Đánh giá mô hình cấu trúc trong SMARTPLS 4

Sau khi hoàn tất bước đánh giá mô hình đo lường bằng phần mềm SmartPLS 4, nghiên cứu tiếp tục triển khai giai đoạn đánh giá mô hình cấu trúc trong khuôn khổ phương pháp PLS-SEM. Mục tiêu của giai đoạn này là kiểm định các giả thuyết nghiên cứu và xác định mức độ giải thích của mô hình đối với các biến phụ thuộc. Việc đánh giá mô hình cấu trúc trên SmartPLS 4 tập trung vào các nội dung chính sau:

1. Kiểm tra hiện tượng đa cộng tuyến giữa các biến độc lập thông qua hệ số phóng đại phương sai bên trong (inner VIF).

2. Đánh giá ý nghĩa thống kê và mức độ tác động của các quan hệ nhân quả trong mô hình thông qua hệ số đường dẫn (path coefficients).

3. Phân tích hệ số xác định R bình phương (R square) nhằm xác định tỷ lệ phương sai của biến phụ thuộc được giải thích bởi các biến độc lập.

4. Xem xét hệ số tác động f bình phương (f square) để đo lường mức độ ảnh hưởng riêng lẻ của từng biến độc lập lên biến phụ thuộc.

Đối với mô hình nghiên cứu gồm sáu nhân tố đã được trình bày trong phần đánh giá mô hình đo lường, nhân tố KM được xây dựng theo dạng thang đo nguyên nhân (formative measurement), trong khi các nhân tố còn lại được thiết kế theo dạng thang đo kết quả (reflective measurement). Sự phân biệt này có ý nghĩa quan trọng trong quá trình diễn giải kết quả, do đặc điểm ước lượng và tiêu chí đánh giá giữa hai loại thang đo có sự khác biệt về mặt phương pháp luận.

Trong quá trình đánh giá mô hình cấu trúc trên SmartPLS 4, nhà nghiên cứu cần thực hiện hai thủ tục phân tích chính. Thứ nhất là PLS-SEM Algorithm nhằm ước lượng các hệ số đường dẫn, giá trị R bình phương, f bình phương và các chỉ số liên quan. Thứ hai là Bootstrapping, được sử dụng để kiểm định ý nghĩa thống kê của các tham số ước lượng thông qua việc tái lấy mẫu nhiều lần, từ đó xác định giá trị t, p-value và khoảng tin cậy cho từng giả thuyết trong mô hình nghiên cứu.

1. Đánh giá hiện tượng cộng tuyến giữa các biến độc lập thông qua chỉ số Inner VIF

Trong mô hình cấu trúc tuyến tính, khái niệm “biến độc lập” được hiểu là các biến cùng tác động đến một biến đóng vai trò phụ thuộc, tức là biến nhận mũi tên hướng vào trong sơ đồ mô hình. Ở ví dụ minh họa, mô hình bao gồm hai biến phụ thuộc là NB và TT.

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

Do đó, khi kiểm định hiện tượng cộng tuyến, việc đánh giá được thực hiện riêng biệt theo từng nhóm biến độc lập tương ứng với từng biến phụ thuộc trong mô hình.

• Thứ nhất, cần xem xét mức độ cộng tuyến giữa bốn biến QC, QH, KM và BH khi chúng cùng tác động đến NB.
• Thứ hai, cần kiểm tra cộng tuyến giữa ba biến QC, BH và NB khi các biến này đồng thời giải thích biến TT. Việc phân tách theo từng nhóm như vậy giúp đảm bảo đánh giá chính xác tác động chồng lấp giữa các biến độc lập trong từng phương trình cấu trúc.

Nếu mô hình xuất hiện hiện tượng cộng tuyến hoặc đa cộng tuyến, các hệ số hồi quy ước lượng có thể bị sai lệch, độ lệch chuẩn gia tăng và giá trị p không còn phản ánh chính xác ý nghĩa thống kê của các quan hệ giả thuyết. Điều này có thể dẫn đến những kết luận không chính xác về mức độ và chiều hướng tác động giữa các biến trong mô hình.

Theo Hair và cộng sự (2019) trong nghiên cứu When to Use and How to Report the Results of PLS-SEM đăng trên European Business Review, chỉ số VIF (variance inflation factor) được sử dụng để đánh giá mức độ cộng tuyến giữa các biến độc lập với các ngưỡng khuyến nghị như sau:

• VIF lớn hơn hoặc bằng 5 cho thấy khả năng rất cao tồn tại hiện tượng cộng tuyến nghiêm trọng và mô hình bị ảnh hưởng đáng kể.
• VIF từ 3 đến nhỏ hơn 5 cho thấy mô hình có thể đang tồn tại cộng tuyến ở mức độ trung bình và cần được xem xét thận trọng.
• VIF nhỏ hơn 3 cho thấy mô hình không gặp vấn đề về cộng tuyến.

Trong phần mềm SmartPLS 4, để kiểm tra hệ số VIF của các biến độc lập trong mô hình cấu trúc, người nghiên cứu thực hiện thuật toán PLS-SEM và truy cập mục Collinearity statistics (VIF), sau đó chọn Inner model ở chế độ hiển thị dạng danh sách.

Kết quả được trình bày dưới dạng ma trận, trong đó hàng đầu tiên thể hiện các biến đóng vai trò phụ thuộc, cột đầu tiên thể hiện các biến được xem là độc lập, và các giá trị trong bảng là hệ số VIF tương ứng.

Trong ví dụ, chỉ có hai cột NB và TT xuất hiện giá trị vì đây là hai biến phụ thuộc trong mô hình. Ở cột NB, các giá trị VIF nằm tại các hàng BH, KM, QC và QH, tương ứng với bốn biến độc lập tác động đến NB. Tương tự, tại cột TT, các giá trị VIF xuất hiện ở các hàng BH, NB và QC, phản ánh ba biến độc lập ảnh hưởng đến TT.

Kết quả phân tích minh họa cho thấy toàn bộ các biến độc lập của NB và TT đều có giá trị VIF nhỏ hơn 3. Điều này chứng tỏ mô hình không xảy ra hiện tượng cộng tuyến theo ngưỡng khuyến nghị của Hair và cộng sự. Trong trường hợp phát hiện biến độc lập có VIF lớn hơn 5, nhà nghiên cứu nên cân nhắc loại bỏ biến đó khỏi mô hình và tiến hành ước lượng lại để đảm bảo độ tin cậy và giá trị suy luận của kết quả nghiên cứu.

Tóm lại, tiêu chuẩn đánh giá cộng tuyến giữa các biến độc lập trong SmartPLS 4 dựa trên chỉ số Inner VIF được diễn giải như sau:

• Inner VIF lớn hơn hoặc bằng 5 cho thấy cộng tuyến nghiêm trọng;
• Từ 3 đến nhỏ hơn 5 cho thấy có khả năng tồn tại cộng tuyến;
• Và nhỏ hơn 3 cho thấy không có hiện tượng cộng tuyến trong mô hình cấu trúc.

2. Đánh giá ý nghĩa của các quan hệ tác động trực tiếp

Để kiểm định các giả thuyết nghiên cứu và xác định liệu các mối quan hệ được giả định trong mô hình cấu trúc có được ủng hộ về mặt thống kê hay không, nghiên cứu sử dụng kết quả phân tích hệ số đường dẫn trong mô hình PLS-SEM. Cụ thể, việc kết luận ý nghĩa của các mũi tên trong mô hình được thực hiện thông qua chỉ số Path Coefficients.

Trong nội dung này, việc đánh giá được triển khai trên hai phương diện chính: (1) kiểm định ý nghĩa thống kê của các quan hệ tác động và (2) xem xét mức độ cũng như chiều hướng của các quan hệ đó.

Mục 1: Kiểm định ý nghĩa thống kê của quan hệ tác động

Ý nghĩa thống kê của hệ số đường dẫn phụ thuộc vào sai số chuẩn được ước lượng thông qua kỹ thuật bootstrapping trong SMARTPLS 4. Phương pháp bootstrapping cho phép tái lấy mẫu nhiều lần từ dữ liệu ban đầu nhằm ước lượng phân phối của hệ số, từ đó tính toán giá trị thống kê t và p-value cho toàn bộ các đường dẫn trong mô hình cấu trúc.

Việc đánh giá ý nghĩa thống kê có thể dựa trên giá trị t hoặc p-value; tuy nhiên, trong thực hành nghiên cứu, p-value thường được sử dụng do tính trực quan và thuận tiện trong diễn giải. SMARTPLS 4 cũng mặc định ưu tiên báo cáo và diễn giải kết quả dựa trên p-value.

Trong kiểm định hai đuôi, các giá trị tới hạn thường được sử dụng tương ứng với các mức ý nghĩa 10%, 5% và 1% lần lượt là 1.65, 1.96 và 2.57. Mức ý nghĩa 5% (p < 0.05) được sử dụng phổ biến trong nghiên cứu khoa học xã hội và cũng là ngưỡng mặc định của SMARTPLS 4. Khi p-value của hệ số đường dẫn nhỏ hơn 0.05, có thể kết luận rằng quan hệ tác động có ý nghĩa thống kê ở mức 5%. Ngược lại, nếu p-value lớn hơn 0.05, quan hệ đó không đạt ý nghĩa thống kê. Trong trường hợp này, quan hệ vẫn được giữ nguyên trong mô hình để phản ánh cấu trúc lý thuyết ban đầu, đồng thời được kết luận là không có ý nghĩa thống kê thay vì bị loại bỏ khỏi mô hình.

Mục 2: Đánh giá mức độ và chiều của quan hệ tác động

SMARTPLS 4 cung cấp hệ số tác động chuẩn hóa, thường dao động trong khoảng từ -1 đến +1.

• Hệ số dương phản ánh mối quan hệ cùng chiều giữa các biến,
• Trong khi hệ số âm cho thấy mối quan hệ ngược chiều.
• Giá trị hệ số càng tiến gần đến +1 cho thấy cường độ tác động dương càng mạnh;
• Giá trị hệ số càng tiến gần đến -1 cho thấy cường độ tác động âm càng mạnh;
• Ngược lại, hệ số càng gần 0 phản ánh mức độ tác động yếu.

Khi một biến phụ thuộc chịu ảnh hưởng đồng thời từ nhiều biến độc lập, mức độ tác động tương đối giữa các biến độc lập được so sánh dựa trên giá trị tuyệt đối của hệ số đường dẫn chuẩn hóa. Trong trường hợp tồn tại cả tác động dương và âm, việc so sánh cường độ ảnh hưởng được thực hiện thông qua trị tuyệt đối của hệ số để đảm bảo tính khách quan.

Việc diễn giải các quan hệ tác động được thực hiện dựa trên kết quả bootstrapping, cụ thể tại bảng Path Coefficients.

Hai cột thông tin quan trọng cần xem xét bao gồm Original sample và P values.

• Original sample phản ánh hệ số tác động chuẩn hóa của mẫu dữ liệu gốc, đồng thời chính là hệ số đường dẫn được sử dụng để đánh giá mức độ và chiều tác động.
• Sample mean thể hiện giá trị trung bình của hệ số đường dẫn trên toàn bộ các mẫu bootstrap.
• Standard deviation cho biết độ lệch chuẩn của các hệ số ước lượng từ bootstrap.
• T statistics là giá trị kiểm định t dùng để đánh giá ý nghĩa thống kê của từng quan hệ.
• P values phản ánh xác suất sai lầm loại I và được so sánh với các ngưỡng 0.05, 0.1 hoặc 0.01, trong đó mức 0.05 được sử dụng phổ biến nhất.

Kết quả thực nghiệm cho thấy,

Mục 1: Ngoại trừ quan hệ QC → TT không đạt ý nghĩa thống kê do p-value = 0.714 lớn hơn 0.05, các quan hệ còn lại đều có ý nghĩa thống kê khi p-value nhỏ hơn 0.05.

Mục 2: Đồng thời, toàn bộ các hệ số đường dẫn đều mang dấu dương, cho thấy các mối quan hệ trong mô hình đều là tác động cùng chiều. Xét về cường độ ảnh hưởng đến biến NB, thứ tự tác động giảm dần được xác định như sau: KM (0.367), tiếp đến là QC (0.316), BH (0.316) và QH (0.187). Đối với biến TT, mức độ tác động giảm dần lần lượt là NB (0.457) và BH (0.282).

Tóm lại, trong SMARTPLS 4

• Quan hệ được xem là có ý nghĩa thống kê khi p-value nhỏ hơn 0.05 và không có ý nghĩa thống kê khi p-value lớn hơn 0.05.
• Dấu của hệ số Original sample cho biết chiều tác động
• Trong khi độ lớn của trị tuyệt đối hệ số này được sử dụng để so sánh mức độ ảnh hưởng tương đối giữa các biến độc lập lên cùng một biến phụ thuộc.

3. Hệ số xác định R bình phương (R square)

Hệ số xác định R bình phương được sử dụng nhằm phản ánh mức độ mà các biến độc lập trong mô hình có khả năng giải thích sự biến thiên của biến phụ thuộc. Trong một mô hình cấu trúc, số lượng hệ số R bình phương tương ứng với số lượng biến nội sinh (biến phụ thuộc) được đưa vào phân tích.

Theo Hair và cộng sự (2017), việc thiết lập một ngưỡng giá trị mang tính quy ước để đánh giá R bình phương là phù hợp hay không phù hợp là tương đối phức tạp. Giá trị này phụ thuộc vào nhiều yếu tố như mức độ phức tạp của mô hình (số lượng biến độc lập, sự tồn tại của các mối quan hệ trung gian hoặc điều tiết) cũng như đặc thù của từng lĩnh vực nghiên cứu. Do đó, không tồn tại một tiêu chuẩn cố định mang tính phổ quát để kết luận giá trị R bình phương đạt hay không đạt yêu cầu.

Về mặt lý thuyết, R bình phương có giá trị dao động trong khoảng từ 0 đến 1. Giá trị càng tiến gần về 1 cho thấy các biến độc lập có khả năng giải thích phần lớn sự biến thiên của biến phụ thuộc; ngược lại, giá trị càng tiến gần về 0 phản ánh mức độ giải thích của mô hình là thấp.

Trong phần mềm SMARTPLS 4, bên cạnh chỉ số R-square, hệ thống còn cung cấp thêm R-square adjusted (R bình phương hiệu chỉnh). Chỉ số này điều chỉnh theo số lượng biến độc lập trong mô hình và được xem là phản ánh chính xác hơn mức độ giải thích thực sự của các biến ngoại sinh đối với biến nội sinh. Vì vậy, trong thực hành nghiên cứu, nên ưu tiên sử dụng R bình phương hiệu chỉnh để đánh giá mức độ phù hợp của mô hình.

Để xem hệ số xác định trong SMARTPLS 4, sau khi chạy thuật toán PLS-SEM Algorithm, người nghiên cứu truy cập vào mục R-square trong bảng kết quả để quan sát các giá trị tương ứng với từng biến phụ thuộc.

Trong ví dụ minh họa, mô hình có hai biến nội sinh là NB và TT, do đó tồn tại hai giá trị R bình phương hiệu chỉnh tương ứng.

• Giá trị R bình phương hiệu chỉnh của NB đạt 0.745, cho thấy các biến độc lập QC, QH, KM và BH giải thích được 73.4% sự biến thiên của NB.
• Tương tự, R bình phương hiệu chỉnh của TT đạt 0.465, hàm ý rằng các biến QC, BH và NB giải thích được 46.5% sự biến thiên của TT.

Đánh giá hệ số xác định R bình phương trong SMARTPLS 4 cần lưu ý một số điểm sau.

• Thứ nhất, giá trị R bình phương càng tiến gần về 1 thì khả năng giải thích của mô hình đối với biến phụ thuộc càng cao; ngược lại, giá trị càng gần 0 cho thấy mức độ giải thích thấp.
• Thứ hai, không tồn tại một ngưỡng cố định để khẳng định R bình phương đạt hay không đạt.
• Thứ ba, trong quá trình đánh giá, nên sử dụng chỉ số R bình phương hiệu chỉnh để đảm bảo tính chính xác và khách quan của kết quả phân tích.

4. Hệ số tác động f bình phương (effect size)

Chin (1998) đề xuất công thức xác định hệ số f bình phương (f²) nhằm lượng hóa mức độ đóng góp riêng của từng biến độc lập đối với biến phụ thuộc trong mô hình cấu trúc. Chỉ số này phản ánh mức thay đổi của hệ số xác định R² khi một biến độc lập được đưa vào hoặc loại khỏi mô hình, qua đó đánh giá tầm quan trọng thực tiễn của biến đó trong bối cảnh PLS-SEM.

Dựa trên quan điểm của Cohen (1988), các ngưỡng giá trị f² được sử dụng để diễn giải mức độ tác động của biến độc lập như sau:

• f² < 0.02: mức tác động không đáng kể hoặc hầu như không có ý nghĩa thực tiễn.
• 0.02 ≤ f² < 0.15: mức tác động nhỏ.
• 0.15 ≤ f² < 0.35: mức tác động trung bình.
• f² ≥ 0.35: mức tác động lớn.

Trong phần mềm SmartPLS 4, để xem hệ số f², sau khi chạy PLS-SEM Algorithm, người nghiên cứu lựa chọn mục f-square trong bảng kết quả.

Cách trình bày bảng f² được thiết kế dưới dạng ma trận, trong đó hàng đầu tiên thể hiện các biến giữ vai trò phụ thuộc, cột đầu tiên thể hiện các biến giữ vai trò độc lập, và các ô giá trị trong bảng là hệ số f² tương ứng với từng mối quan hệ tác động.

Trong ví dụ minh họa, chỉ có hai cột NB và TT xuất hiện giá trị vì đây là hai biến phụ thuộc trong mô hình. Ở cột NB, các giá trị f² nằm tại các hàng BH, KM, QC và QH, tương ứng với các biến độc lập tác động đến NB. Tương tự, tại cột TT, các giá trị f² xuất hiện ở các hàng BH, NB và QC, phản ánh mức độ tác động của các biến này đến TT.

Kết quả phân tích thực nghiệm cho thấy:

• Đối với biến phụ thuộc NB, biến KM có mức tác động lớn; các biến BH và QC có mức tác động trung bình; biến QH có mức tác động nhỏ.
• Đối với biến phụ thuộc TT, biến NB có mức tác động trung bình; biến BH có mức tác động nhỏ; biến QC không có tác động đáng kể.

Trong nhiều trường hợp, thứ tự mức độ ảnh hưởng của các biến độc lập dựa trên hệ số đường dẫn chuẩn hóa (cột Original sample trong bảng Path coefficients) tương đồng với thứ tự được xác định thông qua hệ số f². Do đó, cả hai chỉ số đều có thể được sử dụng để so sánh cường độ tác động giữa các biến độc lập khi chúng đồng thời ảnh hưởng đến cùng một biến phụ thuộc. Tuy nhiên, sự tương đồng này không phải lúc nào cũng xảy ra, bởi f² phản ánh mức đóng góp vào R², trong khi hệ số đường dẫn chuẩn hóa phản ánh cường độ và chiều hướng quan hệ trực tiếp.

Về nguyên tắc sử dụng chỉ số:

– Khi mục tiêu là so sánh biến độc lập nào có ảnh hưởng mạnh hơn lên cùng một biến phụ thuộc, nên ưu tiên sử dụng hệ số tác động chuẩn hóa.

– Khi mục tiêu là đánh giá mức độ tác động thuộc nhóm lớn, trung bình hay nhỏ theo chuẩn mực nghiên cứu, nên sử dụng hệ số f².

Trong SmartPLS 4, việc diễn giải ý nghĩa của hệ số f² tiếp tục dựa trên các ngưỡng do Cohen (1988) đề xuất:

• f² < 0.02: mức tác động không đáng kể hoặc không có ý nghĩa thực tiễn.
• 0.02 ≤ f² < 0.15: mức tác động nhỏ.
• 0.15 ≤ f² < 0.35: mức tác động trung bình.
• f² ≥ 0.35: mức tác động lớn.

Bên cạnh f², nghiên cứu PLS-SEM còn có thể xem xét các chỉ số liên quan đến năng lực dự báo như Q² và q². Tuy nhiên, trong nhiều nghiên cứu ứng dụng, các chỉ số này không phải là tiêu chí trọng tâm nên thường không được trình bày chi tiết.