Đánh giá mô hình đo lường PLS-SEM là bước kiểm tra xem các biến quan sát có phản ánh đúng và ổn định khái niệm tiềm ẩn hay không, trước khi bạn bàn đến quan hệ giữa các khái niệm. Với thang đo kết quả, quy trình gồm bốn bước: hệ số tải ngoài, độ tin cậy nhất quán nội tại, giá trị hội tụ và giá trị phân biệt. Thang đo nguyên nhân cần một bộ tiêu chí riêng.
Bài viết hướng dẫn bạn nhận diện loại thang đo, đọc từng bảng kết quả trong SmartPLS 4, so với ngưỡng tham khảo có nguồn rõ ràng và viết đoạn báo cáo cho chương kết quả. Cuối bài là những câu hỏi hay gặp khi một chỉ số chưa đạt, giúp bạn xử lý có căn cứ thay vì xóa biến theo cảm tính.
Tóm tắt nhanh: hãy xác định thang đo là kết quả (reflective) hay nguyên nhân (formative) trước khi chọn tiêu chí đánh giá.
Với thang đo kết quả, lần lượt xem hệ số tải, độ tin cậy tổng hợp, AVE và HTMT; chỉ chuyển sang mô hình cấu trúc khi cả bốn nhóm chỉ số đã ổn.
Xác định loại thang đo trong mô hình đo lường PLS-SEM
Mọi tiêu chí phía sau phụ thuộc vào cách bạn mô hình hóa quan hệ giữa khái niệm và biến quan sát. Nếu chọn sai loại, bạn có thể áp ngưỡng Cronbach’s Alpha cho một thang đo vốn không cần các biến tương quan cao với nhau. Vì vậy, hãy quay lại lý thuyết gốc và bảng câu hỏi trước khi mở phần mềm.
Thang đo kết quả (reflective)
Ở thang đo kết quả, khái niệm tiềm ẩn là nguyên nhân khiến các biến quan sát thay đổi cùng chiều. Ví dụ minh họa: sự hài lòng với ứng dụng ngân hàng được đo bằng ba câu gần nghĩa, nên khi khách hàng hài lòng hơn, điểm của cả ba câu đều tăng. Các biến có thể thay thế cho nhau, bỏ một câu không làm đổi nghĩa khái niệm.
Thang đo nguyên nhân (formative)
Ở thang đo nguyên nhân, mỗi biến quan sát góp một phần tạo nên khái niệm và chúng không nhất thiết tương quan với nhau. Chẳng hạn, chi phí chuyển đổi nhà cung cấp có thể gồm chi phí thời gian, tài chính và tâm lý. Bỏ một thành phần đồng nghĩa với thay đổi nội dung khái niệm, nên tiêu chí đánh giá cũng khác hẳn.
- Dấu hiệu thang đo kết quả: các câu hỏi diễn đạt cùng một ý theo nhiều cách và đổi chỗ được cho nhau.
- Dấu hiệu thang đo nguyên nhân: mỗi câu đo một khía cạnh riêng, thiếu một câu là thiếu một phần nội dung.
- Căn cứ quyết định: cách tác giả gốc xây dựng thang đo, không phải kết quả chạy thử trên dữ liệu.
Độ tin cậy: hệ số tải ngoài và độ tin cậy nhất quán nội tại
Sau khi chạy thuật toán PLS (PLS-SEM algorithm) trong SmartPLS 4, bạn mở báo cáo kết quả và tìm hai bảng chính. Bảng Outer loadings cho biết từng biến quan sát gắn với khái niệm mạnh đến đâu. Bảng Construct reliability and validity gom độ tin cậy và AVE của mọi khái niệm vào cùng một chỗ để tiện so sánh.
Hệ số tải ngoài (outer loadings)
Hair và cộng sự (2022) khuyến nghị hệ số tải từ 0,708 trở lên, vì khi đó khái niệm giải thích được khoảng một nửa phương sai của biến quan sát. Trong thực tế, nhiều nghiên cứu dùng mốc làm tròn 0,7. Biến có hệ số tải dưới 0,4 thường bị loại, còn vùng từ 0,4 đến 0,7 cần cân nhắc kỹ hơn.
Khi nào cân nhắc loại biến quan sát
Với biến nằm trong vùng 0,4 đến 0,7, chỉ nên loại nếu việc đó giúp độ tin cậy tổng hợp hoặc AVE vượt ngưỡng. Đồng thời, bạn cần chắc rằng việc loại không làm mất một khía cạnh nội dung quan trọng của khái niệm. Mỗi lần loại phải chạy lại mô hình, ghi lý do và báo cáo minh bạch trong luận văn.
Cronbach’s Alpha, rho_a và rho_c
SmartPLS 4 báo cáo ba chỉ số: Cronbach’s Alpha, Composite reliability (rho_a) và Composite reliability (rho_c). Cronbach’s Alpha thường cho giá trị thấp hơn, rho_c có xu hướng cao hơn, nên rho_a được xem là điểm cân bằng ở giữa. Ngưỡng tham khảo phổ biến là từ 0,70 đến 0,95; với nghiên cứu khám phá, mức 0,60 đến 0,70 có thể chấp nhận.
Giá trị trên 0,95 không phải tin tốt. Nó thường cho thấy các câu hỏi gần như lặp lại nhau, hoặc người trả lời chọn cùng một mức cho mọi câu, điều có thể làm tăng sai lệch phương pháp chung. Nếu bạn quen đọc hệ số này trên SPSS, bài kiểm định độ tin cậy thang đo trên SPSS giúp bạn so sánh hai cách tiếp cận.
Giá trị hội tụ và giá trị phân biệt
Phương sai trung bình được trích (AVE)
AVE là trung bình bình phương hệ số tải của các biến thuộc một khái niệm. Theo Fornell và Larcker (1981), AVE từ 0,50 trở lên nghĩa là khái niệm giải thích trung bình ít nhất một nửa phương sai của các biến quan sát. AVE thấp thường bắt nguồn từ một hoặc hai biến có hệ số tải yếu, nên hãy quay lại bảng Outer loadings để tìm nguyên nhân.
HTMT và tiêu chí Fornell-Larcker
Trong mục Discriminant validity, SmartPLS 4 hiển thị ma trận HTMT, tiêu chí Fornell-Larcker và hệ số tải chéo. Henseler và cộng sự (2015) cho thấy HTMT phát hiện vấn đề phân biệt tốt hơn Fornell-Larcker, nên nhiều tạp chí ưu tiên HTMT. Ngưỡng thường dùng là dưới 0,85 với khái niệm khác biệt rõ về nội dung và dưới 0,90 với khái niệm gần nhau.
Để chặt chẽ hơn, bạn có thể chạy bootstrap và kiểm tra cận trên khoảng tin cậy của HTMT thấp hơn ngưỡng đã chọn. Tiêu chí Fornell-Larcker yêu cầu căn bậc hai AVE của mỗi khái niệm lớn hơn tương quan của nó với các khái niệm khác. Cách đọc khoảng tin cậy được trình bày trong bài cách đọc kết quả bootstrap trong SmartPLS.
Đánh giá thang đo nguyên nhân (formative)
Với thang đo nguyên nhân, Cronbach’s Alpha và AVE không còn ý nghĩa, vì các biến không bắt buộc phải tương quan với nhau. Đây là điểm nhiều người bỏ sót khi đánh giá mô hình đo lường PLS-SEM có cả hai loại thang đo. Hair và cộng sự (2022) đề xuất ba bước đánh giá thay thế:
- Giá trị hội tụ qua phân tích dư thừa (redundancy analysis): tương quan giữa khái niệm formative và một biến đo tổng quát nên đạt khoảng 0,70 trở lên.
- Đa cộng tuyến giữa các biến quan sát: VIF lý tưởng dưới 3, từ 5 trở lên là dấu hiệu nghiêm trọng.
- Ý nghĩa và mức độ liên quan của trọng số ngoài (outer weights): kiểm định bằng bootstrap; trọng số không có ý nghĩa vẫn có thể giữ nếu hệ số tải từ 0,50 trở lên.
Ngưỡng tham khảo và cách báo cáo chỉ số
Bảng dưới đây tổng hợp các ngưỡng thường dùng cho mô hình đo lường PLS-SEM với thang đo kết quả. Đây là mốc phổ biến trong tài liệu, không phải quy định cứng, nên bạn cần đối chiếu yêu cầu của giảng viên hoặc tạp chí dự định gửi bài.
| Tiêu chí | Bảng trong SmartPLS 4 | Ngưỡng tham khảo | Nguồn |
|---|---|---|---|
| Hệ số tải ngoài | Outer loadings | ≥ 0,708 (làm tròn 0,7) | Hair và cộng sự (2022) |
| Cronbach’s Alpha, rho_a, rho_c | Construct reliability and validity | 0,70–0,95 | Hair và cộng sự (2022) |
| AVE | Construct reliability and validity | ≥ 0,50 | Fornell & Larcker (1981) |
| HTMT | Discriminant validity | < 0,85 hoặc < 0,90 | Henseler và cộng sự (2015) |
| Fornell-Larcker | Discriminant validity | Căn bậc hai AVE lớn hơn tương quan | Fornell & Larcker (1981) |
Mẫu câu báo cáo trong chương kết quả
Bạn có thể tham khảo khung câu sau và điền số liệu thật của mình: “Hệ số tải ngoài nằm trong khoảng từ [giá trị thấp nhất] đến [giá trị cao nhất], đều vượt ngưỡng 0,708. Độ tin cậy tổng hợp rho_c dao động từ [a] đến [b], AVE của các khái niệm đều lớn hơn 0,50. HTMT lớn nhất là [c], thấp hơn ngưỡng 0,85, cho thấy thang đo đạt giá trị phân biệt.”
Kinh nghiệm từ Luận Văn 360: lỗi chúng tôi gặp nhiều nhất là xóa liên tục các biến có hệ số tải dưới 0,7 cho đến khi mọi chỉ số đều đẹp, khiến có khái niệm chỉ còn hai biến.
Cách làm an toàn hơn là ghi nhật ký từng lần loại biến, kèm lý do nội dung và chỉ số trước, sau khi loại. Hội đồng thường hỏi đúng vào điểm này.
Nếu bảng kết quả của bạn có chỉ số chưa đạt mà chưa rõ nên xử lý theo hướng nào, dịch vụ tư vấn phân tích dữ liệu bằng SmartPLS của Luận Văn 360 có thể rà soát cùng bạn. Bạn nhận giải thích cho từng chỉ số, tự quyết định cách điều chỉnh và dữ liệu gốc luôn được giữ nguyên.
Câu hỏi thường gặp
HTMT vượt 0,90 thì xử lý thế nào?
Trước hết, hãy đọc lại nội dung câu hỏi của hai khái niệm xem có trùng ý hay không. Bạn có thể loại biến có tương quan chéo cao, hoặc gộp hai khái niệm nếu lý thuyết cho phép. Không nên chỉ chuyển sang tiêu chí Fornell-Larcker để né vấn đề, vì tiêu chí này kém nhạy hơn.
Có cần chạy CFA bằng AMOS trước SmartPLS không?
Không bắt buộc, vì PLS-SEM có quy trình đánh giá thang đo riêng như đã trình bày. Nếu đề tài hướng đến kiểm định lý thuyết và cần chỉ số phù hợp tổng thể, bài so sánh CB-SEM với PLS-SEM sẽ giúp bạn chọn đúng phương pháp ngay từ đầu.
Kết luận
Hãy đánh giá mô hình đo lường PLS-SEM theo đúng thứ tự: xác định loại thang đo, kiểm tra hệ số tải và độ tin cậy, sau đó đến giá trị hội tụ và phân biệt. Mỗi quyết định loại biến cần lý do nội dung và được báo cáo minh bạch. Tài liệu gốc về thuật toán có tại trang hướng dẫn của SmartPLS.
Khi thang đo đã ổn, bước tiếp theo là kiểm định mô hình cấu trúc bằng SmartPLS, rồi dùng danh mục kiểm tra báo cáo PLS-SEM để soát lại chương 4. Nếu cần một lượt góp ý độc lập, hãy tìm hiểu dịch vụ phân tích dữ liệu SmartPLS của Luận Văn 360.
