Trong các nghiên cứu khoa học, giá trị hội tụ (Convergent Validity) là thước đo quan trọng giúp xác định xem các biến quan sát có tương quan thuận với nhau và cùng đo lường một khái niệm tiềm ẩn hay không.
Để đánh giá giá trị hội tụ, các nhà nghiên cứu thường sử dụng hệ số tải ngoài (Outer Loading) và phương sai trích trung bình (AVE – Average Variance Extracted). Điều này đặc biệt quan trọng trong các mô hình đo lường kết quả (reflective), nơi các biến quan sát được giả định là các chỉ báo của một biến tiềm ẩn chung.
1. Ngưỡng hệ số tải chuẩn hóa của biến quan sát
Hệ số tải chuẩn hóa là một yếu tố quan trọng khi đánh giá giá trị hội tụ. Trong phần mềm SmartPLS hoặc AMOS, hệ số này phản ánh mối tương quan giữa một biến quan sát với biến tiềm ẩn mà nó đại diện. Càng cao thì càng chứng minh rằng biến quan sát đo lường tốt biến tiềm ẩn. Theo lý thuyết, hệ số tải ngoài lý tưởng nên từ 0.7 trở lên. Giá trị này đảm bảo rằng biến tiềm ẩn giải thích ít nhất 50% phương sai của biến quan sát. Hệ số 0.7, mặc dù thấp hơn một chút, vẫn thường được chấp nhận trong các nghiên cứu vì dễ ghi nhớ và thực tiễn hơn.
Tuy nhiên, trong các nghiên cứu về khoa học xã hội hoặc những thang đo mới hình thành, hệ số tải thấp hơn 0.7 đôi khi vẫn được sử dụng. Hulland (1999) cho rằng, nếu hệ số tải nằm trong khoảng từ 0.4 đến 0.7, nhà nghiên cứu nên cân nhắc việc loại bỏ biến nếu điều đó giúp cải thiện độ tin cậy tổng hợp (CR) và giá trị AVE. Mặc dù vậy, nếu việc loại bỏ không làm tăng đáng kể độ tin cậy hoặc giảm tính giá trị nội dung của thang đo, biến đó có thể vẫn được giữ lại.
Khi hệ số tải dưới 0.4, biến quan sát thường bị loại bỏ vì đóng góp của nó vào mô hình là rất nhỏ và có thể gây ra sai số trong việc giải thích mối quan hệ giữa biến tiềm ẩn và các biến quan sát.
2. Dùng chỉ số AVE để đánh giá giá trị hội tụ
Bên cạnh hệ số tải ngoài, phương sai trích trung bình (AVE) là một chỉ số quan trọng khác để đánh giá giá trị hội tụ. AVE được định nghĩa là trung bình bình phương hệ số tải của các biến quan sát thuộc về một biến tiềm ẩn. Nói cách khác, nó đo lường mức độ giải thích phương sai của biến tiềm ẩn đối với các biến quan sát.
Công thức tính AVE được biểu diễn như sau:
Trong đó:
– AVE: phương sai trích trung bình AVE của biến tiềm ẩn A
– ld1, ld2, ldm: hệ số tải chuẩn hóa của biến quan sát thuộc biến tiềm ẩn A
– m: số lượng biến quan sát của biến tiềm ẩn A
Theo Hair và cộng sự (2021), giá trị AVE từ 0.5 trở lên cho thấy biến tiềm ẩn có khả năng giải thích hơn 50% phương sai của các biến quan sát. Điều này khẳng định rằng mô hình có giá trị hội tụ tốt. Ngược lại, nếu AVE nhỏ hơn 0.5, điều đó có nghĩa là các biến quan sát chưa đủ tốt để giải thích phương sai của biến tiềm ẩn, và nhiều sai số vẫn tồn tại trong mô hình.
3. Ứng dụng giá trị hội tụ và AVE trong thực tiễn
Việc đánh giá giá trị hội tụ bằng hệ số tải ngoài và AVE giúp đảm bảo rằng các thang đo được sử dụng trong nghiên cứu là đáng tin cậy và chính xác. Nếu hệ số tải ngoài của các biến quan sát đủ cao, cùng với AVE lớn hơn 0.5, mô hình đo lường có thể được coi là đáng tin cậy trong việc giải thích biến tiềm ẩn.
Trong các nghiên cứu về hành vi người tiêu dùng, quản trị doanh nghiệp, hoặc khoa học xã hội, việc đảm bảo giá trị hội tụ là vô cùng cần thiết để xây dựng những mô hình đo lường chính xác. Khi mô hình có giá trị hội tụ cao, các nhà nghiên cứu có thể tự tin rằng họ đang đo lường chính xác khái niệm tiềm ẩn mà họ muốn nghiên cứu, từ đó đưa ra những kết luận chính xác hơn về mối quan hệ giữa các biến.
4, Lưu ý khi xử lý các biến quan sát có hệ số tải thấp
Trong quá trình phân tích, không phải lúc nào hệ số tải ngoài của các biến quan sát cũng đạt được ngưỡng lý tưởng. Trong những trường hợp này, nhà nghiên cứu phải đưa ra quyết định dựa trên những yếu tố khác như tính giá trị nội dung và ảnh hưởng của biến quan sát đối với độ tin cậy tổng hợp (CR).
Nếu một biến quan sát có hệ số tải ngoài nằm trong khoảng từ 0.4 đến 0.7, việc giữ hay loại bỏ biến phải dựa trên tác động của nó đối với toàn bộ mô hình. Nếu loại bỏ biến giúp tăng độ tin cậy tổng hợp hoặc giá trị AVE, biến đó nên bị loại bỏ. Tuy nhiên, nếu biến đóng vai trò quan trọng trong việc đảm bảo tính đại diện nội dung của khái niệm, thì có thể giữ lại, ngay cả khi hệ số tải ngoài không đạt ngưỡng 0.7.
Nhận trợ giúp cho phân tích SMARTPLS của bạn
Dịch vụ chạy SmartPLS giá rẻ cho sinh viên
Nếu bạn gặp khó khăn trong việc chạy dữ liệu trên SmartPLS 4, hãy bắt đầu hành trình nghiên cứu với xulysolieu.info, nơi đội ngũ tận tâm của chúng tôi cung cấp hỗ trợ phân tích dữ liệu chuyên môn cho sinh viên, học giả và cá nhân. Chúng tôi đảm bảo nghiên cứu của bạn được nâng cao với độ chính xác. Khám phá các trang của chúng tôi:
Giá trị hệ số tải ngoài Outer Loading trong SmartPLS 4
Biểu đồ Tầm quan trọng hiệu suất IPMA trong SmartPLS 4
Link tải phần mềm SmartPLS 4 FULL BẢN QUYỀN VĨNH VIỄN
Hoặc bạn có thể trực tiếp liên hệ thông quan fanpage chính thức và Dịch vụ Smart PLS trên trang web chính thức của xulysolieu.info.
