Bài viết này được xây dựng như một phần tiếp nối của nghiên cứu về xử lý mô hình biến bậc hai và biến bậc cao trong SMARTPLS. Do đó, để hiểu đầy đủ cơ sở lý thuyết và logic phân tích được trình bày trong phần tiếp theo, người đọc cần tham khảo toàn bộ nội dung của bài viết trước đó, đặc biệt là phần khung lý thuyết mở đầu liên quan đến mô hình cấu trúc tuyến tính.
Việc diễn giải kết quả trong mô hình bậc cao phụ thuộc rất lớn vào bản chất mối quan hệ giữa biến bậc hai và các biến bậc một, cụ thể là mối quan hệ này được xây dựng theo hướng nguyên nhân hay kết quả. Sự khác biệt giữa hai dạng mô hình này là rất đáng kể, ảnh hưởng trực tiếp đến cách đánh giá mô hình đo lường cũng như mô hình cấu trúc. Vì vậy, yêu cầu tiên quyết là phải xác định chính xác dạng thang đo của biến bậc hai đối với các biến bậc một. Trong phạm vi bài viết này, nội dung tập trung hướng dẫn chi tiết quy trình đánh giá mô hình SEM bậc hai trong SMARTPLS, trong đó mối quan hệ giữa biến bậc hai và biến bậc một được giả định là dạng kết quả (reflective).
Trong bài viết Xử lý mô hình biến bậc hai, biến bậc cao trong SMARTPLS, biến bậc cao Chất lượng dịch vụ đã được xem xét dưới góc độ là một cấu trúc dạng nguyên nhân. Tuy nhiên, trong nghiên cứu này, giả định được thay đổi theo hướng coi mối quan hệ giữa biến Chất lượng dịch vụ và các biến bậc một bao gồm Nhân viên với bốn biến quan sát, Giá cả với ba biến quan sát và Cơ sở vật chất với bốn biến quan sát là mối quan hệ dạng kết quả. Đồng thời, toàn bộ các biến bậc một trong mô hình đều được đo lường theo dạng kết quả.
Khi thể hiện mô hình trên sơ đồ cấu trúc, các mũi tên sẽ được vẽ theo hướng từ biến bậc hai Chất lượng dịch vụ đến các biến bậc một tương ứng là Nhân viên, Giá cả và Cơ sở vật chất, phản ánh bản chất kết quả của mối quan hệ đo lường giữa các cấu trúc này.
Quy trình đánh giá mô hình đo lường đối với các biến bậc một được thực hiện tương tự như trong mô hình bậc hai dạng kết quả đã trình bày trước đó. Việc kiểm định và trích xuất các trọng số nhân tố của các biến bậc một không có sự khác biệt đáng kể, người đọc có thể tham khảo chi tiết các bước thực hiện tại bước 2 và bước 3 trong bài viết Xử lý mô hình biến bậc hai, biến bậc cao trong SMARTPLS.
Bước 4: Xây dựng diagram mới cho giai đoạn hai của kỹ thuật hai giai đoạn.
Một diagram mới được thiết lập nhằm phản ánh việc đưa các biến LOC vào mô hình. Ở bước này, mô hình bậc hai được chuyển đổi thành mô hình bậc một cơ bản. Cụ thể, biến tiềm ẩn CLDV trước đây ở cấp bậc hai được chuyển thành biến tiềm ẩn bậc một, trong khi các biến LOC bao gồm CSVC, GC và NV được mô hình hóa như các biến quan sát.
Từ các bước tiếp theo, toàn bộ quá trình phân tích sẽ được thực hiện dựa trên diagram mới này.
Bước 5: Đánh giá mô hình đo lường HOC dạng kết quả
Mô hình HOC trong nghiên cứu này được xây dựng dưới dạng kết quả, thể hiện mối quan hệ giữa biến tiềm ẩn bậc hai và các biến tiềm ẩn bậc một theo hướng kết quả. Việc đánh giá mô hình được thực hiện dựa trên nguyên tắc diễn giải kết quả của mô hình đo lường dạng kết quả trong SMARTPLS, tuy nhiên có một số điều chỉnh phù hợp với đặc thù của mô hình bậc hai như sau:
1. Đánh giá chất lượng các biến bậc một
Thuật toán PLS Algorithm được sử dụng nhằm đánh giá chất lượng các biến bậc một. Từ kết quả đầu ra, lựa chọn mục Outer Loadings để tiến hành phân tích.
Các hệ số Outer Loadings của các biến bậc một được đánh giá tương tự như cách đánh giá các biến quan sát trong mô hình đo lường dạng kết quả.
→ Kết quả cho thấy các hệ số Outer Loadings của các biến bậc một đều lớn hơn 0.7, qua đó khẳng định các biến này đều có ý nghĩa và đóng góp phù hợp trong mô hình nghiên cứu (Hair và cộng sự, 2016).
2. Đánh giá độ tin cậy, tính hội tụ và tính phân biệt
Trong mô hình HOC dạng kết quả, việc đánh giá các tiêu chí này được điều chỉnh. Cụ thể, nghiên cứu không tiến hành đánh giá tính phân biệt cho mô hình HOC, hoặc chỉ tập trung đánh giá độ tin cậy và tính hội tụ. Nguyên nhân là do tính phân biệt của các biến LOC đã được kiểm định ở giai đoạn một, nên việc tiếp tục đánh giá tính phân biệt ở cấp độ HOC không còn mang ý nghĩa thực tiễn.
→ Kết quả cho thấy biến tiềm ẩn bậc hai CLDV đạt độ tin cậy và độ hội tụ tốt khi các chỉ số Cronbach’s Alpha và độ tin cậy tổng hợp đều lớn hơn 0.7, đồng thời giá trị AVE vượt ngưỡng 0.5, đáp ứng các tiêu chí khuyến nghị trong nghiên cứu SEM.
Bước 6: Đánh giá mô hình cấu trúc có biến bậc hai.
Quy trình và tiêu chí đánh giá mô hình cấu trúc có biến bậc hai được thực hiện tương tự như khi đánh giá mô hình cấu trúc đối với LOC, tham khảo tại bài viết Chạy Bootstrap và đánh giá mô hình cấu trúc trên phần mềm SmartPLS. Các nội dung cần xem xét trong mô hình cấu trúc bao gồm: kiểm tra hiện tượng cộng tuyến, đánh giá các mối quan hệ tác động, giá trị R bình phương và mức độ ảnh hưởng (effect size) giữa biến bậc hai (HOC) với các biến còn lại trong mô hình.
1. Đánh giá hiện tượng cộng tuyến giữa các biến trong mô hình
Hiện tượng cộng tuyến giữa các biến trong mô hình tiếp tục được kiểm tra thông qua bảng Inner VIF Values thu được từ kết quả phân tích PLS Algorithm ở giai đoạn hai.
→ Đối với mô hình SEM bậc hai dạng nguyên nhân, trong trường hợp này chỉ tồn tại một mối quan hệ tác động từ CLDV đến SHL nên hệ số VIF luôn bằng 1. Khi mô hình có nhiều mối quan hệ tác động hơn, sẽ xuất hiện nhiều giá trị VIF tương ứng. Nếu tất cả các giá trị Inner VIF trong bảng đều nhỏ hơn ngưỡng 5 (hoặc 3, tùy theo tiêu chí được lựa chọn), có thể kết luận rằng mô hình không gặp phải vấn đề cộng tuyến.
2. Đánh giá các mối quan hệ tác động
Việc đánh giá các mối quan hệ tác động được thực hiện dựa trên kết quả Path Coefficients của phân tích Bootstrap.
→ Đối với mô hình SEM bậc hai dạng nguyên nhân, biến CLDV được xác nhận có tác động đến SHL do giá trị P-value của kiểm định t bằng 0.000, nhỏ hơn mức ý nghĩa 0.05. Trong trường hợp có nhiều biến độc lập cùng tác động đến SHL, hệ số tác động chuẩn hóa Original Sample sẽ được sử dụng để so sánh mức độ ảnh hưởng tương đối giữa các biến độc lập.
4. Mức độ giải thích của biến độc lập đối với biến phụ thuộc (R bình phương)
Hệ số R bình phương được đánh giá dựa trên kết quả R Square từ phân tích PLS Algorithm.
→ Đối với mô hình SEM bậc hai dạng nguyên nhân, giá trị R bình phương hiệu chỉnh của SHL đạt 0.303. Điều này cho thấy biến độc lập CLDV có khả năng giải thích 30.3% sự biến thiên (phương sai) của biến SHL.
5. Mức độ ảnh hưởng của biến độc lập thông qua effect size f2 (f bình phương)
Hệ số f2 được đánh giá dựa trên kết quả f Square từ phân tích PLS Algorithm.
Trong mô hình SEM bậc hai dạng nguyên nhân, Cohen (1988) đã đề xuất các ngưỡng đánh giá mức độ quan trọng của biến độc lập dựa trên chỉ số f Square như sau:
- f Square nhỏ hơn 0.02 thể hiện mức tác động rất nhỏ hoặc không có tác động;
- từ 0.02 đến dưới 0.15 là mức tác động nhỏ;
- từ 0.15 đến dưới 0.35 là mức tác động trung bình;
- và từ 0.35 trở lên là mức tác động lớn.
→ Kết quả cho thấy giá trị f Square của CLDV bằng 0.444, do đó có thể kết luận rằng CLDV tác động đến SHL ở mức độ mạnh.