Phương sai trích AVE là gì? Cách đọc và đánh giá
Phương sai trích AVE là gì
Phương sai trích AVE, viết đầy đủ là Average Variance Extracted, cho biết một biến tiềm ẩn giải thích được bao nhiêu phần phương sai của các biến quan sát dùng để đo nó. Chỉ số này thường xuất hiện khi bạn đánh giá giá trị hội tụ của thang đo trong mô hình SEM hoặc PLS-SEM.
Nếu một khái niệm được đo bằng bốn biến quan sát, AVE phản ánh mức độ các biến quan sát đó cùng hội tụ để đo đúng khái niệm chung. AVE càng cao, phần thông tin chung được giải thích bởi biến tiềm ẩn càng lớn so với phần sai số của từng biến quan sát.
Về mặt tính toán, AVE thường được biểu diễn như sau:
AVE = tổng bình phương outer loading / số biến quan sát
Trong công thức này, outer loading là hệ số tải của từng biến quan sát lên biến tiềm ẩn. Với PLS-SEM, bạn thường lấy các giá trị trong bảng Outer Loadings của SmartPLS. Khi bình phương các loading rồi tính trung bình, bạn có AVE của từng construct.
Ví dụ, một construct có ba outer loading là 0,80, 0,75 và 0,70. AVE minh họa được tính bằng (0,80² + 0,75² + 0,70²) / 3, xấp xỉ 0,57. Đây là số liệu minh họa để hiểu cách tính, không phải kết quả của một nghiên cứu cụ thể.
AVE thường được đọc cùng với Composite Reliability, Cronbach's Alpha, outer loading và HTMT. Bạn có thể xem thêm phần giải thích về giá trị hội tụ là gì để nối chỉ số này với toàn bộ quy trình đánh giá thang đo.
Ý nghĩa của phương sai trích AVE trong nghiên cứu định lượng
Trong một mô hình định lượng, bạn không thể kết luận một giả thuyết đáng tin chỉ vì hệ số đường dẫn có p-value nhỏ. Trước đó, thang đo phải cho thấy các biến quan sát thực sự đo cùng một khái niệm. AVE là một bằng chứng cho câu hỏi này.
AVE giúp bạn trả lời ba vấn đề. Thứ nhất, các biến quan sát có chia sẻ đủ phương sai với construct hay không. Thứ hai, thang đo có đạt giá trị hội tụ hay chưa. Thứ ba, construct này có phân biệt được với construct khác trong mô hình hay không, khi AVE được dùng trong tiêu chí Fornell-Larcker.
Theo cách tiếp cận hai bước, bạn đánh giá mô hình đo lường trước, sau đó mới đánh giá mô hình cấu trúc. Trình tự này phù hợp với hướng dẫn đánh giá mô hình SEM được nêu bởi (Anderson và Gerbing, 1988). Nếu AVE chưa đạt, việc diễn giải R², path coefficient hoặc tác động trung gian sẽ thiếu nền tảng đo lường.
Trong SmartPLS, AVE thuộc nhóm kết quả của measurement model. Chỉ số này không cho biết construct tác động mạnh hay yếu đến construct khác. Nó cũng không phải là R², vì R² đánh giá mức độ biến nội sinh được giải thích bởi các biến dự báo trong mô hình cấu trúc.
Trong SPSS, bạn thường không thấy một ô tên AVE sau khi chạy Cronbach's Alpha hoặc EFA. SPSS có thể cung cấp các thông tin hỗ trợ như factor loading, tổng phương sai trích trong EFA, nhưng AVE của từng biến tiềm ẩn thường phải được tính từ loading hoặc đọc từ phần mềm SEM, PLS-SEM. Đây là lý do cụm từ AVE trong SPSS dễ gây nhầm giữa tổng phương sai trích của EFA và AVE của construct.
Phương sai trích AVE bao nhiêu là đạt
Ngưỡng thường dùng là AVE từ 0,50 trở lên. Theo (Fornell và Larcker, 1981), mức này cho thấy construct giải thích ít nhất một nửa phương sai trung bình của các biến quan sát. Với mô hình PLS-SEM, (Hair và cộng sự, 2022) cũng được dùng để tham chiếu cho quy trình đánh giá measurement model.
Bạn không nên ghi một ngưỡng tách rời khỏi nguồn trong chương 3 hoặc chương 4. Bảng dưới đây đặt các chỉ số liên quan cạnh nhau để bạn biết AVE đang nằm trong hệ thống đánh giá nào.
| Chỉ số hoặc tiêu chí | Ngưỡng thường dùng | Nguồn canonical |
|---|---|---|
| AVE | Từ 0,50 trở lên | (Fornell và Larcker, 1981) |
| Composite Reliability | Từ 0,70 trở lên | (Fornell và Larcker, 1981) |
| Outer loading trong PLS-SEM | Từ 0,70 trở lên | (Chin, 1998) hoặc (Hair và cộng sự, 2022) |
| HTMT | Dưới 0,85, hoặc dưới 0,90 với construct gần nhau về nội dung | (Henseler và cộng sự, 2015) |
| Căn bậc hai của AVE | Lớn hơn tương quan với construct khác | (Fornell và Larcker, 1981) |
Câu hỏi “phương sai trích AVE bao nhiêu là tốt” cần được trả lời thận trọng. AVE từ 0,50 trở lên thường được xem là đạt tiêu chí hội tụ. Một giá trị cao hơn không tự động chứng minh toàn bộ thang đo tốt, vì bạn vẫn phải kiểm tra loading, độ tin cậy và giá trị phân biệt.
Nếu AVE là 0,48, bạn không nên tự động loại một biến quan sát chỉ để đẩy con số lên 0,50. Hãy xem loading, nội dung lý thuyết, Composite Reliability và HTMT. Một quyết định loại biến phải có lý do đo lường và nội dung, đồng thời cần được ghi lại để người đọc biết mô hình đã thay đổi như thế nào.
Cách đọc phương sai trích AVE trên output
Đọc AVE trong SmartPLS 4
Trong SmartPLS 4, sau khi nhập dữ liệu .csv và vẽ mô hình, bạn chạy Calculate > PLS-SEM Algorithm. Ở phần kết quả, mở Quality Criteria > Construct Reliability and Validity. Bảng thường có các cột Cronbach's alpha, rho_A, Composite reliability và Average variance extracted (AVE).
Dưới đây là số liệu minh họa được trình bày theo dạng bảng kết quả thường gặp. Các con số chỉ phục vụ việc đọc output, không phải phát hiện từ một nghiên cứu thật.
| Construct | Cronbach's alpha | rho_A | Composite reliability | Average variance extracted (AVE) |
|---|---|---|---|---|
| Chất lượng cảm nhận | 0,842 | 0,848 | 0,895 | 0,681 |
| Ý định sử dụng | 0,776 | 0,781 | 0,856 | 0,664 |
| Niềm tin | 0,671 | 0,704 | 0,812 | 0,591 |
Trong ví dụ trên, AVE của “Chất lượng cảm nhận” là 0,681. Bạn có thể diễn giải rằng construct này giải thích trung bình khoảng 68,1% phương sai của các biến quan sát, theo cách trình bày minh họa. Ba construct đều vượt 0,50, nhưng kết luận cuối cùng vẫn cần đối chiếu với loading, Composite Reliability và HTMT.
Bạn cũng có thể mở Outer Loadings để xem biến nào đang kéo AVE xuống. Nếu CLCN3 có loading 0,52 còn các biến khác trên 0,75, biến này đáng được kiểm tra. Tuy nhiên, không nên loại ngay chỉ vì một con số thấp. Hãy xem câu chữ của biến quan sát có lệch khái niệm, bị dịch sai hoặc bị người trả lời hiểu khác hay không.
Đọc phương sai trích AVE trong SPSS
Khi chạy EFA trong SPSS theo đường dẫn Analyze > Dimension Reduction > Factor, bảng Total Variance Explained có cột Initial Eigenvalues, Extraction Sums of Squared Loadings và có thể có Rotation Sums of Squared Loadings. Phần trăm phương sai trích trong bảng này nói về các nhân tố được rút ra từ tập biến, không phải AVE của từng construct theo cách SmartPLS báo cáo.
Sau đó, bảng Rotated Component Matrix cho bạn factor loading của biến quan sát trên các nhân tố. Bạn có thể dùng các loading phù hợp để tính AVE cho từng nhóm biến, nhưng cần xác định rõ mỗi nhóm đại diện cho construct nào. Nếu đề tài dùng CB-SEM qua AMOS, AVE thường được tính từ standardized regression weights hoặc xem trong bảng tính chỉ số của mô hình đo lường.
Đừng lấy dòng “Cumulative %” trong Total Variance Explained rồi gọi đó là AVE. Hai thông tin này có liên quan đến phương sai, nhưng đối tượng diễn giải khác nhau. Cumulative variance explained nói về tổng phương sai được các nhân tố trích giải thích, còn AVE nói về phương sai trung bình được một construct giải thích ở các biến quan sát của nó.
Khi phương sai trích AVE không đạt thì xử lý thế nào
Trước tiên, kiểm tra bạn đang đọc đúng construct và đúng bảng. Một lỗi phổ biến là đọc nhầm Average variance extracted (AVE) của construct khác, hoặc nhập dữ liệu sai tên cột. Bạn cũng nên xác nhận các biến đảo chiều đã được mã hóa lại trước khi chạy mô hình.
Kiểm tra outer loading và chất lượng dữ liệu
Mở bảng Outer Loadings và sắp xếp các biến có loading thấp. Kiểm tra missing value, giá trị ngoài thang đo, biến đảo chiều và các dòng trả lời có dấu hiệu chọn cùng một mức cho toàn bộ bảng hỏi. Nếu lỗi nằm ở dữ liệu nhập, sửa dữ liệu gốc rồi chạy lại theo quy trình được ghi chép.
Xem xét loại biến quan sát có cơ sở
Nếu một biến có loading thấp rõ rệt và nội dung không phù hợp với construct, bạn có thể cân nhắc loại biến. Với mỗi vòng loại, lưu lại AVE, Composite Reliability và loading trước và sau khi loại. Reviewer thường hỏi vì sao biến bị loại, nên lý do “để AVE vượt 0,50” là chưa đủ thuyết phục.
Bạn cần giữ cân bằng giữa thống kê và nội dung thang đo. Loại quá nhiều biến có thể làm construct mất một khía cạnh quan trọng. Một construct chỉ còn hai biến quan sát cũng cần được giải thích riêng trong luận văn, thay vì xem đó là kết quả mặc nhiên tốt.
Kiểm tra lại mô hình đo lường
Nếu nhiều construct cùng có AVE thấp, vấn đề có thể nằm ở cách thiết kế bảng hỏi, bản dịch hoặc mô hình đo lường. Kiểm tra cross loading, HTMT và mối quan hệ lý thuyết giữa các biến. Bạn có thể đọc thêm cross loading là gì và construct validity là gì để phân biệt lỗi của một biến với lỗi của cả thang đo.
Nếu đã kiểm tra dữ liệu và mô hình mà AVE vẫn thấp, hãy trao đổi với giảng viên về việc giữ nguyên thang đo, điều chỉnh mô hình hoặc thu thập thêm dữ liệu. Phần mềm không thể biến một thang đo thiếu cơ sở lý thuyết thành thang đo hợp lệ. Việc thu thêm dữ liệu cũng không đảm bảo AVE sẽ tăng, nên không nên coi đó là cách sửa tự động.
Phân biệt phương sai trích AVE với tổng phương sai trích và Composite Reliability
AVE và tổng phương sai trích trong EFA cùng dùng khái niệm phương sai, nhưng chúng trả lời hai câu hỏi khác nhau. Tổng phương sai trích trong EFA xem các nhân tố được rút ra giải thích bao nhiêu phần phương sai của toàn bộ tập biến. AVE xem một construct giải thích trung bình bao nhiêu phần phương sai của các biến quan sát thuộc construct đó.
AVE cũng khác Composite Reliability. Composite Reliability đánh giá mức độ nhất quán của các biến quan sát trong cùng một construct. AVE đánh giá phần phương sai mà construct giải thích ở các biến quan sát. Vì vậy, một construct có Composite Reliability đạt nhưng AVE chưa đạt vẫn có thể xuất hiện, đặc biệt khi một số loading còn thấp.
AVE còn được dùng trong tiêu chí Fornell-Larcker. Theo tiêu chí này, căn bậc hai của AVE của một construct cần lớn hơn tương quan giữa construct đó với các construct khác. Bạn có thể xem hướng dẫn riêng về Fornell-Larcker là gì để đọc ma trận này mà không nhầm căn bậc hai của AVE với chính AVE.
Cuối cùng, AVE không phải R². AVE thuộc mô hình đo lường, còn R² thuộc mô hình cấu trúc. AVE trả lời construct được đo tốt đến đâu, trong khi R² trả lời biến nội sinh được các biến dự báo giải thích đến mức nào.
Lỗi thường gặp
Gọi Cumulative % trong EFA là AVE. Đây là lỗi thuật ngữ thường gặp khi bạn chuyển từ output SPSS sang chương 4. Hãy ghi đúng tên bảng và nói rõ đó là tổng phương sai trích của các nhân tố, hoặc AVE của từng construct trong mô hình đo lường.
Chỉ kiểm tra AVE mà bỏ qua loading. AVE là giá trị trung bình, nên một vài biến loading thấp có thể bị che khuất. Luôn mở bảng Outer Loadings hoặc Standardized Regression Weights để xem từng biến.
Loại biến nhiều lần nhưng không ghi lại. Hãy lưu file output của từng vòng chạy và tạo một bảng theo dõi biến đã loại, lý do loại, AVE trước và sau. Cách này giúp bạn giải trình nhất quán khi viết chương 4.
Dùng ngưỡng không có nguồn. Trong luận văn, viết “AVE phải lớn hơn 0,5” nên đi kèm (Fornell và Larcker, 1981). Nếu dùng ngưỡng khác do bối cảnh hoặc hướng dẫn của giảng viên, bạn cần nói rõ cơ sở lựa chọn.
Câu hỏi thường gặp
Phương sai trích AVE bao nhiêu là tốt?
AVE từ 0,50 trở lên thường được xem là đạt giá trị hội tụ theo (Fornell và Larcker, 1981). Bạn vẫn cần kiểm tra outer loading, Composite Reliability và giá trị phân biệt trước khi kết luận thang đo đạt.
AVE dưới 0,5 có được chấp nhận không?
AVE dưới 0,50 là dấu hiệu giá trị hội tụ chưa đạt theo ngưỡng thường dùng. Bạn có thể kiểm tra loading và nội dung biến quan sát để cân nhắc điều chỉnh, nhưng không nên loại biến chỉ vì muốn nâng con số mà không có lý do đo lường.
Phương sai trích AVE trong SPSS nằm ở bảng nào?
SPSS thường không hiện một cột AVE riêng sau lệnh Cronbach's Alpha hoặc EFA. Total Variance Explained là tổng phương sai trích của các nhân tố, còn AVE của construct thường được tính từ loading hoặc lấy từ SmartPLS, AMOS và công cụ SEM tương ứng.
AVE và tổng phương sai trích có giống nhau không?
Hai chỉ số không giống nhau. Tổng phương sai trích trong EFA mô tả mức giải thích của các nhân tố trên toàn bộ tập biến, còn AVE mô tả mức giải thích trung bình của một construct trên các biến quan sát thuộc construct đó.
Có cần AVE khi chạy Cronbach's Alpha không?
Cronbach's Alpha đánh giá độ nhất quán nội tại, còn AVE đánh giá giá trị hội tụ. Vì vậy, bạn không dùng AVE để thay thế Alpha, cũng không kết luận thang đo đạt chỉ vì Alpha cao. Hai chỉ số cần được đọc trong đúng giai đoạn phân tích.
Bạn hãy mở lại output của mình, xác định đúng bảng Average variance extracted (AVE), đối chiếu từng construct với ngưỡng 0,50 và ghi lại mọi biến đã loại trước khi viết kết quả. Nếu cần chạy phân tích trên chính file .sav hoặc .csv của bạn, M4 phân tích dữ liệu của DoThesis thực hiện bước này bằng SPSS và SmartPLS.