CÓ CẦN PHÂN TÍCH EFA TRƯỚC KHI THỰC HIỆN PLS-SEM? MỘT GÓC NHÌN CHUẨN MỰC DỰA TRÊN HAIR VÀ CỘNG SỰ (2022) VÀ SARSTEDT VÀ CỘNG SỰ (2023)

Có Cần Thực Hiện EFA Trước Khi Chạy PLS-SEM? Góc Nhìn Học Thuật Dựa Trên Triết Lý Đo Lường Composite

Trong giai đoạn gần đây, Partial Least Squares Structural Equation Modeling (PLS-SEM) ngày càng được sử dụng rộng rãi trong các lĩnh vực như quản trị, marketing, hệ thống thông tin và khoa học xã hội. Tuy nhiên, một vấn đề thường gặp trong thực hành nghiên cứu là câu hỏi:

“Trước khi phân tích PLS-SEM, có bắt buộc phải tiến hành Exploratory Factor Analysis (EFA) không?”

Trả lời ngắn gọn: Không. EFA không phải là bước bắt buộc trong PLS-SEM.
Lý do nằm ở bản chất phương pháp luận khác nhau giữa các mô hình nhân tố chung (common factor model) và mô hình composite.

1. Khác biệt nền tảng giữa EFA và PLS-SEM

EFA và mô hình nhân tố chung

EFA dựa trên triết lý common factor model, trong đó chỉ phương sai chung giữa các biến quan sát được dùng để ước lượng nhân tố. Phân tích này phù hợp với các kỹ thuật như CFA và CB-SEM (Hair và cộng sự, 2022).

PLS-SEM (composite-based SEM)

Ngược lại, PLS-SEM xem các biến quan sát như thành phần tạo nên composite và sử dụng toàn bộ phương sai để ước lượng (Sarstedt và cộng sự, 2023). Điều này giúp PLS-SEM đặc biệt phù hợp khi mô hình phức tạp, định hướng dự đoán, và khi kích thước mẫu hạn chế.

Như vậy, về triết lý đo lường, PLS-SEM không yêu cầu EFA để “tiền kiểm tra” cấu trúc nhân tố.

2. Vì sao PLS-SEM không cần EFA theo Hair theo và cộng sự (2022, 2023)?

Theo Hair và cộng sự (2022, 2023):

1.      PLS-SEM đã có cơ chế xác nhận measurement model đầy đủ

Bao gồm:

o   Độ tin cậy (Cronbach's alpha, Composite Reliability, rho_A)

o   Giá trị hội tụ (Average Variance Extracted)

o   Giá trị phân biệt (HTMT)

o   Đánh giá formative indicators (VIF, weight significance, redundancy analysis)

2.      Confirmatory Composite Analysis (CCA)

Trong PLS-SEM, đánh giá measurement model được xem như một dạng CCA (bên dưới chúng tôi có giải thích rõ về CCA cho bạn đọc), đóng vai trò thay thế đầy đủ cho EFA (Hair và cộng sự, 2022).

3.      Không cùng triết lý đo lường

EFA đo “nhân tố tiềm ẩn” theo phương sai chung → phù hợp CB-SEM.
PLS-SEM ước lượng composite → EFA không phù hợp về mặt lý thuyết (Sarstedt và cộng sự, 2023).

3. Khi nào EFA vẫn nên được sử dụng trước PLS-SEM?

Dù không bắt buộc, EFA vẫn thích hợp trong một số trường hợp sau:

(1) Thang đo mới, chưa được kiểm chứng

Khi chưa có cơ sở lý thuyết rõ ràng, EFA giúp khám phá cấu trúc ban đầu để tránh sai lệch mô hình đo lường.

(2) Khi nghi ngờ biến quan sát có thể lệch nhân tố

Dữ liệu thực nghiệm có thể khác dự kiến. EFA giúp kiểm tra sơ bộ trước khi đưa vào PLS-SEM.

(3) Khi hội đồng phản biện hoặc tạp chí yêu cầu

Một số lĩnh vực vẫn ưu tiên EFA trước PLS để đảm bảo minh bạch trong quy trình xây dựng thang đo.

4. Gợi ý cách trình bày trong báo cáo nghiên cứu

Bạn có thể viết:

“Theo bản chất composite của PLS-SEM, việc thực hiện EFA không phải bước bắt buộc. Tuy nhiên, vì thang đo trong nghiên cứu này chưa được xác nhận trong bối cảnh tương tự, EFA được sử dụng để đánh giá sơ bộ cấu trúc nhân tố trước khi tiến hành Confirmatory Composite Analysis bằng PLS-SEM (Hair et al., 2022).”

5. Kết luận

EFA không phải yêu cầu bắt buộc trong PLS-SEM, và không nằm trong quy trình chuẩn theo Hair et al. Thay vào đó, PLS-SEM sử dụng quy trình đánh giá measurement model dựa trên triết lý composite.

Tuy nhiên, EFA vẫn hữu ích khi thang đo mới hoặc khi cần khám phá cấu trúc dữ liệu!

Giải thích thêm về Confirmatory Composite Analysis (CCA) trong PLS-SEM

Confirmatory Composite Analysis (CCA) là thủ tục đánh giá measurement model dành riêng cho các mô hình dựa trên composite—trong đó có PLS-SEM.

CCA được Hair, Sarstedt, Ringle & Gudergan (2023) đề xuất như một tương đương của Confirmatory Factor Analysis (CFA) trong CB-SEM, nhưng áp dụng cho mô hình composite.

Nói đơn giản cho dễ hiểu:

CFA kiểm định mô hình nhân tố (factor model)

CCA kiểm định mô hình composite (composite model)

Do đó, EFA không cần thiết trong PLS-SEM, vì CCA đã đảm nhiệm vai trò xác nhận thang đo.

Tài liệu tham khảo (APA)

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.

Hair, J. F., Sarstedt, M., Ringle, C. M., & Gudergan, S. P. (2023). Advanced issues in partial least squares structural equation modeling (2nd ed.). Sage.

Sarstedt, M., Ringle, C. M., & Hair, J. F. (2023). Partial least squares structural equation modeling. Springer.