Nghiên cứu được thực hiện nhằm so sánh hai phương pháp tiếp cận quan trọng trong mô hình phương trình cấu trúc tuyến tính (Structural Equation Modeling – SEM), gồm CB-SEM (Covariance-Based SEM) và PLS-SEM (Partial Least Squares SEM), thông qua dữ liệu khảo sát về tính đổi mới của người tiêu dùng tại thành phố Hồ Chí Minh. Trong bối cảnh SEM ngày càng được ứng dụng rộng rãi trong các lĩnh vực marketing, quản trị, tâm lý học và khoa học xã hội nhờ khả năng kiểm định đồng thời mô hình đo lường và mô hình cấu trúc, việc lựa chọn giữa CB-SEM và PLS-SEM trở thành vấn đề phương pháp luận quan trọng. Mỗi cách tiếp cận có nền tảng lý thuyết, giả định thống kê và mục tiêu ứng dụng khác nhau, do đó nghiên cứu này có ý nghĩa lớn trong việc cung cấp bằng chứng thực nghiệm giúp các nhà nghiên cứu lựa chọn phương pháp phù hợp hơn với mục tiêu và điều kiện dữ liệu của mình.

CB-SEM là phương pháp truyền thống, chủ yếu dựa trên ma trận hiệp phương sai, thường được ưu tiên khi mục tiêu là xác nhận lý thuyết, kiểm định mức độ phù hợp tổng thể của mô hình và khi dữ liệu đáp ứng tốt các giả định như phân phối chuẩn và cỡ mẫu lớn. Trong khi đó, PLS-SEM là hướng tiếp cận linh hoạt hơn, tập trung vào tối đa hóa khả năng giải thích phương sai của các biến phụ thuộc, phù hợp với các nghiên cứu mang tính khám phá, mô hình phức tạp hoặc dữ liệu chưa đạt chuẩn lý tưởng. Việc so sánh hai phương pháp trên cùng một bộ dữ liệu thực tế giúp làm rõ mức độ tương đồng và khác biệt trong kết quả, từ đó hỗ trợ định hướng sử dụng hiệu quả hơn.

Nghiên cứu sử dụng bộ dữ liệu khảo sát về tính đổi mới của người tiêu dùng – một khái niệm quan trọng trong nghiên cứu hành vi tiêu dùng, phản ánh mức độ sẵn sàng tiếp nhận, thử nghiệm và lan truyền các sản phẩm, dịch vụ hoặc ý tưởng mới. Kết quả cho thấy tính đổi mới của người tiêu dùng là một cấu trúc đa chiều, được đo lường thông qua bốn khái niệm thành phần gồm: tính đổi mới bẩm sinh (Innate Innovativeness – II), tính đổi mới theo danh mục sản phẩm (Domain Specific Innovativeness – DSI), tính đổi mới lan truyền (Vicarious Innovativeness – VI) và tính đổi mới về hành vi (Behavioral Innovativeness – BI). Việc xác định rõ bốn thành phần này cho thấy tính đổi mới không chỉ là đặc điểm tâm lý cố hữu mà còn liên quan đến bối cảnh sản phẩm, ảnh hưởng xã hội và hành vi thực tế của người tiêu dùng.

Kết quả kiểm định mô hình đo lường cho thấy tất cả các thang đo đều đạt đầy đủ các tiêu chí khoa học quan trọng như độ tin cậy, giá trị hội tụ, giá trị phân biệt, giá trị lý thuyết và mức độ phù hợp của mô hình. Điều này chứng minh rằng cả CB-SEM và PLS-SEM đều có khả năng xác nhận tốt cấu trúc đo lường của khái niệm nghiên cứu trong trường hợp này. Đáng chú ý, khi so sánh kết quả giữa hai phương pháp, nghiên cứu cho thấy không có sự khác biệt đáng kể trong cả mô hình đo lường lẫn mô hình cấu trúc. Điều này có nghĩa là về cơ bản, cả hai cách tiếp cận đều dẫn đến những kết luận tương đối tương đồng về bản chất khái niệm và mối quan hệ giữa các biến nghiên cứu.

Tuy nhiên, nghiên cứu cũng chỉ ra rằng PLS-SEM thể hiện một số ưu điểm nổi bật hơn trong một số phân tích thống kê. Những ưu điểm này có thể bao gồm tính linh hoạt cao hơn với dữ liệu không chuẩn, khả năng xử lý tốt hơn với mô hình phức tạp, yêu cầu cỡ mẫu thấp hơn và định hướng dự báo mạnh hơn. Đây là phát hiện quan trọng, đặc biệt trong bối cảnh nghiên cứu thị trường hoặc dữ liệu khảo sát thực tế tại các quốc gia đang phát triển, nơi dữ liệu thường khó đạt đầy đủ các điều kiện lý tưởng cho CB-SEM.

Từ kết quả nghiên cứu, có thể khẳng định rằng cả CB-SEM và PLS-SEM đều là những công cụ mạnh và đáng tin cậy trong phân tích SEM, nhưng lựa chọn phương pháp cần dựa trên mục tiêu nghiên cứu, đặc điểm dữ liệu và định hướng phân tích. Nếu mục tiêu là kiểm định lý thuyết nghiêm ngặt và đánh giá độ phù hợp mô hình toàn diện, CB-SEM vẫn rất phù hợp; ngược lại, nếu nghiên cứu chú trọng tính linh hoạt, khả năng dự báo và tối ưu trong điều kiện dữ liệu thực tế, PLS-SEM có thể là lựa chọn hiệu quả hơn. Nghiên cứu này không chỉ đóng góp về mặt phương pháp luận mà còn cung cấp định hướng thực tiễn hữu ích cho các nhà nghiên cứu trong lĩnh vực hành vi tiêu dùng và khoa học xã hội khi ứng dụng SEM.