Website hiện chỉ chia sẻ kiến thức và hỗ trợ dịch vụ, không hỗ trợ các vấn đề ngoài dịch vụ.

Mô hình bậc cao, mô hình thứ bậc trong PLS-SEM


Bài viết được đăng tải duy nhất và thuộc bản quyền của Phạm Lộc Blog. Việc chia sẻ lại nội dung lên website khác vui lòng dẫn nguồn link bài viết gốc này. Xin cảm ơn!

1. Mô hình bậc cao là gì?

Chúng ta thường tiếp xúc nhiều với dạng mô hình cơ bản là các mô hình thành phần bậc một, tại đó các khái niệm (biến nghiên cứu) được xem xét bởi một lớp ý nghĩa duy nhất. Tuy vậy, trong một số trường hợp, các khái niệm nghiên cứu mà các nhà nghiên cứu muốn kiểm tra ở cấp độ tổng quát phức tạp, việc sử dụng mô hình bậc một khó có thể đáp ứng được kỳ vọng của nhà nghiên cứu. Chính vì vậy mà hiện nay, mô hình thành phần thứ bậc (hierarchical component models - HCMs) hay còn gọi là mô hình bậc cao (higher order models) đang được các nhà nghiên cứu sử dụng rất nhiều khi cần kiểm tra tính phức tạp của khái niệm cũng như đánh giá sự vận hành của các các khái niệm này. 

Mô hình bậc cao, mô hình thứ bậc trong PLS-SEM

Một khái niệm gọi là bậc cao khi nó có từ hai lớp ý nghĩa trở lên: biến bậc hai gọi là bậc cao vì nó được đo lường thông qua biến bậc một, biến bậc ba gọi là bậc cao vì nó được đo lường thông qua biến bậc hai.

Mô hình bậc cao, mô hình thứ bậc trong PLS-SEM

Trong ví dụ ở trên, sự hài lòng dịch vụ được biểu hiện bởi ba thành phần bậc một chứa đựng được các thuộc tính khác biệt của sự hài lòng, bao gồm sự hài lòng với giá cả, nhân viên phục vụ, và cơ sở vật chất.

  • Biến bậc hai Sự hài lòng về dịch vụ là biến tiềm ẩn không được đo lường trực tiếp mà sẽ được đo lường qua các biến tiềm ẩn bậc một Hài lòng về Giá, Hài lòng về Nhân viên, Hài lòng về Cơ sở vật chất.
  • Các biến bậc một Hài lòng về Giá, Hài lòng về Nhân viên, Hài lòng về Cơ sở vật chất là biến tiềm ẩn không được đo lường trực tiếp mà sẽ được đo lường qua các biến quan sát x1, x2, y1, y2, z1, z2.
  • Các biến x1, x2, y1, y2, z1, z2 là các biến quan sát được đo lường trực tiếp. Thường trong nghiên cứu, các biến quan sát này là các câu hỏi trong bảng khảo sát để thu thập câu trả lời từ đáp viên.

Thay vì mô hình hóa các thuộc tính của sự hài lòng dựa theo sự hài lòng tổng thể dựa trên một lớp khái niệm duy nhất, mô hình bậc cao tổng hợp các thành phần bậc thấp hơn thành một khái niệm bậc cao đa chiều. Cách tiếp cận mô hình này dẫn đến việc tăng sự thu gọn và làm giảm độ phức tạp mô hình. Về mặt lý thuyết, quá trình này có thể được mở rộng cho các khái niệm nhiều lớp (ba lớp, bốn lớp...), nhưng các nhà nghiên cứu thường hạn chế sự tiếp cận mô hình trong hai lớp.

Nếu bạn gặp khó khăn khi thực hiện phân tích mô hình bậc cao trên SMARTPLS, bạn có thể tham khảo dịch vụ xử lý SMARTPLS của Phạm Lộc Blog hoặc liên hệ trực tiếp email xulydinhluong@gmail.com

2. Mô hình bậc cao và mô hình bậc một

Mô hình chứa ít nhất một biến bậc cao (higher order construct - HOC) gọi là mô hình bậc cao, mô hình chỉ bao gồm biến bậc một hay còn gọi là biến bậc thấp (lower order construct - LOC) gọi là mô hình bậc thấp. Mô hình bậc cao khác với mô hình bậc một ở các điểm chính sau:

(1) giảm số lượng mối quan hệ đường dẫn giữa các cấu trúc trong mô hình, làm mô hình tinh gọn hơn;

(2) giúp đánh giá được mối quan hệ giữa biến mẹ bậc hai với các biến khác trong mô hình.

Trong ví dụ bên dưới, biến bậc hai X gồm 3 biến bậc một A, B, C.

(1) mô hình bậc một đánh giá 6 mối tác động nhưng ở mô hình bậc hai chỉ đánh giá 2 mối tác động;

(2) mô hình bậc một đánh giá từng yếu tố con A, B, C lên Y, Z. Giả sử A, B có tác động lên Y nhưng C lại không tác động lên Y, chúng ta không thể kết luận được biến mẹ X có tác động lên Y hay không. Ngược lại ở mô hình bậc hai, chúng ta có thể đánh giá được chính xác X có tác động lên Y hay không.

Mô hình bậc cao, mô hình thứ bậc trong PLS-SEM

Mô hình bậc một

Mô hình bậc cao, mô hình thứ bậc trong PLS-SEM

Mô hình bậc hai

3. Các dạng mô hình bậc cao trong PLS-SEM

Tính chất mô hình bậc cao hoàn toàn giống nhau ở các dạng mô hình SEM. Nhưng vì cách biểu diễn lên diagram của các công cụ PLS-SEM và CB-SEM hiện nay có đôi chút khác biệt, do vậy, phạm vi bài viết này sẽ chỉ nói về mô hình bậc cao trên PLS-SEM và ứng dụng nó lên diagram của phần mềm xử lý PLS-SEM là SMARTPLS.

Các mô hình bậc cao HCM có hai yếu tố: thành phần bậc cao (HOC), thể hiện đối tượng trừu tượng hơn, và các thành phần bậc thấp hơn (các LOC), trong đó biểu hiện các thành phần con của đối tượng trừu tượng. Mỗi loại HCM được đặc trưng bởi các mối quan hệ khác nhau giữa (1) HOC và các LOC và (2) các khái niệm và các biến quan sát của chúng. Hai mối quan hệ này dựa hoàn toàn trên hai dạng mô hình đo lường là kết quả (reflective) và nguyên nhân (formative) đã được đề cập tại bài viết Mô hình nguyên nhân (formative) và kết quả (reflective) trong PLS-SEM.

Mô hình bậc cao, mô hình thứ bậc trong PLS-SEM

Mô hình bậc cao, mô hình thứ bậc trong PLS-SEM

Bốn dạng mô hình bậc hai phổ biến trong PLS-SEM gồm kết quả - kết quả, kết quả - nguyên nhân, nguyên nhân - kết quả, nguyên nhân - nguyên nhân. Tên gọi một dạng mô hình sẽ gồm hai vế A-B. Vế A là loại quan hệ giữa biến quan sát với biến tiềm ẩn bậc một, vế B là loại quan hệ giữa biến tiềm ẩn bậc một và biến tiềm ẩn bậc hai. Ví dụ: mô hình kết quả - nguyên nhân nghĩa là quan hệ giữa biến quan sát với biến bậc một là loại kết quả, còn quan hệ giữa biến bậc một với biến bậc hai là loại nguyên nhân.

Nguồn: https://hocnghiencuu.com/mo-hinh-bac-cao-trong-pls-sem/