Độ tin cậy tổng hợp trong SmartPLS: cách đọc và đánh giá

Độ tin cậy tổng hợp trong SmartPLS dùng để làm gì

Độ tin cậy tổng hợp, thường hiển thị trong SmartPLS với tên Composite Reliability, viết tắt là CR, dùng để đánh giá mức độ nhất quán giữa các biến quan sát cùng đo một biến tiềm ẩn. Chẳng hạn, các biến PU1, PU2, PU3 và PU4 cùng đo nhận thức tính hữu ích thì CR cho biết nhóm biến này có hoạt động đủ nhất quán để đại diện cho PU hay chưa.

Trong PLS-SEM, CR được đọc cùng với outer loading, Cronbach's Alpha và rho_A. CR không trả lời câu hỏi mô hình có tác động hay không. Nó thuộc bước đánh giá mô hình đo lường, trước khi bạn diễn giải path coefficient, p-value hay R² của mô hình cấu trúc. Tiêu chí CR từ 0.7 trở lên và AVE từ 0.5 trở lên thường được dùng để đánh giá độ tin cậy và giá trị hội tụ của thang đo (Fornell và Larcker, 1981).

Bạn có thể xem thêm phần giải thích nền tảng tại bài AVE là gì, vì CR và AVE thường phải được báo cáo cùng nhau. Nếu chỉ thấy CR đạt nhưng AVE chưa đạt, bạn chưa nên kết luận thang đo đã đạt toàn bộ giá trị hội tụ.

Chuẩn bị mô hình và dữ liệu

Trước khi chạy SmartPLS, bạn cần phân biệt rõ measurement model và structural model. Measurement model nối biến tiềm ẩn với các biến quan sát, chẳng hạn PU nối với PU1 đến PU4. Structural model thể hiện quan hệ giả thuyết giữa các biến tiềm ẩn, chẳng hạn PU tác động đến INT.

Độ tin cậy tổng hợp được tính cho từng biến tiềm ẩn trong measurement model. Vì vậy, nếu bạn vẽ sai mũi tên đo lường, đặt nhầm loại construct hoặc nhập nhầm tên biến, bảng CR có thể không phản ánh thang đo bạn đang dùng.

Kiểm tra tên biến quan sát

Mỗi cột trong file dữ liệu cần tương ứng với một indicator trong mô hình. Tên như PU1, PU2, PU3 giúp bạn đối chiếu nhanh giữa bảng hỏi, file .csv và mô hình SmartPLS. Tránh dùng tên cột quá dài, dấu tiếng Việt hoặc ký tự đặc biệt nếu phần mềm không nhận diện đúng.

Một dòng dữ liệu tương ứng với một người trả lời. Các cột indicator nên chứa giá trị số, chẳng hạn 1 đến 5 đối với thang Likert. Không đặt chữ như “đồng ý” hoặc “không trả lời” trực tiếp trong các cột được dùng để chạy mô hình. Giá trị thiếu cần được xử lý trước khi import.

Kiểm tra chiều mã hóa

Nếu một biến quan sát được hỏi theo chiều ngược, bạn phải reverse code trước khi chạy. Ví dụ, thang Likert 1 đến 5 có thể chuyển điểm theo công thức mới bằng 6 trừ điểm cũ. Sau khi đổi, hãy kiểm tra lại một vài dòng trong file gốc và file đã làm sạch.

Đừng xóa biến chỉ vì CR tăng ngay ở lần đầu. Bạn cần xem outer loading, VIF, nội dung của biến quan sát và lý do lý thuyết trước khi quyết định. Việc loại biến chỉ để làm đẹp một chỉ số có thể khiến thang đo mất nội dung quan trọng.

Kiểm tra loại construct

Với construct reflective, các indicator phản ánh cùng một khái niệm và thường được đánh giá bằng outer loading, Cronbach's Alpha, rho_A, CR và AVE. Với construct formative, logic đánh giá khác hơn, vì indicator có thể tạo nên khái niệm thay vì phản ánh khái niệm. Không áp dụng máy móc tiêu chí CR cho mọi construct trong mô hình.

Các bước thực hiện trong SmartPLS 4

Các bước dưới đây dùng giao diện SmartPLS 4. SmartPLS 3 có vị trí menu khác ở một số màn hình, vì vậy bạn không nên đối chiếu tên nút một cách máy móc giữa hai phiên bản.

Bước 1: Tạo project và import file dữ liệu

Mở SmartPLS 4, tạo project mới rồi chọn import dữ liệu. File .csv nên có hàng đầu là tên biến và các hàng tiếp theo là dữ liệu của người trả lời. Sau khi import, kiểm tra số quan sát, số biến và kiểu dữ liệu mà phần mềm nhận diện.

Nếu file chứa cột mã người trả lời, bạn có thể giữ lại để kiểm tra dữ liệu, nhưng không kéo cột đó vào construct. Các cột không thuộc mô hình cũng nên được đánh dấu rõ để tránh chọn nhầm khi vẽ measurement model.

Bước 2: Vẽ measurement model và structural model

Tạo các latent variable, kéo indicator tương ứng vào từng construct rồi nối các quan hệ giả thuyết. Với thang đo reflective, kiểm tra hướng mũi tên từ construct đến indicator theo cách bạn đã thiết kế mô hình.

Ở bước này, hãy đối chiếu tên construct với bảng giả thuyết. Ví dụ, nếu giả thuyết H1 là PU tác động đến INT thì structural model phải có mũi tên từ PU đến INT. CR vẫn được tính ở measurement model, nhưng một mô hình nối sai construct sẽ làm toàn bộ phần diễn giải sau đó bị lệch.

Bước 3: Chạy PLS-SEM Algorithm

Trong cửa sổ mô hình, chọn Calculate > PLS-SEM Algorithm rồi giữ các thiết lập mặc định nếu đề cương của bạn không yêu cầu khác. Sau khi chạy, mở phần kết quả của construct và tìm nhóm chỉ số reliability and validity.

Bạn sẽ thường thấy các cột Cronbach's Alpha, rho_A, Composite Reliability và Average Variance Extracted (AVE). Với CR, hãy ghi lại giá trị theo từng construct, không lấy một giá trị chung cho toàn bộ mô hình.

Bước 4: Chạy Bootstrapping khi cần kiểm định giả thuyết

CR thường được đọc sau PLS-SEM Algorithm. Nếu bạn cần kiểm định ý nghĩa của path coefficient, chọn Calculate > Bootstrapping, thiết lập số bootstrap theo thiết kế nghiên cứu. Trong hướng dẫn PLS-SEM hiện nay, 5.000 bootstrap subsamples là một lựa chọn thường được báo cáo (Hair và cộng sự, 2022).

Bootstrapping giúp bạn đọc t-value, p-value và confidence interval của quan hệ cấu trúc. Nó không thay thế bước kiểm tra CR. Bạn cần hoàn tất đánh giá measurement model trước khi chuyển sang kết luận về các giả thuyết.

Đọc bảng kết quả

Trong kết quả của SmartPLS 4, hãy mở phần Quality Criteria hoặc bảng Construct Reliability and Validity, tùy màn hình kết quả bạn đang dùng. Bảng này thường có một hàng cho mỗi latent variable và các cột reliability, validity.

Bảng Construct Reliability and Validity

Dưới đây là số liệu minh họa, không phải kết quả của một nghiên cứu thực tế. Tên cột được trình bày theo cách SmartPLS thường hiển thị để bạn dễ đối chiếu với file đang mở.

Trong ví dụ này, PU và INT có CR từ 0.7 trở lên, đồng thời AVE từ 0.5 trở lên. TR có CR đạt nhưng AVE là 0.499, rất sát 0.5. Bạn không nên làm tròn 0.499 thành 0.50 rồi kết luận máy móc. Hãy xem thêm outer loading và lý do lý thuyết trước khi báo cáo.

CR cao cũng cần được đọc trong bối cảnh số lượng indicator và nội dung thang đo. Một giá trị rất cao có thể xuất hiện khi các biến quan sát gần như lặp lại cùng một câu hỏi. Vì vậy, CR không phải cuộc thi tìm số càng lớn càng tốt.

Đối chiếu với outer loading và AVE

Mở bảng Outer Loadings để xem từng indicator. Outer loading từ 0.7 trở lên thường được dùng làm mốc trong PLS-SEM (Chin, 1998). Tuy nhiên, một indicator thấp hơn mốc này không tự động phải bị xóa. Bạn cần xem CR và AVE sau khi loại biến, ý nghĩa nội dung của biến và khả năng so sánh với các nghiên cứu trước.

AVE phản ánh tỷ lệ phương sai trung bình của indicator được construct giải thích. Bạn có thể xem hướng dẫn riêng về AVE trong SmartPLS và các bước thao tác tại cách chạy AVE SmartPLS 4.

Đọc CR cùng giá trị phân biệt

CR và AVE mới trả lời một phần câu hỏi về measurement model. Bạn vẫn cần kiểm tra discriminant validity bằng HTMT và có thể đối chiếu Fornell-Larcker khi đề cương yêu cầu. Bài HTMT và cross loading trong SmartPLS giúp bạn kiểm tra liệu các construct có bị trùng khái niệm hay không.

Ngưỡng đánh giá

Các ngưỡng dưới đây chỉ áp dụng trong bối cảnh PLS-SEM và cần được báo cáo cùng nguồn. Không đưa CFI, TLI hoặc RMSEA vào bảng đánh giá SmartPLS nếu bạn đang thực hiện PLS-SEM. Các fit index này thuộc nhóm CB-SEM và thường gắn với AMOS hoặc các phần mềm SEM hiệp phương sai.

Khi CR dưới 0.7, bạn xem từng outer loading và corrected item-total correlation nếu có bảng đối chiếu từ SPSS. Corrected Item-Total Correlation từ 0.3 trở lên là mốc thường được dùng trong đánh giá thang đo (Nunnally và Bernstein, 1994). Trong SmartPLS, quyết định cuối cùng vẫn phải dựa trên cả chỉ số và nội dung đo lường.

Bạn có thể tham khảo thêm Fornell-Larcker trong SmartPLS để hoàn thiện phần giá trị phân biệt. Đừng dùng Fornell-Larcker như lý do duy nhất để giữ một thang đo có CR thấp hoặc outer loading thấp.

Cách trình bày trong chương 4

Trong chương 4, nên lập một bảng gộp Cronbach's Alpha, rho_A, CR và AVE theo từng construct. Nếu bảng quá rộng, bạn có thể tách reliability và convergent validity thành hai bảng, nhưng tên chỉ số phải thống nhất với output SmartPLS.

Cách viết vào luận văn: “Kết quả tại Bảng [số bảng] cho thấy Composite Reliability của các construct dao động từ [giá trị thấp nhất] đến [giá trị cao nhất], đều [đạt hoặc chưa đạt] ngưỡng 0.7 theo (Fornell và Larcker, 1981). AVE của construct [tên construct] đạt [giá trị], cho thấy [đạt hoặc chưa đạt] giá trị hội tụ theo tiêu chí được sử dụng.”

Nếu một construct có CR đạt nhưng AVE chưa đạt, hãy viết đúng kết quả thay vì làm tròn để vượt ngưỡng. Ví dụ: “Construct [tên] có CR = [giá trị], đạt tiêu chí độ tin cậy, trong khi AVE = [giá trị] cần được xem xét thêm cùng outer loading và cơ sở lý thuyết.”

Khi báo cáo, hãy ghi rõ bảng nào lấy từ PLS-SEM Algorithm và bảng nào lấy từ Bootstrapping. Không trộn CR của một vòng chạy với path coefficient của vòng chạy khác mà không lưu lại lịch sử xử lý dữ liệu.

Lỗi thường gặp

Nhầm CR với Cronbach's Alpha

Cronbach's Alpha và CR đều liên quan đến reliability nhưng không phải cùng một chỉ số. Nếu giảng viên hỏi độ tin cậy tổng hợp, câu trả lời cần trỏ đến cột Composite Reliability, không chỉ đọc cột Alpha.

Chỉ nhìn CR rồi bỏ qua AVE

CR đạt không có nghĩa toàn bộ measurement model đã đạt. Bạn còn phải xem AVE, outer loading và discriminant validity. Một construct có CR cao nhưng AVE thấp cần được kiểm tra tiếp.

Xóa indicator liên tục để nâng CR

Xóa biến nhiều vòng mà không ghi lý do khiến kết quả khó giải trình. Hãy lưu từng phiên bản dữ liệu, ghi indicator bị loại, giá trị loading trước khi loại và lý do giữ hoặc loại dựa trên nội dung thang đo.

Dùng ngưỡng của CB-SEM cho SmartPLS

CFI, TLI và RMSEA không phải nhóm chỉ số cốt lõi để đánh giá PLS-SEM. Nếu đề tài dùng SmartPLS, hãy tập trung vào CR, AVE, outer loading, HTMT, VIF, R², f², Q² và path coefficient theo đúng mục tiêu phân tích.

Import file sai kiểu dữ liệu

Cột có chữ, ô trống không được xử lý hoặc hàng tiêu đề bị lệch có thể làm kết quả không chạy hoặc chạy với số quan sát khác dự kiến. Khi thấy số mẫu trong SmartPLS không khớp với file gốc, dừng lại kiểm tra dữ liệu trước khi đọc CR.

Câu hỏi thường gặp

Độ tin cậy tổng hợp trong SmartPLS bao nhiêu là đạt

CR từ 0.7 trở lên thường được xem là đạt tiêu chí độ tin cậy tổng hợp theo (Fornell và Larcker, 1981). Với thang đo mới hoặc nghiên cứu khám phá, bạn cần trình bày bối cảnh và có thể tham khảo cách diễn giải alpha từ 0.6 theo (Hair và cộng sự, 2010), thay vì tự động áp dụng một mốc cho mọi trường hợp.

CR đạt nhưng AVE không đạt thì xử lý thế nào

Bạn kiểm tra outer loading của từng indicator, nội dung lý thuyết và kết quả AVE sau từng phương án loại biến. Nếu AVE chỉ thấp rất ít, hãy báo cáo con số thực tế và giải thích cách ra quyết định, không làm tròn có lợi cho kết luận.

SmartPLS 4 không thấy Composite Reliability ở đâu

Sau khi chạy Calculate > PLS-SEM Algorithm, mở phần kết quả của mô hình và tìm bảng Construct Reliability and Validity hoặc nhóm Quality Criteria. Tên vị trí có thể thay đổi theo chế độ hiển thị, nhưng cột cần tìm vẫn là Composite Reliability.

Có cần chạy Cronbach's Alpha bằng SPSS trước khi chạy CR không

Không bắt buộc nếu bạn đã dùng SmartPLS đúng quy trình, vì SmartPLS cung cấp Alpha, rho_A và CR trong kết quả measurement model. Một số trường yêu cầu SPSS như bước báo cáo riêng, khi đó bạn có thể chạy thêm để đối chiếu, nhưng phải ghi rõ phần mềm và bộ dữ liệu sử dụng.

CR cao có chứng minh giả thuyết nghiên cứu đúng không

Không. CR chỉ cho biết các indicator trong một construct có độ nhất quán nhất định. Để kết luận giả thuyết, bạn phải đọc path coefficient, t-value, p-value hoặc confidence interval từ Bootstrapping, đồng thời đánh giá sự phù hợp với mô hình và cơ sở lý thuyết.

Mở file SmartPLS 4 của bạn, chạy lại PLS-SEM Algorithm, lưu bảng Construct Reliability and Validity và ghi từng quyết định xử lý vào nhật ký phân tích; nếu cần chạy toàn bộ phân tích trên file .sav hoặc .csv của mình, bạn có thể dùng M4 phân tích dữ liệu của DoThesis.