PHẦN 1 – GIỚI THIỆU VỀ PLS-SEM

Sơ lược

Mô hình Phương trình cấu trúc (Structural Equation Modeling – SEM) được xem là kỹ thuật phân tích dữ liệu đa biến thế hệ thứ hai (Hair và cộng sự, 2021, tr. 4), sinh ra để giải quyết các giới hạn của các kỹ thuật ở thế hệ thứ nhất.

SEM cho phép các nhà nghiên cứu xây dựng, đồng thời đánh giá mối quan hệ phức tạp giữa các biến độc lập và biến phụ thuộc (Hair và cộng sự, 2021, tr. 4).

Theo Hair và cộng sự (2021, tr. 4), có 2 phương pháp chủ yếu được sử dụng khi đánh giá SEM là phương pháp đánh giá mô hình phương trình cấu trúc dựa trên hiệp phương sai (tiếng anh: covariance-based SEM, viết tắt: CB-SEM) và phương trình đánh giá mô hình phương trình cấu trúc dựa trên bình phương nhỏ nhất từng phần (tiếng anh: Partial least squares SEM, viết tắt: PLS-SEM, tên khác: PLS Path modelling).

Theo Hair và cộng sự (2021, tr.4) trong khi CB-SEM được sử dụng chủ yếu để đánh giá các giả thuyết (chấp nhận hay bác bỏ), thì PLS-SEM lại được giới thiệu là một cách tiếp cận theo hướng “nguyên nhân – dự doán” (causal – predictive), tức là PLS-SEM tập trung vào việc giải thích các phương sai (variance) của các biến phụ thuộc trong mô hình.

Bốn vấn đề chính cần quan tâm

Theo Hair và cộng sự (2021, tr.11) có bốn vấn đề chính liên quan đến việc ứng dụng PLS-SEM cần quan tâm, bao gồm:

• Đặc trưng của dữ liệu – data characteristics
• Đặc trưng của mô hình – model characteristics
• Ước lượng mô hình – model estimation
• Đánh giá mô hình – model evaluation

Các đánh giá quan trọng đối với PLS-SEM

Một số đánh giá quan trọng đối với mô hình PLS-SEM (Hair và cộng sự, 2021, tr. 13), bao gồm:

• Đánh giá mô hình thang đo, bao gồm:
  • Đánh giá mô hình thang đo nguyên nhân – evaluation of formative measurement model
  • Đánh giá mô hình thang đo kết quả – evaluation of reflective measurement model
• Đánh giá mô hình cấu trúc – Evaluation of structural model
• Một số phân tích khác phụ thuộc vào bài toán và mô hình: như phân tích vai trò biến trung gian – Mediation analysis, kiểm định tính nội sinh – Endogeneity assessment, phân tích lớp tiềm ẩn – Latent class analysis…

(Còn nữa…)

Trong nội dung phần tiếp theo (Phần 2) chúng ta sẽ tìm hiểu cách Hair và cộng sự thực hiện đánh giá thang đo kết quả.

Tham khảo:
Hair, J., et al., 2021. Partial Least Squares Structural Equation Modeling (PLS-SEM) Using R: A workbook. Switzerland: Springer International Publishing.