PLS-SEM phù hợp với mô hình nhiều biến, mục tiêu dự báo hoặc cỡ mẫu vừa phải. Trên ResearchSTAT, bạn chạy PLS-SEM ngay sau phần phân tích kiểu SPSS và nhận 4 file Excel theo bố cục báo cáo SmartPLS 4: PLS algorithm, Bootstrapping, Blindfolding (Q²) và PLSpredict. Bài viết hướng dẫn thao tác và các bảng cần đọc.
Các bước thực hiện trên ResearchSTAT
- Vào Phân tích tự động (hoặc nút Phân tích tự động trong mục Phân tích), chạy xong phần SPSS.
- Ở bước Mô hình SEM, chọn SmartPLS (AMOS ở bước này đang được xây dựng).
- Kiểm tra các đường dẫn: mặc định các thang đo tác động đến biến phụ thuộc; bấm Thêm đường dẫn để có biến trung gian. Hệ thống chặn mô hình có vòng lặp.
- Chọn số mẫu bootstrap (khuyến nghị 5.000), bấm Chạy PLS-SEM và xuất 4 file Excel; thường mất 1-3 phút.
File _ALGO.xlsx: đánh giá mô hình đo lường
| Cronbach's alpha | Composite reliability (rho_a) | Composite reliability (rho_c) | Average variance extracted (AVE) | |
|---|---|---|---|---|
| CLD | 0.774 | 0.781 | 0.869 | 0.689 |
| SHL | 0.813 | 0.817 | 0.889 | 0.728 |
| STC | 0.751 | 0.758 | 0.857 | 0.667 |
- Outer loadings ≥ 0,708; biến 0,4-0,708 chỉ loại khi việc loại làm tăng rho_c/AVE (Hair và cộng sự, 2022).
- rho_a, rho_c từ 0,7 đến 0,95; AVE ≥ 0,5.
- HTMT < 0,85 (hoặc 0,9 với khái niệm gần nhau).
- VIF mô hình cấu trúc < 3 (lý tưởng) hoặc < 5; f² 0,02 nhỏ, 0,15 trung bình, 0,35 lớn; R² 0,25 yếu, 0,5 trung bình, 0,75 mạnh.
File _BOOTSTRAPPING.xlsx: kiểm định giả thuyết
| Original sample (O) | Sample mean (M) | Standard deviation (STDEV) | T statistics (|O/STDEV|) | P values | |
|---|---|---|---|---|---|
| CLD -> SHL | 0.341 | 0.343 | 0.052 | 6.574 | 0.000 |
| GCA -> SHL | 0.083 | 0.085 | 0.057 | 1.462 | 0.144 |
| STC -> SHL | 0.386 | 0.384 | 0.049 | 7.912 | 0.000 |
Giả thuyết được ủng hộ khi P < 0,05 (tương đương |t| > 1,96 với kiểm định hai phía) và khoảng tin cậy 95% (sheet Confidence intervals) không chứa 0. Tác động gián tiếp cụ thể nằm trong phần Specific indirect effects của cùng file.
File _Q2.xlsx và _PREDICT.xlsx: khả năng dự báo
Q² (=1-SSE/SSO) của blindfolding > 0 cho thấy mô hình có khả năng dự báo; 0,02, 0,15, 0,35 tương ứng nhỏ, trung bình, lớn. Trong PLSpredict, Q²predict > 0 và RMSE/MAE của PLS-SEM nhỏ hơn mô hình LM cho phần lớn chỉ báo là bằng chứng về sức dự báo ngoài mẫu; CVPAT với Average loss difference âm và p < 0,05 cho thấy PLS-SEM dự báo tốt hơn các mô hình chuẩn (Liengaard và cộng sự, 2021).
Kết quả bootstrapping với 5.000 mẫu cho thấy sự tin cậy (β = 0,386; t = 7,912; p < 0,001) và chất lượng dịch vụ (β = 0,341; t = 6,574; p < 0,001) tác động cùng chiều đến sự hài lòng, trong khi tác động của giá cả cảm nhận không có ý nghĩa thống kê (β = 0,083; p = 0,144). Mô hình giải thích 41,2% biến thiên của sự hài lòng (R² = 0,412).
File Excel có phải xuất từ phần mềm SmartPLS không?
Không. Kết quả do bộ máy PLS-SEM của ResearchSTAT tính, trình bày theo bố cục báo cáo SmartPLS 4 để dễ đối chiếu; dòng ghi chú dưới tiêu đề mỗi file nói rõ điều này.
Gói nào tải được 4 file Excel?
Gói Tiêu chuẩn và Chuyên nghiệp. Gói Miễn phí vẫn chạy được và xem hệ số đường dẫn trên màn hình.
