Việc thiết lập mô hình thành phần thứ bậc (Mô hình bậc 2) thường được sử dụng trong bối cảnh PLS-SEM.
Mô hình bậc cao hoặc mô hình thành phần thứ bậc thường liên quan đến kiểm định cấu trúc bậc hai có chứa hai lớp thành phần. Cách tiếp cận này sẽ giúp thu gọn và giảm độ phức tạp của mô hình nghiên cứu. Phương pháp tiếp cận hai giai đoạn trong phân tích mô hình bậc hai (HCM)
LOC: các thành phần bậc thấp (biến bậc 1)
HOC: thành phần bậc cao (biến bậc 2)
Để đại diện cho mô hình đo lường của HOC, các nhà nghiên cứu thường phân bổ tất cả các biến quan sát từ các LOC đến HOC theo quy tắc biến quan sát lặp lại. Trong thiết lặp này, hầu như tất cả các phương sai của biến bậc 2 được giải thích bởi biến bậc 1 của nó, mang lại giá trị R2 gần bằng 1. Do sử dụng biến lặp lại, nên các giá trị phân biệt của biến bậc 2 cũng bị ảnh hưởng do có sự trùng lắ từ các biến bậc 1. Để giải quyết vấn đề này, phương pháp phân tích 2 giai đoạn được áp dụng.
+ Trong giai đoạn 1: Đánh giá mô hình bậc 1 để có được các điểm số tiềm ẩn cho các biến bậc 1 (LOC)
+ Trong giai đoạn 2: Các điểm số LOC được sử dụng làm biến biểu thị trong mô hinh đo lường biến bậc 2 (HOC). Các điểm số LOC có sẵn từ đầu ra trong Smart PLS.
Cụ thể:
Giai đoạn 1: đánh giá mô hình đo lường đối với các biến tiềm ẩn bậc một bao gồm:…..(list các thành phần bậc 1). Việc đánh giá mô hình đo lường giai đoạn này được thực hiện thông qua các chỉ số: (i) tính đơn hướng, (ii) độ tin cậy, (iii) giá trị hội tụ và (iv) giá trị phân biệt. Ở giai đoạn 1 này, nghiên cứu sử dụng phương pháp chỉ báo lặp lại để đánh giá mô hình đo lường.
Theo Sarstedt và cộng sự (2019), trong mô hình nghiên cứu bậc cao, các thành phần bậc thấp hơn phải thể hiện giá trị phân biệt với nhau và với tất cả các cấu trúc khác trong mô hình -–ngoại trừ thành phần bậc cao mà chúng là thành phần. Đây là lý do tại sao các cấu trúc bậc cao không thể được sử dụng để giải quyết các vấn đề về tính phân biệt trong một mô hình. Vì vậy, khi đánh giá mô hình ở giai đoạn 1, các thành phần bậc cao sẽ không được đưa vào cho việc nhận xét kết quả.
Theo Sarstedt và cộng sự (2019), biến tiềm ẩn bậc 2 (2nd order construct) không được đánh giá theo các chỉ số lặp của nó. Các chỉ số này chỉ đảm bảo rằng cấu trúc bậc cao hơn được xác định và chúng không đại diện cho mô hình đo lường thực tế của cấu trúc bậc cao này. Việc đánh giá mô hình đo lường biến bậc 2 sẽ được thực hiện ở giai đoạn 2.
Giai đoạn 2: đánh giá mô hình đo lường biến tiềm ẩn sự hiện diện thông qua các tiêu chí: (i) giá trị hội tụ, (ii) đánh giá đa cộng tuyến thông qua chỉ số VIF và (iii) kiểm định mối quan hệ giữa biến tiềm ẩn và biến quan sát thông qua chỉ số Out Weights (Sarstedt và cộng sự, 2019). Ở giai đoạn 2 này, các điểm số của các biến tiềm ẩn bậc 1 sẽ được sử dụng làm biểu thị trong mô hình đo lường bậc 2.
Cách trình bày kiểm định mô hình đo lường giai đoạn 2
Để kiểm định mô hình đo lường giai đoạn 2, nghiên cứu sử dụng dữ liệu tại mục Latent Variable tại kết quả PLS Algorithm khi kiểm định mô hình đo lường giai đoạn 1 để chuyển biến tiềm ẩn bậc 2 sự hiện hiện thành biến tiềm ẩn bậc 1. Các bước thực hiện như sau:
– Bước 1: chuyển dữ liệu sau khi chạy PLS Algorithm, cụ thể là dữ liệu tại mục Latent Variable của các biến tiềm ẩn vào file excel dữ liệu ban đầu. Sau đó, dữ liệu này được cập nhật vào phần mềm Smart PLS
– Bước 2: Vẽ lại mô hình nghiên cứu chuyển đổi từ mô hình nghiên cứu chưa biến bậc 2 thành mô hình nghiên cứu chứa biến bậc 1 với các dữ liệu được cập nhật tại bước 1.
– Bước 3: kiểm định mô hình đo lường.
Sau khi hoàn thành việc điều chỉnh mô hình chuyển đổi, chạy PLS Algorithm và Bootstrapping với mẫu là 1000 để kiểm định mô hình đo lường đối với biến tiềm ẩn bậc 2 thông qua: giá trị hội tụ, đa cộng tuyến và chỉ số outer weights.
Leave a Reply