Bài viết này được xây dựng nhằm tiếp nối nội dung của bài Xử lý mô hình biến bậc hai, biến bậc cao trong SMARTPLS. Do đó, người đọc cần tham khảo đầy đủ bài viết trước để nắm vững cơ sở lý thuyết nền tảng, từ đó có thể hiểu rõ các nội dung chuyên môn được trình bày trong phần tiếp theo.
Việc diễn giải kết quả trong mô hình cấu trúc bậc cao phụ thuộc rất lớn vào bản chất mối quan hệ giữa biến bậc hai và các biến bậc một, cho dù mối quan hệ này được xác định theo hướng nguyên nhân hay kết quả. Sự khác biệt trong cách tiếp cận hai dạng quan hệ này là rất đáng kể, do đó nhà nghiên cứu cần xác định chính xác dạng thang đo của biến bậc hai đối với các biến bậc một. Bài viết này tập trung hướng dẫn chi tiết quy trình đánh giá mô hình SEM bậc hai trên phần mềm SMARTPLS trong trường hợp mối quan hệ giữa biến bậc hai và biến bậc một được xây dựng theo dạng nguyên nhân (formative).
Trong bài viết Xử lý mô hình biến bậc hai, biến bậc cao trong SMARTPLS, quy trình phân tích đã được triển khai đến bước 3. Phần nội dung dưới đây sẽ tiếp tục trình bày bước 4 của kỹ thuật hai giai đoạn.
Bước 4: Xây dựng sơ đồ mới cho giai đoạn hai của kỹ thuật hai giai đoạn.
Ở bước này, nhà nghiên cứu tiến hành tạo một diagram mới để đưa các biến LOC vào mô hình phân tích. Khi đó, mô hình bậc hai ban đầu được chuyển đổi về dạng mô hình bậc một cơ bản. Biến tiềm ẩn CLDV, vốn được mô hình hóa ở bậc hai, sẽ được chuyển thành biến tiềm ẩn bậc một, trong khi các thành phần LOC bao gồm CSVC, GC và NV được sử dụng như các biến quan sát trong mô hình.
Bước 5: Đánh giá mô hình đo lường HOC dạng nguyên nhân.
Trong nghiên cứu này, mô hình HOC được xây dựng theo dạng nguyên nhân, thể hiện mối quan hệ từ các biến bậc một đến biến bậc hai. Việc đánh giá mô hình được thực hiện dựa trên hướng dẫn đọc kết quả đối với mô hình đo lường dạng nguyên nhân trong SMARTPLS, đồng thời có một số điều chỉnh phù hợp với bối cảnh nghiên cứu như trình bày dưới đây.
1. Đánh giá chất lượng biến bậc một
Quy trình Bootstrapping tiếp tục được sử dụng nhằm đánh giá chất lượng của các biến bậc một. Từ kết quả Bootstrapping, lựa chọn mục Outer Weights để xem xét mức độ đóng góp của từng biến bậc một vào biến bậc hai.
Trong trường hợp xử lý mô hình HOC trên SMARTPLS, nghiên cứu chỉ tập trung vào kết quả Outer Weights thể hiện mối quan hệ giữa biến bậc một và biến bậc hai; các kết quả khác không được xem xét trong bước này.
→ Kết quả phân tích cho thấy giá trị p-value của Outer Weights đối với hai biến CSVC và GC đều nhỏ hơn 0.05, chứng tỏ các biến bậc một này có ý nghĩa thống kê trong mô hình. Ngược lại, biến NV có p-value bằng 0.227, lớn hơn 0.05, nên chưa đạt ý nghĩa thống kê. Tuy nhiên, đối với mô hình đo lường dạng nguyên nhân, khi Outer Weights của một biến bậc một không có ý nghĩa thống kê, chưa thể kết luận ngay rằng biến đó không có vai trò trong mô hình. Do đó, cần tiếp tục xem xét hệ số tải ngoài Outer Loadings của biến này. Để thực hiện, quay lại kết quả phân tích và chọn mục Outer Loadings.
Giá trị Outer Loadings được sử dụng để đánh giá nằm ở cột Original Sample (O), trong khi các cột còn lại không được xem xét trong phân tích này.
→ Kết quả cho thấy hệ số tải ngoài của biến NL đạt giá trị 0.676, lớn hơn ngưỡng 0.5. Theo khuyến nghị của Hair và cộng sự (2011), biến quan sát này vẫn được giữ lại để tiếp tục đánh giá mô hình. Nói cách khác, biến bậc một NL vẫn có ý nghĩa trong mô hình HOC.
2. Đánh giá độ tin cậy, tính hội tụ và tính phân biệt
Đối với mô hình HOC dạng nguyên nhân, các tiêu chí về độ tin cậy, tính hội tụ và tính phân biệt không được tiến hành đánh giá trong nghiên cứu này.
Bước 6: Đánh giá mô hình cấu trúc có biến bậc hai
Quy trình và các ngưỡng 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. Các nội dung chi tiết có thể tham khảo tại bài viết về chạy Bootstrap và đánh giá mô hình cấu trúc trên phần mềm SmartPLS. Theo đó, các tiêu chí cần xem xét trong mô hình cấu trúc bao gồm: mức độ cộng tuyến, 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 cộng tuyến giữa các biến bậc một
Đối với mô hình HOC dạng nguyên nhân, các biến bậc một được giả định không có mối tương quan quá cao với nhau. Trường hợp các biến bậc một có tương quan mạnh sẽ dẫn đến hiện tượng cộng tuyến hoặc đa cộng tuyến, gây ảnh hưởng tiêu cực đến chất lượng đo lường của mô hình.
Việc kiểm tra cộng tuyến giữa các LOC được thực hiện thông qua bảng Outer VIF Values trong kết quả phân tích PLS Algorithm ở giai đoạn hai.
→ Trong mô hình SEM bậc hai dạng nguyên nhân, các giá trị Outer VIF của các biến CSVC, GC và NV đều nhỏ hơn ngưỡng 5. Điều này cho thấy không tồn tại hiện tượng cộng tuyến giữa các biến quan sát mang tính nguyên nhân của thang đo CLDV.
2. Đánh giá cộng tuyến giữa các biến trong mô hình
Cộng tuyến giữa các biến trong mô hình tiếp tục được đánh giá dựa trên bảng Inner VIF Values 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 giá trị VIF bằng 1. Trong các mô hình có nhiều mối quan hệ tác động hơn, sẽ xuất hiện nhiều giá trị VIF tương ứng. Khi tất cả các giá trị Inner VIF đều nhỏ hơn ngưỡng 5 (hoặc 3, tùy theo tiêu chí được lựa chọn), có thể kết luận rằng mô hình không gặp vấn đề về cộng tuyến.
3. Đánh giá các mối quan hệ tác động
Việc đánh giá các mối quan hệ tác động trong mô hình được thực hiện dựa trên kết quả Path Coefficients của phân tích Bootstrap.
→ Trong mô hình SEM bậc hai dạng nguyên nhân, biến CLDV có tác động đến SHL do giá trị P Values 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 mạnh hay yếu 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 của phân tích PLS Algorithm.
Đối với mô hình SEM bậc hai dạng nguyên nhân, giá trị R bình phương hiệu chỉnh của biến SHL đạt 0.303. Điều này cho thấy biến độc lập CLDV giải thích được 30.3% mức độ biến thiên (phương sai) của biến SHL.
5. Mức độ ảnh hưởng của biến độc lập thông qua effect size f2 (f bình phương)
Để đánh giá mức độ ảnh hưởng của biến độc lập, chỉ số f2 được sử dụng dựa trên kết quả f Square từ phân tích PLS Algorithm.
Theo Cohen (1988), mức độ tác động của biến độc lập được phân loại như sau:
- f Square nhỏ hơn 0.02 thể hiện mức tác động rất nhỏ hoặc không đáng kể;
- 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.
→ Trong mô hình SEM bậc hai dạng nguyên nhân, giá trị f Square của CLDV bằng 0.444, cho thấy CLDV có mức độ tác động mạnh đến SHL.