KẾT QUẢ PHÂN TÍCH HƯỚNG DẪN ĐỌC HIỂU CƠ BẢN CÁC YẾU TỐ ẢNH HƯỞNG ĐẾN MHNH

KẾT QUẢ PHÂN TÍCH & HƯỚNG DẪN ĐỌC HIỂU CƠ BẢN 1
Thống kê mô tả (tần số)
3. Tần suất mua hàng qua phát trực tiếp (livestream) của Anh/Chị là bao nhiêu ? Cumulative Frequency Percent Valid Percent Percent Valid Khác 11 3.7 3.7 3.7 Trên 10 lần/tháng 21 7.0 7.0 10.7 Từ 1 đến 2 lần/tháng 62 20.7 20.7 31.3 Từ 3 đến 4 lần/tháng 81 27.0 27.0 58.3 Từ 4 đến 5 lần/tháng 81 27.0 27.0 85.3 Từ 6 đến 10 lần/tháng 44 14.7 14.7 100.0 Total 300 100.0 100.0
1. Giới tính của Anh/Chị là gì? Cumulative Frequency Percent Valid Percent Percent Valid Nam 132 44.0 44.0 44.0 Nữ 168 56.0 56.0 100.0 Total 300 100.0 100.0
2. Anh/Chị bao nhiêu tuổi? Cumulative Frequency Percent Valid Percent Percent Valid Khác 4 1.3 1.3 1.3 Trên 60 tuổi 2 .7 .7 2.0 Từ 18 đến 24 tuổi 64 21.3 21.3 23.3 Từ 25 đến 35 tuổi 104 34.7 34.7 58.0 Từ 36 đến 45 tuổi 94 31.3 31.3 89.3 Từ 46 đến 59 tuổi 32 10.7 10.7 100.0 Total 300 100.0 100.0
3. Công việc hiện tại của Anh/Chị là gì? Cumulative Frequency Percent Valid Percent Percent Valid Bác sĩ 34 11.3 11.3 11.3 2 Giáo viên 40 13.3 13.3 24.7 Khác 15 5.0 5.0 29.7 Kinh doanh tự do 64 21.3 21.3 51.0 Nhân viên văn phòng 87 29.0 29.0 80.0 Sinh viên 60 20.0 20.0 100.0 Total 300 100.0 100.0
4. Thu nhập hàng tháng của Anh/Chị là bao nhiêu? Cumulative Frequency Percent Valid Percent Percent Valid Dưới 3 triệu 12 4.0 4.0 4.0 Khác 2 .7 .7 4.7 Trên 30 triệu 36 12.0 12.0 16.7
Từ 10 triệu đến 20 triệu 93 31.0 31.0 47.7
Từ 20 triệu đến 30 triệu 73 24.3 24.3 72.0
Từ 3 triệu đến 5 triệu 34 11.3 11.3 83.3
Từ 5 triệu đến 10 triệu 50 16.7 16.7 100.0 Total 300 100.0 100.0 3
Thống kê mô tả (trung bình) Descriptive Statistics N Minimum Maximum Mean Std. Deviation SPSC1 300 1 5 3.32 1.024 SPSC2 300 1 5 3.36 .963 SPSC3 300 1 5 3.27 .851 SPSC4 300 1 5 2.51 .934 SPSC5 300 1 5 3.29 .971 HDTG1 300 1 5 3.60 .617 HDTG2 300 1 5 3.57 .683 HDTG3 300 1 5 3.59 .655 HDTG4 300 1 5 3.59 .681 HDTG5 300 1 5 3.62 .747 STP1 300 1 5 2.48 .828 STP2 300 1 5 2.38 .866 STP3 300 1 5 2.39 .813 STP4 300 1 5 2.43 .833 STP5 300 2 5 3.47 .863 DD1 300 1 5 3.74 .655 DD2 300 1 5 3.72 .591 DD3 300 1 5 3.73 .671 DD4 300 1 5 3.71 .629 DD5 300 1 5 3.74 .621 NTP1 300 1 5 3.38 .972 NTP2 300 1 5 3.38 .996 NTP3 300 1 5 3.42 .983 NTP4 300 1 5 3.43 .991 NTP5 300 1 5 3.45 1.012 NTG1 300 1 5 3.49 .997 NTG2 300 1 5 2.53 .901 NTG3 300 1 5 3.50 .987 NTG4 300 1 5 3.48 1.036 NTG5 300 1 5 3.49 .990 PH1 300 1 5 2.58 .894 PH2 300 1 5 2.58 .935 PH3 300 1 5 2.60 .925 PH4 300 1 5 2.52 .945 4 PH5 300 1 5 2.60 .929 KM1 300 1 5 3.56 .717 KM2 300 1 5 3.54 .651 KM3 300 1 5 3.57 .688 KM4 300 1 5 3.53 .656 KM5 300 2 5 3.50 .836 NH1 300 2 5 4.12 .894 NH2 300 2 5 4.17 .820 NH3 300 2 5 4.05 .940 NH4 300 2 5 4.11 .877 NH5 300 2 5 4.09 .867 CNTT1 300 1 5 3.59 .585 CNTT2 300 1 5 3.56 .659 CNTT3 300 1 5 3.64 .676 CNTT4 300 1 5 3.58 .620 CNTT5 300 1 5 3.60 .654 MHNH1 300 1 5 3.76 .799 MHNH2 300 1 5 3.74 .846 MHNH3 300 1 5 3.78 .756 MHNH4 300 1 5 3.79 .864 MHNH5 300 1 5 3.77 .847 Valid N (listwise) 300 5
Mô hình đo lường (Lần 1)
Để truy cập kết quả này, ta vào file “PLS_LAN_1.xlsl” 6 1.
Chất lượng biến quan sát của các nhân tố (outer loading)
 Biến quan sát tô đỏ có hệ số tải ngoài (outer loading) < 0.7, biến này sẽ được loại bỏ khỏi phần
phân tích tiếp theo.
 Chúng ta sẽ trở về diagram SMARTPLS, nhân đôi diagram cũ và đặt tên khác với tên
diagram cũ (ví dụ: tên cũ là diagram PLS_LAN_1 thì tên diagram được nhân đôi lên đặt là
PLS_LAN_2) và xóa biến tô đỏ khỏi mô hình. 7
Mô hình đo lường (Lần 2: loại các biến tô đỏ)
⇨ Để truy cập kết quả này, ta vào file “PLS_LAN_2.xlsl” 8 1.
Chất lượng biến quan sát của các nhân tố (outer loading)
Sau khi xóa biến tô đỏ khỏi diagram, tiến hành phân tích lại PLS Algorithm và đọc lại kết quả Outer
Loadings để đánh giá lại chất lượng biến quan sát. Outer Loadings CNT HDT MHN SPS DD KM NH NTG NTP PH STP T G H C 0.85 CNTT1 5 0.86 CNTT2 6 0.88 CNTT3 0 0.91 CNTT4 4 0.91 CNTT5 3 0.81 DD1 9 0.79 DD2 5 0.82 DD3 6 0.87 DD4 5 0.75 DD5 4 HDTG 0.840 1 HDTG 0.866 2 HDTG 0.871 3 HDTG 0.939 4 HDTG 0.869 5 0.93 KM1 0 0.86 KM2 8 0.93 KM3 1 0.95 KM4 4 MHNH 0.858 1 MHNH 0.855 2 MHNH 0.828 3 MHNH 0.910 4 9 MHNH 0.924 5 0.82 NH1 2 0.84 NH2 8 0.91 NH3 2 0.92 NH4 7 0.92 NH5 4 0.76 NTG1 5 0.87 NTG3 9 0.91 NTG5 2 0.90 NTP1 8 0.90 NTP2 3 0.92 NTP3 5 0.95 NTP4 3 0.95 NTP5 7 0.83 PH1 6 0.81 PH2 5 0.75 PH3 6 0.76 PH4 1 0.87 PH5 6 SPSC1 0.949 SPSC2 0.849 SPSC3 0.875 SPSC5 0.965 0.87 STP1 9 0.87 STP2 7 0.93 STP3 0 0.94 STP4 2
⇨ Outer loading các biến quan sát đều lớn hơn 0.7, do đó các biến quan sát đều có ý nghĩa trong mô hình. 10 2.
Độ tin cậy thang đo (Reliability): cronbach's alpha, composite reliability.
Construct Reliability and Validity Cronbach's rho_ Composite Average Variance Alpha A Reliability Extracted (AVE) CNT 0.93 0.931 0.948 0.785 T 2 0.87 DD 0.873 0.908 0.664 9 HDT 0.94 0.925 0.944 0.770 G 4 0.94 KM 0.940 0.957 0.849 2 MHN 0.92 0.924 0.943 0.767 H 9 0.95 NH 0.933 0.949 0.788 4 0.87 NTG 0.820 0.890 0.730 9 0.98 NTP 0.961 0.969 0.864 0 0.91 PH 0.873 0.905 0.656 0 SPS 1.08 0.943 0.951 0.829 C 9 0.92 STP 0.928 0.949 0.824 9
⇨ Cronbach's Alpha và Composite Reliability các biến đều trên 0.6, như vậy các thang đo
đều đảm bảo độ tin cậy rất tốt.
⇨ AVE các biến đều trên 0.5, các thang đo đều đảm bảo giá trị hội tụ. 3.
Giá trị phân biệt thang đo
Đánh giá giá trị phân biệt thang đo cho các biến qua bảng Fornell-Larcker Criterion và
HTMT. Trong ví dụ bên dưới mình làm mẫu cho bảng HTMT, bảng Fornell-Larcker
Criterion các bạn nhận xét tương tự. Heterotrai t- Monotrait Ratio (HTMT) MHN SPS ST CNTT DD HDTG KM NH NTG NTP PH H C P CNTT DD 0.422 11 HDTG 0.296 0.157 KM 0.408 0.294 0.359 MHNH 0.291 0.308 0.148 0.298 NH 0.360 0.332 0.137 0.264 0.224 NTG 0.077 0.066 0.066 0.094 0.086 0.048 0.06 NTP 0.207 0.068 0.123 0.247 0.067 0.065 6 0.52 0.04 PH 0.097 0.048 0.073 0.122 0.078 0.077 1 3 0.05 0.03 0.10 SPSC 0.079 0.074 0.054 0.326 0.081 0.061 7 9 7 0.06 0.07 0.07 0.04 STP 0.114 0.100 0.063 0.044 0.056 0.042 9 7 4 4
⇨ Giữa các cặp biến, giá trị HTMT đều dưới 0.85, như vậy tính phân biệt giữa các biến được đảm bảo 12 Mô hình đo lường
Để truy cập kết quả BOOTSTRAP của mô hình PLS-SEM, ta vào file “BOOTSTRAP.xlsl“ 13
1. Tính cộng tuyến biến quan sát (Indicator Collinearity)
Inner VIF Values: Đánh giá hiện tượng đa cộng tuyến giữa các biến tiềm ẩn. Đây là mục quan trọng
nhất, bởi đa cộng tuyến giữa các biến tiềm ẩn độc lập là vấn đề nghiêm trọng.
Theo Hair và cộng sự (2019), nếu VIF từ 5 trở đi, mô hình có khả năng rất cao xuất hiện hiện
tượng đa cộng tuyến. Ngưỡng đánh giá VIF do nhóm tác giả đề xuất như sau:
● VIF ≥ 5: Khả năng xuất hiện đa cộng tuyến là rất cao.
● 3 ≤ VIF ≤ 5: Có thể gặp hiện tượng đa cộng tuyến.
● VIF < 3: Có thể không có hiện tượng đa cộng tuyến. Inner VIF Values MHN NT P SPS ST CNTT DD HDTG KM NH NTP H G H C P CNTT 1.133 DD 1.092 HDTG 1.001 KM 1.158 MHNH NH 1.133 NTG 1.257 NTP 1.068 PH 1.260 SPSC 1.001 STP 1.018
⇨ Hệ số VIF kết quả đều nhỏ hơn 3, do vậy không xảy ra đa cộng tuyến trong mô hình.
2. Ý nghĩa các quan hệ tác động trong mô hình (Path Coefficients) - BOOTSTRAP
Để đánh giá các mối quan hệ tác động, chúng ta sẽ sử dụng kết quả Path Coefficients của phân tích
Bootstrap. Chúng ta sẽ quan tâm chủ yếu vào hai cột (1) Original Sample (hệ số tác động chuẩn
hóa) và (2) P Values (giá trị sig so sánh với mức ý nghĩa 0.05).
● Original Sample: Hệ số tác động chuẩn hóa của dữ liệu gốc. SMARTPLS không có hệ số tác động chưa chuẩn hóa.
● Sample Mean: Hệ số tác động chuẩn hóa trung bình của tất cả các mẫu từ Bootstrap. 14
● Standard Deviation: Độ lệch chuẩn của hệ số tác động chuẩn hóa (theo mẫu gốc).
● T Statistics: Giá trị kiểm đ ̣nh t (kiểm đ ̣nh student ý nghĩa của mối tác động).
● P Values: Mức ý nghĩa của kiểm đ ̣nh t. Chúng ta sẽ so sánh mức ý nghĩa này với các
ngưỡng so sánh như 0.05, 0.1 hay 0.01 (thường sử dụng là 0.05). Path Coefficients Mean, STDEV, T-Values, P- Values Original Sample Standard T Statistics P Sample Mean Deviation (|O/STDEV| Valu (O) (M) (STDEV) ) es 0.00 CNTT -> MHNH 0.226 0.227 0.064 3.538 0 0.00 DD -> CNTT 0.326 0.328 0.064 5.127 0 0.02 HDTG -> NH 0.127 0.138 0.056 2.265 4 0.00 KM -> CNTT 0.254 0.253 0.063 4.001 0 0.03 NH -> MHNH 0.137 0.139 0.065 2.100 6 0.46 NTG -> CNTT -0.048 -0.046 0.066 0.734 3 0.00 NTP -> CNTT 0.135 0.138 0.046 2.917 4 0.57 PH -> CNTT 0.038 0.047 0.067 0.561 5 0.43 SPSC -> NH 0.071 0.061 0.092 0.775 8 0.00 STP -> CNTT 0.142 0.143 0.055 2.601 9
⇨ Biến NTG và PH không có tác động lên biến CNTT, SPSC không có tác động lên NH do
P Values kiểm định t > 0.05.
3. R bình phương (R square)
Để đánh giá hệ số R bình phương, chúng ta sẽ sử dụng kết quả R Square của phân tích PLS Algorithm.
Giá trị R bình phương (R bình phương hiệu chỉnh cũng tương tự) nằm trong khoảng từ 0 đến 1, càng
tiến gần về 1 cho thấy các biến độc lập giải thích cho biến phụ thuộc càng nhiều.
Rất khó khăn để đưa ra quy tắc kinh nghiệm chấp nhận giá trị R bình phương, điều này phụ thuộc vào
sự phức tạp của mô hình và lĩnh vực nghiên cứu. R Square 15 R R Square Square Adjusted CNTT 0.273 0.258 MHNH 0.091 0.085 NH 0.022 0.015
4. Đánh giá hệ số tác động f bình phương (f square)
Để đánh giá hệ số f2 (f bình phương), chúng ta sẽ sử dụng kết quả f Square của phân tích PLS Algorithm
Cohen (1988) đã đề xuất bảng chỉ số f Square để đánh giá tầm quan trọng của các biến độc lập như sau:
● f Square < 0.02: mức tác động là cực kỳ nhỏ hoặc không có tác động.
● 0.02 ≤ f Square < 0.15: mức tác động nhỏ.
● 0.15 ≤ f Square < 0.35: mức tác động trung bình.
● f Square ≥ 0.35: mức tác động lớn. f Square
CNTT DD HDTG KM MHNH NH NTG NTP PH SPSC STP CNTT 0.050 DD 0.134 HDTG 0.017 KM 0.077 MHNH NH 0.018 NTG 0.003 NTP 0.023 PH 0.002 SPSC 0.005 STP 0.027
5. Đánh giá mối quan hệ trung gian (BOOTSTRAP)
a. Specific Indirect Effects Specific Indirect Effects Mean, STDEV, T-Values, P- Values Original Sample Standard T Statistics P Sample Mean Deviation (|O/STDEV| Valu (O) (M) (STDEV) ) es 16 DD -> CNTT -> 0.01 0.074 0.075 0.029 2.552 MHNH 1 KM -> CNTT -> 0.00 0.058 0.057 0.021 2.729 MHNH 6 NTG -> CNTT -> 0.49 -0.011 -0.011 0.016 0.689 MHNH 1 NTP -> CNTT -> 0.02 0.031 0.031 0.013 2.329 MHNH 0 PH -> CNTT -> 0.58 0.009 0.010 0.016 0.548 MHNH 4 STP -> CNTT -> 0.03 0.032 0.032 0.015 2.143 MHNH 2 HDTG -> NH -> 0.20 0.017 0.020 0.014 1.272 MHNH 4 SPSC -> NH -> 0.49 0.010 0.008 0.014 0.690 MHNH 0 17
b. Total Indirect Effects
Total của mối quan hệ trung gian sẽ bằng tất cả các Specific cộng lại. Total Indirect Effects Mean, STDEV, T-Values, P- Values Original Sample Standard T Statistics P Sample Mean Deviation (|O/STDEV| Valu (O) (M) (STDEV) ) es CNTT -> MHNH DD -> CNTT 0.01 DD -> MHNH 0.074 0.075 0.029 2.552 1 0.20 HDTG -> MHNH 0.017 0.020 0.014 1.272 4 HDTG -> NH KM -> CNTT 0.00 KM -> MHNH 0.058 0.057 0.021 2.729 6 NH -> MHNH NTG -> CNTT 0.49 NTG -> MHNH -0.011 -0.011 0.016 0.689 1 NTP -> CNTT 0.02 NTP -> MHNH 0.031 0.031 0.013 2.329 0 PH -> CNTT 0.58 PH -> MHNH 0.009 0.010 0.016 0.548 4 0.49 SPSC -> MHNH 0.010 0.008 0.014 0.690 0 SPSC -> NH STP -> CNTT 0.03 STP -> MHNH 0.032 0.032 0.015 2.143 2 18
KIẾN THỨC CƠ BẢN CẦN NẮM
Xem tại folder “GUIDELINE BY XULYSOLIEU” > Mục “Kiến thức quan trọng” > SMARTPLS
hoặc tìm kiếm bài viết tại website XLSL
● Link folder: http://tiny.cc/xlslguideline
● Link website: https://xulysolieu.info/smartpls/
0. Link tải phần mềm SMARTPLS full crack & Hướng dẫn cài đặt, sử dụng SMARTPLS
1. Thiết lập vùng làm việc và tạo dự án mới trên SMARTPLS
2. Cách nhập dữ liệu, mở và xuất file dự án SMARTPLS
3. Làm quen công cụ và cách chạy phần mềm SMARTPLS
4. Mô hình đo lường và mô hình cấu trúc trong PLS-SEM
5. Đánh giá mô hình đo lường trên SMARTPLS 4
⇨ 5.1 Hệ số tải ngoài outer loading trong SMARTPLS là gì
⇨ 5.2 Tính hội tụ, tính phân biệt thang đo là gì
⇨ 5.3 Đánh giá tính hội tụ, tính phân biệt trong SMARTPLS
⇨ 5.4 Đánh giá tính hội tụ thang đo bằng Average Variance Extracted AVE
⇨ 5.5 Đánh giá tính phân biệt thang đo bằng bảng Fornell and Larcker
⇨ 5.6 Đánh giá tính phân biệt thang đo bằng HTMT trong SMARTPLS
⇨ 5.7 Đánh giá tính phân biệt qua bảng Cross-Loading trong SMARTPLS
6. Đánh giá mô hình cấu trúc trên SMARTPLS
⇨ 6.1 Cách chạy SMARTPLS: PLS-SEM algorithm và Bootstrapping
⇨ 6.2 Chạy Bootstrap và đánh giá mô hình cấu trúc trên SMARTPLS
⇨ 6.3 Hệ số Effect Size f2_ Ý nghĩa, công thức, cách chạy trên SMARTPLS
⇨ 6.4 So sánh Effect Size f2 và hệ số tác động chuẩn hóa Original Sample
⇨ 6.5 Hệ số q2 năng lực dự báo của biến độc lập
⇨ 6.6 Hệ số Q2 năng lực dự báo ngoài mẫu
7. Biểu đồ Tầm quan trọng - Hiệu suất IPMA
8. Phân tích biến trung gian mediator trong SMARTPLS
9. Phân tích biến điều tiết moderator trong SMARTPLS 4
10. Phân tích cấu trúc đa nhóm Multigroup MGA trong SMARTPLS 3
11. ANOVA và T-Test: nên sử dụng cái nào trên SPSS: LINK
⇨ (11.1) Lỗi không hiển thị biến định tính khi phân tích ANOVA, T Test
⇨ (11.2) Kiểm định Independent Sample T Test trong SPSS 19
⇨ (11.3) Phân tích khác biệt trung bình One-way ANOVA trong SPSS
⇨ (11.4) Kiểm định One-Sample T Test trong SPSS 20