Đánh giá giá trị phân biệt qua hệ số tải chéo (Cross Loadings)

Giá trị phân biệt, hay còn gọi là discriminant validity, là một khái niệm quan trọng trong việc xác định tính duy nhất và khác biệt của các khái niệm nghiên cứu trong một mô hình. Điều này có nghĩa là một khái niệm nghiên cứu phải đại diện cho một hiện tượng duy nhất và không trùng lặp với các khái niệm nghiên cứu khác trong mô hình.

Trong mô hình cấu trúc (SEM), việc đánh giá giá trị phân biệt giúp đảm bảo rằng các biến tiềm ẩn không bị nhầm lẫn với nhau, từ đó nâng cao độ tin cậy của kết quả nghiên cứu.

Một trong những phương pháp truyền thống và phổ biến để đánh giá giá trị phân biệt là thông qua hệ số tải chéo (cross loadings) của các biến quan sát. Phương pháp này yêu cầu hệ số tải ngoài (outer loading) của bất kỳ biến quan sát nào trong nhân tố mẹ phải lớn hơn tất cả các hệ số tải chéo của biến đó với các nhân tố khác trong mô hình. Điều này đảm bảo rằng biến quan sát đo lường tốt cho nhân tố mẹ của nó, và không bị ảnh hưởng quá nhiều bởi các nhân tố khác.

Ví dụ minh họa từ kết quả SMARTPLS 4

Xét một ví dụ về hệ số tải chéo trong mô hình với 4 nhân tố: CV (2 biến quan sát), DK (3 biến quan sát), GB (3 biến quan sát) và TL (4 biến quan sát). Bảng hệ số tải chéo từ SMARTPLS 4 sẽ cung cấp các giá trị hệ số tải của các biến quan sát lên các nhân tố trong mô hình.

Giả sử hệ số tải ngoài của biến quan sát CV1 là 0.817, và các hệ số tải chéo của nó với các nhân tố khác lần lượt là 0.240, 0.425, 0.148. Trong trường hợp này, hệ số tải ngoài của CV1 (0.817) lớn hơn tất cả các hệ số tải chéo, điều này chứng tỏ biến quan sát CV1 đo lường tốt cho nhân tố CV và đảm bảo giá trị phân biệt.

Tuy nhiên, có thể xảy ra tình huống như biến TL4, một biến quan sát của nhân tố TL. Trong ví dụ này, TL4 có hệ số tải ngoài với nhân tố mẹ là 0.415, nhưng hệ số tải chéo của TL4 với nhân tố GB lên tới 0.709. Điều này cho thấy TL4 vi phạm giá trị phân biệt vì nó tải mạnh hơn ở nhân tố GB so với nhân tố mẹ TL, đồng nghĩa với việc TL4 có thể đang đo lường cho GB thay vì TL.

Giải pháp khi vi phạm giá trị phân biệt

Khi phát hiện biến quan sát không đảm bảo giá trị phân biệt, như trong trường hợp TL4, chúng ta cần loại bỏ biến này khỏi mô hình. Đây là bước cần thiết để đảm bảo tính chính xác của mô hình đo lường. Nếu không loại bỏ, biến TL4 có thể làm sai lệch kết quả phân tích và ảnh hưởng đến các bước tiếp theo trong việc đánh giá mô hình cấu trúc.

SMARTPLS 4 là công cụ mạnh mẽ trong phân tích mô hình cấu trúc, nhưng cần lưu ý rằng việc đánh giá mô hình đo lường trên SMARTPLS 4 có tính chất tương tự như phân tích nhân tố khẳng định (CFA), không giống như phân tích nhân tố khám phá (EFA). Do đó, trong trường hợp vi phạm giá trị phân biệt, chúng ta không nên chuyển biến quan sát TL4 về nhân tố GB mà nên loại bỏ hoàn toàn khỏi mô hình.

Tóm lại

Việc đánh giá giá trị phân biệt thông qua hệ số tải chéo giúp đảm bảo rằng mỗi biến quan sát thực sự đại diện cho nhân tố mẹ của nó và không bị trùng lặp với các nhân tố khác. Điều này đóng vai trò quan trọng trong việc tăng độ tin cậy và tính chính xác cho mô hình nghiên cứu.

Việc áp dụng đúng quy trình đánh giá giá trị phân biệt không chỉ giúp xác định các vấn đề tiềm ẩn trong mô hình mà còn đảm bảo kết quả phân tích đáng tin cậy hơn trong các nghiên cứu khoa học và kinh doanh.

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:

Dùng chỉ số HTMT để đánh giá tính phân biệt của thang đo trong SmartPLS 4

Giá trị hệ số tải ngoài Outer Loading trong SmartPLS 4

Biểu đồ Tầm quan trọng hiệu suất IPMA trong SmartPLS 4

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.