HTMT trong SmartPLS: cách chạy và đọc kết quả SmartPLS 4
HTMT trong SmartPLS dùng để làm gì
Bạn dùng HTMT trong SmartPLS để đánh giá giá trị phân biệt giữa các biến tiềm ẩn trong mô hình đo lường. Nói cụ thể, chỉ số này trả lời câu hỏi: hai khái niệm trong bảng hỏi có thực sự khác nhau hay đang đo gần như cùng một nội dung.
Ví dụ, đề tài có hai biến tiềm ẩn là Sự hữu ích cảm nhận và Sự dễ sử dụng cảm nhận. Nếu HTMT giữa hai biến quá cao, người phản hồi có thể đang đánh giá chúng như một khái niệm. Khi đó, việc giữ cả hai biến trong mô hình cần được giải thích cẩn thận.
Trong SmartPLS 4, HTMT thường xuất hiện trong bảng Discriminant Validity sau khi bạn chạy PLS-SEM Algorithm. HTMT thuộc nhóm chỉ số đánh giá measurement model, cùng với outer loading, Composite Reliability và AVE. Bạn có thể xem thêm phần giải thích nền tảng tại bài AVE là gì và bài AVE trong SmartPLS.
HTMT không phải là chỉ số dùng để đánh giá R², f², Q² hay mức ý nghĩa của path coefficient. Những chỉ số đó thuộc phần structural model và được đọc ở bước sau.
Chuẩn bị mô hình và dữ liệu
Trước khi tìm HTMT, bạn cần bảo đảm mô hình và dữ liệu đã được nhập đúng. HTMT được tính từ tương quan giữa các indicator thuộc những construct khác nhau, vì vậy lỗi đặt tên biến, mã hóa thang đo hoặc gán indicator đều có thể làm kết quả sai.
Phân biệt measurement model và structural model
Measurement model mô tả quan hệ giữa construct và các indicator quan sát được. Chẳng hạn, construct PU có các indicator PU1, PU2, PU3. Structural model mô tả các mũi tên giữa những construct, chẳng hạn PU tác động đến BI.
HTMT đánh giá discriminant validity của measurement model. Bạn không dùng HTMT để kết luận giả thuyết H1 có được chấp nhận hay không. Một mô hình có HTMT đạt vẫn có thể có path coefficient không có ý nghĩa thống kê, và ngược lại.
Đặt tên indicator nhất quán
Trong file .csv, mỗi cột nên là một indicator và mỗi dòng là một người trả lời. Hàng đầu tiên chứa tên biến, không chứa câu hỏi dài, ký tự xuống dòng hoặc dấu cách bất thường. Ví dụ, các cột có thể là PU1, PU2, PU3, PEOU1, PEOU2.
Mỗi indicator cần được gán vào đúng construct trong SmartPLS. Nếu PU3 bị kéo nhầm sang construct PEOU, HTMT giữa hai construct có thể tăng hoặc giảm bất thường. Bạn nên đối chiếu sơ đồ mô hình với bảng mã biến trước khi chạy.
Kiểm tra mã hóa và dữ liệu thiếu
Các câu hỏi đảo chiều phải được reverse code trước khi nhập vào mô hình, nếu thang đo gốc có yêu cầu này. Các giá trị như 99, 999 hoặc chữ N/A không nên để nguyên như một mức trả lời hợp lệ. Hãy kiểm tra missing value và kiểu dữ liệu bằng Excel, SPSS hoặc công cụ xử lý dữ liệu trước khi lưu thành .csv.
Nếu bạn đang kiểm tra thêm outer loading và AVE, có thể xem hướng dẫn cách chạy AVE trong SmartPLS 4. HTMT nên được đọc cùng toàn bộ measurement model, không nên tách riêng một con số rồi bỏ qua các indicator có vấn đề.
Các bước thực hiện HTMT trong SmartPLS 4
Các đường dẫn dưới đây áp dụng cho SmartPLS 4. Giao diện SmartPLS 3 có thể sắp xếp menu khác, vì vậy bạn không nên đối chiếu máy móc tên nút giữa hai phiên bản.
Bước 1: Tạo project và nhập file dữ liệu
Mở SmartPLS 4, tạo project mới rồi chọn import dữ liệu. Chọn file .csv đã chuẩn bị. Kiểm tra danh sách biến sau khi import, đặc biệt là tên indicator và số lượng dòng dữ liệu.
Nếu SmartPLS báo lỗi, kiểm tra dấu phân cách của file, hàng tiêu đề và các ô chứa ký tự không phải số. Bạn nên giữ một bản dữ liệu gốc riêng, sau đó làm việc trên bản sao để có thể quay lại khi cần.
Bước 2: Vẽ construct và gán indicator
Tạo các construct theo mô hình nghiên cứu, sau đó kéo từng indicator vào đúng construct. Kiểm tra chiều mũi tên của measurement model. Với reflective construct, mũi tên thường đi từ construct đến indicator. Với formative construct, cách thiết lập và cách đánh giá sẽ khác, nên bạn cần bám theo thiết kế lý thuyết của đề tài.
Đặt tên construct dễ đối chiếu với chương 3, chẳng hạn PU, PEOU, BI. Tên hiển thị có thể là tiếng Việt, nhưng mã ngắn giúp bạn đọc bảng kết quả nhanh hơn.
Bước 3: Chạy PLS-SEM Algorithm
Chọn mô hình, mở chức năng PLS-SEM Algorithm rồi chạy với thiết lập mặc định trước. Ở bước này, SmartPLS tạo các kết quả cho outer loading, Composite Reliability, AVE và discriminant validity.
HTMT không cần bạn nhập một công thức riêng. Phần mềm tính chỉ số từ tương quan giữa indicator của các construct. Tuy vậy, bạn vẫn cần biết bảng nào chứa HTMT để không nhầm với Fornell-Larcker Criterion hoặc cross-loading.
Bước 4: Mở bảng Discriminant Validity
Sau khi thuật toán chạy xong, mở nhóm kết quả của mô hình đo lường và chọn Quality Criteria hoặc Discriminant Validity, tùy màn hình SmartPLS 4. Chọn bảng HTMT.
Bạn sẽ thấy các construct nằm ở hàng và cột. Mỗi ô giao nhau là HTMT giữa một cặp construct. Đường chéo thường không dùng để diễn giải vì nó là quan hệ của construct với chính nó.
Bước 5: Lưu kết quả trước khi chỉnh mô hình
Xuất bảng hoặc chụp lại kết quả lần chạy đầu. Nếu phải loại indicator, hãy lưu tên biến bị loại, lý do loại và kết quả sau khi chạy lại. Việc lưu từng vòng giúp bạn giải trình với giảng viên khi HTMT thay đổi.
Không nên xóa nhiều indicator cùng lúc chỉ để làm bảng đẹp. Mỗi lần điều chỉnh cần dựa vào nội dung biến quan sát, outer loading, cross-loading và ý nghĩa lý thuyết. Bài cross loading trong SmartPLS sẽ hữu ích khi hai construct có indicator tải chéo cao.
Đọc bảng kết quả HTMT
Bảng HTMT của SmartPLS thường có dạng ma trận đối xứng. Bạn chỉ cần đọc một nửa ma trận, vì HTMT giữa PU và PEOU giống HTMT giữa PEOU và PU.
Số liệu minh họa
Bảng dưới đây là số liệu minh họa, không phải kết quả của một nghiên cứu cụ thể. Tên cột và cách trình bày được mô phỏng theo nhóm kết quả discriminant validity trong SmartPLS.
| Construct pair | PU | PEOU | BI | SAT |
|---|---|---|---|---|
| PU | 0.742 | 0.681 | 0.816 | |
| PEOU | 0.742 | 0.793 | 0.864 | |
| BI | 0.681 | 0.793 | 0.721 | |
| SAT | 0.816 | 0.864 | 0.721 |
Trong ví dụ này, HTMT giữa PU và SAT là 0.816, còn HTMT giữa PEOU và SAT là 0.864. Nếu đề tài sử dụng ngưỡng 0.85, cặp PEOU và SAT cần được kiểm tra thêm. Nếu hai khái niệm có nội dung gần nhau và đề tài sử dụng ngưỡng 0.90, giá trị 0.864 có thể vẫn nằm dưới ngưỡng tham khảo.
Bạn không nên chỉ nhìn ô có màu đỏ hoặc màu xanh. Hãy xác định ngưỡng bạn đã chọn từ trước, xem construct nào tạo ra cặp vượt ngưỡng, rồi đối chiếu với nội dung indicator. Nếu SmartPLS hiển thị khoảng tin cậy từ bootstrapping, hãy xem khoảng tin cậy đó có bao gồm 1 hay không khi phần mềm cung cấp chỉ số này.
HTMT là kết quả của một cặp construct, không phải điểm trung bình của toàn bộ mô hình. Vì thế, câu viết trong luận văn cần nêu cặp construct đáng chú ý, thay vì ghi chung chung rằng mô hình đạt HTMT.
Ngưỡng đánh giá HTMT
Ngưỡng thường dùng cho HTMT là dưới 0.85, hoặc dưới 0.90 khi hai khái niệm có quan hệ lý thuyết gần nhau. Các mức này được đề xuất trong (Henseler và cộng sự, 2015). Bạn nên thống nhất một cách diễn giải trong toàn chương 4, không chọn ngưỡng thấp hơn chỉ vì một cặp kết quả đang vượt mức.
Bảng dưới đây đặt HTMT trong nhóm chỉ số PLS-SEM liên quan. Mỗi hàng đều có nguồn để bạn truy lại khi viết phương pháp và kết quả.
| Chỉ số | Mức tham khảo | Cách dùng trong SmartPLS | Nguồn |
|---|---|---|---|
| HTMT | < 0.85 | Giá trị phân biệt nghiêm ngặt giữa hai construct | (Henseler và cộng sự, 2015) |
| HTMT | < 0.90 | Có thể dùng khi hai construct gần nhau về mặt khái niệm | (Henseler và cộng sự, 2015) |
| Outer loading | ≥ 0.70 | Đánh giá mức đóng góp của indicator vào construct | (Chin, 1998) |
| Composite Reliability | ≥ 0.70 | Đánh giá độ tin cậy nhất quán của construct | (Fornell và Larcker, 1981) |
| AVE | ≥ 0.50 | Đánh giá giá trị hội tụ | (Fornell và Larcker, 1981) |
| VIF | < 5 | Kiểm tra đa cộng tuyến trong mô hình PLS-SEM | (Hair và cộng sự, 2019) |
| Q² | > 0 | Đánh giá khả năng dự báo của construct nội sinh | (Stone, 1974) |
| R² | 0.25, 0.50, 0.75 | Mức yếu, trung bình, đáng kể theo bối cảnh PLS-SEM | (Hair và cộng sự, 2011) |
HTMT dưới 0.85 giúp bạn có một căn cứ chặt hơn, nhưng không thay thế đánh giá nội dung thang đo. Nếu hai construct có định nghĩa khác nhau rõ ràng, HTMT 0.87 cần được giải thích cùng lý thuyết thay vì tự động gộp chúng. Ngược lại, HTMT dưới 0.85 cũng không cứu được một thang đo bị gán sai indicator.
Bạn cũng không đưa CFI, TLI hoặc RMSEA vào phần đánh giá HTMT trong SmartPLS. Các chỉ số đó thuộc CB-SEM và được trình bày trong bối cảnh khác, theo (Hu và Bentler, 1999). Khi viết bài về PLS-SEM, hãy giữ nhóm chỉ số đúng phương pháp.
Cách trình bày trong chương 4
Phần kết quả nên đi theo thứ tự measurement model trước, structural model sau. Bạn có thể trình bày outer loading, Composite Reliability, AVE, discriminant validity bằng HTMT, rồi mới chuyển sang path coefficient, R², f² và Q².
Cách viết vào luận văn
Bạn có thể điều chỉnh đoạn sau theo số liệu thật của mình: “Kết quả kiểm định giá trị phân biệt bằng chỉ số HTMT cho thấy các giá trị giữa các cặp biến tiềm ẩn dao động từ [HTMT thấp nhất] đến [HTMT cao nhất]. Các giá trị đều nhỏ hơn [0.85 hoặc 0.90], do đó giá trị phân biệt giữa các construct được chấp nhận theo tiêu chuẩn của (Henseler và cộng sự, 2015).”
Nếu có một cặp vượt ngưỡng, không dùng câu trên. Bạn có thể viết: “HTMT giữa [Construct A] và [Construct B] đạt [giá trị], cao hơn ngưỡng [ngưỡng đã chọn]. Nhóm nghiên cứu đã kiểm tra lại nội dung indicator, cross-loading và cơ sở lý thuyết trước khi quyết định [giữ, loại indicator hoặc điều chỉnh mô hình].” Chỉ điền kết quả bạn thực sự có trong file SmartPLS.
Bảng chương 4 nên ghi rõ bảng HTMT được lấy từ SmartPLS 4 và nêu tên construct, thay vì chụp toàn bộ màn hình nhỏ khó đọc. Nếu có nhiều construct, chỉ giữ ma trận cần thiết trong phần chính và đưa bảng đầy đủ vào phụ lục theo quy định của khoa.
Bạn có thể đối chiếu thêm cách đánh giá độ tin cậy tổng hợp trong SmartPLS để phần measurement model không bị thiếu chỉ số. Một đoạn HTMT đứng riêng, không có thông tin về độ tin cậy và giá trị hội tụ, thường chưa đủ để kết luận thang đo đạt.
Lỗi thường gặp
Dùng HTMT để kết luận giả thuyết
HTMT chỉ nói về sự phân biệt giữa construct. Nó không cho biết tác động của PU lên BI có ý nghĩa hay không. Muốn kết luận giả thuyết, bạn cần xem path coefficient, t-value hoặc p-value từ bootstrapping.
Đọc nhầm bảng Fornell-Larcker
Fornell-Larcker Criterion và HTMT đều nằm trong nhóm Discriminant Validity nhưng là hai bảng khác nhau. Đừng lấy căn bậc hai của AVE rồi gọi đó là HTMT. Hãy kiểm tra đúng tên bảng ở đầu output.
Chọn ngưỡng sau khi thấy kết quả
Nếu bạn chọn 0.85 khi thiết kế phương pháp, hãy giữ nguyên cách đánh giá. Việc đổi sang 0.90 chỉ vì kết quả 0.87 có thể bị hỏi tại sao hai construct được xem là khái niệm gần nhau. Câu trả lời phải xuất phát từ định nghĩa và tài liệu của đề tài.
Xóa indicator tùy tiện
HTMT cao có thể liên quan đến indicator có nội dung trùng nhau, nhưng không phải cứ xóa một biến là vấn đề được giải quyết. Xem thêm outer loading, cross-loading, Composite Reliability và AVE trước khi chỉnh mô hình. Nếu loại biến làm construct mất nội dung quan trọng, kết quả đẹp hơn nhưng ý nghĩa đo lường yếu đi.
Nhầm SmartPLS 3 với SmartPLS 4
Tên nhóm kết quả và vị trí nút có thể thay đổi giữa hai phiên bản. Bài viết này dùng đường dẫn của SmartPLS 4. Nếu màn hình của bạn khác, hãy tìm theo tên Discriminant Validity và HTMT, thay vì làm theo vị trí nút của một ảnh chụp từ phiên bản cũ.
Đọc thêm: ave là gì, ave trong smartpls, cách chạy ave smartpls 4, cross loading trong smartpls, độ tin cậy tổng hợp trong smartpls, chủ đề smartpls.
Câu hỏi thường gặp
HTMT trong SmartPLS bao nhiêu là đạt
Thông thường, HTMT dưới 0.85 được xem là đạt theo tiêu chí nghiêm ngặt. Với hai construct gần nhau về mặt khái niệm, một số nghiên cứu dùng ngưỡng dưới 0.90, theo (Henseler và cộng sự, 2015). Bạn cần nêu rõ ngưỡng đã chọn trong chương phương pháp hoặc chương kết quả.
HTMT trên 0.85 thì phải làm sao
Trước hết, kiểm tra lại việc gán indicator, mã hóa câu hỏi đảo chiều và nội dung các biến quan sát. Sau đó xem cross-loading, outer loading, Composite Reliability và AVE để tìm indicator gây ra sự chồng lấn.
Bạn chỉ nên loại indicator khi có lý do đo lường và lý thuyết rõ ràng. Nếu hai construct thực sự trùng khái niệm, phương án phù hợp có thể là điều chỉnh mô hình hoặc gộp construct, nhưng quyết định này cần trao đổi với giảng viên.
HTMT có cần chạy Bootstrapping không
Bạn có thể dùng kết quả HTMT cơ bản sau khi chạy PLS-SEM Algorithm để đánh giá ban đầu. Khi cần kiểm định suy luận, SmartPLS có thể cung cấp khoảng tin cậy HTMT thông qua bootstrapping, tùy cấu hình và phiên bản phần mềm.
Trong mô hình PLS-SEM, số bootstrap thường được đặt ở mức 5.000 theo hướng dẫn (Hair và cộng sự, 2022). Hãy ghi lại thiết lập bạn đã dùng thay vì chỉ chụp một giá trị HTMT.
HTMT khác cross-loading như thế nào
HTMT là chỉ số tổng hợp cho một cặp construct, được tính dựa trên tương quan giữa các indicator khác construct và trong cùng construct. Cross-loading cho bạn thấy một indicator tải lên construct của nó và các construct khác ra sao.
Hai bảng bổ sung cho nhau. HTMT cao cho biết cặp construct cần kiểm tra, còn cross-loading giúp bạn tìm indicator có thể đang gây ra sự chồng lấn.
HTMT có thay thế Fornell-Larcker không
HTMT không nên được xem là một con số để thay thế toàn bộ các kiểm tra khác. Bạn có thể báo cáo HTMT là tiêu chí chính hoặc báo cáo cùng Fornell-Larcker nếu yêu cầu của khoa và thiết kế nghiên cứu cần nhiều bằng chứng.
Điều quan trọng là giải thích nhất quán, dùng đúng tên bảng và không trộn tiêu chí của CB-SEM vào báo cáo PLS-SEM.
Bạn hãy mở lại project SmartPLS 4, lưu bảng HTMT của lần chạy hiện tại, đối chiếu từng cặp construct với ngưỡng đã chọn và ghi lại mọi lần điều chỉnh indicator; nếu cần chạy phân tích trên chính file .sav hoặc .csv của bạn, M4 phân tích của DoThesis hỗ trợ bước này.