Trong nhiều nghiên cứu, việc xác định mối tương quan giữa các biến tiềm ẩn (latent variables/constructs) cũng như giữa các biến quan sát (items/observed variables/indicators) là yêu cầu quan trọng khi sử dụng phần mềm SMARTPLS. Do đó, câu hỏi đặt ra là các chỉ số tương quan này được truy xuất ở đâu và thực hiện như thế nào. Nội dung dưới đây sẽ trình bày chi tiết quy trình thực hiện.
1. Thực hiện phân tích ước lượng để thu thập hệ số tương quan trên SMARTPLS
Các hệ số tương quan được trích xuất từ kết quả phân tích của thuật toán PLS Algorithm. Trên giao diện sơ đồ mô hình (diagram), người nghiên cứu tiến hành lựa chọn Calculate, sau đó chọn PLS Algorithm để khởi chạy quá trình ước lượng.
Bài viết này sử dụng hệ thống thuật ngữ trong phương pháp PLS-SEM. Để nắm bắt đầy đủ và chính xác nội dung trình bày, người đọc nên tham khảo trước tài liệu về mô hình cấu trúc và mô hình đo lường trong PLS-SEM. Sau khi lựa chọn PLS Algorithm, cửa sổ Partial Least Squares Algorithm sẽ xuất hiện, cho phép thiết lập các thông số cần thiết cho quá trình phân tích mô hình ước lượng trong SMARTPLS.
Cuối cùng, người nghiên cứu nhấp vào nút Start Calculation ở góc dưới bên phải của cửa sổ để tiến hành chạy phân tích và thu được các kết quả cần thiết cho việc đánh giá tương quan.
2. Đọc kết quả tương quan trên SMARTPLS
2.1 Tương quan giữa các biến tiềm ẩn trong SMARTPLS
Trong cửa sổ Output của PLS Algorithm, người nghiên cứu chọn mục Latent Variable.
Tại thời điểm này, khung kết quả phía trên sẽ hiển thị các tab liên quan đến biến tiềm ẩn trong mô hình. Tiếp theo, chuyển sang tab Latent Variable Correlations để xem kết quả tương quan.
Bảng Latent Variable Correlations phản ánh hệ số tương quan giữa các biến tiềm ẩn, hay còn gọi là các cấu trúc trong mô hình nghiên cứu. Bảng được trình bày dưới dạng ma trận đối xứng, trong đó các giá trị trên đường chéo chính bằng 1, thể hiện mức tương quan hoàn hảo của mỗi biến với chính nó. Các giá trị ngoài đường chéo là hệ số tương quan giữa từng cặp biến tiềm ẩn. Chẳng hạn, hệ số tương quan giữa DK và CV là 0.307, giữa GV và CV là 0.519, cho thấy mức độ liên hệ tuyến tính giữa các cấu trúc này trong mô hình.
Để đánh giá mức ý nghĩa thống kê của các hệ số tương quan, cần thực hiện phân tích bootstrapping trên phần mềm SMARTPLS. Người nghiên cứu quay lại giao diện diagram và chọn Calculate > Bootstrapping.
Khi cửa sổ Bootstrapping xuất hiện, tiến hành thiết lập các thông số phân tích theo mặc định của phần mềm, riêng tại mục Amount of Results, lựa chọn Complete Bootstrapping để đảm bảo hiển thị đầy đủ kết quả.
Sau đó, nhấp vào Start Calculation để bắt đầu quá trình phân tích bootstrap.
Sau khi quá trình tính toán hoàn tất, cửa sổ Output của Bootstrap sẽ hiển thị. Tại đây, chọn mục Latent Variable Correlations để xem bảng kết quả kiểm định tương quan giữa các cặp biến tiềm ẩn.
Bảng này cung cấp các chỉ số quan trọng phục vụ cho việc diễn giải kết quả nghiên cứu.
Cột Original Sample thể hiện hệ số tương quan ước lượng từ mẫu dữ liệu gốc.
Cột Sample Mean là giá trị trung bình của hệ số tương quan thu được từ các mẫu bootstrap, được tính bằng trung bình cộng của các giá trị Original Sample từ các lần lấy mẫu lặp.
Cột P Values phản ánh mức ý nghĩa thống kê của từng hệ số tương quan. Trong ví dụ minh họa, có hai mối tương quan không đạt ý nghĩa thống kê là giữa TL với CV và giữa TL với DK, do giá trị P Value lớn hơn 0.05 tại mức ý nghĩa 5%. Các mối tương quan còn lại đều có ý nghĩa thống kê và có thể được chấp nhận trong mô hình nghiên cứu.
Kết quả tương quan giữa các biến tiềm ẩn được sử dụng trong một số trường hợp phân tích cụ thể.
– Thứ nhất, bảng tương quan giúp đánh giá mức độ và chiều hướng mối quan hệ giữa các cấu trúc trong mô hình, từ đó xác định cặp biến nào có mối quan hệ mạnh hay yếu, thuận chiều hay nghịch chiều.
– Thứ hai, trong trường hợp mô hình xuất hiện hiện tượng cộng tuyến hoặc vi phạm tính phân biệt giữa các cấu trúc, ma trận tương quan sẽ là căn cứ để xác định những cặp nhân tố có mức tương quan quá cao. Khi mức độ vi phạm nghiêm trọng, hướng xử lý thường là loại bỏ một trong hai nhân tố có tương quan mạnh. Nếu mức độ vi phạm không quá lớn, người nghiên cứu có thể xem xét loại bỏ dần các biến quan sát có mức tương quan cao giữa các cấu trúc nhân tố. Nội dung này sẽ được tiếp tục trình bày chi tiết ở mục 2.2 tiếp theo.
2.2 Tương quan giữa các biến quan sát trong SMARTPLS
Trong cửa sổ Output của thuật toán PLS Algorithm, người nghiên cứu lựa chọn mục Indicator Data (Correlations) để xem xét mối quan hệ tương quan giữa các biến quan sát trong mô hình.
Sau thao tác này, tại khung kết quả phía trên sẽ hiển thị các tab chứa thông tin liên quan đến ma trận tương quan của các biến quan sát. Việc phân tích được thực hiện trước hết tại tab Empirical Correlation Matrix.
Bảng kết quả này cung cấp hệ số tương quan giữa tất cả các cặp biến quan sát được đưa vào mô hình nghiên cứu. Chẳng hạn, hệ số tương quan giữa biến CV1 và CV2 đạt giá trị 0.407, trong khi tương quan giữa CV1 và DK1 là 0.089, phản ánh mức độ liên hệ khác nhau giữa các biến đo lường.
Hiện tại, phần mềm SMARTPLS chưa hỗ trợ kiểm định ý nghĩa thống kê của các hệ số tương quan giữa các biến quan sát.
Thông tin về tương quan giữa các biến quan sát được sử dụng trong một số trường hợp cụ thể như sau:
– Phục vụ cho việc đánh giá mối quan hệ giữa các biến quan sát trong mô hình, từ đó xác định cặp biến có mức độ tương quan mạnh hay yếu, cũng như chiều hướng tương quan thuận hoặc nghịch.
– Như đã trình bày trong phần tương quan giữa các biến tiềm ẩn, khi mô hình xuất hiện hiện tượng vi phạm giá trị phân biệt hoặc xảy ra vấn đề đa cộng tuyến, điều này cho thấy tồn tại một hoặc một số cặp biến có mức độ tương quan quá cao. Để khắc phục hai dạng vi phạm này, nhà nghiên cứu có thể cân nhắc loại bỏ toàn bộ một nhân tố hoặc tiến hành loại dần các biến quan sát thuộc nhân tố đó. Trong thực tiễn phân tích, phương án ưu tiên là loại bỏ các biến quan sát trước; chỉ khi tất cả các biến quan sát đã bị loại bỏ mà hiện tượng đa cộng tuyến hoặc vi phạm giá trị phân biệt vẫn còn tồn tại, khi đó mới xem xét loại bỏ toàn bộ nhân tố khỏi mô hình.