Cách chạy FIMIX SmartPLS 4 từ chuẩn bị đến đọc kết quả
FIMIX trong SmartPLS dùng để làm gì
Bạn dùng FIMIX-PLS khi nghi ngờ cùng một mô hình PLS-SEM hoạt động khác nhau giữa các nhóm quan sát chưa biết trước. Ví dụ, tác động của chất lượng dịch vụ lên ý định tiếp tục sử dụng có thể khác giữa khách hàng mới và khách hàng lâu năm, nhưng trong dữ liệu chưa có biến phân nhóm rõ ràng để bạn tách mẫu ngay từ đầu.
FIMIX là viết tắt của finite mixture, tức phân tích hỗn hợp hữu hạn. Thủ tục này tìm các nhóm tiềm ẩn dựa trên đặc điểm của các quan hệ trong mô hình cấu trúc. Kết quả giúp bạn xem mô hình có dấu hiệu không đồng nhất về cấu trúc hay không, thay vì mặc định toàn bộ mẫu chỉ thuộc một nhóm.
FIMIX không thay thế đánh giá measurement model và structural model. Bạn vẫn cần kiểm tra outer loading, CR, AVE, HTMT, VIF, path coefficient và R² theo thứ tự phù hợp. Với chủ đề tổng quát về phần mềm, bạn có thể xem thêm chủ đề SmartPLS. Nếu đề tài có biến trung gian hoặc biến điều tiết, hãy tách rõ mục tiêu đó khỏi FIMIX. FIMIX tìm nhóm tiềm ẩn, còn mediation và moderation kiểm tra cơ chế hoặc điều kiện của một quan hệ.
Chuẩn bị mô hình và dữ liệu
Trước khi mở FIMIX, bạn cần có một mô hình đã vẽ trong SmartPLS 4. Mô hình gồm measurement model, tức phần biến tiềm ẩn và biến quan sát, cùng structural model, tức các mũi tên giữa các biến tiềm ẩn. Mỗi biến quan sát phải gắn đúng construct và đúng hướng đo reflective hoặc formative.
Tên indicator nên ngắn, không có khoảng trắng, dấu tiếng Việt hoặc ký tự đặc biệt. Các cột trong file CSV có thể đặt như PU1, PU2, SAT1, SAT2, LOY1. Hàng đầu tiên là tên biến, mỗi hàng tiếp theo là một người trả lời. Không đặt một dòng tiêu đề phụ phía trên hàng tên biến.
Kiểm tra file trước khi import. Các ô của biến Likert nên là số, chẳng hạn từ 1 đến 5. Nếu một biến có chữ như “đồng ý” hoặc “không trả lời”, SmartPLS có thể đọc sai kiểu dữ liệu. Bạn cũng cần xử lý biến đảo chiều trước khi chạy, vì FIMIX không sửa lỗi mã hóa bảng hỏi.
| Hạng mục cần kiểm tra | Dấu hiệu đạt | Nếu chưa đạt |
|---|---|---|
| Hàng đầu tiên | Chỉ chứa tên indicator | Xóa tiêu đề phụ và ký tự thừa |
| Kiểu dữ liệu | Các ô phân tích là số | Mã hóa lại câu trả lời dạng chữ |
| Missing value | Được quy ước nhất quán | Kiểm tra mã 0, 99 hoặc ô trống |
| Tên indicator | Duy nhất, không có khoảng trắng | Đổi tên trong CSV và đồng bộ mô hình |
| Measurement model | Indicator nằm đúng construct | Đối chiếu với bảng mã thang đo |
Sau khi import, chạy PLS-SEM Algorithm trước. Lưu lại các chỉ số của measurement model và structural model. FIMIX có thể tạo ra các nhóm dựa trên kết quả đường dẫn, nhưng một mô hình đo lường chưa ổn định sẽ khiến việc giải thích nhóm trở nên yếu.
Các bước thực hiện trong SmartPLS 4
Các đường dẫn dưới đây áp dụng cho SmartPLS 4. Giao diện SmartPLS 3 có vị trí menu khác, vì vậy bạn không nên đối chiếu từng nút theo một video cũ rồi kết luận phần mềm bị lỗi.
Bước 1: Mở project và kiểm tra dữ liệu
Mở project, chọn model và kiểm tra số lượng observation. Trong cửa sổ model, xem các indicator đã được nối đúng construct chưa. Nếu vừa sửa file CSV, dùng chức năng cập nhật hoặc import lại dữ liệu rồi kiểm tra mapping trước khi chạy.
Bước 2: Chạy PLS-SEM Algorithm
Chọn model, mở khu vực tính toán và chạy PLS-SEM Algorithm. Mục đích của bước này là tạo kết quả nền cho mô hình đo lường và mô hình cấu trúc. Xem Outer Loadings, Construct Reliability and Validity, Discriminant Validity, Path Coefficients và R Square.
Nếu outer loading thấp, đừng chạy FIMIX chỉ để tìm một phân nhóm có kết quả đẹp hơn. Hãy xem lại nội dung indicator, mã đảo chiều và lý do loại biến. Các bước phân tích cần được ghi lại để bạn giải thích được mỗi lần điều chỉnh.
Bước 3: Mở thủ tục FIMIX
Trong SmartPLS 4, từ project hoặc model, mở khu vực Calculate rồi tìm nhóm thủ tục liên quan đến FIMIX-PLS. Tên vị trí có thể thay đổi nhẹ theo phiên bản cập nhật, nhưng bạn cần chọn đúng FIMIX-PLS thay vì MGA, MICOM hoặc Blindfolding.
Chọn model cần phân tích và chỉ định số lượng segments muốn thử. Khi chưa có cơ sở lý thuyết về số nhóm, có thể chạy nhiều phương án liên tiếp, chẳng hạn từ 2 đến 5 segments, rồi so sánh tiêu chí thông tin và khả năng diễn giải. Không chọn số nhóm chỉ vì phương án đó có R² cao hơn.
Bước 4: Chọn số lần lặp và chạy mô hình
Giữ các thiết lập mặc định ở lần chạy đầu, đồng thời ghi lại số segments, số lần lặp và random seed nếu phần mềm hiển thị. Nếu kết quả giữa các lần chạy thay đổi mạnh, hãy chạy lại với thiết lập nhất quán và lưu từng kết quả.
FIMIX là thủ tục nhạy với số nhóm và chất lượng dữ liệu. Một nghiệm hội tụ không có nghĩa là số nhóm đã được chọn đúng. Bạn cần xem nhiều chỉ số lựa chọn mô hình và kiểm tra ý nghĩa thực tế của từng segment.
Bước 5: So sánh các phương án segments
Chạy lần lượt các phương án, ví dụ 2, 3, 4 và 5 segments. Ghi lại AIC, AIC3, BIC, CAIC, HQ và MDL nếu bảng kết quả cung cấp các chỉ số này. Các tiêu chí có thể không cùng chỉ về một phương án, nên quyết định cuối cùng cần kết hợp thống kê với khả năng mô tả nhóm.
Nếu một segment chỉ chiếm tỷ lệ rất nhỏ và không có cách giải thích hợp lý, hãy thận trọng khi giữ nó. FIMIX không tự đặt tên nhóm theo giới tính, độ tuổi hay mức thu nhập. Sau khi có dấu hiệu phân nhóm, bạn mới dùng các biến quan sát được để mô tả sự khác biệt, nếu thiết kế nghiên cứu có các biến đó.
Bước 6: Kiểm tra sự khác biệt giữa các nhóm
Xem path coefficient và kết quả của từng segment. Bạn cần phân biệt hai câu hỏi: mô hình có các nhóm tiềm ẩn hay không, và quan hệ giữa hai biến có khác nhau giữa các nhóm hay không. Nếu mục tiêu là kiểm tra khác biệt giữa các nhóm đã biết như nam và nữ, hãy xem thêm biến điều tiết trong SmartPLS hoặc thủ tục MGA phù hợp.
Nếu nghiên cứu có biến tương tác, FIMIX không phải tên gọi khác của interaction effect. Bạn có thể tham khảo biến tương tác trong SmartPLS để tách phần kiểm tra moderation khỏi phần nhận diện segment tiềm ẩn.
Đọc bảng kết quả
Bảng FIMIX thường có nhiều cột tiêu chí, vì vậy bạn nên xuất hoặc chụp lại kết quả ngay sau mỗi lần chạy. Tên cột và số chữ số có thể khác theo phiên bản, nhưng logic đọc vẫn là so sánh các phương án số nhóm trên cùng một bộ tiêu chí.
Bảng số liệu minh họa, các con số dưới đây chỉ để minh họa cách đọc, không phải kết quả của một nghiên cứu thật.
| Số segments | LogLikelihood | AIC | BIC | CAIC | Tỷ lệ segment nhỏ nhất |
|---|---|---|---|---|---|
| 2 | -842.60 | 1,721.20 | 1,796.40 | 1,818.40 | 42.1% |
| 3 | -801.35 | 1,664.70 | 1,781.90 | 1,816.90 | 18.4% |
| 4 | -789.10 | 1,660.20 | 1,819.40 | 1,879.40 | 6.2% |
| 5 | -781.95 | 1,665.90 | 1,867.10 | 1,953.10 | 3.1% |
Trong ví dụ này, phương án 4 có LogLikelihood tốt hơn nhưng segment nhỏ nhất chỉ chiếm 6.2%. Phương án 3 có thể đáng xem xét hơn nếu các tiêu chí thông tin không chênh lệch lớn và ba nhóm có thể mô tả rõ. Đây chưa phải kết luận tự động. Bạn cần xem đúng bảng SmartPLS xuất ra, tiêu chí nào được dùng trong tài liệu hướng dẫn của khoa và tính hợp lý của nhóm.
Sau khi chọn phương án tạm thời, đọc các path coefficient trong từng segment. Ví dụ, quan hệ SAT -> LOY có thể là 0.52 ở segment 1, 0.21 ở segment 2 và 0.06 ở segment 3. Các số này chỉ minh họa hình dạng báo cáo. Muốn kết luận khác biệt, bạn cần dựa trên kết quả kiểm định tương ứng, không chỉ nhìn hai hệ số rồi nói chúng khác nhau.
FIMIX cũng không cung cấp lý do tâm lý của một segment. Bạn có thể mô tả segment bằng tuổi, kinh nghiệm sử dụng hoặc tần suất mua nếu các biến đó có trong dữ liệu. Việc gán nhãn như “nhóm nhạy cảm với giá” cần dựa trên mẫu hình quan hệ và lập luận nghiên cứu, không dựa vào cảm nhận sau khi nhìn bảng.
Ngưỡng đánh giá
FIMIX không có một ngưỡng duy nhất để kết luận mô hình đúng. Bạn cần đánh giá riêng measurement model, structural model và chất lượng phân nhóm. Bảng dưới đây giúp bạn giữ đúng họ chỉ số PLS-SEM, không trộn với fit indices của CB-SEM.
| Chỉ số | Mốc tham khảo | Nguồn |
|---|---|---|
| Outer loading | Từ 0.7 trở lên | (Chin, 1998) |
| Composite Reliability | Từ 0.7 trở lên | (Fornell và Larcker, 1981) |
| AVE | Từ 0.5 trở lên | (Fornell và Larcker, 1981) |
| HTMT | Dưới 0.85, hoặc dưới 0.90 với khái niệm gần nhau | (Henseler và cộng sự, 2015) |
| VIF | Dưới 5 | (Hair và cộng sự, 2019) |
| R² | 0.25 yếu, 0.50 vừa, 0.75 đáng kể | (Hair và cộng sự, 2011) |
| Q² | Lớn hơn 0 | (Stone, 1974) |
| f² | 0.02 nhỏ, 0.15 vừa, 0.35 lớn | (Cohen, 1988) |
| Số bootstrap subsamples | 5.000 lần khi báo cáo PLS-SEM | (Hair và cộng sự, 2022) |
Các mốc trên không phải điều kiện riêng để chọn số segment của FIMIX. Khi báo cáo phân tích, hãy nói rõ chỉ số nào dùng để đánh giá measurement model, chỉ số nào dùng cho structural model và tiêu chí nào dùng để so sánh số segment.
Không đưa CFI, TLI, RMSEA vào phần đánh giá FIMIX-PLS như thể đây là các ngưỡng mặc định của SmartPLS. Những fit indices đó thuộc CB-SEM và nguồn (Hu và Bentler, 1999) chỉ áp dụng cho CB-SEM. Nếu bạn thực sự chạy AMOS, đó là quy trình khác và cần báo cáo theo mô hình CB-SEM.
Nếu mục tiêu là kiểm tra tính bất biến trước khi so sánh nhóm đã biết, hãy xem MICOM trong SmartPLS. MICOM và FIMIX có thể xuất hiện trong cùng một nghiên cứu nhưng trả lời hai câu hỏi khác nhau. MICOM kiểm tra measurement invariance, còn FIMIX tìm cấu trúc phân nhóm tiềm ẩn.
Cách trình bày trong chương 4
Bạn nên trình bày theo thứ tự: kết quả measurement model, kết quả structural model, lý do chạy FIMIX, các phương án số segment, phương án được chọn và diễn giải từng segment. Đừng đưa toàn bộ ảnh chụp giao diện vào thân bài nếu bảng có thể chuyển thành bảng kết quả rõ ràng hơn.
Cách viết vào luận văn: “Kết quả FIMIX-PLS được thực hiện với các phương án từ [số segment thấp nhất] đến [số segment cao nhất]. Dựa trên [tên tiêu chí], tỷ lệ quan sát trong từng segment và khả năng diễn giải về mặt lý thuyết, nghiên cứu lựa chọn phương án [số segment được chọn]. Ở segment [tên hoặc số nhóm], quan hệ giữa [biến độc lập] và [biến phụ thuộc] có hệ số [path coefficient], trong khi ở segment [tên hoặc số nhóm] hệ số là [path coefficient].”
Sau đoạn này, thêm bảng kết quả thật với số quan sát hoặc tỷ lệ của từng nhóm, path coefficient và p-value hoặc khoảng tin cậy nếu thủ tục bạn dùng cung cấp. Ghi rõ số liệu là kết quả từ mẫu của bạn. Không dùng bảng minh họa ở trên trong luận văn.
Nếu bạn chạy thêm biến trung gian, hãy báo cáo indirect effect và bootstrap confidence interval riêng. Nếu chạy biến điều tiết, hãy báo cáo interaction effect riêng. Hướng dẫn về biến điều tiết sẽ phù hợp hơn cho phần đó, còn FIMIX chỉ nên giữ vai trò phân tích không đồng nhất tiềm ẩn.
Lỗi thường gặp
Chọn số segment theo R² cao nhất
R² cao hơn chưa đủ để chọn mô hình FIMIX. So sánh cùng lúc tiêu chí thông tin, tỷ lệ nhóm nhỏ nhất, khả năng hội tụ và lập luận lý thuyết.
Dùng FIMIX cho nhóm đã biết
Nếu bạn đã có biến giới tính, khu vực hoặc loại khách hàng và muốn so sánh hai nhóm, hãy dùng quy trình MGA hoặc kiểm định phù hợp. FIMIX dành cho tình huống nhóm tiềm ẩn chưa được xác định trước.
Quên kiểm tra measurement model
Outer loading, CR, AVE và HTMT chưa đạt có thể làm path coefficient thiếu ổn định. Việc chia mẫu thành nhiều segment còn làm kích thước từng nhóm nhỏ hơn, nên vấn đề dữ liệu càng rõ.
Đổi số nhóm sau khi xem kết quả mà không ghi lại
Hãy lưu tên file theo dạng fimix_2seg, fimix_3seg, fimix_4seg. Ghi ngày chạy, thiết lập và lý do chọn phương án. Hội đồng có thể hỏi vì sao bạn không chọn mô hình có số nhóm khác.
Gọi FIMIX là biến điều tiết
FIMIX cho thấy khả năng tồn tại các segment với quan hệ khác nhau. Nó không tự tạo ra một biến tương tác và không thay thế quy trình kiểm định moderation. Với nhu cầu chạy biến tương tác, hãy giữ tên thủ tục và giả thuyết đúng với mô hình.
Câu hỏi thường gặp
FIMIX trong SmartPLS 4 có bắt buộc cho mọi đề tài không?
Không. Bạn chỉ nên dùng khi có cơ sở nghi ngờ mô hình không đồng nhất giữa các nhóm tiềm ẩn hoặc khi câu hỏi nghiên cứu cần tìm cấu trúc phân khúc. Một mô hình đơn giản, không có lập luận về dị biệt, không tự động cần FIMIX.
Cách chạy biến trung gian SmartPLS 4 có giống FIMIX không?
Không. Biến trung gian kiểm tra tác động gián tiếp qua một biến nằm giữa nguyên nhân và kết quả. FIMIX tìm các segment tiềm ẩn của mô hình. Bạn có thể chạy cả hai trong một nghiên cứu, nhưng phải đặt chúng ở hai mục tiêu và hai phần báo cáo riêng.
Cách chạy biến điều tiết SmartPLS 4 có dùng FIMIX không?
Thông thường, bạn tạo interaction term hoặc dùng quy trình moderation của SmartPLS để kiểm tra biến điều tiết. FIMIX có thể giúp phát hiện sự không đồng nhất giữa các nhóm tiềm ẩn, nhưng kết quả đó không phải bằng chứng trực tiếp cho interaction effect.
Cách chạy phân tích đa nhóm MGA SmartPLS 4 khác FIMIX ở đâu?
MGA so sánh các nhóm đã có cách phân loại, chẳng hạn nhóm nam và nữ hoặc nhóm có kinh nghiệm thấp và cao. FIMIX ước lượng nhóm từ dữ liệu mà không cần bạn biết trước thành phần của từng nhóm. Vì vậy, câu hỏi nghiên cứu và cách giải thích hai thủ tục khác nhau.
Có cần chạy MICOM trước FIMIX không?
MICOM thường được dùng khi bạn muốn so sánh các nhóm quan sát được và cần kiểm tra measurement invariance. FIMIX tập trung vào phân nhóm tiềm ẩn. Không nên viết rằng MICOM là điều kiện bắt buộc cho mọi lần chạy FIMIX nếu thiết kế nghiên cứu của bạn không có bước so sánh nhóm quan sát được.
Nếu FIMIX cho ra quá nhiều nhóm thì phải làm sao?
Chạy lại các phương án ít nhóm hơn, kiểm tra tỷ lệ của segment nhỏ nhất và xem khả năng diễn giải. Một nhóm rất nhỏ, không ổn định hoặc không có đặc điểm mô tả hợp lý thường không nên được giữ chỉ vì một tiêu chí số học tốt hơn. Ghi lại các phương án đã thử để giải trình minh bạch.
Mở file SmartPLS 4 của bạn, chạy PLS-SEM Algorithm trước, sau đó lưu từng phương án FIMIX theo số segment và chép các chỉ số vào một bảng so sánh riêng; nếu cần chạy phân tích trên chính file .sav hoặc .csv và viết kết quả chương 4, bạn có thể dùng module M4 của DoThesis.