SmartPLS 4 trên Mac và Windows: cài hợp pháp và chạy mô hình PLS-SEM đầu tiên (kèm dữ liệu mẫu)
Mục lục
Nếu luận văn của bạn dùng mô hình cấu trúc (SEM) và giảng viên yêu cầu PLS-SEM, phần mềm gần như mặc định là SmartPLS. Bài này hướng dẫn cài SmartPLS 4 hợp pháp trên Mac và Windows, rồi chạy trọn một mô hình PLS-SEM đầu tiên trên bộ dữ liệu mẫu quen thuộc của blog: đánh giá mô hình đo lường, mô hình cấu trúc và bootstrapping.
Phần lý thuyết về PLS-SEM theo Hair và cộng sự đã có trong bài sơ lược về PLS-SEM. Bài này tập trung vào thao tác và cách đọc kết quả.
Cài SmartPLS 4: các lựa chọn hợp pháp
SmartPLS 4 chạy trên Windows (64-bit), macOS và Linux. Với Mac, trang tải chính thức có hai bộ cài riêng: một cho chip Apple (M1 trở về sau), một cho chip Intel; hỗ trợ từ macOS Big Sur (11) trở lên. Tại thời điểm viết bài (10/2026), phiên bản mới nhất là 4.1.1.9.
| Lựa chọn | Chi phí | Ghi chú |
|---|---|---|
| Dùng thử | Miễn phí | 30 ngày, đủ tính năng, chỉ cần email; mỗi máy một lần dùng thử |
| License Student | Miễn phí | Bị giới hạn tính năng so với bản đầy đủ (xem chi tiết trên trang SmartPLS) |
| License Professional | Trả phí | Đủ tính năng; người học thuật được giảm giá 50% |
Chỉ tải từ smartpls.com. Bộ cài chính thức không cần “kích hoạt” bằng công cụ nào khác. Nếu macOS chặn không cho mở, xem cách mở an toàn trong bài mở ứng dụng không xác định nhà phát triển. Với luận văn, mẹo giống như với SPSS: chuẩn bị xong dữ liệu và mô hình trên giấy trước khi kích hoạt dùng thử 30 ngày.
Mô hình và dữ liệu mẫu
Ta dùng bộ dữ liệu mẫu đầy đủ (.csv) với 250 người trả lời. Mô hình giống bài hồi quy tuyến tính bội, nhưng bây giờ mỗi khái niệm là một biến tiềm ẩn đo bằng các câu hỏi:
| Biến tiềm ẩn | Biến quan sát | Vai trò |
|---|---|---|
| LT (Lương thưởng) | LT1–LT4 | Độc lập |
| DN (Đồng nghiệp) | DN1–DN4 | Độc lập |
| TT (Cơ hội thăng tiến) | TT1–TT3 | Độc lập |
| HLC (Hài lòng chung) | HLC1–HLC3 | Phụ thuộc |
TT4 không được đưa vào vì đã bị loại ở bước EFA. Ba giả thuyết: LT, DN, TT đều tác động cùng chiều đến HLC. Dữ liệu mô phỏng để học.
Các bước trong SmartPLS 4
- Tạo project mới và đặt tên.
- Nhập dữ liệu: chọn nhập file dữ liệu, trỏ tới file .csv (SmartPLS cũng đọc được Excel và .sav). Kiểm tra SmartPLS nhận đúng 250 dòng và đúng dấu phân cách; nếu dữ liệu có ký hiệu giá trị thiếu (ví dụ -99), khai báo ở bước này.
- Tạo mô hình loại PLS-SEM.
- Vẽ biến tiềm ẩn: dùng công cụ tạo biến tiềm ẩn, đặt bốn biến LT, DN, TT, HLC lên khung vẽ, đổi tên cho đúng.
- Gán biến quan sát: kéo LT1–LT4 từ danh sách chỉ báo thả vào biến LT; làm tương tự cho các biến còn lại.
- Nối quan hệ: dùng công cụ nối, kéo mũi tên từ LT, DN, TT sang HLC.
- Chạy thuật toán PLS-SEM với thiết lập mặc định (path weighting). Kết quả này dùng để đánh giá mô hình đo lường, R² và f².
- Chạy Bootstrapping với 5.000 mẫu con (Hair và cộng sự khuyến nghị từ 5.000 trở lên; nhiều tài liệu mới dùng 10.000). Kết quả này cho t và p của từng đường dẫn.
Bước 1: Đánh giá mô hình đo lường
Hệ số tải ngoài (outer loadings)
| Biến tiềm ẩn | Hệ số tải |
|---|---|
| LT | LT1 0,860 · LT2 0,839 · LT3 0,794 · LT4 0,761 |
| DN | DN1 0,825 · DN2 0,822 · DN3 0,804 · DN4 0,709 |
| TT | TT1 0,861 · TT2 0,870 · TT3 0,827 |
| HLC | HLC1 0,839 · HLC2 0,863 · HLC3 0,854 |
Ngưỡng thường dùng là 0,708 (bình phương bằng 0,5, tức biến tiềm ẩn giải thích được ít nhất một nửa phương sai của câu hỏi). Mọi hệ số đều đạt. DN4 = 0,709 nằm sát ngưỡng: theo Hair và cộng sự, biến có hệ số tải từ 0,40 đến 0,708 chỉ nên loại nếu việc loại làm tăng độ tin cậy tổng hợp hoặc AVE lên trên ngưỡng. Ở đây mọi chỉ số đã đạt nên giữ DN4.
Độ tin cậy và giá trị hội tụ
| Cronbach’s α | Độ tin cậy tổng hợp (rho_c) | AVE | |
|---|---|---|---|
| LT | 0,832 | 0,887 | 0,663 |
| DN | 0,801 | 0,870 | 0,626 |
| TT | 0,813 | 0,889 | 0,728 |
| HLC | 0,811 | 0,888 | 0,726 |
| Ngưỡng | 0,70 đến 0,95 | ≥ 0,50 | |
Tất cả đều đạt. SmartPLS 4 còn in thêm rho_a, một chỉ số nằm giữa α và rho_c, đọc với cùng ngưỡng. Độ tin cậy trên 0,95 không phải là “càng tốt”: nó thường là dấu hiệu các câu hỏi gần như trùng ý nhau.
Giá trị phân biệt (HTMT)
| LT | DN | TT | |
|---|---|---|---|
| DN | 0,268 | ||
| TT | 0,241 | 0,376 | |
| HLC | 0,565 | 0,474 | 0,586 |
Mọi giá trị HTMT đều dưới 0,85, ngưỡng chặt dành cho các khái niệm khác nhau rõ về nội dung (ngưỡng nới là 0,90). Các biến tiềm ẩn phân biệt tốt với nhau. Tiêu chí Fornell-Larcker cũ (căn bậc hai AVE lớn hơn tương quan với biến khác) cũng đạt, nhưng Hair và cộng sự khuyến nghị dùng HTMT.
Bước 2: Đánh giá mô hình cấu trúc
| Đường dẫn | Hệ số đường dẫn | VIF | f² | t (bootstrapping) | Khoảng tin cậy 95% |
|---|---|---|---|---|---|
| LT → HLC | 0,364 | 1,070 | 0,211 | 8,585 | 0,281 đến 0,449 |
| DN → HLC | 0,199 | 1,134 | 0,060 | 3,826 | 0,100 đến 0,303 |
| TT → HLC | 0,347 | 1,121 | 0,183 | 7,354 | 0,255 đến 0,439 |
R² của HLC = 0,414 (R² hiệu chỉnh 0,407).
- Đa cộng tuyến: VIF đều dưới 3, đạt.
- Ý nghĩa thống kê: cả ba đường dẫn có t > 1,96 và khoảng tin cậy 95% không chứa 0, tức p < 0,05. Ba giả thuyết được ủng hộ.
- Mức tác động: Lương thưởng (0,364) và Thăng tiến (0,347) mạnh hơn Đồng nghiệp (0,199). f² cho cùng thứ tự: LT và TT ở mức trung bình (từ 0,15), DN ở mức nhỏ (từ 0,02).
- R²: theo cách phân loại của Hair và cộng sự, 0,25 là yếu, 0,50 là trung bình, 0,75 là mạnh; 0,414 nằm giữa yếu và trung bình, mức bình thường với nghiên cứu về thái độ.
Bootstrapping lấy mẫu ngẫu nhiên, nên mỗi lần chạy t và khoảng tin cậy sẽ lệch một chút ở chữ số thập phân thứ hai, thứ ba. Kết luận không đổi. Các con số khác (hệ số tải, α, AVE, HTMT, hệ số đường dẫn) không phụ thuộc ngẫu nhiên và sẽ khớp với bảng trên.
So với hồi quy bội trên cùng dữ liệu (Beta 0,350; 0,201; 0,347; R² 0,405), PLS-SEM cho kết quả rất gần. Khác biệt đến từ việc PLS-SEM tính trọng số riêng cho từng câu hỏi thay vì lấy trung bình cộng đều.
Viết kết quả vào luận văn
Mô hình được ước lượng bằng PLS-SEM trên SmartPLS 4. Mô hình đo lường đạt yêu cầu: các hệ số tải ngoài từ 0,709 đến 0,870; Cronbach’s α từ 0,801 đến 0,832 và độ tin cậy tổng hợp từ 0,870 đến 0,889; AVE từ 0,626 đến 0,728; các giá trị HTMT đều nhỏ hơn 0,85. Kết quả bootstrapping với 5.000 mẫu cho thấy Lương thưởng (β = 0,364; t = 8,585), Cơ hội thăng tiến (β = 0,347; t = 7,354) và Đồng nghiệp (β = 0,199; t = 3,826) đều tác động cùng chiều và có ý nghĩa đến Sự hài lòng chung (p < 0,001). Mô hình giải thích 41,4% biến thiên của Sự hài lòng chung (R² = 0,414).
Lỗi hay gặp
- Dữ liệu nhập sai dấu phân cách (dấu chấm phẩy thay vì dấu phẩy) khiến SmartPLS đọc tất cả thành một cột. Kiểm tra số cột sau khi nhập.
- Đọc p từ kết quả PLS-SEM algorithm. Thuật toán chính không cho p; phải chạy Bootstrapping.
- Loại biến chỉ vì hệ số tải dưới 0,708 mà không xem ảnh hưởng đến độ tin cậy và AVE, hoặc ngược lại giữ biến có hệ số tải dưới 0,40.
- Dùng kết quả Fornell-Larcker làm tiêu chí duy nhất cho giá trị phân biệt; nên báo cáo HTMT.
- Đưa biến đã loại ở EFA trở lại mô hình mà không giải thích.
Hỏi đáp
SmartPLS có miễn phí không?
Có bản dùng thử 30 ngày đủ tính năng và license Student miễn phí nhưng giới hạn tính năng. Bản đầy đủ là license Professional trả phí, có giảm 50% cho người học thuật.
SmartPLS có chạy trên Macbook chip M không?
Có. SmartPLS 4 có bộ cài riêng cho Mac chip Apple, hỗ trợ từ macOS Big Sur trở lên.
Khi nào dùng PLS-SEM thay vì CB-SEM (AMOS)?
PLS-SEM phù hợp khi mục tiêu là dự báo, giải thích biến phụ thuộc, mô hình phức tạp, cỡ mẫu không lớn, hoặc có biến đo lường dạng cấu tạo (formative). CB-SEM phù hợp hơn khi cần kiểm định một lý thuyết đã có và đánh giá độ phù hợp tổng thể của mô hình. Chọn theo mục tiêu nghiên cứu và yêu cầu của giảng viên.
Có cần chạy EFA và Cronbach’s Alpha trên SPSS trước SmartPLS không?
Không bắt buộc, vì SmartPLS đã đánh giá độ tin cậy và giá trị của thang đo. Tuy vậy nhiều trường ở Việt Nam vẫn yêu cầu, nhất là khi thang đo được điều chỉnh hoặc dịch mới. Hỏi giảng viên hướng dẫn.
Tài liệu tham khảo
- Hair, J. F., Hult, G. T. M., Ringle, C. M., & Sarstedt, M. A Primer on Partial Least Squares Structural Equation Modeling (PLS-SEM). SAGE.
- 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.
- SmartPLS: trang tải về, điều khoản license và câu hỏi thường gặp (smartpls.com).