Một báo cáo PLS-SEM đầy đủ cần bốn phần: mô tả dữ liệu và thiết lập phân tích, kết quả mô hình đo lường, kết quả mô hình cấu trúc và các thông tin minh bạch giúp người đọc kiểm chứng. Thiếu một phần, hội đồng sẽ khó đánh giá kết luận của bạn, kể cả khi mọi chỉ số đều vượt ngưỡng tham khảo.
Checklist dưới đây được sắp theo đúng thứ tự trình bày trong chương kết quả, mỗi mục kèm lý do cần có. Bạn có thể dùng nó để tự soát bản thảo trước khi gửi giảng viên, hoặc để đối chiếu khi chỉnh sửa theo góp ý của phản biện.
Tóm tắt nhanh: người đọc phải tái lập được phân tích của bạn từ những gì bạn viết ra.
Hãy báo cáo thiết lập thuật toán, mọi biến đã loại kèm lý do, đầy đủ cột của bảng giả thuyết và cả những giả thuyết không được ủng hộ.
Báo cáo PLS-SEM cần những phần nào?
Bảng tổng quan giúp bạn hình dung bộ khung trước khi đi vào chi tiết. Tên mục có thể khác theo mẫu của trường, nhưng nội dung nên có đủ.
| Phần | Nội dung cốt lõi | Bảng hoặc hình gợi ý |
|---|---|---|
| Mô tả dữ liệu | Mẫu, làm sạch, đặc điểm người trả lời, sai lệch phương pháp chung | Bảng đặc điểm mẫu |
| Thiết lập phân tích | Phiên bản SmartPLS, thuật toán, thông số bootstrap | Đoạn văn trong chương 3 hoặc 4 |
| Mô hình đo lường | Hệ số tải, độ tin cậy, AVE, HTMT | Bảng độ tin cậy, ma trận HTMT |
| Mô hình cấu trúc | VIF, hệ số đường dẫn, R², f², PLSpredict | Sơ đồ đường dẫn, bảng giả thuyết |
| Minh bạch | Biến đã loại, giới hạn, khả năng chia sẻ dữ liệu | Phụ lục |
Mô tả dữ liệu và thiết lập phân tích
Phần này thường bị viết sơ sài vì người viết muốn nhanh đến kết quả chính. Thực tế, đây là căn cứ để hội đồng tin rằng kết quả phía sau phản ánh đúng dữ liệu.
Mẫu, cách thu thập và làm sạch
- Số phiếu phát ra, thu về, hợp lệ và tiêu chí loại phiếu.
- Cách xử lý giá trị thiếu và phiếu trả lời theo một khuôn mẫu.
- Bảng đặc điểm mẫu theo các biến nhân khẩu học chính.
- Căn cứ cỡ mẫu, ví dụ phân tích năng lực thống kê hoặc phương pháp căn bậc hai nghịch đảo của Kock và Hadaya (2018).
Sai lệch phương pháp chung
Khi mọi khái niệm được đo bằng cùng một bảng hỏi tự đánh giá, nguy cơ sai lệch phương pháp chung (common method bias) cần được xem xét. Một cách phổ biến trong PLS-SEM là kiểm tra đa cộng tuyến toàn phần theo Kock (2015), với VIF của các khái niệm từ 3,3 trở xuống. Hãy nêu cả biện pháp phòng ngừa khi thiết kế bảng hỏi, không chỉ kiểm định sau thu thập.
Thông số chạy SmartPLS
Ghi rõ phiên bản SmartPLS 4 đã dùng, sơ đồ trọng số, số vòng lặp tối đa và tiêu chí dừng của thuật toán. Với bootstrap, cần nêu số mẫu con, loại khoảng tin cậy, kiểm định một hay hai phía và hạt giống ngẫu nhiên. Cách chọn các thông số này được giải thích trong bài cách đọc kết quả bootstrap SmartPLS.
Báo cáo mô hình đo lường
Trong báo cáo PLS-SEM, phần mô hình đo lường trả lời câu hỏi thang đo có đáng tin để dùng cho kiểm định hay không. Thứ tự và tiêu chí phụ thuộc vào loại thang đo, nên hãy nói rõ khái niệm nào là kết quả, khái niệm nào là nguyên nhân ngay đầu phần.
Thang đo kết quả
- Bảng hệ số tải ngoài của mọi biến quan sát còn lại trong mô hình.
- Cronbach’s Alpha, rho_a, rho_c và AVE cho từng khái niệm, so với ngưỡng của Hair và cộng sự (2022).
- Ma trận HTMT với ngưỡng 0,85 hoặc 0,90 theo Henseler và cộng sự (2015), kèm khoảng tin cậy nếu có.
- Tiêu chí Fornell và Larcker (1981) nếu giảng viên hoặc tạp chí yêu cầu.
Trình bày các biến đã loại
Mỗi biến bị loại cần một dòng ghi chú: hệ số tải ban đầu, lý do loại và chỉ số thay đổi thế nào sau khi loại. Bạn có thể đặt chi tiết vào phụ lục, nhưng trong chương chính phải nêu tổng số biến đã loại. Ngưỡng và cách cân nhắc từng trường hợp có trong bài đánh giá mô hình đo lường PLS-SEM.
Thang đo nguyên nhân
Với khái niệm đo theo kiểu nguyên nhân, hãy báo cáo kết quả phân tích dư thừa, VIF của các biến quan sát và trọng số ngoài kèm giá trị p từ bootstrap. Đừng đưa Cronbach’s Alpha hay AVE của loại thang đo này vào bảng chung, vì người phản biện sẽ coi đó là dấu hiệu chưa hiểu bản chất thang đo.
Báo cáo mô hình cấu trúc
Đây là phần trả lời trực tiếp câu hỏi nghiên cứu. Một báo cáo PLS-SEM tốt không chỉ nói giả thuyết nào được ủng hộ mà còn cho thấy mức độ tác động và khả năng dự báo của mô hình.
Bảng kiểm định giả thuyết
Bảng nên có mã giả thuyết, đường dẫn, hệ số gốc, độ lệch chuẩn, giá trị t, giá trị p, khoảng tin cậy 95%, f² và kết luận. Hãy đặt VIF của mô hình bên trong ở một bảng riêng phía trước. Cách trình bày bảng theo chuẩn APA có thể tham khảo tại hướng dẫn bảng và hình của APA.
Giải thích, dự báo và tác động trung gian
Báo cáo R² của từng biến phụ thuộc, f² của từng đường dẫn và kết quả PLSpredict gồm Q²predict cùng so sánh sai số với mô hình LM. Nếu có biến trung gian, cần bảng tác động gián tiếp riêng kèm khoảng tin cậy. Diễn giải chi tiết từng chỉ số có trong bài đánh giá R², f² và Q² trên SmartPLS.
Lưu ý minh bạch khi báo cáo PLS-SEM
Minh bạch là phần quyết định độ tin cậy của toàn bộ chương. Các nguyên tắc về nghiên cứu có trách nhiệm của Hiệp hội Tâm lý học Hoa Kỳ là tài liệu tham khảo tốt cho phần này. Những điểm dưới đây thường bị bỏ qua nhất:
- Báo cáo giả thuyết không được ủng hộ với đầy đủ số liệu như giả thuyết được ủng hộ.
- Không đổi thiết lập sau khi xem kết quả, ví dụ chuyển sang kiểm định một phía để có p nhỏ hơn 0,05.
- Lưu file dự án và báo cáo xuất ra của lần chạy cuối để có thể tái lập khi được yêu cầu.
- Nêu rõ giới hạn, chẳng hạn mẫu thuận tiện, dữ liệu cắt ngang hoặc khả năng khái quát hóa.
Kinh nghiệm từ Luận Văn 360: trong các bản thảo chúng tôi rà soát, lỗi hay gặp là số liệu trong bảng chương 4 không khớp với file xuất từ SmartPLS vì được chép tay qua nhiều lần chỉnh mô hình.
Hãy chép số trực tiếp từ báo cáo của lần chạy cuối và đối chiếu lại từng ô trước khi nộp.
Nếu bạn muốn có người đối chiếu chương kết quả với file SmartPLS theo từng mục của checklist, dịch vụ rà soát phân tích SmartPLS của Luận Văn 360 có thể hỗ trợ. Bạn nhận danh sách điểm cần bổ sung và tự hoàn thiện bản thảo của mình.
Lỗi thường gặp trong chương kết quả
Chỉ có bảng mà không có diễn giải
Mỗi bảng cần ít nhất một đoạn nêu kết quả chính và ý nghĩa của nó đối với câu hỏi nghiên cứu. Đừng lặp lại mọi con số trong bảng, hãy chọn điểm quan trọng nhất.
Lẫn lộn kết quả và thảo luận
Chương kết quả nên trình bày điều dữ liệu cho thấy. Phần so sánh với nghiên cứu trước và giải thích nguyên nhân thuộc về mục thảo luận. Nếu bạn còn phân vân về cơ sở chọn phương pháp, hãy đọc bài phân biệt CB-SEM và PLS-SEM để viết phần lập luận chắc hơn.
Kết luận
Một báo cáo PLS-SEM thuyết phục đi theo bốn phần rõ ràng: dữ liệu và thiết lập, mô hình đo lường, mô hình cấu trúc, và minh bạch. Hãy dùng checklist này như bước soát cuối, đối chiếu từng ô số với file kết quả và giữ nguyên những phát hiện không như kỳ vọng. Khi cần một lượt góp ý độc lập, hãy tìm hiểu dịch vụ phân tích dữ liệu bằng SmartPLS của Luận Văn 360.
