DỮ LIỆU PILOT TRONG PLS-SEM: ĐÁNH GIÁ GÌ, DÙNG NGƯỠNG NÀO VÀ TRÁNH LOẠI BIẾN MÁY MÓC?
Một quy trình thực hành từ tiền kiểm bảng hỏi, sàng lọc dữ liệu đến đánh giá sơ bộ mô hình đo lường; giúp nhà nghiên cứu phân biệt rõ khi nào nên giữ, sửa, loại hoặc thử lại một chỉ báo trước khảo sát chính thức.
Pilot không phải là một nghiên cứu chính thu nhỏ và cũng không phải thủ tục mặc nhiên bắt buộc trong mọi công trình PLS-SEM. Giá trị lớn nhất của pilot là phát hiện vấn đề về cách hiểu câu hỏi, quy trình thu thập, chất lượng phản hồi và hoạt động của thang đo trong bối cảnh nghiên cứu cụ thể. Các chỉ số PLS-SEM ở giai đoạn này là bằng chứng chẩn đoán sơ bộ, không phải căn cứ duy nhất để “thanh lọc” thang đo.
1. PHÂN BIỆT TIỀN KIỂM, PILOT VÀ PHÂN TÍCH PILOT
Ba hoạt động thường bị gọi chung là “chạy pilot”, nhưng chúng trả lời các câu hỏi khác nhau. Nếu không phân biệt từ đầu, nhà nghiên cứu dễ kỳ vọng một mẫu nhỏ phải đồng thời chứng minh độ tin cậy, giá trị, mô hình cấu trúc và toàn bộ chất lượng nghiên cứu.
TIỀN KIỂM NHẬN THỨC
Người trả lời hiểu thuật ngữ, câu hỏi, mốc thời gian và phương án trả lời như thế nào? Trọng tâm là phỏng vấn nhận thức, diễn giải lại câu hỏi và quan sát điểm gây nhầm lẫn.
KHẢO SÁT PILOT
Toàn bộ quy trình tuyển mẫu, xin đồng thuận, phân luồng, thu thập và lưu dữ liệu có vận hành được không? Trọng tâm là tính khả thi và chất lượng thao tác.
PHÂN TÍCH PLS-SEM SƠ BỘ
Các chỉ báo có hoạt động theo hướng dự kiến trong dữ liệu ban đầu không? Trọng tâm là tín hiệu chẩn đoán để xem lại công cụ, không phải kết luận giả thuyết.
Tiền kiểm định tính thường phát hiện những vấn đề mà chỉ số thống kê không thể chỉ ra: câu hỏi hai ý, thuật ngữ chuyên môn không quen thuộc, phủ định kép, khung thời gian mơ hồ hoặc phương án trả lời chưa bao quát. Vì vậy, một hệ số tải thấp không tự cho biết nguyên nhân nằm ở nội dung chỉ báo, bản dịch, người trả lời hay đơn giản là dao động lấy mẫu.
Nếu mục tiêu là hoàn thiện bảng hỏi, nên tiền kiểm định tính trước, sau đó mới chạy pilot định lượng. PLS-SEM không thay thế đánh giá giá trị nội dung của chuyên gia hoặc phản hồi trực tiếp từ nhóm đối tượng đích.
2. XÁC ĐỊNH MỤC TIÊU TRƯỚC KHI MỞ SMARTPLS
Một pilot tốt bắt đầu bằng câu hỏi quyết định, không bắt đầu bằng danh sách ngưỡng. Trước khi phân tích, hãy ghi rõ pilot sẽ giúp quyết định điều gì. Năm mục tiêu dưới đây đủ bao quát phần lớn nghiên cứu khảo sát dùng PLS-SEM:
- Kiểm tra tính khả thi: thời gian hoàn thành, tỷ lệ bỏ dở, hiệu quả kênh tuyển mẫu, câu hỏi sàng lọc và luồng chuyển trang.
- Kiểm tra khả năng hiểu: mức rõ ràng của từ ngữ, độ phù hợp văn hóa, bản dịch và cách diễn giải thang đo.
- Kiểm tra chất lượng phản hồi: thiếu dữ liệu, trả lời quá nhanh, chọn một cột kéo dài, mẫu trả lời lặp lại hoặc mâu thuẫn logic.
- Chẩn đoán sơ bộ mô hình đo lường: outer loading, độ tin cậy, AVE, HTMT đối với cấu trúc phản ánh; VIF và outer weight đối với cấu trúc hình thành.
- Lập kế hoạch cho nghiên cứu chính: điều chỉnh bảng hỏi, quy trình thu thập, quy tắc loại trường hợp và phương pháp xác định cỡ mẫu chính thức.
Mỗi mục tiêu nên đi kèm tiêu chí hành động. Ví dụ: nếu quá 10% người tham gia không hiểu một thuật ngữ, nhóm nghiên cứu sẽ viết lại và tiền kiểm lại; nếu thời gian trung vị vượt quá kế hoạch, nhóm sẽ rút ngắn phần nhân khẩu học; nếu một chỉ báo tải thấp nhưng có nội dung thiết yếu, nhóm sẽ xem bản dịch và phỏng vấn lại thay vì loại ngay.
3. CỠ MẪU PILOT: KHÔNG CÓ MỘT CON SỐ VẠN NĂNG
Con số 30, 50 hay 100 chỉ có ý nghĩa khi gắn với mục tiêu. Perneger và cộng sự cho thấy khả năng phát hiện vấn đề của bảng hỏi phụ thuộc vào mức độ phổ biến của vấn đề; mẫu tiền kiểm càng nhỏ thì càng dễ bỏ sót lỗi ít gặp. Johanson và Brooks thảo luận cỡ mẫu pilot trong bối cảnh phát triển thang đo ban đầu, chứ không thiết lập một chuẩn bắt buộc cho mọi nghiên cứu.
| Mục tiêu chính | Cách suy nghĩ về cỡ mẫu | Điều không nên kết luận |
|---|---|---|
| Phỏng vấn nhận thức | Tuyển có chủ đích để bao phủ các nhóm dễ hiểu khác nhau; thực hiện theo vòng cho đến khi không còn lỗi nội dung quan trọng mới. | Không dùng vài cuộc phỏng vấn để ước lượng độ tin cậy hoặc quan hệ cấu trúc. |
| Kiểm tra quy trình và độ tin cậy sơ bộ | Mẫu vài chục trường hợp có thể cung cấp tín hiệu ban đầu, nhưng cần báo cáo mục đích và thừa nhận độ bất định cao. | Không mặc định “n ≥ 30” đồng nghĩa thang đo đã được xác nhận. |
| Ước lượng đầy đủ mô hình PLS-SEM | Xác định cỡ mẫu riêng cho nghiên cứu chính dựa trên power, hiệu ứng kỳ vọng, số biến dự báo và cấu trúc mô hình. | Không dùng cỡ mẫu pilot làm bằng chứng đủ lực kiểm định giả thuyết. |
Phương pháp inverse square root của Kock và Hadaya được đề xuất để ước lượng cỡ mẫu tối thiểu trong PLS-SEM dựa trên hệ số đường dẫn nhỏ nhất cần phát hiện. Đây không phải công thức riêng để ấn định cỡ mẫu pilot. Nếu áp dụng cho nghiên cứu chính, cần nêu rõ hiệu ứng mục tiêu và mức ý nghĩa, thay vì chuyển thành một quy tắc “40–50 quan sát là đủ”.
4. QUY TRÌNH ĐÁNH GIÁ DỮ LIỆU PILOT
Quy trình dưới đây đi từ câu hỏi nghiên cứu đến quyết định chỉnh sửa. Trình tự này giúp tránh tình trạng mở SmartPLS, nhìn vào màu đỏ rồi xóa chỉ báo trước khi kiểm tra dữ liệu và nội dung.
CHỐT MỤC TIÊU VÀ TIÊU CHÍ HÀNH ĐỘNG
Xác định pilot dùng để kiểm tra tính khả thi, cách hiểu, chất lượng phản hồi hay hoạt động sơ bộ của thang đo; ghi trước điều kiện giữ, sửa, thu thập thêm hoặc thử lại.
KIỂM TRA CẤU TRÚC VÀ MÃ HÓA DỮ LIỆU
Đối chiếu tên biến, thang điểm, câu đảo chiều, điều kiện phân nhánh, mã thiếu và phạm vi giá trị trước mọi phân tích thống kê.
SÀNG LỌC CHẤT LƯỢNG PHẢN HỒI
Xem xét thiếu dữ liệu, thời gian trả lời, longstring, độ biến thiên nội cá nhân, mâu thuẫn logic, trùng lặp và ngoại lệ bằng nhiều dấu hiệu kết hợp.
ĐÁNH GIÁ ĐÚNG LOẠI MÔ HÌNH ĐO LƯỜNG
Không áp dụng tiêu chí phản ánh cho cấu trúc hình thành. Với mỗi cấu trúc, đánh giá đồng thời chất lượng thống kê và độ bao phủ nội dung.
ĐỐI CHIẾU BẰNG CHỨNG VÀ RA QUYẾT ĐỊNH
Phân loại từng vấn đề thành giữ, sửa, loại hoặc cần thử lại. Mọi thay đổi phải có lý do nội dung và lý do thực nghiệm, không chỉ có một ngưỡng.
LẬP NHẬT KÝ THAY ĐỔI VÀ TÁI KIỂM
Lưu phiên bản câu hỏi, kết quả trước và sau chỉnh sửa, người phê duyệt cùng tác động dự kiến; tiền kiểm lại những thay đổi có thể làm biến đổi ý nghĩa.
5. SÀNG LỌC CHẤT LƯỢNG DỮ LIỆU TRƯỚC PLS-SEM
Chất lượng dữ liệu không thể được giải quyết bằng một điều kiện duy nhất như “độ lệch chuẩn bằng 0” hoặc “thiếu dưới 5% thì thay bằng trung bình”. Mỗi dấu hiệu chỉ cho biết một phần của vấn đề và cần được xem cùng thiết kế khảo sát.
| Nội dung kiểm tra | Dấu hiệu cần xem | Hành động phù hợp |
|---|---|---|
| Tính hợp lệ và logic | Ngoài phạm vi, sai mã, câu đảo chiều chưa recode, trả lời trái điều kiện sàng lọc. | Sửa lỗi nhập/mã hóa nếu truy vết được; loại trường hợp không đủ điều kiện theo quy tắc đã định. |
| Dữ liệu thiếu | Tỷ lệ thiếu theo trường hợp và biến, vị trí thiếu, nhóm có xác suất thiếu cao hơn. | Tìm nguyên nhân và cơ chế thiếu; cân nhắc thu thập lại, maximum likelihood hoặc multiple imputation khi phù hợp. |
| Thời gian hoàn thành | Thời gian quá ngắn so với phân phối chung, nhưng cần tính đến thiết bị và nhánh câu hỏi. | Dùng như một cờ cảnh báo, không loại chỉ vì thấp hơn một ngưỡng duy nhất. |
| Trả lời thiếu chú ý | Longstring, biến thiên nội cá nhân thấp, câu kiểm tra chú ý, cặp câu mâu thuẫn. | Kết hợp nhiều chỉ báo; kiểm tra độ nhạy của kết quả trước và sau khi loại. |
| Trùng lặp và bất thường | Mã định danh, thời điểm, mẫu trả lời giống nhau, ngoại lệ đơn biến và đa biến. | Xác minh quy trình trước khi loại; ghi rõ quy tắc và số trường hợp bị ảnh hưởng. |
Mean replacement làm giảm phương sai và có thể làm méo tương quan. Cách xử lý phải dựa trên lượng thiếu, kiểu thiếu, biến liên quan và mục tiêu phân tích. Nếu pilot làm lộ một câu hỏi thường xuyên bị bỏ qua, ưu tiên xem lại thiết kế câu hỏi hoặc logic khảo sát trước khi tìm cách bù số liệu.
6. ĐÁNH GIÁ MÔ HÌNH ĐO LƯỜNG PHẢN ÁNH
Trong cấu trúc phản ánh, các chỉ báo được xem là biểu hiện của cùng một khái niệm tiềm ẩn. Vì vậy, nhà nghiên cứu quan tâm đến độ tin cậy chỉ báo, độ nhất quán nội tại, giá trị hội tụ và giá trị phân biệt. Bảng dưới là mốc tham khảo phổ biến, không phải thuật toán xóa biến tự động.
| Tiêu chí | Mốc tham khảo | Cách diễn giải trong pilot |
|---|---|---|
| Outer loading | ≥ 0,708 | Mức mong đợi. Với 0,40–0,70, chỉ cân nhắc loại khi độ tin cậy hoặc AVE cải thiện và giá trị nội dung không bị suy giảm. Dưới 0,40 thường là ứng viên cần xem xét kỹ. |
| Cronbach's alpha, rho_A, rho_C | 0,70–0,95 | Khoảng 0,60–0,70 có thể chấp nhận ở nghiên cứu khám phá. Giá trị quá cao có thể cho thấy chỉ báo trùng lặp về nội dung. |
| AVE | ≥ 0,50 | Cho thấy cấu trúc giải thích ít nhất một nửa phương sai của chỉ báo. Nếu thấp, xem loading và nội dung trước khi loại. |
| HTMT | < 0,85 hoặc < 0,90 | 0,85 là tiêu chí nghiêm ngặt hơn; 0,90 thường dùng khi các khái niệm gần nhau về lý thuyết. Có thể xem thêm khoảng tin cậy bootstrap không chứa 1. |
Trong mẫu pilot nhỏ, các ước lượng có thể biến động mạnh. Do đó, một loading 0,66 không nên bị xem như bằng chứng chắc chắn rằng chỉ báo “không đạt”, còn 0,72 cũng không bảo đảm nó sẽ ổn định ở mẫu chính. Hãy kiểm tra nội dung câu hỏi, phân phối phản hồi, tương quan liên chỉ báo và độ nhạy của CR/AVE khi giữ hoặc loại.
Nếu bỏ chỉ báo này, cấu trúc còn đo đủ miền nội dung không? Một chỉ báo có loading chưa đẹp nhưng đại diện cho khía cạnh thiết yếu có thể cần được viết lại và thử lại, thay vì bị loại khỏi thang đo.
7. ĐÁNH GIÁ MÔ HÌNH ĐO LƯỜNG HÌNH THÀNH
Với cấu trúc hình thành, các chỉ báo cùng tạo nên khái niệm. Chúng không nhất thiết tương quan cao và không thể đánh giá bằng Cronbach's alpha, composite reliability hay AVE như mô hình phản ánh. Việc loại một chỉ báo có thể làm thay đổi chính nội hàm của cấu trúc.
| Tiêu chí | Mốc hoặc thủ tục | Quyết định |
|---|---|---|
| Giá trị nội dung | Rà soát lý thuyết, chuyên gia và đối tượng đích | Xác nhận bộ chỉ báo bao phủ đủ các thành phần của khái niệm trước khi xem thống kê. |
| Giá trị hội tụ | Redundancy analysis, đường dẫn khoảng ≥ 0,70 | So sánh cấu trúc hình thành với một thước đo toàn cục hoặc thước đo phản ánh thay thế có cơ sở. |
| Đa cộng tuyến | VIF ≤ 3 lý tưởng; 3–5 cần xem xét; > 5 nghiêm trọng | Xem sự trùng lặp nội dung, mã hóa và đặc điểm mẫu; không chỉ xóa chỉ báo để hạ VIF. |
| Outer weight | Bootstrap ý nghĩa và độ lớn | Nếu weight không có ý nghĩa, xem thêm outer loading và giá trị nội dung. Chỉ loại khi có lý do lý thuyết rõ ràng. |
Trong pilot, redundancy analysis chỉ hữu ích nếu thước đo toàn cục thực sự phản ánh cùng khái niệm. Nếu chưa có biến toàn cục, nên bổ sung từ giai đoạn thiết kế bảng hỏi thay vì cố “chữa” sau khi đã thu thập dữ liệu.
8. MÔ HÌNH CẤU TRÚC VÀ SAI LỆCH PHƯƠNG PHÁP
Phân tích mô hình cấu trúc trong pilot có thể giúp phát hiện lỗi đặc tả, dấu hệ số phi lý, quan hệ gần như trùng lặp hoặc đa cộng tuyến cao giữa các biến dự báo. Tuy nhiên, các hệ số đường dẫn, p-value, R² và hiệu ứng gián tiếp từ mẫu nhỏ chỉ nên được xem là chẩn đoán. Không nên dùng chúng để xác nhận hay bác bỏ giả thuyết.
VIF NỘI VÀ FULL COLLINEARITY VIF
Đối với VIF nội, mức ≤ 3 là lý tưởng; khoảng 3–5 cần xem xét và trên 5 cho thấy vấn đề nghiêm trọng. Full collinearity VIF với mốc 3,3 đôi khi được dùng như một phép chẩn đoán thống kê cho common method bias. Tuy vậy, một giá trị dưới 3,3 không chứng minh sai lệch phương pháp chung vắng mặt.
Kiểm soát common method variance nên bắt đầu từ thiết kế: bảo đảm ẩn danh, tách nguồn hoặc thời điểm khi khả thi, cải thiện cách viết câu hỏi, giảm tín hiệu về câu trả lời “đúng”, xáo trộn hợp lý và ghi nhận các nguồn phương pháp có thể xảy ra. Kiểm định thống kê chỉ bổ sung bằng chứng chứ không thay thế các biện pháp thủ tục.
Xem chuyên đề Common Method Variance: nguồn gốc, hệ quả và cách kiểm soát để xây dựng chiến lược phòng ngừa và báo cáo nhất quán ngay từ thiết kế nghiên cứu.
9. MA TRẬN GIỮ, SỬA, LOẠI HOẶC THỬ LẠI
Mục tiêu cuối cùng của pilot là một quyết định có thể giải trình. Bốn nhóm dưới đây giúp chuyển từ “đạt/không đạt” sang hành động cụ thể.
Nội dung rõ, phản hồi không bất thường, chỉ số phù hợp và việc giữ giúp bảo toàn miền khái niệm. Ghi nhận rằng kết quả vẫn cần được đánh giá lại ở mẫu chính.
Có bằng chứng về cách hiểu, bản dịch, câu hai ý, phủ định, khung thời gian hoặc phương án trả lời chưa tốt. Mọi sửa đổi đáng kể cần được tiền kiểm lại.
Chỉ báo yếu về thống kê, không thiết yếu về nội dung, trùng lặp hoặc sai lệch khỏi định nghĩa cấu trúc. Phải mô tả lý do và tác động tới độ bao phủ khái niệm.
Bằng chứng mâu thuẫn hoặc không ổn định, mẫu pilot quá đồng nhất, số trường hợp hợp lệ quá ít hay chỉnh sửa có thể làm thay đổi ý nghĩa. Thu thêm dữ liệu pilot hoặc mở vòng tiền kiểm mới.
NHẬT KÝ QUYẾT ĐỊNH TỐI THIỂU
| Chỉ báo | Bằng chứng nội dung | Bằng chứng dữ liệu | Quyết định | Phiên bản mới |
|---|---|---|---|---|
| Ví dụ: SAT3 | Người trả lời hiểu “dịch vụ” theo hai nghĩa khác nhau. | Loading = 0,61; tỷ lệ chọn trung điểm cao bất thường. | Sửa, không loại. | Nêu rõ loại dịch vụ và mốc 6 tháng gần nhất; tiền kiểm lại. |
| Ví dụ: PE2 | Nội dung trùng gần như hoàn toàn với PE1. | VIF = 5,42; weight không có ý nghĩa. | Cân nhắc loại. | Đối chiếu lại định nghĩa cấu trúc và ý kiến chuyên gia. |
10. MẪU BÁO CÁO HỌC THUẬT
Báo cáo pilot nên mô tả mục tiêu, người tham gia, cách tuyển, quy trình, tiêu chí chẩn đoán, thay đổi đã thực hiện và giới hạn của mẫu. Không nên chỉ viết “bảng hỏi đã được kiểm định độ tin cậy và giá trị”.
“Trước khảo sát chính thức, nhóm nghiên cứu thực hiện tiền kiểm nhận thức và một khảo sát pilot nhằm đánh giá khả năng hiểu câu hỏi, tính khả thi của quy trình thu thập và hoạt động sơ bộ của mô hình đo lường. Dữ liệu được sàng lọc theo các quy tắc xác định trước về điều kiện tham gia, dữ liệu thiếu, thời gian hoàn thành và các dấu hiệu trả lời thiếu chú ý. Đối với cấu trúc phản ánh, nhóm xem xét outer loading, rho_A, composite reliability, AVE và HTMT; đối với cấu trúc hình thành, nhóm đánh giá giá trị nội dung, redundancy analysis, VIF và outer weight. Các chỉ số được sử dụng như bằng chứng chẩn đoán, không phải tiêu chí xóa biến tự động. Sau khi đối chiếu kết quả với phản hồi định tính và định nghĩa khái niệm, [x] chỉ báo được giữ, [y] chỉ báo được chỉnh sửa và tiền kiểm lại, còn [z] chỉ báo được loại vì [lý do]. Các ước lượng cấu trúc ở giai đoạn pilot không được dùng để kiểm định giả thuyết.”
Nếu có đánh giá common method bias, có thể viết thận trọng:
“Nhóm nghiên cứu áp dụng các biện pháp thủ tục để hạn chế sai lệch phương pháp chung và sử dụng full collinearity VIF như một chẩn đoán bổ sung. Kết quả không cho thấy dấu hiệu đa cộng tuyến nghiêm trọng theo ngưỡng đã chọn; tuy nhiên, phép kiểm này không loại trừ hoàn toàn khả năng tồn tại common method bias.”
11. SÁU SAI LẦM THƯỜNG GẶP
- Coi pilot là bắt buộc trong mọi nghiên cứu: nhu cầu pilot phụ thuộc vào mức mới của công cụ, bối cảnh, bản dịch và rủi ro vận hành.
- Chọn cỡ mẫu theo một quy tắc duy nhất: cỡ mẫu phải phục vụ mục tiêu phát hiện vấn đề hoặc ước lượng cụ thể.
- Xóa chỉ báo chỉ vì loading dưới 0,70: bỏ qua dao động lấy mẫu, giá trị nội dung và ảnh hưởng tới CR/AVE.
- Dùng alpha, CR và AVE cho cấu trúc hình thành: áp dụng sai logic đo lường và có thể loại nhầm thành phần thiết yếu.
- Thay mọi dữ liệu thiếu bằng trung bình: bỏ qua cơ chế thiếu và làm méo phân phối, phương sai hoặc tương quan.
- Tuyên bố “không có CMB” chỉ từ một kiểm định: không có một phép kiểm đơn lẻ nào đủ sức chứng minh CMB hoàn toàn vắng mặt.
12. CHECKLIST TRƯỚC KHẢO SÁT CHÍNH THỨC
- Đã phân biệt rõ mục tiêu tiền kiểm định tính, pilot quy trình và phân tích PLS-SEM sơ bộ.
- Đã ghi trước tiêu chí hành động thay vì chọn ngưỡng sau khi nhìn kết quả.
- Đã xác định cỡ mẫu pilot theo mục tiêu và không dùng nó thay cỡ mẫu nghiên cứu chính.
- Đã kiểm tra mã hóa, câu đảo chiều, phạm vi giá trị, logic phân nhánh và điều kiện tham gia.
- Đã đánh giá dữ liệu thiếu theo tỷ lệ, mẫu hình và nguyên nhân; không tự động mean replacement.
- Đã kết hợp nhiều dấu hiệu khi phát hiện phản hồi thiếu chú ý.
- Đã phân loại đúng cấu trúc phản ánh và hình thành trước khi chọn tiêu chí đánh giá.
- Đã đối chiếu chỉ số thống kê với giá trị nội dung trước khi loại chỉ báo.
- Đã lưu nhật ký giữ, sửa, loại hoặc thử lại cùng lý do và phiên bản câu hỏi.
- Đã tiền kiểm lại các thay đổi có thể làm biến đổi ý nghĩa của câu hỏi.
- Đã xác định riêng cỡ mẫu và kế hoạch phân tích cho nghiên cứu chính.
- Đã chuẩn bị cách báo cáo giới hạn của pilot một cách minh bạch.
TÀI LIỆU THAM KHẢO
- Hair, J. F., Hult, G. T. M., Ringle, C. M., & Sarstedt, M. (2022). A Primer on Partial Least Squares Structural Equation Modeling (PLS-SEM) (3rd ed.). SAGE.
- Henseler, J., Ringle, C. M., & Sarstedt, M. (2015). A new criterion for assessing discriminant validity in variance-based structural equation modeling. Journal of the Academy of Marketing Science, 43, 115–135. https://doi.org/10.1007/s11747-014-0403-8
- Johanson, G. A., & Brooks, G. P. (2010). Initial scale development: Sample size for pilot studies. Educational and Psychological Measurement, 70(3), 394–400. https://doi.org/10.1177/0013164409355692
- Kock, N. (2015). Common method bias in PLS-SEM: A full collinearity assessment approach. International Journal of e-Collaboration, 11(4), 1–10. https://doi.org/10.4018/ijec.2015100101
- Kock, N., & Hadaya, P. (2018). Minimum sample size estimation in PLS-SEM: The inverse square root and gamma-exponential methods. Information Systems Journal, 28(1), 227–261. https://doi.org/10.1111/isj.12131
- Meade, A. W., & Craig, S. B. (2012). Identifying careless responses in survey data. Psychological Methods, 17(3), 437–455. https://doi.org/10.1037/a0028085
- Newman, D. A. (2014). Missing data: Five practical guidelines. Organizational Research Methods, 17(4), 372–411. https://doi.org/10.1177/1094428114548590
- Perneger, T. V., Courvoisier, D. S., Hudelson, P. M., & Gayet-Ageron, A. (2015). Sample size for pre-tests of questionnaires. Quality of Life Research, 24, 147–151. https://doi.org/10.1007/s11136-014-0752-2
- Podsakoff, P. M., Podsakoff, N. P., Williams, L. J., Huang, C., & Yang, J. (2024). Common method bias: It's bad, it's complex, it's widespread, and it's not easy to fix. Annual Review of Organizational Psychology and Organizational Behavior, 11, 17–61. https://doi.org/10.1146/annurev-orgpsych-110721-040030
- SmartPLS. (2026). Result color thresholds in SmartPLS reports. https://www.smartpls.com/documentation/functionalities/thresholds/
