Bất biến cấu hình là gì trong SmartPLS

Bất biến cấu hình là gì

Bạn thường gặp cụm từ bất biến cấu hình khi muốn so sánh mô hình PLS-SEM giữa hai hoặc nhiều nhóm, chẳng hạn nam và nữ, nhóm tuổi, khách hàng mới và khách hàng lâu năm. Bất biến cấu hình, tiếng Anh là configural invariance, trả lời câu hỏi nền tảng: các nhóm có đang sử dụng cùng một cấu trúc khái niệm, cùng số lượng biến tiềm ẩn và cùng cách các biến quan sát gắn vào biến tiềm ẩn hay không.

Ví dụ, mô hình của bạn có ba biến tiềm ẩn là Chất lượng dịch vụ, Sự hài lòng và Ý định tiếp tục sử dụng. Ở nhóm nam, Chất lượng dịch vụ được đo bởi CLDV1, CLDV2 và CLDV3. Ở nhóm nữ, cùng biến này cũng được đo bởi ba biến quan sát đó. Đây là dấu hiệu phù hợp với bất biến cấu hình. Nếu một nhóm dùng CLDV1, CLDV2, CLDV3 còn nhóm kia lại dùng CLDV1, CLDV2 và một biến thuộc Sự hài lòng, cấu hình giữa hai nhóm đã thay đổi.

Bất biến cấu hình không phải là một hệ số duy nhất như Cronbach's Alpha hay AVE. Nó là mức độ tương đương của cấu trúc mô hình giữa các nhóm. Vì vậy, bạn kiểm tra nó trước khi đi đến các mức bất biến nghiêm ngặt hơn trong phân tích đa nhóm. Kiến thức nền về PLS-SEM và partial least squares sẽ giúp bạn hiểu vì sao việc so sánh nhóm phải bắt đầu từ mô hình đo lường.

Ý nghĩa của bất biến cấu hình trong nghiên cứu định lượng

Nếu bất biến cấu hình phù hợp, bạn có cơ sở nói rằng các nhóm đang hiểu và được đo bằng cùng một mô hình khái niệm. Khi đó, việc so sánh path coefficient, tác động của biến độc lập lên biến phụ thuộc hoặc kết quả phân tích đa nhóm có ý nghĩa hơn.

Ngược lại, nếu cấu hình khác nhau, sự khác biệt giữa hai nhóm có thể xuất phát từ cách đo chứ chưa chắc đến từ bản chất hành vi. Chẳng hạn, nhóm sinh viên năm nhất xem hai biến quan sát là cùng một khái niệm, trong khi sinh viên năm cuối tách chúng thành hai khái niệm khác nhau. So sánh đường dẫn giữa hai nhóm trong tình huống này dễ dẫn đến kết luận sai.

Bất biến cấu hình thường nằm ở bước đầu của Measurement Invariance of Composite Models, thường được gọi là MICOM trong PLS-SEM. Quy trình này có thể được trình bày theo ba bước: bất biến cấu hình, bất biến thành phần hoặc compositional invariance, và bình đẳng về giá trị trung bình cùng phương sai. Bài viết về SmartPLS sẽ hữu ích khi bạn cần định vị các màn hình và tùy chọn tương ứng trong phần mềm.

Bạn cũng cần phân biệt mục tiêu của kiểm định. Bất biến cấu hình không cho biết nhóm nào có tác động mạnh hơn. Nó chỉ cho biết nền tảng đo lường có đủ tương đồng để tiếp tục so sánh hay chưa. Kết luận về sự khác biệt giữa các nhóm cần dựa vào kết quả MGA hoặc kiểm định tương ứng, không dựa riêng vào bất biến cấu hình.

Bất biến cấu hình bao nhiêu là đạt

Câu hỏi “bất biến cấu hình bao nhiêu là tốt” dễ gây nhầm vì bất biến cấu hình không có một ngưỡng số học duy nhất. Bạn đánh giá nó bằng sự giống nhau của cấu trúc mô hình, cách gán chỉ báo, kiểu dữ liệu và quy trình phân tích giữa các nhóm. Một số chỉ số như outer loading, CR, AVE hay HTMT được xem ở mô hình đo lường, nhưng chúng không tự mình chứng minh bất biến cấu hình.

Bảng dưới đây giúp bạn kiểm tra đúng bản chất của bước này. Các ngưỡng số chỉ áp dụng cho chỉ số liên quan, còn bất biến cấu hình được kết luận từ sự tương đương của thiết kế mô hình.

Vì vậy, không nên viết “bất biến cấu hình đạt vì AVE lớn hơn 0.5”. Cách viết đó gán nhầm vai trò của AVE. Bạn có thể viết rằng mô hình đo lường của các nhóm sử dụng cùng cấu trúc biến tiềm ẩn và cùng bộ chỉ báo, sau đó báo cáo riêng AVE, CR và HTMT của từng nhóm.

Nếu đề tài có nhiều nhóm, hãy ghi rõ nhóm được hình thành từ biến phân loại nào, số quan sát của từng nhóm và cách bạn giữ nguyên mô hình. Một nhóm có quá ít quan sát vẫn có thể làm kết quả outer loading hoặc bootstrapping thiếu ổn định, dù cấu hình trên sơ đồ giống nhóm còn lại.

Cách đọc bất biến cấu hình trên output

Trong SmartPLS, bạn không tìm một dòng có tên “Configural Invariance” rồi đọc một p-value duy nhất. Trước hết, hãy kiểm tra mô hình và bộ dữ liệu của từng nhóm. Bạn cần xác nhận các nhóm có cùng tên biến, cùng hướng mã hóa, cùng loại construct và cùng sơ đồ quan hệ.

Sau đó, so sánh kết quả mô hình đo lường giữa các nhóm. Những bảng thường được mở gồm Outer Loadings, Construct Reliability and Validity, Discriminant Validity và Collinearity Statistics. Nếu dùng quy trình MICOM, bạn tiếp tục đọc kết quả liên quan đến compositional invariance và equality of means and variances.

Bảng dưới đây là số liệu minh họa, không phải kết quả của một nghiên cứu thật. Tên cột được trình bày theo dạng thường gặp trong output SmartPLS để bạn biết cần nhìn vào đâu.

Trong ví dụ này, cả hai nhóm cùng có Chất lượng dịch vụ và Sự hài lòng, cùng dùng các chỉ báo tương ứng. Các chỉ số reliability và validity cũng được báo cáo riêng cho từng nhóm. Bạn vẫn cần kiểm tra toàn bộ chỉ báo và toàn bộ construct, không kết luận chỉ từ hai dòng minh họa.

Nếu một nhóm không có CLDV2 vì bạn xóa biến này trước khi chạy, còn nhóm kia vẫn giữ CLDV2, cấu hình đã không còn giống nhau. Nếu SmartPLS báo thiếu dữ liệu do tên cột khác nhau như CLDV_1 và CLDV1, hãy sửa dữ liệu gốc trước khi diễn giải. Đừng xem lỗi nhập liệu là bằng chứng cho thấy hai nhóm có cấu trúc khác nhau.

Khi bất biến cấu hình không đạt thì xử lý thế nào

Trước tiên, kiểm tra lại mô hình đo lường trên giấy hoặc sơ đồ nghiên cứu. Đối chiếu số construct, loại construct, mũi tên giữa construct và indicator, cùng danh sách biến quan sát được dùng ở mỗi nhóm. Đây là bước ít tốn thời gian và dễ giải trình nhất.

Kiểm tra mã nhóm và tên biến

Mở file CSV hoặc file dữ liệu gốc, kiểm tra biến phân nhóm và tên các cột. Giá trị nhóm phải được mã hóa nhất quán, chẳng hạn 1 là nam và 2 là nữ. Các biến quan sát cần có cùng tên ở mọi dòng dữ liệu. Nếu dùng chủ đề SmartPLS để đối chiếu thao tác, hãy giữ nguyên cấu trúc file trước khi tạo lại project.

Kiểm tra mô hình đo lường

Xem một indicator có bị kéo sang construct khác ở một nhóm hay không. Với reflective construct, outer loading thấp có thể gợi ý vấn đề ở chỉ báo, nhưng bạn không nên xóa biến chỉ để làm đẹp một nhóm. Việc xóa biến phải dựa trên lý thuyết, nội dung thang đo và lý do thống kê được ghi lại.

Chạy lại MICOM theo cùng quy trình

Nếu cấu hình đã thống nhất, chạy lại quy trình MICOM với cùng cách xử lý missing values, cùng cách mã hóa và cùng số lần bootstrapping. (Hair và cộng sự, 2022) được dùng để tham chiếu quy trình PLS-SEM và 5.000 bootstrap subsamples. Ghi lại phiên bản phần mềm, số nhóm, số quan sát và tùy chọn đã chọn.

Giảm số nhóm khi nhóm quá nhỏ

Một nhóm quá ít quan sát có thể làm output dao động mạnh. Khi đó, bạn cần trao đổi với giảng viên về việc gộp nhóm theo một tiêu chí có cơ sở, hoặc dừng phân tích đa nhóm. Gộp nhóm sau khi xem kết quả để đạt ngưỡng là cách xử lý khó bảo vệ.

Không sửa dữ liệu để ép bất biến

Không đổi câu trả lời, không nhân bản dòng dữ liệu và không xóa một nhóm chỉ vì kết quả không thuận lợi. Nếu cấu trúc lý thuyết thực sự khác giữa các nhóm, hãy báo cáo giới hạn đó và không diễn giải MGA như một so sánh trực tiếp có cùng thang đo.

Cách viết vào luận văn: “Kết quả kiểm tra bất biến cấu hình cho thấy các nhóm [tên nhóm] sử dụng cùng cấu trúc mô hình, cùng các biến tiềm ẩn và cùng bộ biến quan sát. Do đó, nghiên cứu tiếp tục đánh giá [compositional invariance hoặc bước tiếp theo của MICOM] trước khi thực hiện phân tích đa nhóm.”

Phân biệt bất biến cấu hình với bất biến đo lường

Bất biến đo lường là khái niệm rộng hơn. Nó xem xét liệu cùng một thang đo có đo cùng một khái niệm theo cách tương đương giữa các nhóm hay không. Bất biến cấu hình là tầng đầu tiên, còn các tầng sau kiểm tra sâu hơn về trọng số, giá trị trung bình, phương sai hoặc thành phần của construct tùy cách tiếp cận.

Cụm “bất biến đo lường bao nhiêu là tốt” cũng không có một con số chung. Bạn phải xác định đang nói đến mức nào trong quy trình. Với PLS-SEM, MICOM thường được đọc theo các bước khác nhau. Với CB-SEM, các chỉ số fit như CFI, TLI, RMSEA và SRMR thuộc một họ đánh giá khác, được nêu cho CB-SEM trong (Hu và Bentler, 1999). Không đưa các chỉ số này vào bài chỉ vì bạn thấy chúng trong một hướng dẫn AMOS.

Bất biến đo lường trong SPSS thường được nhắc khi bạn làm CFA hoặc kiểm định mô hình theo nhóm bằng AMOS, còn SmartPLS dùng logic PLS-SEM và MICOM. SPSS có thể hỗ trợ làm sạch dữ liệu, mô tả nhóm và kiểm tra sơ bộ, nhưng không thay thế quy trình bất biến của SmartPLS.

Bạn có thể xem thêm SEM là gì để phân biệt CB-SEM với PLS-SEM. Nếu đang đọc AVE, hãy đối chiếu AVE là gì, nhưng nhớ rằng AVE chỉ là một chỉ số trong đánh giá giá trị hội tụ, không phải tên gọi khác của bất biến cấu hình.

Lỗi thường gặp

Lỗi đầu tiên là tìm một ngưỡng kiểu 0.7 rồi gọi đó là ngưỡng của bất biến cấu hình. 0.7 có thể được dùng khi bàn về outer loading hoặc composite reliability theo nguồn phù hợp, nhưng không biến một mô hình khác cấu trúc thành mô hình bất biến.

Lỗi thứ hai là giữ cùng tên construct nhưng dùng bộ indicator khác nhau giữa các nhóm. Tên giống nhau không đủ. Bạn cần kiểm tra mã biến, số lượng indicator, loại đo lường và sơ đồ đường dẫn.

Lỗi thứ ba là kết luận “có sự khác biệt giữa hai nhóm” chỉ vì hai outer loading không bằng nhau tuyệt đối. Các giá trị mẫu hiếm khi giống hệt. Điều cần xem là quy trình bất biến và kiểm định chênh lệch được thiết kế cho mục tiêu đó.

Lỗi thứ tư là xóa biến theo từng nhóm mà không ghi lại lý do. Nếu một indicator bị loại ở nhóm nữ nhưng giữ ở nhóm nam, bạn phải giải thích ảnh hưởng của quyết định đó đến khả năng so sánh. Trong nhiều trường hợp, việc này khiến bạn không còn cùng cấu hình.

Lỗi cuối là trộn tiêu chí của SmartPLS với AMOS. PLS-SEM tập trung vào outer loading, CR, AVE, HTMT, VIF, R² và Q² tùy mục tiêu. CFI, TLI và RMSEA được dùng trong CB-SEM, không phải các tiêu chí mặc định để kết luận một mô hình SmartPLS đạt bất biến cấu hình.

Câu hỏi thường gặp

Bất biến cấu hình có phải là một chỉ số trong SmartPLS không?

Không. Đây là một điều kiện về sự tương đương của cấu trúc mô hình giữa các nhóm. Bạn đọc nó qua sơ đồ, bộ indicator, loại construct và quy trình MICOM, thay vì tìm một hệ số duy nhất.

Bất biến cấu hình bao nhiêu là tốt?

Không có một ngưỡng số học duy nhất cho bất biến cấu hình. Cấu hình được xem là phù hợp khi các nhóm dùng cùng construct, cùng cách gán biến quan sát và cùng cấu trúc mô hình. Những ngưỡng như AVE từ 0.5 hoặc HTMT dưới 0.85 áp dụng cho các khía cạnh khác của mô hình đo lường, theo (Fornell và Larcker, 1981) và (Henseler và cộng sự, 2015).

Bất biến đo lường trong SPSS có giống SmartPLS không?

Không hoàn toàn. SPSS hỗ trợ các phân tích dữ liệu và kiểm tra thang đo, còn SmartPLS có quy trình MICOM cho composite models trong PLS-SEM. Bạn cần chọn quy trình dựa trên mô hình và phần mềm đã xác định trong phương pháp nghiên cứu.

Nếu bất biến cấu hình không đạt thì có được chạy MGA không?

Bạn nên dừng lại để kiểm tra nguyên nhân trước. Nếu các nhóm không dùng cùng cấu trúc đo lường, kết quả MGA khó được diễn giải như sự khác biệt về đường dẫn. Có thể báo cáo giới hạn, điều chỉnh mô hình theo lý thuyết hoặc không thực hiện so sánh nhóm nếu dữ liệu không đáp ứng.

Có cần kiểm định bất biến cấu hình khi chỉ có một nhóm không?

Không. Bất biến cấu hình phục vụ việc so sánh từ hai nhóm trở lên. Với một nhóm, bạn tập trung vào chất lượng mô hình đo lường và mô hình cấu trúc, chẳng hạn outer loading, CR, AVE, HTMT, VIF, R² và các đường dẫn giả thuyết.

Có thể dùng kết quả AVE để kết luận bất biến cấu hình không?

Không nên. AVE cho biết mức độ hội tụ của indicator vào construct trong từng mô hình. Nó có thể được báo cáo cùng quy trình bất biến, nhưng không thay thế việc kiểm tra cấu trúc và sự tương đương giữa các nhóm.

Mở project SmartPLS của bạn, ghi lại số nhóm, danh sách indicator và loại construct trước khi chạy lại MICOM. Nếu cần hỗ trợ chạy phân tích trên chính file .sav hoặc .csv, bạn có thể dùng M4 phân tích của DoThesis.