Tác động tổng trong SmartPLS: Cách chạy và đọc kết quả
Tác động tổng trong SmartPLS dùng để làm gì
Bạn mở SmartPLS lên, chạy bootstrapping và thấy các bảng Path Coefficients, Specific Indirect Effects, Total Indirect Effects và Total Effects. Điểm dễ nhầm là mỗi bảng trả lời một câu hỏi khác nhau. Tác động trực tiếp cho biết X ảnh hưởng trực tiếp đến Y. Tác động gián tiếp cụ thể cho biết X ảnh hưởng đến Y thông qua một tuyến trung gian cụ thể, chẳng hạn X → M → Y. Tác động tổng là tổng ảnh hưởng của X lên Y, gồm tác động trực tiếp và toàn bộ tác động gián tiếp qua các mediator.
Công thức cơ bản là:
Tác động tổng = Tác động trực tiếp + Tác động gián tiếp tổng
Nếu mô hình chỉ có một mediator, tác động gián tiếp tổng thường chính là tuyến X → M → Y. Nếu mô hình có nhiều mediator hoặc nhiều tuyến trung gian, bạn cần xem từng dòng trong bảng Specific Indirect Effects rồi đối chiếu với Total Indirect Effects. SmartPLS không thay bạn giải thích cơ chế nghiên cứu. Phần đó phải quay lại với giả thuyết và mô hình đã xây dựng.
Tác động tổng hữu ích khi câu hỏi nghiên cứu hỏi một biến độc lập ảnh hưởng bao nhiêu đến biến phụ thuộc sau khi tính cả con đường trực tiếp và gián tiếp. Chỉ nhìn p-value của Path Coefficients sẽ bỏ sót trường hợp tác động trực tiếp nhỏ nhưng tác động gián tiếp đáng kể. Khi cần xem từng tuyến trung gian, bạn có thể đối chiếu thêm hướng dẫn về p-value bootstrap trong SmartPLS.
Chuẩn bị mô hình và dữ liệu
Trước khi chạy, hãy kiểm tra hai phần riêng biệt: measurement model và structural model. Measurement model nối biến tiềm ẩn với các biến quan sát, ví dụ PU1, PU2, PU3 đo cho PU. Structural model nối các biến tiềm ẩn với nhau, ví dụ PU → BI hoặc PU → BI → USE. Tác động tổng chỉ có ý nghĩa khi các mũi tên trong structural model phản ánh đúng giả thuyết của bạn.
Tên biến quan sát trong file .csv cần ngắn, duy nhất và không có ký tự gây lỗi. Một dòng là một người trả lời, một cột là một biến quan sát. Không để dòng tiêu đề phụ, ô gộp, công thức Excel chưa chuyển thành giá trị hoặc cột chứa mã định danh ở giữa các biến đo lường. Các biến Likert nên được mã hóa thống nhất, chẳng hạn từ 1 đến 5. Nếu có biến đảo chiều, xử lý trước khi nhập vào SmartPLS và ghi lại quy tắc chuyển mã.
| Việc cần kiểm tra | Dấu hiệu đạt | Nếu chưa đạt |
|---|---|---|
| Measurement model | Mỗi indicator nối đúng construct | Kiểm tra lại tên và mũi tên |
| Structural model | Có đường dẫn đúng với H1, H2, H3 | Vẽ lại mô hình trước khi chạy |
| File dữ liệu | Một dòng là một đáp viên, một cột là một indicator | Xóa dòng phụ và cột thừa |
| Dữ liệu thiếu | Đã có quy tắc xử lý nhất quán | Kiểm tra missing trước khi import |
| Tên indicator | Không trùng, không có khoảng trắng thừa | Đổi tên trong .csv và nạp lại |
Bạn cũng nên kiểm tra chất lượng measurement model trước khi diễn giải tác động tổng. Với reflective construct, thường xem outer loading, Cronbach's Alpha, rho_A, composite reliability, AVE và HTMT. Với structural model, xem VIF, path coefficient, R², f², Q² và kết quả bootstrapping. Bạn có thể đọc thêm R square trong SmartPLS, VIF là gì và cách chạy VIF SmartPLS 4 khi hoàn tất bước chuẩn bị.
Các bước thực hiện trong SmartPLS 4
Bước 1: Mở project và kiểm tra mô hình
Trong SmartPLS 4, mở project chứa mô hình PLS-SEM và chọn đúng model cần phân tích. Quan sát toàn bộ mũi tên giữa các construct. Nếu bạn muốn đọc tác động tổng của X lên Y qua M, mô hình phải có các đường X → M, M → Y, và có thể có X → Y nếu giả thuyết nghiên cứu bao gồm tác động trực tiếp.
Đừng chạy bootstrapping ngay khi chưa kiểm tra mô hình. Một mũi tên bị thiếu làm cho bảng Specific Indirect Effects không xuất hiện tuyến bạn cần. Một mũi tên thừa lại tạo ra một đường tác động khác với mô hình lý thuyết.
Bước 2: Chạy PLS-SEM Algorithm
Chọn mô hình, sau đó chạy PLS-SEM Algorithm trong SmartPLS 4. Bước này tạo kết quả ban đầu cho outer loadings, construct scores, path coefficients, R² và các chỉ số liên quan. Kiểm tra xem thuật toán có hoàn tất hay báo lỗi dữ liệu.
Ở bước này, bạn chưa kết luận giả thuyết bằng p-value. Kết quả algorithm cho biết hệ số ước lượng từ mẫu, còn ý nghĩa thống kê cần được đánh giá bằng bootstrapping. Nếu muốn đánh giá thêm mức độ ảnh hưởng của từng biến độc lập lên R², xem f square trong SmartPLS.
Bước 3: Chọn Bootstrapping
Trong SmartPLS 4, chọn Calculate > Bootstrapping. Ở phần thiết lập, chọn số lượng bootstrap subsamples phù hợp với quy trình nghiên cứu. Khi báo cáo PLS-SEM theo hướng dẫn hiện hành, 5.000 bootstrap subsamples là lựa chọn thường được sử dụng (Hair và cộng sự, 2022).
Chọn tùy chọn tạo kết quả cuối cùng để có t-statistics, p-values và confidence intervals. Nếu luận văn yêu cầu kiểm định một phía hay hai phía, chọn đúng loại kiểm định theo giả thuyết và kế hoạch phương pháp đã viết từ trước. Không nên đổi one-tailed thành two-tailed chỉ vì một kết quả đang sát ngưỡng.
Bước 4: Mở nhóm Specific Indirect Effects
Sau khi bootstrapping hoàn tất, vào phần kết quả của mô hình và mở Specific Indirect Effects. Bảng này liệt kê từng tuyến trung gian cụ thể, ví dụ PU → BI → USE. Đây là nơi bạn kiểm tra secondary keyword tác động gián tiếp cụ thể trong SmartPLS.
Ghi lại Original Sample, Sample Mean, Standard Deviation, T Statistics, P Values và confidence interval. Một tuyến trung gian có p-value nhỏ chưa đủ để bạn gọi là tác động tổng. Nó chỉ là một thành phần của tác động gián tiếp tổng.
Bước 5: Mở Total Indirect Effects và Total Effects
Tiếp tục mở Total Indirect Effects để xem tổng của các tuyến gián tiếp từ một biến đến biến phụ thuộc. Sau đó mở Total Effects. Trong bảng này, SmartPLS cộng tác động trực tiếp và tác động gián tiếp tổng cho cùng một cặp biến.
Khi kiểm tra một kết quả, hãy đi theo thứ tự: Path Coefficients, Specific Indirect Effects, Total Indirect Effects, rồi Total Effects. Cách đọc này giúp bạn biết tác động tổng đến từ đường nào, thay vì chỉ lấy một con số cuối cùng để diễn giải.
Bước 6: Xuất và lưu kết quả
Dùng chức năng export của SmartPLS 4 để lưu báo cáo, đồng thời chụp hoặc lưu riêng các bảng cần đưa vào chương 4. Đặt tên file theo ngày và phiên bản mô hình, chẳng hạn bootstrapping_model_v03. Nếu bạn loại indicator hoặc thay đổi đường dẫn, hãy lưu một phiên bản mới. Việc này giúp bạn giải trình khi giảng viên hỏi vì sao kết quả trong bản nháp trước khác với bản hiện tại.
Đọc bảng kết quả
Bảng dưới đây là số liệu minh họa, không phải kết quả của một nghiên cứu thật. Tên cột được trình bày theo nhóm kết quả SmartPLS thường hiển thị. Mô hình giả định có PU tác động đến USE trực tiếp và qua mediator BI.
| Bảng kết quả | Quan hệ hoặc tuyến | Original Sample (O) | T Statistics | P Values | Kết luận minh họa |
|---|---|---|---|---|---|
| Path Coefficients | PU → USE | 0.210 | 2.480 | 0.013 | Tác động trực tiếp có ý nghĩa ở mức 5% |
| Specific Indirect Effects | PU → BI → USE | 0.286 | 3.910 | 0.000 | Tác động gián tiếp cụ thể có ý nghĩa |
| Total Indirect Effects | PU → USE | 0.286 | 3.910 | 0.000 | Tổng tác động gián tiếp có ý nghĩa |
| Total Effects | PU → USE | 0.496 | 6.120 | 0.000 | Tác động tổng có ý nghĩa |
Trong ví dụ này, tác động tổng bằng 0.210 + 0.286 = 0.496. Bạn có thể viết rằng PU có tác động tổng dương lên USE, với hệ số 0.496 trong số liệu minh họa. Tuy nhiên, khi dùng số liệu của mình, hãy thay toàn bộ giá trị bằng kết quả thật từ file SmartPLS và giữ nguyên dấu của hệ số.
Nếu Specific Indirect Effects có nhiều tuyến, chẳng hạn PU → BI → USE và PU → SAT → USE, hãy đọc từng tuyến trước. Một tuyến có thể dương và một tuyến có thể âm. Khi đó, Total Indirect Effects có thể nhỏ hơn một tuyến riêng lẻ do các tác động triệt tiêu nhau. Đây là lý do chỉ báo cáo Total Effects sẽ làm mất thông tin về cơ chế trung gian.
Hãy xem confidence interval của bootstrap cùng p-value. Với tác động gián tiếp, khoảng tin cậy bootstrap không chứa 0 là bằng chứng phù hợp để kết luận tác động gián tiếp có ý nghĩa thống kê (Preacher và Hayes, 2008). P-value và confidence interval cần thống nhất về loại kiểm định bạn đã chọn.
Ngưỡng đánh giá
Không có một con số duy nhất đủ để kết luận mô hình tốt. Bạn cần phân biệt chất lượng thang đo, mức độ giải thích của mô hình và ý nghĩa của từng đường dẫn. Bảng dưới đây tập trung vào nhóm chỉ số phù hợp với PLS-SEM. Các chỉ số CFI, TLI và RMSEA thuộc CB-SEM, vì vậy không đưa vào quy trình đọc tác động tổng trong SmartPLS.
| Chỉ số hoặc quyết định | Ngưỡng 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 | 0.75 đáng kể, 0.50 trung bình, 0.25 yếu | (Hair và cộng sự, 2011) |
| f² | 0.02 nhỏ, 0.15 trung bình, 0.35 lớn | (Cohen, 1988) |
| Q² | Lớn hơn 0 | (Stone, 1974) |
| Bootstrap subsamples | 5.000 mẫu lặp | (Hair và cộng sự, 2022) |
| Tác động gián tiếp | Confidence interval không chứa 0 | (Preacher và Hayes, 2008) |
Với tác động tổng, trước tiên xem dấu của hệ số. Hệ số dương cho thấy quan hệ cùng chiều trong mô hình, còn hệ số âm cho thấy quan hệ ngược chiều. Sau đó xem p-value hoặc confidence interval. Một hệ số lớn nhưng không có ý nghĩa thống kê không nên được trình bày như một ảnh hưởng đã được xác nhận.
Đừng dùng R² để thay thế cho kiểm định tác động tổng. R² cho biết mức độ biến nội sinh được giải thích bởi các biến dự báo trong mô hình. Nó không cho biết riêng PU tác động đến USE bao nhiêu. Tương tự, f² cho biết mức đóng góp của một biến dự báo vào R², không phải là tác động tổng của tuyến trung gian.
Cách trình bày trong chương 4
Bạn nên trình bày kết quả theo ba lớp. Lớp đầu là tác động trực tiếp trong bảng Path Coefficients. Lớp thứ hai là từng tác động gián tiếp cụ thể trong Specific Indirect Effects. Lớp thứ ba là tác động tổng trong Total Effects. Nếu mô hình có nhiều mediator, thêm một bảng riêng cho các tuyến cụ thể để người đọc kiểm tra cơ chế.
Cách viết vào luận văn: “Kết quả bootstrapping cho thấy tác động tổng của [biến độc lập] lên [biến phụ thuộc] đạt [hệ số tác động tổng], với p-value = [p-value] và khoảng tin cậy bootstrap [cận dưới, cận trên]. Tác động gián tiếp cụ thể qua [biến trung gian] đạt [hệ số], khoảng tin cậy [cận dưới, cận trên] không chứa 0, do đó giả thuyết [H] được [chấp nhận hoặc bác bỏ].”
Đoạn mẫu chỉ là khung để thay bằng kết quả thật. Không điền số từ bảng minh họa vào luận văn. Bạn cũng cần thống nhất cách gọi giả thuyết với chương 2 và chương 3. Nếu H3 ban đầu là “BI trung gian hóa mối quan hệ giữa PU và USE”, phần kết quả nên nói rõ tác động gián tiếp qua BI thay vì chỉ viết “PU ảnh hưởng USE”.
Khi tác động trực tiếp và gián tiếp cùng dương, bạn có thể mô tả rằng hai con đường cùng chiều, nhưng mức độ trung gian cần được giải thích thận trọng. Khi tác động trực tiếp không có ý nghĩa còn tác động gián tiếp có ý nghĩa, hãy báo cáo đúng hai kết quả đó. Không tự động kết luận toàn phần hay một phần nếu thiết kế phân tích và tiêu chí của khoa chưa quy định cách phân loại.
Lỗi thường gặp
Đọc nhầm Specific Indirect Effects thành tác động tổng
Specific Indirect Effects chỉ hiển thị từng tuyến trung gian. Tác động tổng nằm trong Total Effects và cần bao gồm cả đường trực tiếp lẫn các đường gián tiếp. Hãy đối chiếu công thức thay vì lấy dòng đầu tiên trong bảng.
Chưa chạy bootstrapping đã kết luận p-value
PLS-SEM Algorithm không cung cấp đầy đủ bằng chứng suy luận như bootstrapping. Nếu bạn chỉ có hệ số Original Sample, hãy xem đó là ước lượng mẫu, chưa phải kết luận về ý nghĩa thống kê.
Đổi mô hình sau khi chạy nhưng dùng lại bảng cũ
Chỉ cần xóa một indicator, thêm một mũi tên hoặc đổi tên construct, kết quả có thể thay đổi. Lưu lại phiên bản mô hình, ngày chạy và thiết lập bootstrap. Khi viết chương 4, dùng các bảng được xuất từ cùng một lần chạy.
Dùng ngưỡng của CB-SEM cho SmartPLS
CFI, TLI và RMSEA thường gắn với đánh giá độ phù hợp mô hình trong CB-SEM. Không đưa các ngưỡng này vào phần đánh giá PLS-SEM nếu phương pháp của bạn là SmartPLS. Hãy giữ nhóm chỉ số nhất quán với PLS-SEM.
Chỉ báo cáo p-value mà bỏ qua khoảng tin cậy
P-value giúp bạn ra quyết định theo mức ý nghĩa đã chọn, còn confidence interval cho biết khoảng ước lượng của tác động. Với tác động gián tiếp, kiểm tra khoảng tin cậy không chứa 0 là bước quan trọng theo (Preacher và Hayes, 2008).
Câu hỏi thường gặp
Tác động tổng trong SmartPLS nằm ở bảng nào?
Bạn mở kết quả bootstrapping và tìm bảng Total Effects. Bảng này tổng hợp tác động trực tiếp và tác động gián tiếp của một biến lên biến khác. Để biết tổng đó hình thành từ tuyến nào, xem thêm Specific Indirect Effects và Total Indirect Effects.
Tác động tổng có bằng tổng các tác động gián tiếp cụ thể không?
Chỉ khi mô hình không có tác động trực tiếp thì tác động tổng mới có thể trùng với tổng tác động gián tiếp. Công thức đầy đủ vẫn là tác động trực tiếp cộng tác động gián tiếp tổng. Nếu có nhiều tuyến trung gian, cần xem dấu và hệ số của từng tuyến trước khi cộng.
Tác động gián tiếp cụ thể trong SmartPLS có p-value lớn thì phải làm gì?
Bạn chưa nên kết luận tuyến trung gian đó có ý nghĩa thống kê. Kiểm tra thêm confidence interval bootstrap, cỡ mẫu, cách mã hóa indicator và việc mô hình có đúng với giả thuyết hay không. Không nên xóa mediator chỉ để làm p-value nhỏ hơn nếu không có căn cứ lý thuyết và phương pháp.
Tác động trực tiếp không có ý nghĩa nhưng tác động tổng có ý nghĩa thì giải thích thế nào?
Trường hợp này có thể xảy ra khi ảnh hưởng chủ yếu đi qua biến trung gian. Bạn báo cáo riêng kết quả trực tiếp, gián tiếp và tổng, sau đó giải thích tuyến trung gian theo mô hình nghiên cứu. Việc gọi tên kiểu trung gian cụ thể cần dựa trên tiêu chí mà khoa hoặc giảng viên hướng dẫn yêu cầu.
Có cần báo cáo cả Total Effects và Specific Indirect Effects không?
Nếu đề tài có giả thuyết trung gian, nên báo cáo cả hai. Total Effects trả lời mức ảnh hưởng chung, còn Specific Indirect Effects cho biết cơ chế qua từng mediator. Với mô hình chỉ có đường trực tiếp và không có mediator, bảng tác động gián tiếp không phải trọng tâm.
Mở lại file SmartPLS 4 của bạn, kiểm tra đường dẫn trong structural model, chạy bootstrapping với thiết lập đã ghi trong phương pháp, rồi đối chiếu bốn bảng theo thứ tự Path Coefficients, Specific Indirect Effects, Total Indirect Effects và Total Effects. Nếu cần chạy phân tích trên chính file .sav hoặc .csv và lưu lại bảng kết quả để viết chương 4, bạn có thể xem module M4 phân tích dữ liệu bằng SPSS và SmartPLS.