Xuất kết quả ra Excel trong SmartPLS 4: Cách làm và đọc bảng
Xuất kết quả ra Excel trong SmartPLS dùng để làm gì
Khi chạy PLS-SEM, SmartPLS hiển thị rất nhiều bảng: Outer Loadings, Construct Reliability and Validity, Discriminant Validity, R Square, f Square, VIF, Path Coefficients và kết quả Bootstrapping. Bạn có thể xem trực tiếp trong phần Results, nhưng khi viết luận văn, làm bảng tổng hợp hoặc gửi file cho giảng viên, xuất dữ liệu sang Excel sẽ dễ kiểm tra hơn.
Điểm cần nhớ là SmartPLS không xuất một file Excel duy nhất chứa toàn bộ mọi thứ theo đúng bố cục chương 4. Bạn thường phải mở từng nhóm kết quả, chọn bảng cần dùng rồi tải xuống hoặc sao chép bảng sang Excel. Với SmartPLS 4, tên menu và vị trí nút có thể khác SmartPLS 3. Bài này tập trung vào SmartPLS 4.
File Excel sau khi xuất có ba mục đích chính. Thứ nhất, bạn lưu lại kết quả của từng vòng chạy. Thứ hai, bạn sắp xếp các chỉ số theo thứ tự kiểm định mô hình đo lường rồi mô hình cấu trúc. Thứ ba, bạn dùng số liệu đã kiểm tra để viết bảng trong chương 4, thay vì chụp màn hình quá rộng và khó đọc.
Nếu bạn mới làm quen với phần mềm, có thể xem thêm chủ đề SmartPLS hoặc bài Smart PLS để nắm các thuật ngữ trước khi xuất kết quả.
Chuẩn bị mô hình và dữ liệu
Trước khi tìm nút xuất Excel, hãy kiểm tra mô hình và dữ liệu. Việc xuất file chỉ ghi lại kết quả SmartPLS đang có. Nếu dữ liệu nhập sai, tên indicator không khớp hoặc bạn đang xem nhầm kết quả của một lần chạy cũ, file Excel vẫn được tạo nhưng không giúp sửa được vấn đề đó.
Phân biệt mô hình đo lường và mô hình cấu trúc
Mô hình đo lường cho biết các indicator đo biến tiềm ẩn có ổn định hay không. Các bảng thường được xuất ở giai đoạn này gồm Outer Loadings, Cronbach's Alpha, rho_A, Composite Reliability, AVE và HTMT.
Mô hình cấu trúc kiểm tra quan hệ giữa các biến tiềm ẩn. Các bảng thường dùng là Path Coefficients, T Statistics, P Values, Confidence Intervals, R Square, f Square, VIF và Q². Bạn nên tạo hai nhóm sheet trong Excel, chẳng hạn Measurement_Model và Structural_Model, để tránh đưa nhầm chỉ số vào phần kết quả.
PLS-SEM thường được đánh giá theo hai bước, trước hết là mô hình đo lường, sau đó là mô hình cấu trúc. Cách trình bày hai bước này phù hợp với hướng dẫn của (Anderson và Gerbing, 1988). Bạn có thể đọc thêm khái niệm SEM là gì nếu chưa phân biệt SEM với một bảng hồi quy thông thường.
Kiểm tra tên indicator và file dữ liệu
SmartPLS đọc dữ liệu dạng .csv. Hàng đầu tiên nên là tên indicator, mỗi cột là một indicator và mỗi dòng tiếp theo là một người trả lời. Tên biến nên ngắn, không có dấu cách và không bị trùng, ví dụ PU1, PU2, PEOU1, PEOU2. Các ô dữ liệu nên là số, không chèn chữ như Không trả lời vào giữa cột.
Trước khi import, kiểm tra các điểm sau:
| Hạng mục | Cách kiểm tra trước khi chạy | Rủi ro nếu bỏ qua |
|---|---|---|
| Tên indicator | Đối chiếu tên cột CSV với indicator trong mô hình | SmartPLS không nhận đúng biến hoặc tạo giá trị thiếu |
| Thang đo đảo chiều | Đảo mã trước khi lưu CSV nếu item có hướng ngược | Outer loading và độ tin cậy có thể thấp |
| Missing value | Kiểm tra ô trống, ký hiệu chữ và mã ngoài thang đo | Kết quả bị giảm số quan sát hoặc sai phép tính |
| Kiểu dữ liệu | Mỗi indicator là số, không chứa ký tự lạ | SmartPLS báo lỗi khi chạy thuật toán |
| Mã dự án | Lưu một bản riêng trước mỗi lần chỉnh sửa | Khó truy lại kết quả khi đã loại indicator |
Nếu bạn dùng thang Likert, hãy giữ cách mã hóa nhất quán giữa các indicator. Thang Likert bắt nguồn từ kỹ thuật đo thái độ của Likert, được trích dẫn là (Likert, 1932). Khi đã chạy xong, đừng thay dữ liệu trong CSV rồi tiếp tục dùng kết quả cũ mà không chạy lại mô hình.
Các bước thực hiện trong SmartPLS 4
Mở đúng project và chạy mô hình
Mở SmartPLS 4, chọn project chứa mô hình, kiểm tra data file được liên kết rồi chạy PLS-SEM Algorithm. Trong giao diện mô hình, bạn có thể nhấp chuột phải vào canvas hoặc dùng nút chạy trên thanh công cụ, tùy phiên bản cập nhật.
Sau khi thuật toán hoàn tất, mở khu vực Results. Nếu mục tiêu là xuất hệ số tác động và p-value, bạn cần chạy thêm Bootstrapping. Khi chạy bootstrapping, nên đặt số bootstrap subsamples theo thiết kế nghiên cứu. Hướng dẫn PLS-SEM hiện hành thường dùng 5.000 bootstrap subsamples, theo (Hair và cộng sự, 2022).
Chọn nhóm kết quả cần xuất
Trong Results, chọn đúng nhóm chỉ số ở thanh điều hướng. Các nhóm thường cần lưu gồm:
Final resultshoặc kết quả thuật toán PLS để lấy Outer Loadings, Cronbach's Alpha, rho_A, Composite Reliability và AVE.Discriminant Validityđể lấy HTMT và tiêu chí Fornell-Larcker nếu phần mềm hiển thị.Inner VIF ValuesvàOuter VIF Valuesđể kiểm tra đa cộng tuyến.R Squarevàf Squaređể đánh giá mức giải thích và mức ảnh hưởng.Path Coefficientssau bootstrapping để lấy hệ số đường dẫn, T Statistics, P Values và khoảng tin cậy.
Đọc báo cáo HTML cũng là một cách lưu kết quả có cấu trúc. Bạn có thể xem hướng dẫn đọc báo cáo HTML trong SmartPLS trước khi chọn bảng xuất sang Excel.
Xuất bảng từ giao diện kết quả
Trong mỗi bảng kết quả, tìm nút tải xuống hoặc biểu tượng xuất dữ liệu ở khu vực phía trên bảng. Tùy màn hình và bản cập nhật SmartPLS 4, biểu tượng có thể hiển thị dưới dạng download, export hoặc menu ba chấm. Chọn định dạng bảng mà phần mềm cung cấp, sau đó lưu file với tên có ngày chạy, chẳng hạn PLS_algorithm_2026-09-08 hoặc bootstrapping_2026-09-08.
Nếu màn hình chỉ cho tải báo cáo HTML, hãy tải báo cáo HTML trước rồi mở báo cáo, chọn bảng cần thiết và sao chép sang Excel. Không nên chụp ảnh toàn màn hình thay cho bảng số liệu. Ảnh phù hợp để minh họa thao tác, còn bảng Excel phù hợp để đối chiếu, sắp xếp và tính toán.
Bài cách chạy và đọc báo cáo HTML SmartPLS 4 có thể hỗ trợ khi giao diện của bạn không hiện nút Excel trực tiếp.
Tổ chức các sheet sau khi xuất
Mở file Excel mới, tạo các sheet theo trình tự kiểm định. Một cấu trúc thực tế là Outer_Loadings, Reliability_AVE, HTMT, VIF, R2_f2, Path_Coefficients và Decision. Giữ nguyên tên cột do SmartPLS tạo ở sheet gốc, sau đó mới tạo một bảng trình bày gọn hơn ở sheet tổng hợp.
Bạn không nên sửa số liệu gốc ngay trong sheet vừa xuất. Nếu cần làm tròn, hãy sao chép sang sheet báo cáo. Lưu thêm cột Nguồn kết quả, Ngày chạy, Phiên bản mô hình và Ghi chú loại biến. Cách này giúp bạn giải thích được vì sao bảng hiện tại khác bảng của vòng chạy trước.
Đọc bảng kết quả
File Excel chỉ có giá trị khi bạn biết bảng nào trả lời câu hỏi nào. Outer Loadings trả lời indicator có đại diện tốt cho biến tiềm ẩn hay không. Construct Reliability and Validity trả lời thang đo có độ tin cậy và giá trị hội tụ phù hợp hay không. HTMT hỗ trợ kiểm tra giá trị phân biệt. Path Coefficients và P Values trả lời giả thuyết có được ủng hộ theo kết quả mô hình hay không.
Bảng số liệu minh họa từ SmartPLS 4
Bảng dưới đây là số liệu minh họa, không phải kết quả của một nghiên cứu thật. Tên cột được trình bày theo dạng thường gặp trong output SmartPLS để bạn nhận ra vị trí cần lấy khi xuất sang Excel.
| Bảng SmartPLS | Construct / Relationship | Original Sample (O) | T Statistics | P Values | Cách dùng trong Excel |
|---|---|---|---|---|---|
| Path Coefficients | PU -> BI | 0.428 | 4.216 | 0.000 | Viết hệ số đường dẫn và kết luận giả thuyết |
| Path Coefficients | PEOU -> PU | 0.356 | 3.087 | 0.002 | Đối chiếu với giả thuyết liên quan |
| R Square | BI | 0.517 | Báo cáo mức giải thích của biến phụ thuộc | ||
| R Square | PU | 0.392 | Báo cáo R² cho biến nội sinh | ||
| f Square | PU -> BI | 0.214 | Đánh giá effect size | ||
| Outer Loadings | PU2 | 0.781 | Kiểm tra indicator | ||
| Construct Reliability and Validity | PU, AVE | 0.604 | Đưa vào bảng giá trị hội tụ | ||
| Discriminant Validity | PU, HTMT với BI | 0.742 | Kiểm tra giá trị phân biệt |
Ở bảng minh họa, Original Sample (O) là hệ số đường dẫn quan sát từ mẫu. T Statistics và P Values đến từ bootstrapping. Khi viết kết quả, bạn cần kiểm tra cách đặt giả thuyết, chiều tác động và mức ý nghĩa mà đề cương đã quy định. Không kết luận chỉ vì hệ số dương, vì một hệ số dương vẫn có thể có p-value chưa đạt.
R Square được đọc theo biến nội sinh. Với PLS-SEM, R² ở mức 0.75, 0.50 và 0.25 thường được diễn giải lần lượt là substantial, moderate và weak theo (Hair và cộng sự, 2011). Đây là hướng diễn giải, không phải lý do để loại mô hình chỉ vì R² thấp.
f Square thể hiện mức đóng góp của một biến dự báo vào R² của biến nội sinh. Các mức 0.02, 0.15 và 0.35 thường được dùng cho effect size nhỏ, trung bình và lớn theo (Cohen, 1988). Hãy giữ cả hệ số đường dẫn, p-value, R² và f² trong file tổng hợp, vì mỗi chỉ số trả lời một câu hỏi khác nhau.
Ngưỡng đánh giá
Khi xuất sang Excel, bạn có thể thêm cột Đạt, Chưa đạt và Ghi chú. Cột này chỉ là công cụ kiểm tra, không thay thế phần giải thích học thuật. Các ngưỡng dưới đây thuộc nhóm chỉ số PLS-SEM và được ghép với nguồn tương ứng.
| Chỉ số | Ngưỡng tham khảo | Nguồn |
|---|---|---|
| Outer loading | Từ 0.7 trở lên | (Chin, 1998) hoặc (Hair và cộng sự, 2022) |
| 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 substantial, 0.50 moderate, 0.25 weak | (Hair và cộng sự, 2011) |
| f² | 0.02 nhỏ, 0.15 trung bình, 0.35 lớn | (Cohen, 1988) |
| Q² | Lớn hơn 0 | (Stone, 1974) hoặc (Hair và cộng sự, 2022) |
| Bootstrap subsamples | 5.000 lần | (Hair và cộng sự, 2022) |
Bạn cần phân biệt ngưỡng cho mô hình đo lường và mô hình cấu trúc. Ví dụ, AVE và HTMT không dùng để kết luận giả thuyết tác động. Ngược lại, p-value của Path Coefficients không cho biết một indicator có tải tốt lên biến tiềm ẩn hay không.
CFI, TLI và RMSEA thuộc nhóm chỉ số fit thường dùng trong CB-SEM. Chúng không nên được đưa vào bảng đánh giá kết quả SmartPLS chỉ để làm bảng đầy đủ hơn. Ngưỡng CFI và TLI từ 0.90, RMSEA và SRMR không quá 0.08 theo (Hu và Bentler, 1999) cần được đặt đúng bối cảnh CB-SEM.
Cách trình bày trong chương 4
Hãy trình bày kết quả theo cùng thứ tự bạn đã xuất file. Một trình tự dễ theo dõi là: đặc điểm dữ liệu, mô hình đo lường, giá trị phân biệt, mô hình cấu trúc, kiểm định giả thuyết và tổng hợp kết quả. Mỗi bảng nên có số bảng, tên bảng, nguồn là kết quả xử lý dữ liệu của nghiên cứu và đoạn diễn giải ngay sau đó.
Cách viết vào luận văn: “Kết quả tại Bảng [số bảng] cho thấy outer loading của các biến quan sát dao động từ [giá trị thấp nhất] đến [giá trị cao nhất]. Composite Reliability của các khái niệm đạt từ [giá trị] đến [giá trị], trong khi AVE đạt từ [giá trị] đến [giá trị]. Vì vậy, thang đo [tên thang đo] được [chấp nhận / xem xét thêm] theo tiêu chí [tiêu chí và nguồn].”
Với giả thuyết, bạn có thể viết: “Kết quả bootstrapping cho thấy tác động của [biến độc lập] lên [biến phụ thuộc] có hệ số đường dẫn là [β], T Statistics là [giá trị] và P Values là [giá trị]. Do đó, giả thuyết [H1] được [chấp nhận / không được chấp nhận] ở mức ý nghĩa [mức ý nghĩa].” Hãy thay toàn bộ placeholder bằng số trong file của bạn và thống nhất số chữ số thập phân.
Khi báo cáo AVE, bạn có thể xem thêm bài AVE là gì, nhưng vẫn cần quay về bảng kết quả thực tế của mô hình. Không sao chép một bảng minh họa trên mạng rồi thay tên biến, vì bảng đó có thể dùng tiêu chí hoặc số liệu khác với mô hình của bạn.
Lỗi thường gặp
Không thấy nút Export hoặc Download
Giao diện có thể đang ở canvas mô hình thay vì khu vực Results. Hãy chạy thuật toán, mở kết quả, chọn một bảng cụ thể rồi tìm menu tải xuống. Nếu chỉ có báo cáo HTML, hãy tải HTML và sao chép bảng cần dùng sang Excel.
Xuất nhầm kết quả trước khi bootstrapping
PLS-SEM Algorithm cho hệ số ước lượng, còn bootstrapping cung cấp T Statistics, P Values và khoảng tin cậy. Nếu bạn lấy p-value từ bảng chưa chạy bootstrapping, đó là lỗi quy trình. Đặt tên file theo ngày và loại thuật toán để tránh nhầm.
Dùng nhầm bảng Inner Model và Outer Model
Outer Loadings thuộc mô hình đo lường. Path Coefficients thuộc mô hình cấu trúc. Khi kéo các cột vào một bảng Excel duy nhất, bạn rất dễ viết nhầm rằng outer loading là hệ số tác động giữa hai biến. Hãy giữ sheet riêng cho từng nhóm.
Làm tròn quá sớm
Nếu bạn làm tròn p-value về 0.000 rồi xóa cột gốc, người đọc không thể biết phần mềm hiển thị p-value nhỏ hơn ngưỡng hay bằng đúng 0. Hãy lưu số gốc và chỉ làm tròn ở bảng trình bày. Với p-value hiển thị 0.000, cách viết an toàn là p < 0.001 nếu output và quy ước báo cáo của bạn phù hợp.
Xóa indicator chỉ để bảng đẹp hơn
Loại indicator cần dựa trên loading, độ tin cậy, giá trị hội tụ, giá trị phân biệt và ý nghĩa nội dung của thang đo. Bạn cần lưu lại lý do loại, kết quả trước khi loại và kết quả sau khi chạy lại. Excel nên có sheet Before_Delete và After_Delete nếu mô hình đã qua nhiều vòng điều chỉnh.
Đọc thêm: cách chạy đọc báo cáo html smartpls 4, đọc báo cáo html trong smartpls, smart pls, sem là gì, ave là gì, chủ đề smartpls.
Câu hỏi thường gặp
SmartPLS 4 có xuất trực tiếp kết quả sang Excel không?
Tùy bảng và phiên bản giao diện, SmartPLS 4 có thể cho tải dữ liệu hoặc báo cáo theo định dạng khác nhau. Nếu không thấy tùy chọn Excel, bạn tải báo cáo HTML, mở đúng bảng rồi sao chép sang Excel. Hãy kiểm tra tiêu đề bảng sau khi dán vì đôi lúc hàng tiêu đề bị lệch cột.
Nên xuất bảng nào từ SmartPLS sang Excel?
Tối thiểu, bạn nên lưu Outer Loadings, Construct Reliability and Validity, Discriminant Validity, VIF, R Square, f Square và Path Coefficients sau bootstrapping. Nếu nghiên cứu có mediation hoặc moderation, hãy lưu thêm bảng indirect effects, total effects hoặc interaction effects tương ứng.
Vì sao file Excel không có p-value?
Bạn có thể đang xem kết quả của PLS-SEM Algorithm thay vì Bootstrapping. Hãy chạy bootstrapping, mở nhóm kết quả Path Coefficients và kiểm tra các cột T Statistics, P Values cùng khoảng tin cậy. Số lượng bootstrap subsamples và thiết lập kiểm định cần được ghi lại trong phương pháp nghiên cứu.
Có nên chụp màn hình SmartPLS thay cho xuất Excel không?
Ảnh chụp có thể dùng để minh họa giao diện, nhưng không thuận tiện khi tổng hợp nhiều bảng và kiểm tra số liệu. File Excel giúp bạn sắp xếp, đối chiếu và phát hiện nhầm lẫn giữa các vòng chạy. Trong luận văn, nên dùng bảng đã định dạng rõ, kèm phần diễn giải, thay vì đưa nguyên ảnh giao diện phần mềm.
Có cần đưa toàn bộ output SmartPLS vào chương 4 không?
Bạn nên đưa các bảng phục vụ trực tiếp cho câu hỏi nghiên cứu, không cần chèn mọi bảng mà phần mềm tạo ra. Các output đầy đủ có thể để ở phụ lục nếu giảng viên yêu cầu. Trong chương 4, hãy giữ bảng ngắn, nêu rõ nguồn số liệu và giải thích vì sao kết quả dẫn đến quyết định với từng giả thuyết.
Sau khi mở file dự án, hãy chạy lại mô hình đúng phiên bản dữ liệu, xuất từng nhóm bảng, lưu file gốc và đối chiếu với các placeholder trong đoạn viết của bạn; nếu cần xử lý file .sav hoặc .csv và viết tiếp phần kết quả, bạn có thể dùng M4 phân tích dữ liệu.