1. Công dụng của biểu đồ tầm quan trọng hiệu suất IPMA

Biểu đồ tầm quan trọng hiệu suất IPMA (Importance-Performance Map Analysis), có thể tìm hiểu thêm tại đây, là một công cụ hữu ích giúp các nhà nghiên cứu xác định những biến trong mô hình có mức độ quan trọng cao nhưng hiệu suất thực tế lại thấp. Từ đó, đưa ra những đánh giá chính xác về tình hình hiện tại và xây dựng các chính sách, giải pháp cải thiện phù hợp hơn.

Ở đây, “tầm quan trọng” được hiểu là mức độ ảnh hưởng của một biến độc lập (đã được bỏ chuẩn hóa) đối với biến phụ thuộc. “Hiệu suất” thể hiện giá trị trung bình của chính biến độc lập đó. Nói cách khác, một biến có tầm quan trọng cao nhưng hiệu suất thấp là biến có tác động mạnh mẽ, nhưng giá trị trung bình lại ở mức thấp. Trong trường hợp này, nhà nghiên cứu cần tập trung vào việc nâng cao điểm trung bình của biến.

Biểu đồ IPMA thể hiện mối quan hệ giữa các biến độc lập và ảnh hưởng của chúng lên một biến phụ thuộc duy nhất, sử dụng hệ tọa độ với hai trục:

• Trục tung: Biểu diễn hiệu suất của biến độc lập, có giá trị từ 0 đến 100. Giá trị càng gần 0 thể hiện hiệu suất càng thấp và ngược lại.
• Trục hoành: Thể hiện tổng tác động của biến độc lập lên biến phụ thuộc.

Khi biểu diễn trên đồ thị, biểu đồ IPMA sẽ được chia thành bốn góc phần tư:

• Góc 1: Hiệu suất cao, tầm quan trọng thấp.
• Góc 2: Hiệu suất cao, tầm quan trọng cao.
• Góc 3: Hiệu suất thấp, tầm quan trọng cao (cần được quan tâm nhất).
• Góc 4: Hiệu suất thấp, tầm quan trọng thấp.

2. Phương Pháp Phân Tích IPMA Trong SMARTPLS

Bước 1: Đánh Giá Yêu Cầu Về Dữ Liệu Đầu Vào

Để có thể thực hiện phân tích IPMA, dữ liệu đầu vào cần thỏa mãn ba điều kiện sau:

• Điều kiện 1: Các biến phải được đo bằng thang đo định lượng cân bằng. Thang đo cân bằng có nghĩa là có số lượng mức độ tích cực và tiêu cực bằng nhau. Ví dụ: Thang đo Likert 5 mức độ điển hình (hoàn toàn không đồng ý, không đồng ý, trung lập, đồng ý, hoàn toàn đồng ý) hoặc thang đo 4 mức độ (1 – rất không đồng ý, 2 – không đồng ý, 3 – đồng ý, 4 – rất đồng ý).
• Điều kiện 2: Việc mã hóa các biến quan sát phải nhất quán về khuynh hướng đo lường, tức là giá trị thấp luôn đại diện cho kết quả tiêu cực hoặc thấp, và giá trị cao luôn đại diện cho kết quả tích cực hoặc cao. Ví dụ, trong thang đo Likert 5 mức độ, 1 phải tương ứng với “hoàn toàn không đồng ý” và 5 phải tương ứng với “hoàn toàn đồng ý”. Nếu không đáp ứng được điều này, việc kết luận rằng điểm số biến tiềm ẩn cao hơn thể hiện hiệu suất tốt hơn là không hợp lệ.
• Điều kiện 3: Các hệ số tải ngoài (outer loading) của tất cả các biến quan sát phải là số dương. Nếu có bất kỳ hệ số tải nào âm, phân tích IPMA không được phép thực hiện.

Bước 2: Tiến Hành Phân Tích IPMA trên SMARTPLS

Trong giao diện sơ đồ (diagram) của SMARTPLS, chọn Calculate > PLS Algorithm.

Sau đó, tích chọn Importance-Performance Map Analysis (IPMA) để bắt đầu phân tích biểu đồ.

Trong cửa sổ vừa xuất hiện, tại mục Target Construct, hãy chọn biến phụ thuộc mà bạn muốn phân tích. Như đã đề cập, IPMA được sử dụng để đánh giá tầm quan trọng và hiệu suất của các biến độc lập tác động lên một biến phụ thuộc cụ thể. Ví dụ, trong một mô hình có ba biến phụ thuộc TD, YD và HV, và HV có ba biến độc lập tác động vào. Trong ví dụ này, chúng ta sẽ phân tích IPMA cho biến HV.

Mục Ranges cho phép khai báo phạm vi của thước đo. Bạn có thể nhập giá trị Min/Max của từng biến quan sát (vùng 1) hoặc nhập Min/Max chung cho tất cả các biến (vùng 2).

Việc khai báo giá trị Min/Max rất quan trọng để đảm bảo tính chính xác, vì hiệu suất sẽ được quy về thang điểm 100%. Ví dụ, nếu các biến quan sát của nhóm HV được đo bằng thang Likert-7, trong khi nhóm DK đo bằng Likert-5, phần mềm cần quy đổi cả hai thang về chuẩn chung 100% để tính toán.

Nếu bạn không khai báo, phần mềm sẽ tự động xác định phạm vi dựa trên Min/Max của dữ liệu đầu vào. Ví dụ, nếu trên bảng câu hỏi biến HV1 được đo bằng thang Likert 1-5, nhưng không có ai chọn 1, giá trị Min trên dữ liệu sẽ là 2. Trong bảng Ranges, phần mềm sẽ nhận phạm vi của HV1 là 2 đến 5 (4 mức độ) thay vì 1 đến 5 (5 mức độ).

Do đó, bạn cần nhập đúng Min và Max theo thang đo gốc trên bảng câu hỏi. Trong ví dụ này, các biến được đo bằng thang Likert 1-5, vì vậy nhập Min = 1 và Max = 5 vào mục số 2, sau đó chọn Apply All để áp dụng cho tất cả các biến.

Bấm nút Start Calculation để tiến hành phân tích IPMA.

Trong kết quả đầu ra, nhấn vào Importance-Performance Map [HV] (construct, unstandardized effects) để xem các thông số cần thiết.

Chuyển sang thẻ Construct Total Effects và Construct Performances để lấy chỉ số Performances và Total Effects của các biến độc lập.

Nhập dữ liệu vào Excel và tổng hợp thành bảng. Thêm một hàng để tính trung bình cộng của Performances và Total Effects.

Quay lại thẻ đầu tiên Importance-Performance Map, bạn sẽ thấy biểu đồ IPMA với các ký hiệu tương ứng với các biến độc lập LN, TD, UGC, YD. Click Chart (gần Copy to Clipboard) để sao chép biểu đồ sang Excel hoặc PowerPoint và vẽ hai đường trung bình chia thành bốn góc phần tư.

Bảng Chart Size cho phép bạn thiết lập chiều rộng (width) và chiều cao (height) cho ảnh biểu đồ (đơn vị pixel), sau đó nhấn OK để sao chép.

Dán hình ảnh biểu đồ vào PowerPoint. Vẽ thêm hai đường thể hiện giá trị trung bình của Performance (trục tung) với giá trị 67.645 và Total Effects (trục hoành) với giá trị 0.229.

Nếu biến YD xuất hiện ở góc phần tư số 3 (dưới bên phải), điều này có nghĩa là YD có tầm quan trọng cao nhưng hiệu suất chưa tốt. Tức là biến này có ảnh hưởng mạnh lên HV, nhưng điểm đánh giá trên thang đo 5 mức độ hiện còn thấp, phần đông người trả lời chưa đồng tình với các quan điểm thuộc YD. Ví dụ, biến YD – “Điều kiện làm việc” gồm bốn biến quan sát:

• YD1: Tôi có ý định mua các sản phẩm thân thiện môi trường trong tương lai.
• YD2: Tôi sẽ mua các sản phẩm thân thiện môi trường ngay cả khi chúng đắt hơn.
• YD3: Tôi có ý định thường xuyên mua các sản phẩm thân thiện với môi trường.
• YD4: Tôi có ý định giới thiệu cho bạn bè, người thân sản phẩm bảo vệ môi trường.

Điều này có nghĩa là “ý định mua sản phẩm thân thiện môi trường” (YD) có ảnh hưởng đáng kể đến “hành vi mua sản phẩm bảo vệ môi trường” . Tuy nhiên, điểm trung bình của 4 câu hỏi này lại thấp, cho thấy yếu tố “điều kiện làm việc” đang không tốt. Công ty cần có chính sách để cải thiện hiệu suất biến YD (tăng điểm trung bình) để không ảnh hưởng đến hành vi mua sản phẩm bảo vệ môi trường.

SPSS là công cụ phân tích số liệu thống kê không thể thiếu. Hãy truy cập link tải phần mềm SPSS full bản quyền để tải về.

Bài viết này đã trình bày chi tiết về phân tích IPMA trong SMARTPLS, kèm ví dụ minh họa. Hy vọng bạn đã nắm bắt được khái niệm và cách phân tích IPMA và áp dụng thành thạo trong công việc phân tích dữ liệu.