Trước khi đi sâu vào tìm hiểu các trường hợp cụ thể nên kiểm tra f² và Q², chúng ta hãy điểm qua một số thông tin cơ bản về hai giá trị này nhé.
f² (kích thước hiệu ứng): Đo lường mức độ ảnh hưởng của một biến độc lập cụ thể lên biến phụ thuộc trong mô hình. f² cho biết sự thay đổi của R² (hệ số xác định) khi một biến được thêm vào hoặc loại bỏ.
Q² (chỉ số dự đoán): Đánh giá khả năng dự đoán của mô hình đối với biến phụ thuộc. Q² giúp xác định liệu mô hình có thể dự đoán chính xác dữ liệu mới hay không.
Trên thực tế, cả f² và Q² đều đóng vai trò quan trọng trong việc đánh giá chất lượng mô hình PLS-SEM, nhưng thời điểm kiểm tra và cách sử dụng chúng lại khác nhau.
f² thường được kiểm tra sau khi bạn đã có kết quả R² từ mô hình. R² cho biết tổng thể các biến độc lập giải thích được bao nhiêu phần trăm phương sai của biến phụ thuộc. Tuy nhiên, nó không thể hiện rõ biến nào có tác động mạnh nhất. Lúc này, f² sẽ giúp bạn phân tích chi tiết hơn.
Như vậy, bạn sẽ cần kiểm tra f² khi:
Sau khi chạy mô hình PLS và nhận được giá trị R².
Cần đánh giá tầm quan trọng của từng biến độc lập đối với biến phụ thuộc.
Muốn quyết định liệu có nên loại bỏ một biến nào đó để tinh gọn mô hình.
3. Khi nào nên kiểm tra Q²?
Q² được kiểm tra sau khi bạn đã đánh giá khả năng giải thích của mô hình qua R² và f². Chỉ số này tập trung vào việc xác định liệu rằng mô hình có khả năng dự đoán tốt cho dữ liệu mới hay không, thay vì chỉ giải thích dữ liệu hiện tại.
Như vậy, bạn sẽ cần kiểm tra Q² khi:
Sau khi phân tích xong R² và f².
Khi bạn muốn kiểm tra khả năng dự đoán của mô hình.
Đặc biệt cần thiết nếu mục tiêu nghiên cứu mang tính dự đoán.
4. Một số lưu ý khi diễn giải kết quả f² và Q²
Đối với f²: Giá trị này không nên được đánh giá một cách cứng nhắc. Một giả thuyết có f² nhỏ vẫn có thể quan trọng nếu biến đó mang ý nghĩa thống kê trong nghiên cứu của bạn.
Đối với Q²: Bạn nên so sánh giá trị của Q² với R². Nếu R² cao nhưng Q² thấp, mô hình có thể rơi vào tình trạng overfitting (quá khít với dữ liệu hiện tại nhưng không dự đoán tốt dữ liệu mới).
Tóm lại, bạn nên kiểm tra các chỉ số này để gia tăng độ tin cậy và mức độ hiệu quả của mô hình nghiên cứu. Marketing Du Ký hy vọng rằng bạn đã tìm ra lời giải đáp cho câu hỏi khi nào nên kiểm tra giá trị f² và Q² trong Smart PLS.
