HƯỚNG DẪN BÁO CÁO MÔ HÌNH PLS SEM THEO HAIR VÀ CỘNG SỰ (2022)

Dưới đây là các bước cơ bản của một báo cáo cho bài toán phân tích đánh giá mô hình PLS SEM. Đối với dữ liệu, các bạn có thể tham khảo thêm đánh giá CMB/CMV. Ngoài ra, bổ sung đánh giá Mediation/Moderator/MGA/… nếu cần nhé!

1. Giới thiệu mô hình nghiên cứu

•   Mô tả các biến/construct.

•   Trình bày quan hệ lý thuyết và giả thuyết.

•   Cung cấp sơ đồ PLS-path model.

2. Mô tả dữ liệu và phương pháp

2.1. Mẫu và thu thập dữ liệu

•   Quy mô mẫu (n).

•   Phương pháp lấy mẫu.

•   Tỷ lệ phản hồi.

2.2. Kiểm tra dữ liệu ban đầu

•   Thiếu dữ liệu (missing values).

•   Phát hiện outliers.

•   Kiểm tra phân phối (skewness, kurtosis).

•   Tính chất thang đo (Likert 5/7 điểm).

2.3. Lý do chọn PLS-SEM

(Nêu 1–2 lý do trong số sau)

•   Mô hình có tính dự đoán cao.

•   Mẫu vừa hoặc nhỏ.

•   Mô hình phức tạp.

•   Có biến formative.

•   Nghiên cứu định hướng khám phá.

3. Đánh giá mô hình đo lường (Measurement Model)

Tách theo reflective hoặc formative.

3.1. Reflective Measurement Model

1. Reliability

•   Cronbach’s Alpha ≥ 0.70

•   Composite Reliability (CR) ≥ 0.70

•   Rho_A ≥ 0.70

2. Convergent Validity

•   Outer loadings ≥ 0.708

•   AVE ≥ 0.50

3. Discriminant Validity

•   HTMT < 0.85 hoặc 0.90

•   Bootstrap HTMT CI không vượt qua 1.00

(Bao gồm bảng loadings, CR, AVE, HTMT)

3.2. Formative Measurement Model

a.      Multicollinearity

•   VIF < 3.3 (hoặc < 5 theo ngưỡng rộng)

b.      Significance & Relevance

•   Trọng số (weights) có ý nghĩa thống kê

•   Nếu weight không có ý nghĩa → kiểm tra loading

c.      Convergent Validity (Redundancy Analysis)

•   Path coefficient từ formative → reflective/global item ≥ 0.70

4. Đánh giá mô hình cấu trúc (Structural Model)

4.1. Kiểm tra collinearity

•   VIF < 5

4.2. Hệ số xác định (R²)

•   0.25 = yếu

•   0.50 = trung bình

•   0.75 = mạnh

4.3. Hệ số tác động (β)

•   Giá trị β

•   Ý nghĩa thống kê (bootstrap 5,000+)

•   CI không chứa 0 → có ý nghĩa

4.4. Hiệu ứng f²

•   0.02 = nhỏ

•   0.15 = trung bình

•   0.35 = lớn

4.5. Phân tích trung gian (nếu có)

•   Kiểm tra tải trọng gián tiếp

•   Phân loại: complementary, competitive, indirect-only…

4.6. Phân tích điều tiết (nếu có)

5. Đánh giá giá trị dự đoán (Predictive Power)

5.1. Q² (Stone–Geisser)

•   Q² > 0 → mô hình có giá trị dự đoán

5.2. PLSpredict

•   RMSE, MAE, Q²_predict

•   So sánh với mô hình benchmark (LM)

6. Thảo luận kết quả nghiên cứu

•   So sánh với lý thuyết.

•   Ý nghĩa quản trị / thực tiễn.

•   Điểm mạnh và hạn chế của nghiên cứu.

7. Tài liệu tham khảo (APA)