Giá trị hội tụ là gì? Cách đọc AVE, outer loading và CR
Giá trị hội tụ là gì
Giá trị hội tụ là mức độ các biến quan sát cùng đo lường và cùng hội tụ vào một biến tiềm ẩn mà chúng được thiết kế để đo. Ví dụ, bốn biến quan sát của thang đo Sự hài lòng cần phản ánh tương đối nhất quán cùng một khái niệm, thay vì mỗi biến lại đo một nội dung khác nhau.
Trong nghiên cứu định lượng, bạn thường đánh giá giá trị hội tụ bằng ba nhóm chỉ số: outer loading của từng biến quan sát, Composite Reliability, thường viết tắt là CR, và Average Variance Extracted, viết tắt là AVE. Với PLS-SEM, các chỉ số này xuất hiện trong những bảng kết quả của SmartPLS. Với CB-SEM hoặc CFA chạy bằng AMOS, cách báo cáo có thể khác, nhưng logic kiểm tra vẫn xoay quanh việc các biến quan sát có thực sự đại diện cho cùng một khái niệm hay không.
AVE cho biết tỷ lệ phương sai trung bình của các biến quan sát được giải thích bởi biến tiềm ẩn. Có thể hình dung công thức ở mức khái quát như sau:
AVE = tổng bình phương outer loading / số biến quan sát.
Bạn không cần tự tính AVE nếu phần mềm đã xuất kết quả. Việc cần làm là kiểm tra chỉ số, đối chiếu với ngưỡng có nguồn, sau đó xem cùng lúc outer loading và CR. Chỉ nhìn một con số AVE rồi kết luận thang đo đạt là chưa đủ.
Nếu bạn đang tra cứu các khái niệm liên quan, có thể xem thêm bài construct validity là gì và chủ đề Thống kê để đặt giá trị hội tụ vào toàn bộ quy trình đánh giá thang đo.
Ý nghĩa của giá trị hội tụ trong nghiên cứu định lượng
Giá trị hội tụ trả lời một câu hỏi rất cụ thể: các biến quan sát trong cùng một thang đo có thật sự cùng phản ánh biến tiềm ẩn hay không. Đây là bước thuộc phần đánh giá mô hình đo lường, thường thực hiện trước khi bạn diễn giải các quan hệ giữa các biến trong mô hình cấu trúc.
Nếu giá trị hội tụ đạt, bạn có cơ sở tốt hơn để sử dụng điểm của biến tiềm ẩn trong bước kiểm định giả thuyết. Chẳng hạn, khi thang đo Chất lượng dịch vụ có AVE và outer loading phù hợp, bạn mới tiếp tục xem Chất lượng dịch vụ có ảnh hưởng đến Sự hài lòng hay không. Nếu các biến quan sát không cùng hội tụ, hệ số đường dẫn sau đó có thể khó giải thích vì chính khái niệm đầu vào chưa được đo ổn định.
Giá trị hội tụ không chứng minh rằng thang đo đo đúng khái niệm duy nhất. Nó chỉ cho thấy các biến quan sát trong cùng một cấu trúc có mức độ hội tụ phù hợp. Bạn vẫn cần đánh giá giá trị phân biệt bằng HTMT, Fornell-Larcker hoặc cross-loading. Đây là lý do AVE không nên được báo cáo tách rời khỏi toàn bộ mô hình đo lường.
Trong PLS-SEM, quy trình thường đi theo hai phần: đánh giá mô hình đo lường trước, sau đó đánh giá mô hình cấu trúc. Cách tiếp cận hai bước này được trình bày trong (Anderson và Gerbing, 1988) và quy trình PLS-SEM hiện hành được trình bày trong (Hair và cộng sự, 2022). Với thang đo phản xạ, outer loading, CR và AVE là các chỉ số thường được xem xét cùng nhau.
Giá trị hội tụ bao nhiêu là đạt
Mốc được sử dụng phổ biến là AVE từ 0.5 trở lên và CR từ 0.7 trở lên. Theo (Fornell và Larcker, 1981), AVE từ 0.5 cho thấy biến tiềm ẩn giải thích được ít nhất một nửa phương sai trung bình của các biến quan sát. Cũng theo nguồn này, CR từ 0.7 trở lên thường được xem là phù hợp cho độ tin cậy tổng hợp.
Outer loading từ 0.7 trở lên là mốc thường dùng trong PLS-SEM theo (Chin, 1998) và (Hair và cộng sự, 2022). Tuy vậy, một loading thấp hơn 0.7 không đồng nghĩa phải xóa ngay. Bạn cần xem AVE, CR, nội dung lý thuyết của biến quan sát và tác động của việc loại biến.
| Chỉ số | Mức thường dùng | Cách hiểu | Nguồn chính |
|---|---|---|---|
| Outer loading | từ 0.7 | Biến quan sát có mức liên hệ mạnh với biến tiềm ẩn | (Chin, 1998); (Hair và cộng sự, 2022) |
| CR | từ 0.7 | Độ tin cậy tổng hợp của thang đo đạt mức phù hợp | (Fornell và Larcker, 1981) |
| AVE | từ 0.5 | Biến tiềm ẩn giải thích ít nhất một nửa phương sai trung bình | (Fornell và Larcker, 1981) |
| Alpha | từ 0.7; có thể từ 0.6 với thang đo khám phá | Độ tin cậy nội tại, cần xem cùng CR và AVE | (Nunnally, 1978); (Hair và cộng sự, 2010) |
Bạn có thể thấy một thang đo có AVE bằng 0.48, CR bằng 0.82 và nhiều loading ở mức chấp nhận được. Trường hợp này cần xem bối cảnh, nội dung biến quan sát và yêu cầu của giảng viên trước khi quyết định. Không nên sửa dữ liệu chỉ để đẩy AVE vượt 0.5.
Cần phân biệt ngưỡng tham khảo với luật tự động. Các ngưỡng giúp bạn đưa ra quyết định có căn cứ, nhưng không thay thế việc đọc mô hình và kiểm tra nội dung thang đo. Trong luận văn, hãy ghi rõ nguồn của ngưỡng thay vì chỉ viết “theo tiêu chuẩn thông thường”.
Cách đọc giá trị hội tụ trên output
Nếu chạy PLS-SEM, bạn mở kết quả trong SmartPLS và xem các bảng Outer Loadings, Construct Reliability and Validity hoặc phần có tên tương đương tùy phiên bản. SmartPLS 4 có thể sắp xếp giao diện khác SmartPLS 3, nhưng các nhóm chỉ số chính vẫn gồm loading, Cronbach's Alpha, rho_A, CR và AVE.
Bảng dưới đây là số liệu minh họa, không phải kết quả của một nghiên cứu thật. Tên cột được trình bày theo dạng output thường gặp để bạn biết cần tìm con số nào.
| Construct | Cronbach's Alpha | rho_A | Composite Reliability | Average Variance Extracted (AVE) | Kết luận minh họa |
|---|---|---|---|---|---|
| Chất lượng dịch vụ | 0.842 | 0.848 | 0.889 | 0.667 | Đạt giá trị hội tụ |
| Sự hài lòng | 0.791 | 0.798 | 0.863 | 0.611 | Đạt giá trị hội tụ |
| Ý định tiếp tục sử dụng | 0.734 | 0.741 | 0.832 | 0.624 | Đạt giá trị hội tụ |
Bạn đọc từng dòng theo thứ tự. Trước tiên, kiểm tra CR và AVE của từng construct. Trong ví dụ, cả ba construct đều có CR từ 0.7 trở lên và AVE từ 0.5 trở lên. Sau đó, mở Outer Loadings để xem từng biến quan sát có loading thấp bất thường hay không.
Ví dụ, bảng Outer Loadings có thể hiển thị các dòng như sau:
| Construct | Indicator | Outer Loading | Quyết định minh họa |
|---|---|---|---|
| Chất lượng dịch vụ | CLDV1 | 0.812 | Giữ |
| Chất lượng dịch vụ | CLDV2 | 0.764 | Giữ |
| Chất lượng dịch vụ | CLDV3 | 0.681 | Xem thêm AVE, CR và nội dung |
| Chất lượng dịch vụ | CLDV4 | 0.846 | Giữ |
CLDV3 có loading 0.681, thấp hơn mốc 0.7. Bạn không nên xóa biến chỉ vì nhìn thấy con số này. Hãy chạy phân tích với và không có CLDV3, so sánh AVE và CR, đồng thời kiểm tra biến này có nội dung quan trọng về mặt lý thuyết hay không. Nếu xóa biến làm thang đo mất một khía cạnh cần thiết, giữ biến và giải trình có thể hợp lý hơn.
Nếu dùng SPSS, bạn sẽ không thấy bảng AVE và outer loading theo đúng cách SmartPLS xuất ra. SPSS thường được dùng để chạy Cronbach's Alpha và EFA, trong đó bạn kiểm tra Corrected Item-Total Correlation, KMO and Bartlett's Test, Total Variance Explained và Rotated Component Matrix. Bạn có thể xem thêm bài AVE trong SPSS để hiểu giới hạn của việc gọi AVE trong quy trình SPSS.
Khi giá trị hội tụ không đạt thì xử lý thế nào
Hãy xử lý theo thứ tự từ dữ liệu, biến quan sát, mô hình đo lường đến cách báo cáo. Mục tiêu là tìm nguyên nhân có thể giải thích được, không phải chạy lại nhiều lần cho đến khi gặp một con số đẹp.
Kiểm tra dữ liệu và mã hóa biến
Mở file .sav hoặc .csv, kiểm tra tên biến, kiểu dữ liệu, giá trị thiếu và các biến đảo chiều. Một biến đảo chiều chưa được recode có thể làm tương quan giữa các biến trong cùng thang đo giảm mạnh. Bạn cũng cần kiểm tra dữ liệu có bị nhập nhầm thang Likert, chẳng hạn một biến chạy từ 1 đến 5 trong khi biến khác bị nhập thành 1 đến 7.
Xem từng outer loading và nội dung biến
Xác định biến có loading thấp nhất, sau đó đọc lại câu chữ trong bảng hỏi. Biến đó có thể đang đo một khía cạnh khác, bị dịch chưa sát nghĩa, hoặc người trả lời hiểu theo cách khác. Không xóa hàng loạt biến trong cùng một lần nếu chưa biết mỗi biến đóng góp gì cho khái niệm.
Chạy lại mô hình sau khi có lý do loại biến
Nếu có căn cứ rõ ràng, bạn có thể loại một biến loading thấp rồi chạy lại mô hình. Ghi lại loading, CR và AVE trước và sau khi loại. Việc ghi lại từng vòng giúp bạn trả lời khi giảng viên hỏi vì sao biến quan sát bị loại.
Giữ biến và giải trình khi biến có ý nghĩa nội dung
Có trường hợp loading chưa đạt mốc tham khảo nhưng biến vẫn cần thiết để bao quát khái niệm. Khi đó, bạn có thể giữ biến nếu các chỉ số tổng thể và lập luận lý thuyết phù hợp, đồng thời nêu giới hạn trong phần thảo luận. Quyết định này cần nhất quán với thang đo và bối cảnh nghiên cứu.
Thu thập lại dữ liệu chỉ khi nguyên nhân nằm ở thiết kế hoặc mẫu
Nếu phát hiện lỗi bảng hỏi, mã hóa sai diện rộng hoặc mẫu thu thập không đúng đối tượng, việc thu thập lại có thể cần thiết. Phần mềm không thể sửa một biến quan sát viết sai hoặc biến đổi một mẫu không phù hợp thành mẫu hợp lệ. Bạn nên trao đổi với giảng viên trước khi xóa dữ liệu và thu lại, vì thay đổi mẫu giữa chừng ảnh hưởng đến mô tả phương pháp.
Phân biệt giá trị hội tụ với giá trị phân biệt
Giá trị hội tụ xem các biến quan sát trong cùng một construct có cùng hội tụ hay không. Giá trị phân biệt xem các construct khác nhau có tách biệt đủ với nhau hay không. Hai khái niệm này thường xuất hiện cạnh nhau trong chương đánh giá thang đo nhưng trả lời hai câu hỏi khác nhau.
AVE, outer loading và CR thường được dùng để đánh giá giá trị hội tụ. HTMT, Fornell-Larcker và cross-loading thường được dùng để xem giá trị phân biệt. Bạn có thể đọc riêng về Fornell-Larcker là gì và cross loading là gì nếu đang mở các bảng Discriminant Validity trong SmartPLS.
Ví dụ, thang đo Chất lượng dịch vụ có AVE cao nhưng lại có HTMT quá cao với Sự hài lòng. Khi đó, giá trị hội tụ của từng construct có thể đạt, nhưng ranh giới giữa hai construct chưa đủ rõ. Vì vậy, không thể dùng AVE đạt để kết luận toàn bộ giá trị phân biệt cũng đạt.
Cũng cần phân biệt giá trị hội tụ với giá trị bề mặt là gì. Giá trị bề mặt liên quan đến việc biến quan sát có nhìn phù hợp với khái niệm theo cách dễ nhận biết hay không, còn giá trị hội tụ được đánh giá bằng bằng chứng định lượng từ dữ liệu.
Lỗi thường gặp
Chỉ nhìn AVE mà bỏ qua outer loading
AVE là chỉ số cấp construct, còn outer loading là chỉ số của từng biến quan sát. Một AVE đạt không cho bạn biết mọi biến đều mạnh như nhau. Hãy báo cáo cả hai nhóm kết quả và nêu rõ biến nào bị loại, nếu có.
Dùng ngưỡng CB-SEM cho SmartPLS
CFI, TLI, RMSEA và các chỉ số fit thường gắn với CB-SEM, không phải nhóm chỉ số cốt lõi để đánh giá PLS-SEM. Các ngưỡng của (Hu và Bentler, 1999) dành cho CB-SEM. Khi viết kết quả SmartPLS, hãy tập trung vào outer loading, CR, AVE, HTMT, VIF, R², f² và Q² theo thiết kế phân tích của bạn.
Xóa biến chỉ để AVE tăng
Xóa biến làm AVE tăng nhưng có thể khiến nội dung khái niệm bị thu hẹp. Nếu đã xóa, bạn cần ghi mã biến, lý do, chỉ số trước và sau khi xóa. Không được chỉnh trực tiếp câu trả lời của người tham gia để làm loading cao hơn.
Nhầm CR với Cronbach's Alpha
Cronbach's Alpha giả định một cấu trúc độ tin cậy nhất định, còn CR được dùng phổ biến trong đánh giá PLS-SEM. Hai chỉ số có liên quan nhưng không phải cùng một chỉ số. Trong bảng kết quả, hãy ghi đúng tên cột và không thay CR bằng Alpha khi báo cáo.
Cách viết vào luận văn
Bạn có thể điều chỉnh đoạn sau theo số liệu thật: “Kết quả đánh giá mô hình đo lường cho thấy các thang đo có Composite Reliability nằm trong khoảng [CR thấp nhất] đến [CR cao nhất], đều [đạt hoặc chưa đạt] ngưỡng 0.7 theo (Fornell và Larcker, 1981). Giá trị AVE dao động từ [AVE thấp nhất] đến [AVE cao nhất], trong đó [số lượng] thang đo đạt AVE từ 0.5 trở lên. Outer loading của các biến quan sát nằm trong khoảng [loading thấp nhất] đến [loading cao nhất], vì vậy giá trị hội tụ của mô hình được [chấp nhận hoặc cần xem xét thêm].”
Đoạn này chỉ là khung viết. Bạn phải thay toàn bộ placeholder bằng số liệu trong output, ghi rõ biến bị loại nếu có, và không dùng kết luận “đạt” khi một chỉ số quan trọng vẫn chưa đáp ứng tiêu chí mà bạn đã chọn.
Câu hỏi thường gặp
Giá trị hội tụ là gì và vì sao phải kiểm tra?
Giá trị hội tụ cho biết các biến quan sát trong cùng một thang đo có cùng phản ánh một biến tiềm ẩn hay không. Bạn kiểm tra nó để có cơ sở sử dụng thang đo trong bước đánh giá mô hình cấu trúc và kiểm định giả thuyết.
Giá trị hội tụ bao nhiêu là tốt?
Mốc thường dùng là AVE từ 0.5 trở lên, CR từ 0.7 trở lên và outer loading từ 0.7 trở lên. Các mốc này cần được dẫn nguồn, lần lượt có thể tham chiếu (Fornell và Larcker, 1981), (Chin, 1998) và (Hair và cộng sự, 2022). Khi một chỉ số thấp hơn mốc, hãy xem toàn bộ thang đo và nội dung biến trước khi quyết định.
AVE dưới 0.5 có phải xóa thang đo ngay không?
Chưa thể kết luận ngay. Bạn cần kiểm tra outer loading, CR, số lượng biến quan sát, dữ liệu đầu vào và nội dung lý thuyết của thang đo. Nếu xóa biến, hãy chạy lại mô hình, lưu kết quả trước và sau, rồi giải trình quyết định trong luận văn.
SPSS có chạy được giá trị hội tụ không?
SPSS có thể hỗ trợ Cronbach's Alpha và EFA, nhưng không xuất AVE và outer loading theo quy trình PLS-SEM như SmartPLS. Nếu đề tài dùng PLS-SEM, bạn thường cần chuẩn bị dữ liệu .csv và chạy mô hình trong SmartPLS. Nếu dùng CFA hoặc CB-SEM, AMOS là một lựa chọn khác, với hệ chỉ số và cách báo cáo khác.
Giá trị hội tụ và giá trị phân biệt khác nhau thế nào?
Giá trị hội tụ kiểm tra sự đồng nhất của các biến quan sát trong cùng một construct. Giá trị phân biệt kiểm tra sự tách biệt giữa các construct khác nhau, thường qua HTMT, Fornell-Larcker hoặc cross-loading. Một thang đo có giá trị hội tụ đạt vẫn có thể gặp vấn đề về giá trị phân biệt.
Mở file SmartPLS hoặc SPSS của bạn ngay bây giờ, ghi lại outer loading, CR và AVE của từng construct vào một bảng riêng, sau đó đối chiếu từng dòng với nguồn và lưu phiên bản output trước khi loại bất kỳ biến nào; nếu cần chạy phân tích trên chính file .sav hoặc .csv của bạn, xem M4 phân tích dữ liệu.