Đánh giá mô hình cấu trúc trên SMARTPLS 4

Sau bước đánh giá mô hình đo lường trên SMARTPLS 4, chúng ta sẽ tiếp tục tới phần đánh giá mô hình cấu trúc (SEM). Để đánh giá mô hình cấu trúc trên SMARTPLS 4, chúng ta xem xét các yếu tố:

1. Tính cộng tuyến của các biến độc lập (inner VIF)
2. Ý nghĩa các quan hệ tác động trong mô hình (Path Coefficients)
3. Đánh giá hệ số xác định R bình phương (R square)
4. Đánh giá hệ số tác động f bình phương (f square)

Xét lại mô hình nghiên cứu gồm 6 nhân tố đã trình bày trong phần đánh giá mô hình đo lường, nhân tố KM là thang đo nguyên nhân formative, các nhân tố còn lại là thang đo kết quả reflective. 

Để đánh giá mô hình cấu trúc trên SMARTPLS 4, chúng ta cần triển khai 2 phân tích là PLS-SEM algorithm và Bootstrapping. Bạn xem chi tiết cách thực hiện tại bài viết này.

1. Tính cộng tuyến của các biến độc lập (Collinearity)

Thuật ngữ "các biến độc lập" ở đây nhằm chỉ các biến cùng tác động lên một biến có vai trò phụ thuộc (biến nhận mũi tên tác động vào). Trong mô hình ví dụ ở trên, có 2 biến đóng vai trò phụ thuộc là NB và TT:

• Biến NB nhận tác động từ 4 biến độc lập là QC, QH, KM, BH.
• Biến TT nhận tác động từ 3 biến độc lập là QC, BH, NB.

Khi xét cộng tuyến, chúng ta cũng xét sự cộng tuyến theo 2 nhóm:

• Xét cộng tuyến giữa QC, QH, KM, BH là các biến độc lập của NB.
• Xét cộng tuyến giữa QC, BH, NB là các biến độc lập của TT.

Khi mô hình xảy ra cộng tuyến hoặc đa cộng tuyến, các hệ số hồi quy, p-value ý nghĩa tác động bị sai lệch dẫn đến kết luận sai lầm về quan hệ trong mô hình. Hair và cộng sự (2019), When to Use and How to Report the Results of PLS-SEM. European Business Review, đưa ra các ngưỡng giá trị VIF (variance inflation factor) trong đánh giá hiện tượng cộng tuyến như sau:

• VIF ≥ 5: khả năng rất cao đang tồn tại cộng tuyến, mô hình bị ảnh hưởng nghiêm trọng. 
• 3 ≤ VIF < 5: mô hình có thể đang có cộng tuyến.
• VIF < 3: mô hình không gặp hiện tượng cộng tuyến.

Để xem kết quả hệ số VIF của biến độc lập trên SMARTPLS 4, từ kết quả phân tích PLS-SEM algorithm, nhấp vào mục Collinearity statistics (VIF), chọn Inner model - List.

Cách bố trí bảng VIF ở dạng ma trận: hàng đầu tiên các biến được xét vai trò là phụ thuộc, cột đầu tiên được xét với vai trò là độc lập, các con số trong bảng là giá trị VIF.

Trong bảng trên, chỉ có 2 cột NB và TT là có giá trị bởi vì chỉ có 2 biến này là có vai trò phụ thuộc. Tương ứng cột NB thì giá trị VIF xuất hiện ở các hàng của biến BH, KM, QC, QH chính là các biến độc lập tác động vào NB. Tương ứng cột TT thì VIF xuất hiện ở các hàng BH, NB, QC là các biến độc lập tác động vào TT.

Kết quả từ ví dụ thực hành cho thấy các biến độc lập của NB và các biến độc lập của TT đều không xảy ra hiện tượng cộng tuyến do toàn bộ VIF đều dưới 3. Trường hợp xuất hiện biến độc lập có VIF hơn 5, chúng ta sẽ loại biến độc lập đó khỏi diagram và phân tích lại mô hình mới.

ĐÁNH GIÁ TÍNH CỘNG TUYẾN BIẾN ĐỘC LẬP TRONG SMARTPLS 4:

• VIF ≥ 5: khả năng rất cao đang tồn tại cộng tuyến, mô hình bị ảnh hưởng nghiêm trọng. 
• 3 ≤ VIF < 5: mô hình có thể đang có cộng tuyến.
• VIF < 3: mô hình không gặp hiện tượng cộng tuyến

2. Đánh giá ý nghĩa quan hệ tác động trực tiếp

Để kết luận được các giả thuyết nghiên cứu, hay nói cách khác trả lời các mũi tên trong mô hình nghiên cứu có ý nghĩa hay không, chúng ta sẽ dụng kết quả phân tích hệ số đường dẫn Path coefficients.

Xem thêm: Phân tích biến trung gian mediator trong SMARTPLS 4

Ở phần này chúng ta cần quan tâm 2 khía cạnh: (1) kiểm định giả thuyết thống kê ý nghĩa của quan hệ tác động và (2) đánh giá mức độ, chiều của quan hệ tác động.

Mục 1: Kiểm định giả thuyết thống kê ý nghĩa của quan hệ tác động

Hệ số tác động của một quan hệ (hệ số đường dẫn) có ý nghĩa thống kê hay không phụ thuộc vào sai số chuẩn của nó thu được qua phương pháp bootstrapping trên SMARTPLS 4. Sai số chuẩn bootstrap cho phép tính toán được giá trị kiểm định t và giá trị p-value cho tất cả hệ số đường dẫn trong mô hình cấu trúc. 

Chúng ta có thể đánh giá ý nghĩa thống kê của mối tác động bằng giá trị t hoặc p-value, nhưng thường sẽ đánh giá qua p-value sẽ nhanh hơn, SMARTPLS cũng ưu tiên đánh giá bằng p-value. 

Thông thường, sử dụng giá trị tới hạn đối với kiểm định hai - đuôi (two – tailed) là 1.65 (mức ý nghĩa = 10%), 1.96 (mức ý nghĩa = 5%), và 2.57 (mức ý nghĩa = 1%). Mức ý nghĩa phổ biến được sử dụng là 5% = 0.05, đây cũng là mức được sử dụng mặc định trong SMARTPLS 4. Nếu kết quả Path coefficients cho thấy quan hệ tác động có p-value nhỏ hơn 0.05, tác động đó có ý nghĩa thống kê. Ngược lại, nếu p-value lớn hơn 0.05, tác động đó không có ý nghĩa thống kê. Khi quan hệ tác động không có ý nghĩa thống kê, chúng ta vẫn giữ quan hệ đó trong mô hình và kết luận là không có ý nghĩa thống kê chứ không xóa cấu trúc nhân tố khỏi mô hình.

Mục 2: Đánh giá mức độ, chiều của quan hệ tác động

Mặc định thuật toán của SMARTPLS sẽ xuất hệ số tác động chuẩn hóa. Hệ số tác động này dao động trong vùng -1 và +1 (các giá trị có thể nhỏ/lớn nhưng thường rơi vào giữa giới hạn). 

• Hệ số tác động mang dấu dương (+) đại diện cho chiều quan hệ tác động thuận.
• Hệ số tác động mang dấu âm (-) đại diện cho chiều quan hệ tác động nghịch.
• Hệ số tác động tiến gần về +1 đại diện cho mối quan hệ dương mạnh.
• Hệ số tác động tiến gần về -1 đại diện cho mối quan hệ âm mạnh. 
• Hệ số tác động càng gần giá trị 0, mối quan hệ càng yếu.

Khi có nhiều biến độc lập tác động vào một biến phụ thuộc, để đánh giá sự tác động mạnh yếu của các biến độc lập này, chúng ta sẽ dựa vào độ lớn hệ số tác động. Độ lớn là trị tuyệt đối hệ số tác động, giả sử các biến độc lập vừa có biến tác động âm, vừa có biến tác động dương, chúng ta sẽ lấy trị tuyệt đối hệ số tác động rồi mới so sánh sự mạnh yếu.

Để đánh giá quan hệ tác động, chúng ta sử dụng kết quả phân tích Bootstrapping. Từ kết quả phân tích Bootstrapping, nhấp vào mục Path coefficients để xem kết quả kiểm định hệ số đường dẫn.

Chúng ta sẽ quan tâm chủ yếu vào hai cột (1) Original sample và (2) P values.

• Original sample: Hệ số tác động chuẩn hóa của dữ liệu gốc.
• Sample mean: Hệ số tác động chuẩn hóa trung bình của tất cả các mẫu từ Bootstrap.
• Standard deviation: Độ lệch chuẩn của hệ số tác động chuẩn hóa (theo mẫu gốc).
• T statistics: Giá trị kiểm định t (kiểm định student ý nghĩa của mối tác động).
• P values: Mức ý nghĩa của kiểm định t. Chúng ta sẽ so sánh mức ý nghĩa này với các ngưỡng so sánh như 0.05, 0.1 hay 0.01 (thường sử dụng là 0.05).

Khi đọc kết quả chúng ta cũng sẽ đánh giá theo 2 mục tương ứng ở phần lý thuyết:

Mục 1: Kết quả cho thấy ngoại trừ quan hệ QC -> TT không có ý nghĩa thống kê do P value = 0.714 > 0.05, các quan hệ tác động còn lại đều có ý nghĩa thống kê do P value nhỏ hơn 0.05. 

Mục 2: Tất cả hệ số tác động đều mang dấu dương, như vậy các quan hệ tác động trong mô hình đều là thuận chiều. Thứ tự tác động từ mạnh đến yếu lên biến NB là: KM (0.367) > QC (0.316) > BH (0.316) > QH (0.187). Thứ tự tác động từ mạnh đến yếu lên biến TT là: NB (0.457) > BH (0.282).

ĐÁNH GIÁ Ý NGHĨA QUAN HỆ TÁC ĐỘNG TRONG SMARTPLS 4:

• Giá trị P value < 0.05 là quan hệ có ý nghĩa thống kê, P value > 0.05 là không có ý nghĩa thống kê.
• Hệ số đường dẫn Original sample mang dấu dương là tác động thuận chiều (+), mang dấu âm là tác động nghịch chiều (-).
• Để so sánh thứ tự tác động của các biến độc lập lên cùng một biến phụ thuộc, chúng ta sẽ so sánh bằng trị tuyệt đối hệ số Original sample, trị tuyệt đối lớn hơn là tác động mạnh hơn.

3. Hệ số xác định R bình phương (R square)

R bình phương biểu thị cho mức độ giải thích của các biến độc lập lên một biến phụ thuộc trong mô hình. Trong mô hình có bao nhiêu biến có vai trò phụ thuộc thì sẽ có bấy nhiêu hệ số R bình phương. 

Hair và cộng sự (2017) cho rằng rất khó khăn để đưa ra quy tắc kinh nghiệm chấp nhận giá trị R bình phương, điều này phụ thuộc vào sự phức tạp của mô hình (ít hay nhiều biến độc lập tác động vào biến phụ thuộc, xuất hiện quan hệ trung gian...) và lĩnh vực nghiên cứu. Chính vì vậy, không có ngưỡng thuyết phục nào để chúng ta đánh giá R bình phương đạt hay không đạt. 

R bình phương dao động trong vùng từ 0 đến 1, tiến gần về 1 nghĩa là mức độ giải thích cho biến phụ thuộc cao, tiến gần về 0 nghĩa là mức độ giải thích cho biến phụ thuộc thấp.

Trong SMARTPLS 4, bên cạnh R bình phương (R-square), phần mềm cung cấp thêm hệ số R bình phương hiệu chỉnh (R-square adjusted) phản ánh chính xác hơn mức độ giải thích của các biến độc lập. Chúng ta ưu tiên sử dụng R bình phương hiệu chỉnh.

Bạn đang đánh giá mô hình cấu trúc SEM trên SMARTPLS 4 nhưng gặp phải những vấn đề như cộng tuyến, hầu hết tác động trong mô hình đều không có ý nghĩa, R bình phương quá thấp ... bạn có thể liên hệ với dịch vụ SMARTPLS của Phạm Lộc Blog qua zalo 093 395 1549 hoặc  email xulydinhluong@gmail.com để có được kết quả phù hợp và tiết kiệm thời gian.

Từ kết quả phân tích PLS-SEM algorithm, nhấp vào mục R-square để xem hệ số xác định.

Trong ví dụ trên, có 2 biến đóng vai trò phụ thuộc là NB và TT, chính vì vậy cũng sẽ có tương ứng 2 giá trị R bình phương hiệu chỉnh cho 2 biến.

• R bình phương hiệu chỉnh của NB bằng 0.745, như vậy các biến độc lập QC, QH, KM, BH giải thích được 73.4% sự biến thiên của biến NB.
• R bình phương hiệu chỉnh của TT bằng 0.465, như vậy các biến độc lập QC, BH, NB giải thích được 46.5% sự biến thiên của biến TT.

ĐÁNH GIÁ HỆ SỐ XÁC ĐỊNH R BÌNH PHƯƠNG TRONG SMARTPLS 4:

• R bình phương tiến gần về 1 nghĩa là mức độ giải thích cho biến phụ thuộc cao, tiến gần về 0 nghĩa là mức độ giải thích cho biến phụ thuộc thấp.
• Không có ngưỡng R bình phương bao nhiêu là đạt, bao nhiêu là không đạt.
• Khi đánh giá hệ số xác định, nên dùng chỉ số R bình phương hiệu chỉnh.

4. Hệ số tác động f bình phương (Effect size)

Chin (1998) đưa ra công thức tính toán hệ số f bình phương (f square) nhằm mục đích xem xét tầm quan trọng của một biến độc lập lên biến phụ thuộc. Chi tiết về công thức và bản chất của chỉ số này, bạn xem tại bài viết Hệ số Effect Size f2: Ý nghĩa, công thức, cách chạy trên SMARTPLS.

Cohen (1988) đã đề xuất bảng chỉ số f bình phương để đánh giá tầm quan trọng của các biến độc lập như sau:

• f square < 0.02: mức tác động là cực kỳ nhỏ hoặc 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.

Để đánh giá hệ số f bình phương, từ kết quả phân tích PLS-SEM algorithm, nhấp vào mục f-square.

Cách bố trí bảng f bình phương ở dạng ma trận: hàng đầu tiên các biến được xét vai trò là phụ thuộc, cột đầu tiên được xét với vai trò là độc lập, các con số trong bảng là giá trị f bình phương.

Trong bảng trên, chỉ có 2 cột NB và TT là có giá trị bởi vì chỉ có 2 biến này là có vai trò phụ thuộc. Tương ứng cột NB thì giá trị f bình phương xuất hiện ở các hàng của biến BH, KM, QC, QH chính là các biến độc lập tác động vào NB. Tương ứng cột TT thì f bình phương xuất hiện ở các hàng BH, NB, QC là các biến độc lập tác động vào TT.

Kết quả từ ví dụ thực hành cho thấy:

• Các biến độc lập của NB: biến KM tác động mạnh, biến BH và QC tác động trung bình, biến QH tác động yếu.
• Các biến độc lập của TT: biến NB tác động trung bình, biến BH tác động yếu, biến QC không tác động.

Trong nhiều tình huống thứ tự độ lớn của hệ số tác động chuẩn hóa (cột Original sample trong bảng Path coefficients) trùng với thứ tự mạnh yếu của hệ số f square nên cả hai chỉ số 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. Tuy nhiên, không phải lúc nào thứ tự f square cũng giống thứ tự độ lớn hệ số hồi quy chuẩn hóa. Chi tiết so sánh giữa effect size f square và hệ số đường dẫn, bạn xem tại bài viết này.

- Muốn so sánh biến độc lập nào tác động mạnh hơn lên cùng một biến phụ thuộc, chúng ta sẽ dùng hệ số tác động chuẩn hóa.

- Muốn xem mức độ tác động của các biến độc lập lên biến phụ thuộc là mạnh, trung bình hay yếu chúng ta sẽ dùng hệ số f square.

ĐÁNH GIÁ Ý NGHĨA HỆ SỐ TÁC ĐỘNG f BÌNH PHƯƠNG TRONG SMARTPLS 4:

• f square < 0.02: mức tác động là cực kỳ nhỏ hoặc 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.

Ngoài các tiêu chí cần đánh giá ở trên, các bạn có thể đi sâu hơn vào các tiêu chỉ khác như hệ số Q bình phương và q bình phương liên quan đến tính dự báo. Tuy nhiên, các tiêu chí này không thực sự quá quan trọng nên bài viết này không đề cập.