Phân tích mô hình PLS-SEM trên SmartPLS

Xem bài viết gốc tại đây để ủng hộ tác giả: https://ungdung.hotronghiencuu.com/phan-tich-mo-hinh-pls-sem-tren-smartpls

 Tên chính xác của mô hình chung ta đang xét đến là "Mô hình phương trình cấu trúc tuyến tính bình phương tối thiểu riêng phần" được viết tắt là  PLS-SEM (Partial Least Squares -Structural Equation Modeling)

Đây có lẽ chính là phần quan trọng nhất của bài nghiên cứu. Cho đến cuối cùng ta hầu như luôn đi đến mô hình hồi quy để đánh giá mối quan hệ tác động giữa các biến số trong mô hình lý thuyết cần kiểm chứng.

Bài viết này đi vào một số nội dung cơ bản khi phân tích PLS SEM trên SmartPLS. Các nội dung sâu hơn sẽ được đề cập ở các bài viết tiếp theo ngay sau bài viết này.

Chúng ta cùng tiếp tục với mô hình Simple model đã sử dung trong bài viết Đánh giá mô hình đo lường kết quả trên SmartPLS

Nhớ rằng đây mới là mô hình chúng ta xem xét trong bài này. Chúng ta xem xét các biến số chính, đa số là biến tiềm ẩn (latent) trong mô hình chứ không phải các biến quan sát (items) nữa

Model Fit (Độ phù hợp của mô hình)

Đây là vấn đề đến nay vẫn còn nhiều tranh cãi, và cái này các bạn cứ tham khảo, tốt nhất là bỏ ra không cần phân tích gì nhé

Các bạn có thể tham khảo 1 số chỉ số ở đây Model Fit > tab Fit Sumary

RMS theta

Nếu cần tham khảo 1 chỉ số thì đáng kể nhất các bạn có thể xem RMS theta (nhưng tốt nhất cũng bỏ qua luôn nhé)

Tiêu chuẩn này đã được giới thiệu bởi Lohmӧller (1989) nhưng chưa được khám phá bởi các nhà nghiên cứu PLS-SEM cho đến thời gian gần đây. Kết quả mô phỏng ban đầu đề xuất (thận trọng) cho ngưỡng giá trị RMStheta là 0.12. Giá trị RMStheta dưới 0.12 minh chứng sự phù hợp của mô hình. Trong khi giá trị cao hơn chỉ ra sự thiếu phù hợp

Kết quả được xem ở Tab rms Theta

Kiểm tra hiện tượng đa cộng tuyến

Vấn đề này lý thuyết các bạn có thể search Google, quá nổi tiếng rồi hoặc xem lại ở đây mình có viết lại qua qua: https://ungdung.hotronghiencuu.com/hien-tuong-da-cong-tuyen

Kết quả mong muốn là tất cả các hệ số VIF <2 để mô hình không có đa cộng tuyến. (Với các biến số đo băng thang likert thì thương chọn mốc này là 2. Các bạn cũng có thể chọn các moc 5 hay 10 tuỳ theo thang đo các biến số trong nghiên cứu.

Trên phần mềm các kết quả tốt sẽ được hiển thị màu xanh. Các bạn nhớ rằng xem ở tab Inner VIF chứ không phải Outer VIF nhé.

Chú ý rằng

+ mỗi cột dọc là 1 biến phụ thuộc tương ứng với 1 phương trình hòi quy. Vậy biến nào chỉ là biến độc lập thì cột tương ứng sẽ bị bỏ trống hoàn toàn

+ mỗi hàng là 1 biến độc lập. Vậy biến nào chỉ là biến phụ thuộc thì hàng tương ứng sẽ trống hoàn toàn

Độ lớn của các hệ số hồi quy

Các bạn có thể xem các hệ số tác động trực tiếp, gián tiếp và tổng hợp dạng ma trận như vói hệ so VIF ở trên khi click vào các lựa chọn tương ứng. Đây là các giá trị hệ số của hàm hồi quy mẫu (được ước lượng từ chính mẫu là tập data nhập vào)

Kiểm định khoảng tin cậy và ý nghĩa của các hệ số hồi quy trong mô hình

Không như các ước lượng trên SPSS, AMOS hay các phần mềm khác, do không giả định rằng phần dư có phân phối chuẩn nên không thể ước lượng khoảng tin cậy ý nghĩa của các hệ số hôi quy bằng suy diễn thống kê thường gặp mà các bạn vẫn biết kiểu khoảng tin cậy (1-α) của hệ số βi là βi^+- t(α/2)*se(βi^) mà với sức mạnh của máy tính thì phần mềm sẽ tính xấp xỉ luôn các giá trị thống kê bằng định nghĩa (ước lượng trên 1 số lượng mẫu rất lớn bằng phương pháp lẫy mẫu ngẫu nhiên có lặp lại Bootstrapping)

Thao tác Caculate > Bootstrapping

Xem kết quả

Các giá trị p tương ứng với mỗi biến Xj giúp ta kiểm định từng cặp giả thuyết sau

Hay phát biểu bằng lời là H0: Hệ số hồi quy của biến đó bằng 0, H1: Hệ số hồi quy của biến đó khác 0

Như vậy nếu sig <0,05 ta bác bỏ H0, khi đó biến đó thực sự có ý nghĩa thống kê.

Ngược lại sig >0,05 ta chấp nhận H0- kết luận biến đó không có ý nghĩa thống kê

Như ví dụ này thì ta có thể cho rằng COMP không có tác động trực tiếp lên CUSL

Tất nhiên để đánh giá xem 1 hệ số hôi quy có bằng 0 hay không các bạn cũng có thể chuyển qua 2 tab bên cạnh để xem khoảng tin cậy của hệ số hồi quy có chứa số 0 hay không. Nếu không chứa sô ) thì đồng nghĩa đây là mối quan hệ có ý nghĩa thống kê.

Tính toán phần này được khuyênc cáo dùng ước luợng bằng bootstrapping cỡ mẫu 5000 trở lên. Mặc định của phần mềm là 500. Nếu máy tính của các bạn quá yếu thì cũng k hông cần ham hố số to ở đây làm gì vì kết quả cũng chẳng khác nhau là mấy. Hơn nữa thì nếu chạy lại kết quả cũng khác nhau không ít thì nhiều vì các mẫu lấy đâu có giống nhau.

Ví dụ trên mình tính với cỡ mẫu 500.

Để xem các mối quan hệ gián tiếp hay tổng hợp các bạn cũng có thể xem tương tự bằng cách click vào kết quả tương ứng ở phía dưới.

Để hiểu hơn về cách tính các chỉ số bằng bootstrapping mình sẽ có 1 bài viết minh hoạ ở link sau:

Hệ số R bình phương (chỉ có các biến phụ thuộc mới có)

Đây là chỉ số đánh giá phương sai biến phụ thuôc được giải thích bởi các biến độc lập (các biến nguyên nhân tác động đến nó), các bạn có thể xem lại tại đây hoặc Google : https://ungdung.hotronghiencuu.com/cac-phan-tich-mo-hinh-hoi-quy-co-ban#He_so_xac_dinh_mo_hinh

Để xem chỉ số này các bạn quay lại phần kết quả của PLS Algorithm thông thường.

Share on Google Plus

Trung tâm Hỗ trợ nghiên cứu

Email: dichvuspss@hotronghiencuu.com / phantichso247@gmail.com
Phone 24/7: 086 978 6862 (Mr Hùng)
Viết luận văn thuê trọn gói 0924 04 03 88 (Ms. Bông) Email: Bong.4388@gmail.com
Từ khóa: dịch vụ spss | phân tích spss | hỗ trợ spss | dịch vụ dữ liệu

***Dịch vụ SPSS- AMOS- SmartPLS***

Hotline, zalo: 086 978 6862.

Link zalo:https://zalo.me/0869786862

Quét mã QR để kết bạn ZALO.Vui lòng kết bạn trước khi nhắn tin. Để có phản hồi nhanh nhất hãy gọi thẳng số điện thoại bên trên 24/7


Nếu không thể tìm thấy zalo bạn có thể chat qua messeneger:https://www.messenger.com/t/manhhungdigi

Email: phantichso247@gmail.com

Rất mong nhận được nhiều bình luận từ các bạn!
Xin vui lòng chú ý một số điều sau
  1. Các bạn có thể bình luận với tài khoản Google, tài khoản tùy chọn (tên, địa chỉ) hoặc ẩn danh
  2. Nếu thực sự quan tâm một chủ đề nào đó, khi bình luận xong hãy nhân vào nút "Thông báo cho tôi" ở góc dưới. Khi đó nếu có các bình luận và thảo luận mới về chủ đề này sẽ có thông báo gửi đến email của bạn
  3. Nếu cần hỗ trợ, hãy để lại số điện thoại. Nên chủ động gửi tài lệu về Hỗ Trợ Nghiên Cứu
  4. Các bình luận spam, có lời lẽ không phù hợp sẽ bị chặn

0 nhận xét:

Đăng nhận xét