Phân tích Biểu đồ Tầm quan trọng – Hiệu suất (Importance-Performance Map Analysis, viết tắt là IPMA), còn được gọi là Ma trận Tầm quan trọng – Hiệu suất hay Biểu đồ ưu tiên, được sử dụng nhằm đánh giá mối quan hệ giữa mức độ tầm quan trọng của một biến tiềm ẩn và hiệu suất thực hiện của chính biến đó trong mô hình nghiên cứu.
1. Mục đích sử dụng biểu đồ Tầm quan trọng – Hiệu suất IPMA
IPMA hỗ trợ nhà nghiên cứu xác định các biến trong mô hình có mức độ tầm quan trọng tương đối cao nhưng lại thể hiện hiệu suất thấp. Trên cơ sở đó, nhà nghiên cứu có thể đánh giá chính xác hiện trạng của các biến và đề xuất các biện pháp cải thiện phù hợp nhằm nâng cao hiệu quả tổng thể của mô hình nghiên cứu.
Trong phân tích IPMA, tầm quan trọng được hiểu là mức độ tác động của biến độc lập chưa chuẩn hóa lên biến phụ thuộc, thường được đo lường thông qua hệ số tác động tổng. Hiệu suất được xác định là giá trị trung bình của biến độc lập. Trường hợp một biến có tầm quan trọng cao nhưng hiệu suất thấp cho thấy biến đó có ảnh hưởng mạnh đến biến phụ thuộc nhưng mức độ thể hiện hiện tại còn hạn chế, do đó cần được ưu tiên cải thiện bằng cách nâng cao giá trị trung bình của biến.
IPMA thể hiện đồng thời các biến độc lập tác động lên cùng một biến phụ thuộc trên một đồ thị hai chiều, trong đó một trục biểu diễn hiệu suất và trục còn lại biểu diễn tầm quan trọng.
- Trục tung biểu thị hiệu suất của biến độc lập, được chuẩn hóa trên thang đo từ 0 đến 100, trong đó giá trị càng gần 0 phản ánh hiệu suất càng thấp và giá trị càng gần 100 phản ánh hiệu suất càng cao.
- Trục hoành thể hiện mức độ tác động tổng của biến độc lập lên biến phụ thuộc.
Dựa trên hai trục này, biểu đồ được chia thành bốn góc phần tư, bao gồm:
- Góc thứ nhất với hiệu suất cao và tầm quan trọng thấp;
- Góc thứ hai với hiệu suất cao và tầm quan trọng cao;
- Góc thứ ba với hiệu suất thấp và tầm quan trọng cao, là khu vực cần được ưu tiên quan tâm;
- Góc thứ tư với hiệu suất thấp và tầm quan trọng thấp.
2. Phân tích IPMA trên phần mềm SmartPLS 3
Bước 1: Kiểm tra yêu cầu đầu vào
Để có thể tiến hành phân tích IPMA, dữ liệu đầu vào cần đáp ứng đầy đủ ba điều kiện cơ bản sau đây.
Điều kiện thứ nhất, các biến nghiên cứu phải được đo lường bằng thang đo định lượng có tính cân bằng. Thang đo cân bằng được hiểu là thang đo có số lượng mức phản ánh xu hướng tiêu cực và tích cực tương đương nhau. Ví dụ, thang đo Likert 5 mức độ bao gồm hai mức phản ánh ý kiến phủ định, một mức trung lập và hai mức phản ánh ý kiến khẳng định. Tương tự, thang đo Likert 4 mức độ với hai mức phủ định và hai mức khẳng định cũng được xem là thang đo cân bằng và phù hợp cho phân tích IPMA.
Điều kiện thứ hai, việc mã hóa các biến quan sát phải thống nhất về khuynh hướng đo lường. Cụ thể, các giá trị thấp trên thang đo cần phản ánh mức độ đánh giá thấp hoặc xu hướng phủ định, trong khi các giá trị cao cần phản ánh mức độ đánh giá cao hoặc xu hướng khẳng định. Chẳng hạn, đối với thang đo Likert 5 mức độ, giá trị 1 phải tương ứng với hoàn toàn không đồng ý và giá trị 5 phải tương ứng với hoàn toàn đồng ý. Nếu điều kiện này không được đảm bảo, không thể diễn giải rằng giá trị biến tiềm ẩn cao hơn phản ánh hiệu suất tốt hơn.
Điều kiện thứ ba, các hệ số tải ngoài của biến quan sát trong mô hình đo lường phải có giá trị dương. Trong trường hợp xuất hiện hệ số tải ngoài mang giá trị âm, phân tích IPMA sẽ không được thực hiện do không đảm bảo ý nghĩa diễn giải của chỉ số hiệu suất.
Bước 2: Thực hiện phân tích IPMA trên phần mềm SmartPLS
Tại giao diện sơ đồ mô hình trong SmartPLS, tiến hành chọn Calculate và tiếp theo là PLS Algorithm để chạy thuật toán PLS.
Sau khi thuật toán được thực hiện, lựa chọn chức năng Importance-Performance Map Analysis (IPMA) để tiến hành phân tích bản đồ tầm quan trọng – hiệu suất.
Khi cửa sổ IPMA hiển thị, tại mục Target Construct, nhà nghiên cứu cần lựa chọn biến phụ thuộc phục vụ cho phân tích. Như đã trình bày ở phần trước, IPMA được sử dụng nhằm đánh giá đồng thời mức độ tầm quan trọng và hiệu suất của các biến độc lập trong mối quan hệ tác động đến một biến phụ thuộc cụ thể. Trong mô hình minh họa, có hai biến đóng vai trò biến phụ thuộc là HL và GB. Trong đó, HL chịu tác động của ba biến độc lập, còn GB chịu tác động của bốn biến độc lập. Trong phân tích này, IPMA được thực hiện đối với biến phụ thuộc GB.
Tại mục Ranges, phần mềm cho phép khai báo phạm vi thang đo bằng hai cách: nhập giá trị Min/Max cho từng biến quan sát riêng lẻ tại vùng 1, hoặc nhập Min/Max chung cho toàn bộ các biến quan sát tại vùng 2.
Do chỉ số hiệu suất sẽ được quy đổi về thang chuẩn 100%, việc khai báo chính xác giá trị Min và Max là điều kiện cần thiết để đảm bảo độ chính xác của kết quả tính toán. Trong trường hợp các nhóm biến quan sát sử dụng các thang đo khác nhau, ví dụ nhóm CV được đo bằng thang Likert 7 mức trong khi nhóm DK sử dụng thang Likert 5 mức, phần mềm sẽ cần quy đổi các thang đo này về cùng một chuẩn 100% để tiến hành so sánh. Nếu nhà nghiên cứu không thực hiện khai báo, SmartPLS sẽ tự động xác định phạm vi thang đo dựa trên giá trị nhỏ nhất và lớn nhất của dữ liệu thu thập được. Chẳng hạn, biến CV1 được thiết kế theo thang Likert 1–5 nhưng trong quá trình khảo sát không có đáp viên nào lựa chọn mức 1, khi đó giá trị Min trong dữ liệu thực tế sẽ là 2. Phần mềm sẽ mặc định phạm vi thang đo của CV1 là từ 2 đến 5, tương ứng với 4 mức độ, thay vì 5 mức độ như thiết kế ban đầu. Do đó, để đảm bảo tính nhất quán với bảng câu hỏi, nhà nghiên cứu cần chủ động nhập Min = 1 và Max = 5 theo đúng thang đo đã thiết kế.
Trong ví dụ minh họa, toàn bộ các biến quan sát đều được đo bằng thang Likert 1–5, vì vậy lựa chọn nhập Min = 1 và Max = 5 tại vùng số 2, sau đó nhấn Apply All để áp dụng cho tất cả các biến quan sát.
Tiếp theo, nhấp vào nút Start Calculation để tiến hành phân tích IPMA.
Sau khi hoàn tất tính toán, trong phần kết quả đầu ra, lựa chọn mục Importance-Performance Map [GB] (construct, unstandardized effects) để trích xuất các chỉ số cần thiết cho phân tích.
Trước hết, chuyển sang hai thẻ Construct Total Effects và Construct Performances nhằm thu thập các giá trị Total Effects và Performances của các biến độc lập.
Các chỉ số này được xuất ra Excel và tổng hợp thành một bảng dữ liệu, đồng thời bổ sung thêm một dòng giá trị trung bình của Performances và Total Effects ở cuối bảng để phục vụ việc phân chia các góc phần tư.
Quay trở lại thẻ Importance-Performance Map, biểu đồ IPMA hiển thị bốn ký hiệu tương ứng với bốn biến độc lập gồm CV, DK, HL và TL. Nhấp vào nút Chart để sao chép biểu đồ và dán vào Excel hoặc PowerPoint nhằm phục vụ cho việc minh họa và phân tích trực quan.
Trong hộp thoại Chart Size, tiến hành thiết lập độ rộng và độ cao của biểu đồ theo đơn vị pixel, sau đó xác nhận để sao chép hình ảnh.
Tại PowerPoint, dán biểu đồ vào một slide trống và vẽ thêm hai đường thể hiện giá trị trung bình của Performance trên trục tung là 60.903 và giá trị trung bình của Total Effects trên trục hoành là 0.305, từ đó chia biểu đồ thành bốn góc phần tư.
Quan sát góc phần tư thứ ba, khu vực phía dưới bên phải của biểu đồ, cho thấy sự xuất hiện của biến DK. Điều này phản ánh rằng biến DK có mức độ tầm quan trọng cao nhưng hiệu suất lại ở mức thấp. Tầm quan trọng cao cho thấy DK có ảnh hưởng mạnh mẽ đến biến GB, trong khi hiệu suất thấp phản ánh điểm trung bình đánh giá trên thang đo 5 mức độ còn hạn chế, cho thấy phần lớn đáp viên chưa đồng tình với các phát biểu thuộc nhóm biến quan sát này. Nhóm DK – Điều kiện làm việc bao gồm bốn biến quan sát:
Công việc không thường xuyên phải làm ngoài giờ,
Được cung cấp đầy đủ trang thiết bị phục vụ công việc,
Bầu không khí làm việc thoải mái và không căng thẳng,
Cùng với thời gian làm việc hợp lý.
Kết quả phân tích cho thấy điều kiện làm việc có tác động đáng kể đến sự gắn bó của nhân viên với doanh nghiệp, tuy nhiên mức độ đánh giá trung bình của các biến quan sát thuộc nhóm này lại thấp. Điều này hàm ý rằng điều kiện làm việc hiện tại chưa đáp ứng được kỳ vọng của người lao động. Do đó, ban lãnh đạo doanh nghiệp cần sớm triển khai các chính sách và giải pháp phù hợp nhằm cải thiện yếu tố điều kiện làm việc, qua đó nâng cao hiệu suất của biến DK và hạn chế nguy cơ gia tăng tình trạng nhân viên nghỉ việc, vốn có thể ảnh hưởng tiêu cực đến chất lượng nguồn nhân lực của tổ chức.