Mô hình đo lường và mô hình cấu trúc trong SEM
Mô hình đo lường hỏi ta đo khái niệm như thế nào; mô hình cấu trúc hỏi các khái niệm liên hệ với nhau ra sao. Hai lớp này cần được đánh giá riêng rồi mới ghép thành kết luận SEM.
Measurement model nối cấu trúc với chỉ báo; structural model nối các cấu trúc với nhau. Tiêu chí đánh giá thay đổi theo loại đo lường phản ánh/cấu tạo và theo khung CB-SEM/PLS-SEM.
SEM gồm phần đo lường và phần cấu trúc
- Chỉ báo
Các biến quan sát trong dữ liệu
- Cấu trúc
Khái niệm được đo lường
- Đo lường
Liên hệ giữa cấu trúc và chỉ báo
- Cấu trúc mô hình
Quan hệ giả thuyết giữa cấu trúc
Sơ đồ khái niệm. Đánh giá phép đo trước khi diễn giải quan hệ cấu trúc.
Nguồn: Lê Minh biên soạn · Minh họa khái niệm, không phải đầu ra phần mềm.1. Hai lớp lý thuyết trong một mô hình SEM
Mô hình đo lường thể hiện quan hệ giữa khái niệm lý thuyết và các chỉ báo quan sát. Mỗi cấu trúc có một đặc tả đo lường riêng. Mô hình cấu trúc thể hiện các quan hệ giả thuyết giữa các cấu trúc, chẳng hạn X → M → Y (Henseler & Schuberth, 2020; Hair et al., 2022).
Nếu lớp đo lường không đáng tin cậy, hệ số cấu trúc khó được diễn giải vì X hoặc Y có thể chưa đại diện đúng khái niệm. Vì vậy, phần lớn quy trình SEM đánh giá đo lường trước khi kết luận đường dẫn.
| Lớp | Quan hệ | Câu hỏi chính |
|---|---|---|
| Đo lường | Cấu trúc ↔ chỉ báo | Các chỉ báo có đại diện đúng khái niệm không? |
| Cấu trúc | Cấu trúc → cấu trúc | Giả thuyết về quan hệ giữa các khái niệm có được ủng hộ không? |
2. Phản ánh và cấu tạo không dùng chung một bảng kiểm
Trong mô hình phản ánh, cấu trúc được giả định gây ra biến thiên của chỉ báo; các chỉ báo thường tương quan và có thể thay thế tương đối. Trong mô hình cấu tạo, các chỉ báo góp phần hình thành cấu trúc và việc bỏ một chỉ báo có thể làm thay đổi miền khái niệm.
Mô hình phản ánh thường được đánh giá bằng tải, độ tin cậy, hội tụ và phân biệt. Mô hình cấu tạo tập trung vào nội dung chỉ báo, collinearity, ý nghĩa và độ lớn của outer weights; không nên loại chỉ báo cấu tạo bằng logic của Cronbach's alpha.
Không đổi reflective thành formative chỉ để cải thiện kết quả. Hãy dựa vào bản chất khái niệm, quan hệ nhân quả và hệ quả của việc bỏ chỉ báo.
3. CB-SEM và PLS-SEM đánh giá khác nhau ở đâu?
Tên chỉ số giống nhau không bảo đảm cùng ý nghĩa ở mọi khung. Chẳng hạn, fit của mô hình nhân tố chung và fit của mô hình composite dựa trên các mục tiêu ước lượng khác nhau.
| Thành phần | CB-SEM | PLS-SEM |
|---|---|---|
| Đo lường phản ánh | CFA, tải, CR/AVE, giá trị phân biệt, fit | Tải, ρA/CR, AVE, HTMT |
| Đo lường cấu tạo | Có thể mô hình hóa nhưng cần định danh thích hợp | VIF, outer weights/loadings, redundancy khi có |
| Cấu trúc | Fit tổng thể, hệ số, CI, residuals | Collinearity, hệ số, f², R², dự báo ngoài mẫu |
| Mục tiêu | Tái tạo covariance và kiểm định mô hình | Ước lượng composite và dự báo/giải thích |
4. Quy trình đánh giá theo thứ tự
Chốt đặc tả
Xác định cấu trúc, loại đo lường, chỉ báo và giả thuyết trước khi xem kết quả.
Kiểm tra dữ liệu và nghiệm
Rà missing, ngoại lệ, phân phối, định danh và cảnh báo ước lượng.
Đánh giá mô hình đo lường
Dùng tiêu chí phù hợp với reflective/formative và phương pháp SEM.
Đánh giá mô hình cấu trúc
Đọc hệ số, CI, kích thước tác động, sức giải thích hoặc dự báo.
Kiểm tra độ bền
So đặc tả hợp lý, biến kiểm soát, phân tích độ nhạy và mẫu xác nhận khi có thể.
5. Mẫu báo cáo
Mẫu báo cáo tiếng Việt
Mô hình đo lường gồm [số] cấu trúc [phản ánh/cấu tạo]. Kết quả [CFA/PLS-SEM] cho thấy [tóm tắt tải, độ tin cậy, hội tụ, phân biệt hoặc outer weights]. Sau khi mô hình đo lường đạt yêu cầu, mô hình cấu trúc được đánh giá bằng [fit/hệ số/R²/f²/PLSpredict], cho thấy [kết quả chính]. Các quyết định loại chỉ báo hoặc tái đặc tả được thực hiện dựa trên [lý thuyết và chẩn đoán].
- Nêu rõ từng cấu trúc là reflective hay formative.
- Không trộn tiêu chí đo lường với tiêu chí cấu trúc.
- Không diễn giải đường dẫn trước khi đánh giá đo lường.
- Không loại chỉ báo chỉ theo một ngưỡng.
- Báo cáo tiêu chí phù hợp với CB-SEM hoặc PLS-SEM.
Kết luận
Phân biệt hai lớp mô hình giúp báo cáo SEM có logic: trước hết chứng minh cách đo đủ thuyết phục, sau đó mới diễn giải quan hệ giữa các khái niệm.
Tài liệu tham khảo
- Henseler, J., & Schuberth, F. (2020). Using confirmatory composite analysis to assess emergent variables in business research. Journal of Business Research, 120, 147–156. https://doi.org/10.1016/j.jbusres.2020.07.026
- 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. https://us.sagepub.com/en-us/nam/a-primer-on-partial-least-squares-structural-equation-modeling-pls-sem/book270548
Ghi chú học thuật: Các mô hình đo lường nhân tố chung, composite và causal-formative có giả định khác nhau. Hãy gọi đúng loại cấu trúc thay vì dùng reflective/formative như nhãn phần mềm.