Cả hai chỉ số mức độ tác động Effect Size f2 và hệ số tác động chuẩn hóa Original Sample trong SMARTPLS đều là chỉ số dùng để so sánh mức độ tác động giữa các biến độc lập lên biến phụ thuộc.
1. Giống nhau giữa Original Sample và Effect Size f2
Điểm giống nhau Original Sample và Effect Size f2 đó là trong nhiều tình huống cả hai chỉ số này đều có thể dùng để so sánh sự tác động mạnh yếu của các biến độc lập khi chúng cùng tác động lên một biến phụ thuộc.
Xét một mô hình có 3 biến độc lập CV, DK, TL tác động lên biến phụ thuộc HL. Ở cả 2 kết quả từ Original Sample và Effect Size chúng ta sẽ xác định thứ tự tác động mạnh/yếu của 3 biến độc lập lên HL như sau: DK > TL > CV. Nghĩa là, biến DK tác động lên HL mạnh nhất, sau đó là TL, cuối cùng là CV.
2. Khác nhau giữa Original Sample và Effect Size f2
Điểm khác nhau giữa Original Sample và Effect Size f2 rõ ràng nhất là công thức tính. Trong khi Original Sample được tính bằng tích số t-value (trong kiểm định t) với độ lệch chuẩn thì Effect Size được tính dựa trên sự thay đổi giá trị R2 của biến phụ thuộc khi có và không có sự xuất hiện của biến độc lập này.
Điểm khác nhau tiếp theo đó là về nguyên tắc hợp lý, Original Sample sẽ có dấu âm hoặc dấu dương, còn Effect Size f2 sẽ luôn mang dấu dương.
Điểm khác nhau quan trọng nhất là về mặt ứng dụng, Original Sample là hệ số hồi quy chuẩn hóa, chúng ta chỉ sử dụng chỉ số này để so sánh thứ tự tác động của các biến độc lập khi chúng cùng tác động lên một biến phụ thuộc với trị tuyệt đối Original Sample càng cao, biến độc lập càng đóng góp mạnh. Nhưng chúng ta lại không biết được ngưỡng Original Sample là cao, bao nhiêu là thấp. Trong khi đó với Effect Size, Cohen (1988) đã đề xuất bảng chỉ số f Square để đánh giá tầm quan trọng của các biến độc lập như sau:
- f Square < 0.02: không có tác động.
- 0.02 ≤ f Square < 0.15: mức tác động nhỏ.
- 0.15 ≤ f Square < 0.35: mức tác động trung bình.
- f Square ≥ 0.35: mức tác động lớn.
Chính vì điều này, chúng ta có thể gặp phải tình huống P-Value của biến độc lập trong bảng Path Coefficients nhỏ hơn 0.05 (có ý nghĩa thống kê ở độ tin cậy 95%) nhưng f Square lại nhỏ hơn 0.02 (không có tác động). Nếu rơi vào trường hợp này, chúng ta không kết luận f Square < 0.02 là không có tác động mà sẽ kết luận là có tác động rất nhỏ.