Đánh giá giá trị phân biệt là điều bắt buộc trong bất kỳ nghiên cứu nào liên quan đến các biến tiềm ẩn để ngăn ngừa các vấn đề đa cộng tuyến. Ngoài sử dụng bảng Fornell và Larcker, một phương pháp khác được sử dụng đó là chỉ số tương quan Heterotrait-Monotrait (Heterotrait-Monotrait Ratio of Correlations), viết tắt là HTMT.
Hướng dẫn đánh giá tính phân biệt bằng HTMT trong SmartPLS 4
Cơ sở lý thuyết của chỉ số HTMT
Chỉ số HTMT (Heterotrait-Monotrait Ratio) trong SMARTPLS là một công cụ đánh giá tính phân biệt giữa các thang đo (tập chỉ báo) trong mô hình đo lường cấu trúc. Được đề xuất bởi Henseler và đồng nghiệp (2015), chỉ số HTMT được sử dụng để đánh giá mức độ phân biệt giữa các biến tiềm ẩn.
Công thức HTMT đánh giá tính phân biệt
Cách tính chỉ số HTMT dựa trên ma trận multitrait-multimethod (MTMM) và so sánh tương quan nội bộ (inter-item correlation) giữa các chỉ báo cùng một biến tiềm ẩn với tương quan chéo (cross-loadings) giữa các chỉ báo của hai biến tiềm ẩn khác nhau.
Khi tương quan nội bộ cao hơn tương quan chéo, chỉ số HTMT cho thấy tính phân biệt tốt hơn giữa các thang đo
Giải thích các giá trị của chỉ số HTMT
Trước khi đi vào chi tiết về công thức tính toán, chúng ta cần hiểu rõ ý nghĩa của các giá trị của chỉ số HTMT. Theo tác giả Henseler et al. (2015), chỉ số HTMT có giá trị từ 0 đến 1, với giá trị 0 đại diện cho tính phân biệt hoàn toàn giữa các biến, trong khi giá trị 1 đại diện cho tính tương đồng hoàn toàn giữa các biến. Giá trị của chỉ số này càng gần với 0 thì chứng tỏ tính phân biệt giữa các biến càng cao và ngược lại.
Chỉ số HTMT đánh giá tính phân biệt
Các giá trị của chỉ số HTMT cũng có thể được chia thành các khoảng để thuận tiện cho việc đánh giá. Theo Henseler et al. (2015), các khoảng này được định nghĩa như sau:
– Giá trị < 0.85: Chứng tỏ tính phân biệt cao, có thể sử dụng mô hình để dự báo và giải thích dữ liệu.
– Từ 0.85 – 0.90: Có thể chấp nhận được, tuy nhiên cần kiểm tra kỹ lưỡng các mối quan hệ giữa các biến để đảm bảo tính chính xác của mô hình.
– Từ 0.90 – 0.95: Có thể cho thấy sự mất cân bằng giữa các biến, cần kiểm tra lại mô hình và điều chỉnh nếu cần thiết.
– Trên 0.95: Chứng tỏ rằng các biến có tính tương đồng cao, mô hình có thể không chính xác và cần được điều chỉnh hoặc loại bỏ các biến có giá trị HTMT cao.
Các lỗi thường gặp
Mặc dù chỉ số HTMT là một công cụ hữu ích trong việc đánh giá tính phân biệt giữa các biến trong mô hình, tuy nhiên cũng có một số lỗi thường gặp khi sử dụng chỉ số này. Dưới đây là một số lỗi thường gặp khi sử dụng chỉ số HTMT và cách khắc phục:
Các lỗi thường gặp khi dùng HTMT trong SmartPLS 4
– Hiện tượng “hoán đổi” giữa các biến. Điều này có nghĩa là giá trị HTMT của hai biến A và B sẽ khác nhau khi chúng ta hoán đổi vị trí của hai biến này với nhau trong mô hình. Để khắc phục điều này, chúng ta cần kiểm tra lại các mối quan hệ giữa các biến và xác định biến nào là biến độc lập và biến nào là biến phụ thuộc để tính toán chỉ số HTMT.
– Hiện tượng “điểm đặt biên” (boundary problem). Hiện tượng này xảy ra khi các giá trị của các biến tương tự nhau và gần với giới hạn dưới hoặc giới hạn trên. Để khắc phục điều này, chúng ta có thể thay đổi các thành phần của mô hình hoặc xử lý các biến để tránh hiện tượng này.
– Chọn sai bộ dữ liệu bootstrap khi tính toán chỉ số HTMT. Như đã đề cập ở trên, số lượng bộ dữ liệu bootstrap nên được thiết lập từ 1000 đến 5000 để đảm bảo tính chính xác của kết quả. Nếu chúng ta chọn số lượng bootstrap quá ít, kết quả tính toán sẽ không đủ chính xác để đánh giá tính phân biệt của mô hình.
Kết luận
Trong bài viết này, chúng ta đã cùng tìm hiểu về công thức tính toán và ý nghĩa của chỉ số HTMT trong SmartPLS. Chỉ số này có vai trò quan trọng trong việc đánh giá tính phân biệt của các biến trong mô hình và đảm bảo tính chính xác và độ tin cậy của kết quả.
Tuy nhiên nếu việc đọc dữ liệu và kiểm tra tính phân biệt khiến bạn gặp khó khăn, hãy tham khảo dịch vụ chạy SmartPLS 4 của xulysolieu.info ngay!
