Cách đọc kết quả SMARTPLS 4 chi tiết, dễ hiểu từ A đến Z

Sau khi mô hình đo lường (measurement model) đáp ứng đầy đủ các tiêu chí về độ tin cậy, giá trị hội tụ và giá trị phân biệt, bước tiếp theo trong phân tích PLS-SEM là đánh giá mô hình cấu trúc. Giai đoạn này nhằm kiểm định các mối quan hệ nhân quả giữa các biến tiềm ẩn, xác định mức độ ủng hộ của dữ liệu đối với các giả thuyết nghiên cứu, đồng thời đánh giá khả năng giải thích tổng thể của mô hình.

1. Đánh giá hiện tượng cộng tuyến giữa các biến tiềm ẩn (Inner VIF)

Trong đánh giá mô hình cấu trúc, cần xem xét hiện tượng cộng tuyến giữa các biến tiềm ẩn đóng vai trò biến độc lập. Trong bối cảnh PLS-SEM, biến độc lập được hiểu là các biến có mũi tên hướng đến một biến khác, tức là các biến dự báo trong mối quan hệ nhân quả. Ngược lại, biến nhận mũi tên tác động được xem là biến phụ thuộc.

Trong mô hình minh họa:

• NB là biến phụ thuộc và chịu tác động từ bốn biến độc lập gồm QC, QH, KM và BH.
• Đồng thời, TT là biến phụ thuộc và chịu ảnh hưởng từ ba biến độc lập là QC, BH và NB.

Xem thêm: Mua phần mềm SMARTPLS 4 Pro full bản quyền giá tốt

Việc đánh giá cộng tuyến được thực hiện riêng cho từng tập hợp biến độc lập tác động lên cùng một biến phụ thuộc, bao gồm:

• (i) nhóm QC, QH, KM và BH tác động đến NB;
• và (ii) nhóm QC, BH và NB tác động đến TT.

Ngưỡng đánh giá chỉ số VIF được sử dụng phổ biến trong nghiên cứu PLS-SEM như sau:

• VIF lớn hơn hoặc bằng 5 cho thấy khả năng tồn tại cộng tuyến nghiêm trọng và có thể ảnh hưởng đáng kể đến kết quả ước lượng;
• VIF từ 3 đến dưới 5 phản ánh nguy cơ cộng tuyến ở mức trung bình;
• và VIF nhỏ hơn 3 cho thấy mô hình không gặp vấn đề cộng tuyến đáng kể.

Trên phần mềm SMARTPLS 4, chỉ số này được truy xuất từ kết quả PLS-SEM algorithm tại mục Collinearity statistics (VIF), lựa chọn Inner model – List.

Bảng kết quả VIF được trình bày dưới dạng ma trận, trong đó các cột thể hiện các biến phụ thuộc và các hàng tương ứng với các biến độc lập. Giá trị trong từng ô biểu thị chỉ số VIF của một biến độc lập cụ thể đối với biến phụ thuộc tương ứng.

Trong mô hình ví dụ, chỉ hai cột NB và TT xuất hiện giá trị VIF do đây là hai biến phụ thuộc của mô hình.

• Tại cột NB, các giá trị VIF tương ứng với các hàng BH, KM, QC và QH, phản ánh mức độ cộng tuyến của các biến độc lập tác động lên NB.
• Tại cột TT, các giá trị VIF nằm ở các hàng BH, NB và QC, tương ứng với các biến độc lập ảnh hưởng đến TT.

Kết quả phân tích cho thấy không tồn tại hiện tượng cộng tuyến trong mô hình, do toàn bộ các giá trị VIF của cả hai nhóm biến độc lập đều nhỏ hơn 3. Trong trường hợp xuất hiện biến độc lập có VIF lớn hơn 5, biến đó cần được cân nhắc loại bỏ khỏi sơ đồ mô hình và tiến hành phân tích lại nhằm đảm bảo mô hình không vi phạm giả định về đa cộng tuyến.

2. Đánh giá ý nghĩa các tác động trong mô hình

Sau khi mô hình được xác nhận không tồn tại hiện tượng đa cộng tuyến, bước tiếp theo là xem xét ý nghĩa của các mối quan hệ tác động trong mô hình cấu trúc SEM. Trong phần mềm SMARTPLS 4, việc đánh giá này chủ yếu dựa trên kết quả phân tích Bootstrapping. Các dạng tác động có thể xuất hiện trong mô hình bao gồm tác động trực tiếp, tác động trung gian và tác động điều tiết. Trong đó, tác động trực tiếp luôn hiện diện trong mọi mô hình nghiên cứu, trong khi tác động trung gian và tác động điều tiết có thể xuất hiện hoặc không tùy thuộc vào cấu trúc mô hình cụ thể.

Bảng kết quả Bootstrapping trong SMARTPLS 4 đối với các quan hệ tác động thường bao gồm các chỉ số cơ bản sau:

• Original sample: Hệ số tác động chuẩn hóa ước lượng từ mẫu dữ liệu ban đầu, tương ứng với hệ số đường dẫn trong mô hình.
• Sample mean: Giá trị trung bình của hệ số tác động chuẩn hóa được ước lượng từ tất cả các mẫu lặp lại trong quá trình Bootstrapping.
• Standard deviation: Độ lệch chuẩn của hệ số tác động chuẩn hóa giữa các mẫu Bootstrap.
• T statistics: Giá trị thống kê t dùng để kiểm định ý nghĩa của mối quan hệ tác động theo kiểm định Student.
• P values: Giá trị xác suất của kiểm định t, được so sánh với các mức ý nghĩa thông dụng như 0.05, 0.1 hoặc 0.01, trong đó mức 0.05 thường được sử dụng mặc định.

Trong quá trình diễn giải kết quả, hai chỉ số được quan tâm chủ yếu là P values và Original sample.

Đối với P values: Kiểm định ý nghĩa thống kê của mối quan hệ tác động

Ý nghĩa thống kê của các mối quan hệ trong mô hình có thể được đánh giá thông qua giá trị t hoặc giá trị p. Tuy nhiên, trong thực tiễn nghiên cứu, p-value thường được ưu tiên sử dụng do dễ diễn giải và thuận tiện trong việc so sánh với các ngưỡng ý nghĩa. Phần mềm SMARTPLS cũng mặc định trình bày và hỗ trợ diễn giải kết quả dựa trên p-value.

Mức ý nghĩa được sử dụng phổ biến nhất là 5% (p = 0.05), đồng thời cũng là mức mặc định trong SMARTPLS 4.

• Khi p-value < 0.05, mối quan hệ được xem là có ý nghĩa thống kê.
• Khi p-value ≥ 0.05, mối quan hệ được kết luận là không có ý nghĩa thống kê.

Cần lưu ý rằng, trong trường hợp một mối quan hệ không đạt ý nghĩa thống kê, nhà nghiên cứu không loại bỏ mũi tên hay nhân tố ra khỏi mô hình. Thay vào đó, cấu trúc mô hình vẫn được giữ nguyên và kết luận rằng tác động đó không có ý nghĩa thống kê trong phạm vi nghiên cứu.

Đối với Original sample: Đánh giá mức độ và chiều hướng tác động

SMARTPLS cung cấp hệ số tác động chuẩn hóa của mẫu gốc trong cột Original sample. Hệ số này có giá trị nằm trong khoảng từ –1 đến +1, mặc dù trên thực tế các hệ số thường có giá trị nhỏ hơn nhiều so với các ngưỡng biên này.

• Hệ số mang giá trị dương cho thấy mối quan hệ tác động cùng chiều giữa các biến.
• Hệ số mang giá trị âm phản ánh mối quan hệ tác động ngược chiều.
• Hệ số có giá trị tiến gần +1 thể hiện mức độ tác động dương mạnh.
• Hệ số có giá trị tiến gần –1 thể hiện mức độ tác động âm mạnh.
• Hệ số có giá trị gần 0 cho thấy tác động yếu hoặc không đáng kể.

Trong trường hợp một biến phụ thuộc chịu ảnh hưởng đồng thời từ nhiều biến độc lập, việc so sánh mức độ tác động giữa các biến được thực hiện dựa trên độ lớn của các hệ số tác động. Khi tồn tại cả tác động dương và tác động âm, cần sử dụng giá trị tuyệt đối của hệ số để đánh giá mức độ ảnh hưởng thực tế của từng biến.

a. Tác động trực tiếp (direct effects)

Căn cứ vào kết quả phân tích Bootstrapping trong phần mềm SMARTPLS 4, lựa chọn mục Path coefficients để xem xét kết quả kiểm định các hệ số đường dẫn trong mô hình cấu trúc.

Trong quá trình diễn giải kết quả, trước hết cần xem xét giá trị P-value nhằm xác định mức ý nghĩa thống kê của các mối quan hệ. Kết quả phân tích cho thấy hầu hết các quan hệ trong mô hình đều có ý nghĩa thống kê với P-value < 0.05. Riêng mối quan hệ từ QC đến TT có P-value = 0.714 > 0.05, do đó không đạt ý nghĩa thống kê.

Sau khi xác định ý nghĩa thống kê, hệ số Original sample được sử dụng để đánh giá mức độ và chiều hướng tác động. Kết quả cho thấy tất cả các hệ số đều mang giá trị dương, phản ánh các mối quan hệ trực tiếp trong mô hình đều là tác động cùng chiều.

• Đối với biến NB, mức độ ảnh hưởng của các biến độc lập được sắp xếp theo thứ tự giảm dần như sau: KM (0.367), QC (0.316), BH (0.316) và QH (0.187).
• Đối với biến TT, mức độ ảnh hưởng từ mạnh đến yếu lần lượt là NB (0.457) và BH (0.282).

b. Tác động gián tiếp (indirect effects)

Tác động gián tiếp được đánh giá thông qua kết quả phân tích Bootstrapping tại mục Specific indirect effects nhằm kiểm định các hệ số đường dẫn gián tiếp trong mô hình.

Kết quả Bootstrapping cho thấy tất cả các tác động gián tiếp của BH, KM, QC và QH lên TT thông qua biến trung gian NB đều có ý nghĩa thống kê, với P-value đều bằng 0.000 và nhỏ hơn 0.05 ở tất cả các mối quan hệ.

Xét về độ lớn, các tác động gián tiếp được sắp xếp theo thứ tự từ mạnh đến yếu như sau:

KM → NB → TT đạt giá trị 0.168, là tác động gián tiếp mạnh nhất;

BH → NB → TT và QC → NB → TT cùng đạt giá trị 0.144;

QH → NB → TT có giá trị 0.085, là tác động gián tiếp yếu nhất.

c. Tác động điều tiết (moderating effects)

Tác động điều tiết là một dạng tác động có tính chất đặc thù trong mô hình nghiên cứu. Nội dung phân tích biến điều tiết sẽ được trình bày riêng trong bài viết Phân tích biến điều tiết moderator trong SMARTPLS 4.