PLS-SEM là một phương pháp phân tích mô hình cấu trúc dựa trên phương pháp bình phương tối thiểu, thường được sử dụng trong các nghiên cứu xã hội, marketing, quản trị, hoặc giáo dục. Nó giúp bạn kiểm tra các mối quan hệ giữa các biến tiềm ẩn và biến quan sát thông qua các thang đo.
2. Vì sao độ tin cậy và giá trị hội tụ lại quan trọng?
Trong PLS-SEM, độ tin cậy đảm bảo rằng thang đo của bạn đo lường nhất quán, còn giá trị hội tụ xác nhận rằng các biến quan sát thực sự phản ánh đúng biến tiềm ẩn mà chúng được thiết kế để đo. Nếu không đạt các tiêu chí này, mô hình đo lường của bạn có thể dẫn đến kết quả phân tích sai lệch.
Độ tin cậy liên quan đến mức độ nhất quán của thang đo. Trong PLS-SEM, bạn cần kiểm tra chỉ số chính để đánh giá độ tin cậy, bao gồm: Outer Loadings và độ tin cậy tổng hợp (CR) kết hợp với Cronbach’s Alpha.
3.1. Outer Loadings (Hệ số tải ngoài nhân tố)
Outer Loadings đo lường mức độ đóng góp của mỗi biến quan sát vào biến tiềm ẩn. Đây là bước đầu tiên để đánh giá độ tin cậy của thang đo.
Theo Hair và cộng sự (2016), hệ số tải ngoài nhân tố (outer loadings) nên thỏa điều kiện lớn hơn hoặc bằng 0.7.
3.2. Cronbach’s Alpha
Cronbach’s Alpha giúp đánh giá độ tin cậy nội tại của thang đo. Chỉ số này đảm bảo rằng các câu hỏi trong cùng một thang đo đang đo lường cho cùng một khái niệm.
Theo Hair và cộng sự (2016), ngưỡng đo lường của hệ số Cronbach's Alpha tương ứng với các mức sau:
Cronbach's Alpha ≥ 0.5: Thang đo có độ tin cậy chấp nhận được đối với các nghiên cứu khám phá
Cronbach's Alpha ≥ 0.7: Thang đo có độ tin cậy chấp nhận được đối với các nghiên cứu khẳng định
Cronbach's Alpha ≥ 0.8: Thang đo có độ tin cậy tốt
3.3. Composite Reliability (CR)
Composite Reliability là một chỉ số có phần tối ưu hơn Cronbach’s Alpha. Chỉ số này giúp đánh giá độ tin cậy tổng hợp của thang đo và xem xét cả trọng số của các biến quan sát.
Ha và Bui (2019) đã tổng hợp các mức giá trị tương ứng của CR như sau:
CR ≥ 0.6: Thang đo có độ tin cậy chấp nhận được với nghiên cứu khám phá (Chin, 1998; Höck & Ringle, 2010)
CR ≥ 0.7: Thang đo có độ tin cậy chấp nhận được với nghiên cứu nhân quả (Henseler & Sarstedt, 2013)
CR ≥ 0.8: Thang đo có độ tin cậy tốt với nghiên cứu nhân quả (Daskalakis & Mantas, 2008)
4. Tiêu chí đánh giá giá trị hội tụ trong PLS-SEM
Giá trị hội tụ đảm bảo rằng các biến quan sát trong một thang đo thật sự đo lường cho cùng một biến tiềm ẩn. Chỉ số chính để đánh giá giá trị hội tụ là phương sai trích trung bình (AVE).
4.1. Phương sai trích trung bình (AVE)
AVE đo lường tỷ lệ phương sai mà biến tiềm ẩn giải thích được từ các biến quan sát của nó, so với phương sai do sai số đo lường.
Theo Chin (1998) cùng với Höck và Ringle (2010), thang đo chỉ đạt giá trị hội tụ khi phương sai trích trung bình từ 0.5 trở lên. Điều này đảm bảo rằng phương sai được giải thích luôn lớn hơn hoặc bằng phương sai sai số (Fornell & Larcker, 1981).
4.2. Kết Hợp Outer Loadings và AVE
Để đảm bảo giá trị hội tụ, bạn cần kết hợp kiểm tra Outer Loadings và AVE:
Nếu Outer Loadings của các biến ≥ 0.7 và AVE ≥ 0.5, thang đo đạt giá trị hội tụ.
Nếu AVE < 0.5 nhưng chỉ số Outer Loadings lại cao, bạn có thể giữ thang đo nếu các chỉ số khác (như CR) đạt yêu cầu.
Nếu cả AVE và Outer Loadings thấp, bạn cần tinh chỉnh thang đo bằng cách loại bỏ các biến không phù hợp.
Đánh giá độ tin cậy và giá trị hội tụ là bước quan trọng để đảm bảo mô hình PLS-SEM của bạn đáng tin cậy và hợp lệ. Marketing Du Ký mong rằng bạn đã biết được các tiêu chí đánh giá độ tin cậy và giá trị hội tụ trong PLS-SEM.
