Kết quả PLS-SEM theo APA 7 thường gồm bốn bảng theo đúng trình tự Hair và cộng sự (2019): hệ số tải ngoài; độ tin cậy và giá trị hội tụ (alpha, rho_A, CR, AVE); giá trị phân biệt (HTMT); và mô hình cấu trúc (hệ số đường dẫn, sai số chuẩn bootstrap, t, p, khoảng tin cậy, R²). Mỗi bảng có Ghi chú nói số mẫu bootstrap và ngưỡng đánh giá. Dưới đây là bốn bảng mẫu dựng từ dữ liệu thật mobi.
Mô hình chỉ số hài lòng châu Âu ECSI (Tenenhaus et al., 2005) trên 250 khách hàng điện thoại di động, dữ liệu mobi.csv ở trang kiểm chứng. Ước lượng điểm lấy từ gói R seminr 2.6.0 (thuật toán trọng số đường dẫn, mặc định của SmartPLS). Sai số chuẩn và khoảng tin cậy chạy bằng công cụ PLS-SEM của Góc Nghiên Cứu với 5.000 mẫu bootstrap; công cụ này được kiểm tra tự động với seminr và cSEM. Ví dụ này cố ý giữ nguyên các chỉ số chưa đạt để bạn thấy cách ghi chú trung thực.
Bảng 1: hệ số tải ngoài
Bảng 4.5
Hệ số tải ngoài của các biến quan sát
| Khái niệm | Biến | Hệ số tải |
|---|---|---|
| Hình ảnh (IMAG) | IMAG1 / IMAG2 / IMAG3 / IMAG4 / IMAG5 | 0,745 / 0,599 / 0,576 / 0,769 / 0,745 |
| Kỳ vọng (CUEX) | CUEX1 / CUEX2 / CUEX3 | 0,764 / 0,706 / 0,600 |
| Giá trị cảm nhận (PERV) | PERV1 / PERV2 | 0,904 / 0,938 |
| Sự hài lòng (CUSA) | CUSA1 / CUSA2 / CUSA3 | 0,792 / 0,843 / 0,861 |
| Khiếu nại (CUSCO) | CUSCO | 1,000 |
| Lòng trung thành (CUSL) | CUSL1 / CUSL2 / CUSL3 | 0,820 / 0,202 / 0,915 |
Ghi chú. N = 250. Ngưỡng khuyến nghị 0,708 (Hair và cộng sự, 2019). CUSL2 (0,202) thấp hơn nhiều so với ngưỡng này. Khiếu nại đo bằng một biến nên hệ số tải bằng 1.
Bảng 2: độ tin cậy và giá trị hội tụ
Bảng 4.6
Độ tin cậy và giá trị hội tụ của các khái niệm
| Khái niệm | Cronbach's α | rho_A | CR (rho_C) | AVE |
|---|---|---|---|---|
| Hình ảnh | 0,723 | 0,740 | 0,819 | 0,478 |
| Kỳ vọng | 0,452 | 0,462 | 0,733 | 0,481 |
| Giá trị cảm nhận | 0,824 | 0,849 | 0,918 | 0,849 |
| Sự hài lòng | 0,779 | 0,793 | 0,871 | 0,693 |
| Lòng trung thành | 0,472 | 0,746 | 0,722 | 0,517 |
Ghi chú. Ngưỡng: α, rho_A và CR từ 0,70 đến 0,95; AVE từ 0,50 (Fornell & Larcker, 1981; Hair và cộng sự, 2019). Giá trị in đậm chưa đạt ngưỡng. Khiếu nại (một biến) không báo cáo độ tin cậy. Cách tính và ý nghĩa xem bài AVE và CR là gì.
Bảng 3: giá trị phân biệt HTMT
Bảng 4.7
Tỉ số HTMT giữa các khái niệm
| Hình ảnh | Kỳ vọng | Giá trị | Hài lòng | Khiếu nại | |
|---|---|---|---|---|---|
| Kỳ vọng | 0,888 | ||||
| Giá trị cảm nhận | 0,652 | 0,589 | |||
| Sự hài lòng | 0,910 | 0,865 | 0,741 | ||
| Khiếu nại | 0,545 | 0,383 | 0,387 | 0,588 | |
| Lòng trung thành | 0,867 | 0,770 | 0,797 | 0,957 | 0,561 |
Ghi chú. Ngưỡng 0,85, hoặc 0,90 với các khái niệm gần nghĩa (Henseler et al., 2015). Giá trị in đậm vượt 0,90. Xem bài HTMT là gì.
Bảng 4: mô hình cấu trúc
Bảng 4.8
Kết quả kiểm định các đường tác động
| Giả thuyết | Đường tác động | β | SE | t | p | KTC 95% | Kết luận |
|---|---|---|---|---|---|---|---|
| H1 | Hình ảnh → Kỳ vọng | 0,506 | 0,057 | 8,81 | < 0,001 | [0,399; 0,628] | Ủng hộ |
| H2 | Hình ảnh → Hài lòng | 0,445 | 0,057 | 7,87 | < 0,001 | [0,342; 0,563] | Ủng hộ |
| H3 | Hình ảnh → Trung thành | 0,194 | 0,077 | 2,51 | 0,012 | [0,051; 0,351] | Ủng hộ |
| H4 | Kỳ vọng → Giá trị | 0,359 | 0,072 | 4,96 | < 0,001 | [0,220; 0,504] | Ủng hộ |
| H5 | Kỳ vọng → Hài lòng | 0,167 | 0,060 | 2,77 | 0,006 | [0,043; 0,277] | Ủng hộ |
| H6 | Giá trị → Hài lòng | 0,323 | 0,072 | 4,49 | < 0,001 | [0,178; 0,460] | Ủng hộ |
| H7 | Hài lòng → Khiếu nại | 0,529 | 0,054 | 9,87 | < 0,001 | [0,419; 0,630] | Ủng hộ |
| H8 | Hài lòng → Trung thành | 0,488 | 0,083 | 5,87 | < 0,001 | [0,316; 0,639] | Ủng hộ |
| H9 | Khiếu nại → Trung thành | 0,066 | 0,060 | 1,10 | 0,271 | [−0,054; 0,181] | Không ủng hộ |
Ghi chú. N = 250; bootstrap 5.000 mẫu, kiểm định hai phía, khoảng tin cậy phân vị. β = hệ số đường dẫn chuẩn hoá. R² (R² hiệu chỉnh): Kỳ vọng 0,257 (0,254); Giá trị cảm nhận 0,129 (0,125); Sự hài lòng 0,590 (0,585); Khiếu nại 0,280 (0,277); Lòng trung thành 0,458 (0,451).
Đoạn văn mẫu, kể cả phần chưa đạt
Mô hình đo lường được đánh giá theo Hair và cộng sự (2019). Phần lớn hệ số tải trên 0,70; riêng CUSL2 có hệ số tải 0,202 (Bảng 4.5). Thang đo Kỳ vọng có α = 0,452 và AVE = 0,481, thang Hình ảnh có AVE = 0,478, chưa đạt ngưỡng 0,50 (Bảng 4.6). HTMT giữa Sự hài lòng và Lòng trung thành là 0,957, giữa Hình ảnh và Sự hài lòng là 0,910, vượt ngưỡng 0,90 (Bảng 4.7), cho thấy giá trị phân biệt giữa các cặp khái niệm này chưa được bảo đảm. Trong mô hình cấu trúc, tám trên chín đường tác động có ý nghĩa thống kê (Bảng 4.8); mô hình giải thích 59,0% biến thiên của Sự hài lòng và 45,8% của Lòng trung thành.
Với dữ liệu khoá luận của bạn, các chỉ số chưa đạt như trên cần được xử lý trước khi đọc mô hình cấu trúc: cân nhắc loại biến có hệ số tải rất thấp (như CUSL2) rồi chạy lại, và giải thích HTMT cao bằng nội dung câu hỏi. Không bỏ bảng hay đổi ngưỡng để che chỉ số chưa đạt. Hướng xử lý chi tiết có ở các bài AVE dưới 0,5 và HTMT vượt ngưỡng.
Quy tắc trình bày bảng PLS-SEM
- Theo đúng thứ tự: mô hình đo lường trước, mô hình cấu trúc sau. Không đọc hệ số đường dẫn khi mô hình đo lường chưa đạt.
- Ghi số mẫu bootstrap, một phía hay hai phía, và loại khoảng tin cậy (phân vị hay BCa) trong Ghi chú.
- Báo β, SE, t, p và khoảng tin cậy; chỉ báo t và p là chưa đủ.
- Bảng HTMT chỉ cần nửa dưới ma trận.
- Bảng hệ số tải có thể trình bày mỗi biến một dòng; cách gộp như Bảng 1 ở trên dùng khi trang khổ hẹp.
Câu hỏi thường gặp
Có cần báo cả Fornell-Larcker lẫn HTMT không?
HTMT là bắt buộc theo hướng dẫn hiện nay. Fornell-Larcker có thể báo thêm nếu giảng viên yêu cầu, nhưng không thay được HTMT.
Có cần báo f² và Q² không?
Nên báo f² (mức tác động) và Q² (khả năng dự báo) trong một bảng sau Bảng 4. Công cụ PLS-SEM tính cả hai.
Mẫu bảng này dùng cho SmartPLS được không?
Được. Các con số SmartPLS xuất ra (Outer Loadings, Construct Reliability and Validity, HTMT, Path Coefficients) điền đúng vào các cột trên. Nếu SmartPLS hết hạn, xem bài SmartPLS hết hạn.
Các bảng khác của chương 4: mẫu bảng Cronbach's alpha, mẫu bảng EFA, mẫu bảng hồi quy.
Tài liệu tham khảo
- American Psychological Association. (2020). Publication manual of the American Psychological Association (7th ed.). https://doi.org/10.1037/0000165-000
- Fornell, C., & Larcker, D. F. (1981). Evaluating structural equation models with unobservable variables and measurement error. Journal of Marketing Research, 18(1), 39–50. https://doi.org/10.1177/002224378101800104
- Hair, J. F., Risher, J. J., Sarstedt, M., & Ringle, C. M. (2019). When to use and how to report the results of PLS-SEM. European Business Review, 31(1), 2–24. https://doi.org/10.1108/EBR-11-2018-0203
- Henseler, J., Ringle, C. M., & Sarstedt, M. (2015). A new criterion for assessing discriminant validity in variance-based structural equation modeling. Journal of the Academy of Marketing Science, 43(1), 115–135. https://doi.org/10.1007/s11747-014-0403-8
- Tenenhaus, M., Esposito Vinzi, V., Chatelin, Y.-M., & Lauro, C. (2005). PLS path modeling. Computational Statistics & Data Analysis, 48(1), 159–205. https://doi.org/10.1016/j.csda.2004.03.005