CÁC CHỈ SỐ DÙNG ĐỂ ĐO LƯỜNG TRONG MÔ HÌNH PLS SEM

1. Chỉ số GoF (Goodness of fit)

Trong mô hình PLS SEM có một chỉ số để đo lường độ phù hợp của mô hình được gọi là Goodness of fit - GoF. GoF được Tenenhaus và cộng sự đưa ra vào năm 2004 để đo lường mô hình đường dẫn PLS (Partial least squares). Chỉ số GoF có giá trị nằm trong đoạn từ 0 đến 1, càng gần 1 thì mô hình càng phù hợp tốt. Giờ mình sẽ tính chỉ số này dựa trên mô hình minh họa bên dưới.

Sau khi chạy xong mô hình, bạn cần trích xuất dữ liệu

Chỉ số GoF được tính bằng công thức:

Như vậy chúng ta đã tính được một trong những chỉ số đo lường độ độ phù hợp của mô hình PLS SEM. Giá trị GoF là 0.462 được đánh giá là mô hình có độ phù hợp lớn với bộ dữ liệu nghiên cứu, mức độ mạnh yếu được đánh giá theo cơ sở của Wetzels và cộng sự (2009).

2. Chỉ số Q2 (Predictive Relevance)

Chỉ số Q2 là kết quả khi bạn chạy thủ tục Blindfolding, nó dự đoán xem mô hình nghiên cứu có phù hợp hay không. Khi chạy thủ tục Blindfolding sẽ có 2 bảng kết quả chứa Q2, thứ nhất là Cross Validated redundancy, thứ hai là Cross validated communality. Chúng ta chỉ quan tâm đến kết quả từ bảng thứ nhất Cross Validated redundancy. Theo Fornell and Cha (1994), giá trị Q2 > 0 thì mô hình được đánh giá là phù hợp tốt, và ngược lại mô hình được dự đoán là thiếu độ phù hợp.

Kết quả phân tích ví dụ xuất ra từ SmartPLS như trên đã cho thấy mô hình được tiên đoán là phù hợp tốt.

3. Chỉ số f2 (Predictive Relevance)

    Chin (1998) cho biết rằng, mức độ ảnh hưởng tương đối của một biến tiềm ẩn ngoại sinh (particular exogenous latent variable) lên các biến tiềm ẩn nội sinh (endogenous latent variables) bằng sự thay đổi của R2. Chỉ số f2 được tính bằng sự gia tăng R2 của biến tiềm ẩn có đường dẫn đuợc kết nối, hay nói cách khác f2 được tính theo từng cặp tương quan cụ thể.

    Chỉ số f2 được tính theo công thức sau:

    Mức độ ảnh hưởng được đánh giá như sau:

    Kết quả từ ví dụ ban đầu:

Trích từ Henseler, Ringle & Sinkovics (2009)

Tài liệu tham khảo

Chin, W. W. (1998). The partial least squares approach to structural equation modeling. Modern Methods for Business Research, 295(2), 295–336.

Chin, W. W. (2010). How to write up and report PLS analyses. In Handbook of partial least squares (pp. 655–690). Springer.

Fornell, C., & Cha, J. (1994). Partial Least Squares. Advanced Methods of Marketing Research, RP Bagozzi. Cambridge, Blackwell.

Henseler, J., Ringle, C. M., & Sinkovics, R. R. (2009). The use of partial least squares path modeling in international marketing. In New challenges to international marketing. Emerald Group Publishing Limited.

Tenenhaus, M., Amato, S., & Esposito Vinzi, V. (2004). A global goodness-of-fit index for PLS structural equation modelling. In Proceedings of the XLII SIS scientific meeting (Vol. 1, pp. 739–742).

Wetzels, M., Odekerken-Schröder, G., & Van Oppen, C. (2009). Using PLS path modeling for assessing hierarchical construct models: Guidelines and empirical illustration. MIS Quarterly, 177–195.

Categories: DỊCH VỤ, LUẬN VĂN, NGHIÊN CỨU KHOA HỌC, PHẦN MỀM, PHƯƠNG PHÁP ĐỊNH LƯỢNG, SPSS