Bài viết này sẽ hướng dẫn các bạn phân tích biến điều tiết trong mô hình PLS SEM bằng phần mềm Smart Pls. Cả hai kĩ thuật xử lý biến điều tiết liên tục interaction effect và phân loại MGA đều được đề cập trong bài này.
Lý thuyết chung về biến điều tiết trên phần mềm SmartPLS
Biến điều tiết tác động vào mối quan hệ từ độc lập đến biến phụ thuộc, làm cho mức ảnh hưởng này cao hơn, nhỏ hơn hoặc không đổi. Biến điều tiết ảnh hưởng trực tiếp đến mối quan hệ giữa hai yếu tố trong mô hình, có thể làm tăng hoặc giảm độ lớn giữa hai yếu tố đó tùy vào giá trị của biến điều tiết.
Hai dạng biến điều tiết trong Smart PLS
-Biến điều tiết phân loại, ví dụ như giới tính (nam nữ), trình độ (tiểu học, trung học, đại học)
-Biến điều tiết biến liên tục,ví dụ như Thu Nhập trong ảnh ở trên. Lưu ý thu nhập ở đây là số tiền thực tế, chứ không phải là nhóm thu nhập nhé. Vì nếu là chia nhóm ra ví dụ (trên 10 triệu, dưới 10 triệu) thì nó lại quay về trường hợp biến điều tiết phân loại category moderator.
Với biến điều tiết là biến định tính phân loại, sử dụng kỹ thuật phân tích cấu trúc đa nhóm multigroup analysis – MGA trên Smartpls.
Với biến điều tiết là biến liên tục, có hai cách xử lý. Cách 1 là chia nhóm biến liên tục đó và thực hiện phân tích MGA như trên, cách 2 là sử dụng interaction moderator effect trên Smart Pls. Để một biến trở thành biến điều tiết tốt, có ý nghĩa thống kê thì tích của biến điều tiết và biến độc lập phải có ảnh hưởng đến biến phụ thuộc, sau đó thì có thể kết luận rằng biến đó có điều tiết mối quan hệ giữa biến độc lập và phụ thuộc.
Smart Pls đã tích hợp chức năng xử lý biến điều tiết liên tục và biến điều tiết phân loại vào phần mềm. Có sẵn menu cho cả hai dạng điều tiết trong Smart PLS.
Ví dụ về mô hình biến điều tiết trong Smart PLS
File dự án mẫu về phân tích điều tiết PLS các bạn có thể tải ở đây:
phantichspss.com/filefordownload/biendieutiet.zip
Mô hình tổng thể biến điều tiết trong ví dụ:
Phần mềm Smart Pls để phân tích mức độ ảnh hưởng của biến điều tiết trong mô hình cấu trúc SEM PLS.
Cách vẽ và xử lý biến điều tiết liên tục trong SMARTPLS
Đối với biến điều tiết liên tục, ta sẽ sử dụng interaction effect để xử lý.
Cách sử dụng công cụ chạy điều tiết trên Smart Pls:
Đầu tiên, import dự án PLS có sẵn vào chương trình bằng cách tải file dự án pls ở đây phantichspss.com/filefordownload/biendieutiet.zip và lưu về máy
Kế đến bật Smart PLS lên và để con trỏ chuột trong khung Project Explorer và ấn chuột phải, chọn Import Project From Backup File. Hoặc vào menu File-Import Project From Backup File. Sau đó chọn file biendieutiet.zip vừa tải về. Sau đó ấn vào mục biendieutiet như trong hình dưới để mở file graphic pls lên, được kết quả như hình dưới
Nhấp chuột phải vào biến phụ thuộc TrungThanh và chọn Add moderating Effect…
Sau đó, chọn tên của biến điều tiết và biến độc lập để đưa vào mô hình như trong hình :
Và nhấn OK
Biến interaction được tạo ra có tên là Moderating Effect 1, ta cần đổi tên để cho nhìn dễ hiểu hơn. Bằng cách chọn biến đó và ấn F2 để rename. Ở đây ta rename đổi tên thành Moder_HaiLongxThuNhap sau đó OK, lúc đó mô hình mới như sau:
Smart Pls sử dụng kỹ thuật Bootstrapping để đánh giá mối quan hệ có ý nghĩa thống kê hay không. Thực hiện phân tích bootstrap cho mô hình này với 5000 mẫu lặp lại.
Ta vào menu Caculate- Bootstrapping như ảnh
Chọn sub-samples là 5000, sau đó nhấn Start Calculation
Sau khi phân tích xong, kết quả sau hiện ra như sau:
Cách đọc kết quả phân tích biến điều tiết liên tục trên Smart PLS
Nhìn vào p-value của quan hệ Moder_HaiLongxThuNhap -> TrungThanh , giá trị này là 0.084 lớn hơn 5% nên kết luận luôn là biến ThuNhap không có điều tiết mối quan hệ giữa HaiLong đến TrungThanh. Nếu giá trị đó < 5% thì kết luận là ThuNhap điều tiết mối quan hệ giữa HaiLong đến TrungThanh. Tuy nhiên trong trường hợp này, nếu mình lấy mức ý nghĩa 10% thì có thể kết luận được ThuNhap là biến điều tiết, do 0.084<10%
Bây giờ sẽ xét dấu của tác động điều tiết, xem biến điều tiết khi tăng lên thì làm cho mối quan hệ giữa HaiLong đến TrungThanh tăng hay giảm. Ở đây do hệ số của biến tương tác là 0.135 lớn hơn 0, nên biến điều tiết này khi tăng sẽ làm tăng mối quan hệ, cụ thể khi thu nhập tăng thì làm cho mối quan hệ từ HaiLong đến TrungThanh tăng lên nhé.
Cách xử lý biến điều tiết phân loại category trong SMARTPLS
Đối với biến điều tiết phân loại, ta sẽ sử dụng Smart PLS MGA mutigroup analysis để xử lý. Cách sử dụng công cụ chạy điều tiết trên Smart Pls như sau:
Trước tiên ta cũng tải file dự án về và import vào như trên bằng cách tải file dự án pls ở đây phantichspss.com/filefordownload/biendieutiet.zip và lưu về máy
Kế đến bật Smart PLS lên và để con trỏ chuột trong khung Project Explorer và ấn chuột phải, chọn Import Project from Backup File. Hoặc vào menu File-Import Project from Backup File. Sau đó chọn file biendieutiet.zip vừa tải về. Sau đó ấn vào mục biendieutiet như trong hình dưới để mở file graphic pls lên, được kết quả như hình dưới
Sau đó ấn vào file số liệu moderator[79 records] như trong ảnh. Lúc đó màn hình số liệu bên phải hiện ra. Lúc đó ấn tiếp vào nút Generate Data Groups để tạo ra các nhóm số liệu con.
Tiếp tục chọn ô Group column 0, chọn biến để chia bộ dữ liệu ra là GioiTinh,
Sau đó ấn OK
Như ta thấy, trong số liệu 79 người, có 33 người giới tính Nam-1, 46 người giới tính Nữ-2
Sau đó ta tiến hành chạy phân tích đa nhóm MGA trong Smart PLS bằng cách vào Menu Calculate- MultiGroup Analysis (MGA)
Sau đó tiến hành trong Group A chọn nhóm giới tính 1, trong Group B chọn nhóm giới tính 2.
Sau đó ấn Start Caculation để tiến hành phân tích đa nhóm Smart PLS theo dạng biến phân loại. Khi tính toán xong cửa sổ kết quả sẽ hiện ra. Ta chọn tab PLS-MGA như trong ảnh để đánh giá kết quả
Cách đọc kết quả biến điều tiết phân loại category Smart PLS
Nhìn vào cột p-value tô đỏ ở trên, ta so sánh với 0.05 để rút ra kết luận là biến Giới Tính có điều tiết mối quan hệ giữa biến độc lập và phụ thuộc.
Đối với mối quan hệ HaiLong->TrungThanh, giá trị p-value của mối quan hệ điều tiết của Giới Tính là 0.269 >5%, nên kết luận là biến Giới Tính không có điều tiết mối quan hệ này.
Đối với mối quan hệ ThuNhap->TrungThanh, giá trị p-value của mối quan hệ điều tiết của Giới Tính là 0.915 >5%, nên kết luận là biến Giới Tính không có điều tiết mối quan hệ này.
Như vậy, bài này đã hướng dẫn bạn cách xử lý biến điều tiết và đọc kết quả biến điều tiết liên tục và phân loại trong Smart Pls. Thực ra việc này không khó, nhưng vì trong SmartPls có nhiều menu nên có thể gây bối rối cho các bạn khi xử lý.
Các bạn khi phân tích có bất cứ khó khăn gì cứ liên hệ cho nhóm nhé.
Liên hệ nhóm thạc sĩ Hỗ trợ SPSS.
– SMS, Zalo, Viber:
– Facebook: http://facebook.com/hoidapSPSS/
– Email: hotrospss@gmail.com
- Hướng dẫn thực hành cách phân tích hồi quy đa biến
- Bàn luận về bản chất của phương sai trích VE(variance extracted) và phương sai trích trung bình AVE (average variance extracted)
- Hạn chế của Cronbach’s alpha và sự cần thiết phải sử dụng độ tin cậy tổng hợp composite reliability
- Mô hình IPA mức độ quan trọng – mức độ thực hiện (IPA – Importance-Performance Analysis)
- Phân tích hệ số, chiều hướng tác động trong hồi quy nhị phân