Phân tích PLS-SEM (Partial Least Squares Structural Equation Modeling) trong SmartPLS 4 gồm hai bước chính:
(1) chạy PLS Algorithm để ước lượng mô hình đo lường và mô hình cấu trúc,
(2) chạy Bootstrapping để kiểm định ý nghĩa thống kê của các hệ số trong mô hình.
1. Cách chạy SMARTPLS 4: Phân tích PLS-SEM algorithm
Phân tích PLS-SEM (Partial Least Squares Structural Equation Modeling) trong SMARTPLS 4 bắt đầu bằng việc chạy PLS Algorithm. Đây là bước cốt lõi của phương pháp PLS-SEM, nhằm ước lượng các tham số của mô hình đo lường (outer model) và mô hình cấu trúc (inner model) trước khi tiến hành các kiểm định thống kê khác.
Trước khi đi vào phân tích ước lượng, bạn cần vẽ mô hình nghiên cứu lên diagram SMARTPLS 4 trước. Nếu bạn chưa biết cách thực hiện vui lòng xem trước nội dung bài viết Cách vẽ mô hình nghiên cứu lên diagram SMARTPLS 4. Tại giao diện diagram, nhấp vào nút Calculate, chọn PLS-SEM algorithm.

Một cửa sổ thiết lập sẽ xuất hiện; tất cả thông số đều giữ nguyên ở chế độ mặc định. Sau đó nhấn Start Calculation để bắt đầu chạy thuật toán PLS-SEM trong SmartPLS 4.

Khi quá trình hoàn tất, SmartPLS sẽ hiển thị giao diện kết quả của PLS-SEM Algorithm, trong đó bố cục được chia thành 4 vùng làm việc chính.

VÙNG 1
Đây là khu vực hiển thị toàn bộ các kết quả kiểm định và thống kê của mô hình. Tại đây, người dùng có thể xem:
-
Path coefficients: các hệ số hồi quy thể hiện mức độ và hướng tác động trực tiếp giữa các biến tiềm ẩn.
-
Indirect effects: các hệ số phản ánh tác động gián tiếp thông qua biến trung gian.
-
Outer loadings: hệ số tải ngoài cho thấy mức độ biến quan sát phản ánh biến tiềm ẩn mẹ.
-
R-square: hệ số xác định mô tả mức độ giải thích của các biến độc lập đối với biến phụ thuộc.
Vùng này là nơi tổng hợp đầy đủ tất cả kết quả từ mô hình đo lường đến mô hình cấu trúc.
VÙNG 2
Khu vực này cho phép tùy chỉnh nội dung hiển thị trên sơ đồ kết quả ở vùng 3. Ví dụ:
-
Constructs: bật/tắt hiển thị giá trị R-square bên trong các vòng tròn của biến phụ thuộc.
-
Inner model: hiển thị các hệ số Path coefficients trên các mũi tên nối giữa các biến tiềm ẩn.
-
Zoom: phóng to hoặc thu nhỏ sơ đồ phân tích. Nhờ đó, người dùng dễ dàng kiểm soát những thông tin hiển thị trực quan trên sơ đồ mô hình.
VÙNG 3
Đây là khu vực trình bày sơ đồ kết quả (diagram), thể hiện trực quan các kiểm định và thống kê được chọn ở vùng 1 và vùng 2. Khi nhấp vào một mục kết quả ở vùng 1, khu vực này sẽ cập nhật tương ứng và hiển thị bảng số liệu hoặc biểu đồ liên quan. Đây là nơi giúp người dùng quan sát trực quan toàn bộ mô hình sau khi chạy PLS-SEM Algorithm.
VÙNG 4
Vùng này chứa các chức năng lưu, xuất hoặc so sánh kết quả phân tích. Một số chức năng tiêu biểu:
-
Save: lưu lại kết quả lần chạy hiện tại.
-
Excel / HTML: xuất toàn bộ kết quả phân tích sang file Excel hoặc trang web (HTML).
-
Create data file: tạo bộ dữ liệu mới bao gồm các biến phát sinh như biến tiềm ẩn, phần dư…
-
Compare: so sánh kết quả giữa nhiều lần chạy phân tích khác nhau. Đây là khu vực phục vụ cho việc lưu trữ, báo cáo và quản lý kết quả phân tích.
2. Cách chạy SMARTPLS 4: Phân tích Bootstrapping
Sau khi ước lượng mô hình bằng PLS-SEM Algorithm, bước tiếp theo trong phân tích PLS-SEM là Bootstrapping. Đây là kỹ thuật rất quan trọng nhằm kiểm định ý nghĩa thống kê của các tham số trong mô hình: hệ số đường dẫn (path), tác động gián tiếp, outer loadings, trọng số formative, R², Q²… Bootstrapping giúp trả lời câu hỏi: “Các tác động trong mô hình có thật sự có ý nghĩa thống kê hay chỉ xuất hiện do ngẫu nhiên trong mẫu nghiên cứu?”
Tại giao diện diagram, nhấp vào nút Calculate, chọn Bootstrapping.

Khi cửa sổ Bootstrapping xuất hiện, tiến hành thiết lập các tham số phân tích như sau:
– Subsamples: Số lượng mẫu lặp bootstrap. Thông thường sử dụng 1.000 hoặc 5.000 mẫu, trong đó 5.000 là mức khuyến nghị và cũng là thiết lập mặc định của phần mềm.
– Amount of results: Có hai lựa chọn:
-
Most important – chỉ bootstrapping các kết quả trọng yếu phục vụ đánh giá mô hình (khuyến nghị và mặc định).
-
Complete – bootstrapping toàn bộ kết quả có thể xuất ra.
Đa số trường hợp, lựa chọn Most important là đủ để đánh giá mô hình.
– Confidence interval method: Phương pháp tính khoảng tin cậy bootstrap. Giữ mặc định Percentile bootstrap vì phù hợp với đa số nghiên cứu cơ bản.
– Test Type: Chọn Two-tailed để thực hiện kiểm định hai phía.
– Significance level: Mức ý nghĩa của phép kiểm định. Mặc định là 0.05 (5%), nhưng có thể điều chỉnh về mức 10% hoặc 1% tùy thuộc vào yêu cầu của nghiên cứu.
Sau khi thiết lập xong, nhấp vào nút Start calculation và đợi phần mềm tiến hành chạy Bootstrapping SMARTPLS 4.

Giao diện kết quả chạy Bootstrapping sẽ hoàn toàn tương tự như PLS-SEM algorithm, cũng gồm 4 vùng làm việc. Sự khác biệt đến từ kết quả các kiểm định ở vùng 1.

Hai phân tích PLS-SEM algorithm và Bootstrapping sẽ cung cấp nhiều kết quả quan trọng cho khâu đánh giá mô hình đo lường và mô hình cấu trúc của mô hình nghiên cứu. Nếu bạn không thành thạo về việc sử dụng công cụ, phần mềm, phân tích dữ liệu, bạn cần nhờ một dịch vụ xử lý SMARTPLS uy tín hỗ trợ, hãy liên hệ với DVS qua zalo 093 395 1549 hoặc email xulydinhluong@gmail.com.
Xem tiếp: Đánh giá mô hình đo lường trên SMARTPLS 4
Xem tiếp: Đánh giá mô hình cấu trúc trên SMARTPLS 4