Trong lĩnh vực nghiên cứu khoa học và phân tích dữ liệu, đặc biệt khi sử dụng công cụ SMARTPLS, việc hiểu rõ các giá trị hệ số tải ngoài (outer loadings) đóng vai trò vô cùng quan trọng. Đây là một trong những chỉ số quan trọng giúp đánh giá mức độ liên kết giữa các biến quan sát và các biến tiềm ẩn trong mô hình PLS-SEM (Partial Least Squares Structural Equation Modeling).

1. Khái niệm về hệ số tải ngoài

Hệ số tải ngoài là chỉ số thể hiện mức độ liên quan của biến quan sát (chỉ báo) đến biến ẩn mà chúng được dùng để đo lường trong mô hình PLS-SEM (Partial Least Squares Structural Equation Modeling). Giá trị outer loadings càng cao thì mối quan hệ giữa biến quan sát và biến ẩn càng mạnh, và chỉ báo đó càng phù hợp để đo lường biến ẩn.

Hệ số outer loadings cho mỗi biến quan sát (còn gọi là chỉ báo) có thể dao động từ 0 đến 1, trong đó giá trị bằng 1 cho thấy chỉ báo là một phản ánh hoàn hảo của biến ẩn, và giá trị bằng 0 cho thấy chỉ báo không có liên quan gì đến biến ẩn.

Nó có thể được sử dụng để đánh giá chất lượng các biến quan sát của một nhân tố dạng thang đo kết quả (reflective). Nếu một biến quan sát có outer loadings thấp, có thể cho thấy rằng biến đó không đóng góp nhiều vào factor tương ứng và có thể bị loại khỏi mô hình.

2. Tầm quan trọng của giá trị hệ số tải ngoài

• Xác định Độ Tin Cậy của Biến Tiềm Ẩn: Các giá trị cao cho thấy các biến quan sát có độ tin cậy cao trong việc đại diện cho biến tiềm ẩn. Điều này giúp đảm bảo rằng các kết quả phân tích dựa trên mô hình PLS-SEM là đáng tin cậy và chính xác.
• Loại Bỏ Các Biến Quan Sát Không Tốt: Trong quá trình phân tích, nếu một biến quan sát có giá trị hệ số tải thấp, nó có thể được xem xét để loại bỏ khỏi mô hình. Điều này giúp cải thiện độ chính xác và sự phù hợp của mô hình.
• Tăng Cường Hiệu Quả Phân Tích: Hiểu rõ và sử dụng đúng các giá trị hệ số tải ngoài giúp nhà nghiên cứu tối ưu hóa mô hình phân tích của mình, từ đó cung cấp những kết luận và khuyến nghị chính xác hơn.

3. Ngưỡng đánh giá trong SMARTPLS

Trong cuốn A Primer On Partial Least Squares Structural Equation Modeling (2014), Hair và cộng sự đã khuyến nghị giá trị outer loadings để biến quan sát có ý nghĩa tốt là từ 0.7 trở lên.

Giá trị outer loadings dưới 0.7 được xem là mức độ yếu và có thể không đáng tin cậy để đo lường biến ẩn trong mô hình PLS-SEM. Nếu giá trị outer loadings của một chỉ báo thấp hơn 0.7, điều này cho thấy chỉ báo đó không đủ mạnh để đo lường chính xác biến ẩn tương ứng.

Tuy nhiên, nhóm tác giả này cũng cho rằng outer loadings dưới 0.4 biến quan sát cần được loại bỏ khỏi mô hình. Còn khi hệ số này nằm ở đoạn 0.4 đến dưới 0.7 quyết định loại hay giữ sẽ phụ thuộc nhà nghiên cứu khi đánh giá cùng với các chỉ số như độ tin cậy tổng hợp (composite reliability – CR) và tính hội tụ (convergent validity, ví dụ hệ số AVE) của nhân tố đó.

• Nếu giá trị CR hoặc AVE đang dưới ngưỡng đề nghị và việc loại biến quan sát có outer loadings nhỏ hơn 0.7 giúp tăng CR hoặc AVE đạt ngưỡng phù hợp thì chúng ta sẽ loại biến quan sát đó.
• Nếu CR và AVE đều đã đạt ngưỡng đề nghị, biến quan sát có outer loadings từ 0.4 đến dưới 0.7 và biến quan sát này bạn đánh giá là có ý nghĩa quan trọng trong nghiên cứu, bạn có thể giữ nó lại.

Trong SmartPLS 3, bạn có thể xem giá trị outer loading của các biến quan sát trong bảng “Outer Loadings” trong mục “Final Results”

4. Hướng dẫn phân tích trên SMARTPLS

Khi phân tích mô hình định lượng trên SMARTPLS, chúng ta sẽ đánh giá chỉ số outer loadings ở phần phân tích mô hình đo lường. Trong SmartPLS 3, bạn có thể xem giá trị outer loadings của các biến quan sát trong bảng “Outer Loadings” trong mục “Final Results”.

Giá trị hệ số tải ngoài outer loadings 1

Trong ví dụ bên dưới, biến CL4 có hệ số tải nhỏ hơn 0.7, cần xem xét loại bỏ khỏi mô hình.

Giá trị hệ số tải ngoài outer loadings 2

Qua quá trình đánh giá thì biến quan sát CL4 thực sự trên thực tế không có đóng góp quá nhiều vào thực tiễn đề tài, cho nên tác giả quyết định loại bỏ biến CL4 và thực hiện phân tích lại mô hình.