000 |
5.3 Kết quả từ NCA và Bảng điểm nghẽn
Bước đột phá xuất hiện khi áp dụng logic “điều kiện cần”. Trong khi PLS-SEM báo cáo rằng “Tính dễ sử dụng” và “Sự hữu ích cảm nhận” không có ý nghĩa thống kê (p > 0.05), NCA lại cho ra kết quả hoàn toàn trái ngược. Tất cả các tiền đề đều là điều kiện cần có ý nghĩa (p < 0.05 và d ≥ 0.21) đối với việc sử dụng công nghệ.
Bảng 3: Kích thước tác động của điều kiện cần (Đường trần CE-FDH)
| Cấu trúc | Mức độ tác động (d) | P-value |
| Giá trị cảm xúc | 0.33 | 0.000 |
| Tính dễ sử dụng | 0.24 | 0.016 |
| Sự hữu ích cảm nhận | 0.24 | 0.001 |
| Tính tương thích | 0.21 | 0.000 |
| Ý định áp dụng | 0.29 | 0.000 |
Diễn giải điểm nghẽn (Bottleneck Interpretation): Để đạt mức sử dụng công nghệ là 85/100 (một kỳ vọng cao từ phía doanh nghiệp), cần đạt Ý định áp dụng ở mức 75, Giá trị cảm xúc 50, Tính dễ sử dụng 67, Sự hữu ích 66, và Tính tương thích 34. Bảng điểm nghẽn cũng cho thấy một sự thật phũ phàng: 47.1% số trường hợp (khách hàng) chưa đạt mức Sự hữu ích cần thiết, và 39.1% chưa đạt mức Ý định áp dụng cần thiết.
Tính dễ sử dụng và tính hữu ích cảm nhận mặc dù có tầm quan trọng thấp theo PLS-SEM (tức là theo logic cộng gộp, đổ thêm tiền vào đây không làm tăng thêm nhiều sự hài lòng), nhưng lại là điều kiện cần và có nhiều trường hợp chưa đạt yêu cầu, do đó vẫn cần phải được ưu tiên giải quyết điểm nghẽn. Nếu không vượt qua được ngưỡng này, quá trình chấp nhận công nghệ sẽ thất bại hoàn toàn.
6. Hướng Dẫn Ứng Dụng Nghiên Cứu (Academic Implications)
Dưới góc độ giảng dạy phương pháp nghiên cứu, phương pháp CIPMA mở ra một hướng đi xuất sắc cho các luận án Tiến sĩ và Thạc sĩ, tạo ra những bài báo khoa học có hàm lượng học thuật vượt trội.
- Tích hợp hai lăng kính: Hãy chạy thêm NCA bên cạnh thuật toán truyền thống. Đừng vội loại bỏ giả thuyết khi PLS-SEM từ chối nó. Nếu một biến X có P-value > 0.05 trong PLS-SEM (không có ý nghĩa thống kê về mặt tác động) nhưng lại thỏa mãn điều kiện d ≥ 0.1 và p < 0.05 trong NCA, bạn CÓ QUYỀN giữ lại biến đó để biện luận vì nó là “điều kiện cần” – một chướng ngại vật bắt buộc phải vượt qua.
- Gợi ý mô hình mới: Áp dụng CIPMA vào các nghiên cứu đánh giá sự gắn kết hoặc hài lòng. Việc báo cáo cụ thể bao nhiêu phần trăm mẫu chưa vượt qua điểm nghẽn, và trực quan hóa chúng bằng các bong bóng trên ma trận cIPMA sẽ nâng tầm chất lượng khoa học của bài nghiên cứu, biến những con số khô khan thành những điểm mù chiến lược sâu sắc.
7. Ứng Dụng Quản Trị Doanh Nghiệp (Managerial Implications)
Nghiên cứu mang lại đóng góp quan trọng cho nhà quản trị bằng cách thay đổi hoàn toàn tư duy phân bổ ngân sách:
- Bổ sung góc nhìn mới về “tầm quan trọng”: Các cấu trúc có thể có tầm quan trọng thấp theo IPMA truyền thống nhưng lại là “điều kiện cần” không thể bỏ qua. Đừng nhầm lẫn giữa một yếu tố “làm khách hàng WOW” (yếu tố động lực – Sufficiency) với yếu tố “làm khách hàng không rời bỏ bạn” (yếu tố vệ sinh / điều kiện cần – Necessity).
- Cung cấp mức hiệu suất chi tiết: Xác định chính xác các chỉ số cần phải vượt qua thông qua bảng điểm nghẽn. Doanh nghiệp biết chính xác phải thiết kế sản phẩm đạt điểm 67/100 cho tính dễ sử dụng thay vì ép KPIs lên 100/100 một cách vô ích.
- Tối ưu hóa nguồn lực: Giúp nhà quản trị ưu tiên ngân sách một cách hiệu quả hơn bằng cách xem xét số lượng/tỷ lệ khách hàng chưa đạt được mức độ điều kiện cần thiết. Nếu một yếu tố mang tính “Bottleneck” chưa đạt (ví dụ app bị crash liên tục khiến 47.1% user dưới ngưỡng hữu ích), mọi nỗ lực đổ vào các yếu tố khác (như chạy quảng cáo cảm xúc) đều không mang lại kết quả cao, gây lãng phí chi phí CAC (Customer Acquisition Cost) vô ích.
8. Các Câu Hỏi Thường Gặp (FAQ)
Tại sao phải sử dụng NCA kết hợp với PLS-SEM thay vì chỉ dùng IPMA truyền thống?
Vì IPMA truyền thống dựa trên logic bù trừ (Additive logic). Nó cho rằng một điểm yếu có thể được che lấp bởi một điểm mạnh khác. Trong khi đó, thực tế kinh doanh có những yếu tố rào cản (bottlenecks) tuân theo logic điều kiện cần. Sử dụng CIPMA giúp phát hiện ra các rào cản vô hình này thông qua việc phân tích vùng trống (ceiling zone) trên đồ thị phân tán.
Phải xử lý thế nào nếu Outer Weights trong PLS-SEM mang giá trị âm khi chạy CIPMA?
Theo yêu cầu của nền tảng IPMA, tất cả Outer Weights (trọng số vòng ngoài) phải mang giá trị dương để đảm bảo khung điểm 0-100. Nếu xuất hiện giá trị âm, bạn phải kiểm tra lại xem có mã hóa ngược thang đo (reverse-scale) không. Nếu không, và biến đó có chỉ số đa cộng tuyến VIF cao, bạn cần cân nhắc loại bỏ biến quan sát đó ra khỏi mô hình đo lường.
Kích thước bong bóng (Bubble size) trong biểu đồ CIPMA thể hiện điều gì?
Theo phương pháp đồ họa của CIPMA, kích thước vòng tròn đại diện cho tỷ lệ phần trăm số trường hợp chưa đạt ngưỡng yêu cầu của điều kiện cần trong Bảng điểm nghẽn. Bong bóng càng lớn, chứng tỏ có rất nhiều khách hàng/đáp viên đang “mắc kẹt” dưới ranh giới này, điểm nghẽn càng nghiêm trọng và càng phải được doanh nghiệp dồn tiền xử lý ngay lập tức.
9. Danh Mục Tài Liệu Tham Khảo (References)
Ajzen, I., 1991. The theory of planned behavior. Organ. Behav. Hum. Decis. Process. 50, 179-211.
Alyahya, M., Agag, G., Aliedan, M., Abdelmoety, Z.H., Daher, M.M., 2023. A sustainable step forward: understanding factors affecting customers behaviour to purchase remanufactured products. J. Retailing Consum. Serv. 70, 103172.
American Customer Satisfaction Index, 2022. Unparalleled Customer Intelligence.
Anderson, E. W., Mittal, V., 2000. Strengthening the satisfaction-profit chain. J. Serv. Res. 3(2), 107-116.
Antón, C., Camarero, C., Rodríguez, J., 2013. Usefulness, enjoyment, and self-image congruence: the adoption of e-book readers. Psychol. Market. 30(4), 372-384.
Bergh, D.D., Boyd, B.K., Byron, K., Gove, S., Ketchen, D.J., 2022. What constitutes a methodological contribution? J. Manag. 48(7), 1835-1848.
Bolívar, L.M., Roldán, J.L., Castro-Abancens, I., Casanueva, C., 2022. Speed of international expansion: the mediating role of network resources mobilisation. Manag. Int. Rev. 62, 541-568.
Cai, X., Cebollada, J., Cortiñas, M., 2023. Impact of seller and buyer-created content on product sales in the electronic commerce platform. J. Retailing Consum. Serv. 70, 103141.
Cheah, J.-H., Magno, F., Cassia, F., 2023. Reviewing the smartPLS 4 software: the latest features and enhancements. Journal of Marketing Analytics.
Davis, F.D., 1989. Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Quarterly 13(3), 319-340.
Davis, F.D., Bagozzi, R.P., Warshaw, P.R., 1989. User acceptance of computer technology: a comparison of two theoretical models. Manag. Sci. 35(8), 982-1003.
Dul, J., 2016. Necessary condition analysis (NCA): logic and methodology of “necessary but not sufficient causality”. Organ. Res. Methods 19(1), 10-52.
Dul, J., 2020. Conducting Necessary Condition Analysis. Sage, London.
Dul, J., Hauff, S., Bouncken, R.B., 2023. Necessary condition analysis (NCA): review of research topics and guidelines for good practice. Rev. Manag. Sci. 17(2), 683-714.
Dul, J., Hauff, S., Tóth, Z., 2021. Necessary condition analysis in marketing research. Handbook of Research Methods for Marketing Management. Edward Elgar, pp. 51-72.
Fornell, C., 1992. A national customer satisfaction barometer: the Swedish experience. J. Market. 56(1), 6-21.
Fornell, C., Johnson, M.D., Anderson, E.W., Cha, J., Bryant, B.E., 1996. The American satisfaction index: nature, purpose, and findings. J. Market. 60(4), 7-18.
Guenther, P., Guenther, M., Ringle, C.M., Zaefarian, G., Cartwright, S., 2023. Improving PLS-SEM use for business marketing research. Ind. Market. Manag. 111, 127-142.
Hair, J.F., Hult, G.T.M., Ringle, C.M., Sarstedt, M., 2022. A Primer on Partial Least Squares Structural Equation Modeling (PLS-SEM), 3 ed. Sage, Thousand Oaks, CA.
Hair, J.F., Sarstedt, M., Ringle, C.M., Gudergan, S.P., 2024. Advanced Issues in Partial Least Squares Structural Equation Modeling (PLS-SEM), 2 ed. Sage, Thousand Oaks, CA.
Hauff, S., Guerci, M., Dul, J., van Rhee, H., 2021. Exploring necessary conditions in HRM research. Hum. Resour. Manag. J. 31(1), 18-36.
Martilla, J.A., James, J.C., 1977. Importance-performance analysis. J. Market. 41(1), 77-79.
Moore, G.C., Benbasat, I., 1991. Development of an instrument to measure the perceptions of adopting an information technology innovation. Inf. Syst. Res. 2(3), 192-222.
Richter, N.F., Hauff, S., 2022. Necessary conditions in international business research. J. World Bus. 57(5), 101310.
Richter, N.F., Schubring, S., Hauff, S., Ringle, C.M., Sarstedt, M., 2020. When predictors of outcomes are necessary: guidelines for the combined use of PLS-SEM and NCA. Ind. Manag. Data Syst. 120(12), 2243-2267.
Ringle, C.M., Sarstedt, M., 2016. Gain more insight from your PLS-SEM results: the importance-performance map analysis. Ind. Manag. Data Syst. 116(9), 1865-1886.
Sarstedt, M., Hair, J.F., Pick, M., Liengaard, B.D., Radomir, L., Ringle, C.M., 2022. Progress in partial least squares structural equation modeling use in marketing research in the last decade. Psychol. Market. 39(5), 1035-1064.
Slack, N., 1994. The importance-performance matrix as a determinant of improvement Priority. Int. J. Oper. Prod. Manag. 44(5), 59-75.
Sweeney, J.C., Soutar, G.N., 2001. Consumer perceived value: the development of a multiple item scale. J. Retailing 77(2), 203-220.
Venkatesh, V., Thong, J.Y.L., Xu, X., 2012. Consumer acceptance and use of information technology. MIS Quarterly 36(1), 157-178.
10. Lời kêu gọi hành động (CTA)
Để nắm vững toàn bộ kỹ thuật xử lý dữ liệu, cách vẽ biểu đồ CIPMA mở rộng và thấu hiểu cặn kẽ cách lập luận khi viết chương kết quả nghiên cứu cho luận văn của mình, bạn bắt buộc phải đọc kỹ tài liệu gốc từ tác giả Hauff và cộng sự (2024).
