Kiểm định mô hình cấu trúc: Đọc vị β, R², T & P-Value trong PLS-SEM
Sau khi thang đo đạt, đây là lúc kiểm định giả thuyết và khả năng dự báo của mô hình.
Sau khi mô hình đo lường đạt yêu cầu về độ tin cậy và tính hợp lệ, bước tiếp theo là kiểm định mô hình cấu trúc: đánh giá quan hệ giữa các biến tiềm ẩn, kiểm định giả thuyết và xác định khả năng giải thích cũng như dự báo của mô hình.
Theo Hair et al. (2022), cần xem xét lần lượt các chỉ số: VIF, R², Adjusted R², f², Q², Path, Path Coefficient, T-Statistic và P-Value.
1Variance Inflation Factor (VIF)
Theo Hair et al. (2022), VIF được dùng để đánh giá hiện tượng đa cộng tuyến (Multicollinearity) giữa các biến độc lập trong mô hình cấu trúc. Đa cộng tuyến xảy ra khi các biến độc lập tương quan quá cao với nhau, làm giảm độ chính xác của hệ số hồi quy và ảnh hưởng đến việc kiểm định giả thuyết. Trong SmartPLS, VIF được tính cho từng biến độc lập tác động đến cùng một biến phụ thuộc.
Mô hình xem xét ba nhân tố ảnh hưởng đến Ý định mua hàng: Giá trị cảm nhận (PV), Niềm tin (TR), Chất lượng dịch vụ (SQ). Kết quả:
| Biến | VIF |
|---|---|
| PV | 1.84 |
| TR | 2.12 |
| SQ | 2.45 |
Tất cả đều nhỏ hơn 3 → không xảy ra đa cộng tuyến.
- VIF < 3 — Rất tốt
- 3 ≤ VIF < 5 — Có thể chấp nhận
- VIF ≥ 5 — Đa cộng tuyến nghiêm trọng
2Coefficient of Determination (R²)
Theo Hair et al. (2022), hệ số xác định R² phản ánh tỷ lệ biến thiên của biến phụ thuộc được giải thích bởi các biến độc lập. R² càng lớn, mô hình càng giải thích tốt biến nội sinh (Endogenous Construct).
Ba nhân tố Functional Value, Social Value, Environmental Value giải thích biến Perceived Value: R² = 0.684 → 68,4% biến thiên của Perceived Value được giải thích, còn 31,6% do các yếu tố ngoài mô hình.
- 0,75 — Khả năng giải thích mạnh
- 0,50 — Trung bình
- 0,25 — Yếu
Đây chỉ là mức tham khảo, cần xem xét theo từng lĩnh vực nghiên cứu.
3Adjusted R²
Theo Hair et al. (2022), Adjusted R² là phiên bản điều chỉnh của R² nhằm loại bỏ ảnh hưởng của số lượng biến độc lập. Nếu mô hình có nhiều biến, R² thường tăng dù các biến mới không thực sự có ý nghĩa — Adjusted R² sẽ điều chỉnh hiện tượng này.
Mô hình có R² = 0.705 và Adjusted R² = 0.697 (chênh 0.008) → các biến độc lập đều đóng góp đáng kể. Ngược lại, nếu R² = 0.72 nhưng Adjusted R² = 0.54 → mô hình có thể chứa nhiều biến không cần thiết.
Nguyên tắc: Adjusted R² càng gần R² càng tốt.
4Effect Size (f²)
Theo Cohen (1988), được Hair et al. (2022) áp dụng trong PLS-SEM, f² đo mức ảnh hưởng của từng biến độc lập đến biến phụ thuộc bằng cách so sánh R² trước và sau khi loại bỏ biến đó. Khác với R² đánh giá toàn bộ mô hình, f² chỉ đánh giá sức ảnh hưởng riêng của từng mối quan hệ.
| Path | f² |
|---|---|
| PV → PI | 0.42 |
| Social Value → PV | 0.18 |
| Physical Risk → PV | 0.04 |
PV → PI ảnh hưởng lớn · Social Value trung bình · Physical Risk chỉ ảnh hưởng nhỏ.
- 0,02 — Ảnh hưởng nhỏ
- 0,15 — Ảnh hưởng trung bình
- 0,35 — Ảnh hưởng lớn
5Predictive Relevance (Q²)
Theo Stone (1974) và Geisser (1974), được Hair et al. (2022) khuyến nghị, Q² được tính bằng kỹ thuật Blindfolding để đánh giá khả năng dự báo của mô hình đối với biến nội sinh. Khác với R² chỉ phản ánh khả năng giải thích dữ liệu hiện có, Q² đánh giá khả năng dự báo đối với dữ liệu chưa quan sát.
| Biến nội sinh | Q² |
|---|---|
| Perceived Value | 0.412 |
| Purchase Intention | 0.327 |
Cả hai giá trị đều lớn hơn 0 → mô hình có khả năng dự báo tốt.
- Q² > 0 — Có khả năng dự báo
- Q² ≤ 0 — Không có khả năng dự báo
6Path — đường dẫn giả thuyết
Theo Hair et al. (2022), Path là đường liên kết giữa hai biến tiềm ẩn trong mô hình cấu trúc, thể hiện giả thuyết về mối quan hệ nhân quả. Mỗi đường Path tương ứng với một giả thuyết nghiên cứu.
Một mô hình gồm:
- H1: Functional Value → Perceived Value
- H2: Social Value → Perceived Value
- H3: Perceived Value → Purchase Intention
Ba mũi tên trên sơ đồ chính là ba Path cần kiểm định. Nếu một Path không có ý nghĩa thống kê thì giả thuyết tương ứng sẽ không được chấp nhận.
7Path Coefficient (β)
Theo Hair et al. (2022), Path Coefficient là hệ số hồi quy chuẩn hóa phản ánh chiều hướng và mức độ tác động của biến độc lập lên biến phụ thuộc; dao động từ −1 đến +1.
| Path | β |
|---|---|
| Functional Value → PV | 0.521 |
| Social Value → PV | 0.247 |
| Physical Risk → PV | -0.184 |
β = 0.521 → tác động tích cực mạnh · β = 0.247 → tích cực nhưng yếu hơn · β = −0.184 → tác động tiêu cực. Giá trị tuyệt đối của β càng lớn thì ảnh hưởng càng mạnh.
8T-Statistic
Theo Hair et al. (2022), T-Statistic được tính qua kỹ thuật Bootstrapping nhằm kiểm định xem hệ số Path Coefficient có khác 0 một cách có ý nghĩa thống kê hay không. T càng lớn, bằng chứng thống kê càng mạnh.
| Path | β | T |
|---|---|---|
| Functional Value → PV | 0.521 | 12.846 |
| Social Value → PV | 0.247 | 4.963 |
| Time Risk → PV | -0.052 | 0.861 |
Path đầu tiên có ý nghĩa thống kê rất cao, trong khi Time Risk (T = 0.861) không có ý nghĩa.
- T > 1,645 — Mức ý nghĩa 10%
- T > 1,96 — Mức ý nghĩa 5%
- T > 2,576 — Mức ý nghĩa 1%
9P-Value
Theo Hair et al. (2022), P-Value là xác suất quan sát được kết quả nếu giả thuyết không (H₀) đúng; dùng để quyết định chấp nhận hay bác bỏ giả thuyết. P càng nhỏ, bằng chứng bác bỏ H₀ càng mạnh.
| Path | β | T | P |
|---|---|---|---|
| Functional Value → PV | 0.521 | 12.846 | <0.001 |
| Social Value → PV | 0.247 | 4.963 | <0.001 |
| Time Risk → PV | -0.052 | 0.861 | 0.389 |
Hai giả thuyết đầu được chấp nhận (P < 0.05); giả thuyết thứ ba bị bác bỏ (P > 0.05).
- P < 0,05 — Có ý nghĩa, chấp nhận giả thuyết
- P < 0,01 — Ý nghĩa thống kê cao
- P < 0,001 — Ý nghĩa thống kê rất cao
- P ≥ 0,05 — Không có ý nghĩa
- VIF < 3 · R² & Q² càng cao càng tốt · f² cho biết biến nào tác động mạnh.
- β cho chiều & độ mạnh · T > 1,96 và P < 0,05 → giả thuyết được ủng hộ.