Đầu trang
Bỏ qua đến nội dung chính
Liên hệ tư vấn

Path Analysis Và PROCESS Trong SmartPLS: Khi Nào Dùng Thay Cho PLS-SEM Đầy Đủ

SmartPLS có một mô-đun path analysis được thiết kế để mô phỏng lại kết quả của PROCESS, macro trung gian/điều tiết quen thuộc của Hayes trong SPSS. Hai công cụ không giống nhau hoàn toàn, và việc hiểu đúng khác biệt giúp tránh báo cáo sai phương pháp đã dùng.

PLS-SEM & SMARTPLSBiên soạn: Lê Minh5 phút
Bắt đầu đọc

Điểm quan sát và biến tiềm ẩn cần được phân biệt

  1. Điểm số

    Nêu rõ cách tính biến phân tích

  2. Path analysis

    Quan hệ giữa các biến quan sát

  3. Trung gian

    Xác định hiệu ứng cần ước lượng

  4. Phép đo

    Nêu giới hạn về sai số đo

Sơ đồ khái niệm. Dùng điểm trung bình không tương đương ước lượng một mô hình đo lường.

Nguồn: Lê Minh biên soạn · Minh họa khái niệm, không phải đầu ra phần mềm.

1. Path analysis trong SmartPLS là gì

Path analysis là kỹ thuật ước lượng một hệ phương trình hồi quy, trong đó tất cả các biến đều là biến quan sát trực tiếp, không qua bước xây dựng biến tiềm ẩn. Kỹ thuật này có nguồn gốc từ Wright (1921), người đặt nền móng cho việc phân rã quan hệ nhân quả giữa nhiều biến thành một hệ phương trình đường dẫn. Khác với một phép hồi quy đơn, path analysis cho phép mô hình có nhiều biến phụ thuộc cùng lúc, bao gồm cả mô hình trung gian và điều tiết kết hợp (moderated mediation).

Trong SmartPLS, path analysis có thể dùng cho biến đơn chỉ báo (single-item) hoặc cho thành phần (composite) gồm nhiều chỉ báo. Điểm khác với PLS-SEM đầy đủ là path analysis không ước lượng trọng số chỉ báo qua một quá trình lặp; khi có nhiều chỉ báo trong một thành phần, SmartPLS áp dụng trọng số bằng nhau cho tất cả chỉ báo của thành phần đó. Cách làm này gần với hướng mà McDonald (1996) gọi là path analysis với biến tổng hợp (composite variables): thay vì ước lượng trọng số chỉ báo, mô hình dùng ngay một tổ hợp đơn giản của các chỉ báo làm biến đưa vào hệ phương trình đường dẫn.

2. Vì sao SmartPLS có mô-đun mô phỏng PROCESS

PROCESS (Hayes, 2018) là một macro chạy trong SPSS, rất phổ biến để kiểm định mô hình trung gian, điều tiết và trung gian có điều tiết (moderated mediation) dựa trên hồi quy OLS và bootstrapping. Vì PROCESS chỉ hoạt động trên biến quan sát đơn lẻ, nhiều nhà nghiên cứu dùng SEM phải tính điểm số tổng hợp (ví dụ điểm trung bình các chỉ báo) rồi đưa vào PROCESS, một cách làm thường được gọi là phân tích song song (tandem analysis).

Mô-đun path analysis trong SmartPLS được thiết kế để mô phỏng lại kết quả của PROCESS ngay trong môi trường SmartPLS, cho phép nhà nghiên cứu quen thuộc với PROCESS chuyển sang dùng mô hình đường dẫn mà không cần tính toán thủ công bên ngoài phần mềm.

3. Khác biệt với PROCESS gốc trong SPSS

Bảng 1
Khía cạnhPROCESS gốc (SPSS)Mô-đun PROCESS trong SmartPLS
Loại biến đầu vàoBiến quan sát đơn lẻ (ví dụ điểm trung bình đã tính sẵn).Biến đơn chỉ báo, hoặc thành phần nhiều chỉ báo với trọng số bằng nhau áp dụng tự động.
Logic ước lượngHồi quy OLS một bước, dựa trên các biến đã có sẵn.Path analysis một bước, dựa trên hồi quy; khác với PLS-SEM đầy đủ vốn ước lượng điểm số thành phần qua quá trình lặp.
Tính toán điểm số tổng hợpNgười dùng tự tính trước khi đưa vào PROCESS.SmartPLS tự tổng hợp các chỉ báo trong thành phần với trọng số bằng nhau, không cần bước tính toán thủ công riêng.

Tài liệu SmartPLS cũng nêu rõ một điểm chưa có câu trả lời dứt khoát: trình tự xử lý dữ liệu khi tổng hợp thành phần (ví dụ chuẩn hóa từng chỉ báo trước rồi cộng lại, hay cộng dữ liệu thô rồi mới chuẩn hóa) vẫn chưa có hướng dẫn thống nhất về cách nào tối ưu hơn.

4. Quy trình thực hiện trong SmartPLS

Dựng mô hình đường dẫn

Xây dựng mô hình với biến đơn chỉ báo hoặc thành phần nhiều chỉ báo có trọng số bằng nhau, theo đúng giả thuyết trung gian, điều tiết hoặc trung gian có điều tiết.

Chọn thang đo dữ liệu (data metric)

Chọn một trong ba tùy chọn: dữ liệu gốc chưa xử lý (unstandardized), dữ liệu đã trừ trung bình (mean-centered, thường hỗ trợ diễn giải số hạng tương tác), hoặc dữ liệu đã chuẩn hóa hoàn toàn (standardized, trừ trung bình và chia độ lệch chuẩn).

Khai báo biến kiểm soát nếu có

Đánh dấu các biến kiểm soát trong mô hình nếu nghiên cứu cần kiểm soát thêm các yếu tố khác ngoài giả thuyết chính.

Chạy bootstrapping

Dùng bootstrapping để kiểm định ý nghĩa thống kê cho hệ số đường dẫn, hiệu ứng gián tiếp và các số hạng tương tác, tương tự cách PROCESS gốc kiểm định bằng bootstrapping.

5. Khi nào nên dùng path analysis/PROCESS thay vì PLS-SEM đầy đủ

Sarstedt, Hair, Nitzl, Ringle và Howard (2020) lập luận rằng cách làm song song phổ biến, chạy CFA hoặc SEM trước để lấy điểm số nhân tố rồi mới đưa vào PROCESS, làm mất thông tin so với việc ước lượng toàn bộ mô hình trung gian/điều tiết trực tiếp bằng PLS-SEM. Theo hướng lập luận này, khi mô hình đo lường của nghiên cứu có nhiều chỉ báo và mối quan tâm chính là độ chính xác của mô hình đo lường, PLS-SEM đầy đủ với trọng số chỉ báo được ước lượng thay vì gán bằng nhau thường là lựa chọn phù hợp hơn.

Khi path analysis/PROCESS trong SmartPLS hợp lý

Mô-đun này phù hợp khi biến trong mô hình là biến đơn chỉ báo, khi nhà nghiên cứu muốn đối chiếu trực tiếp với một kết quả PROCESS đã quen thuộc, hoặc khi mục tiêu là trình bày một mô hình trung gian/điều tiết đơn giản mà không cần đến toàn bộ bộ máy đánh giá mô hình đo lường của PLS-SEM.

6. Mẫu diễn giải cho báo cáo

Mẫu diễn giải phương pháp

Mô hình trung gian/điều tiết được ước lượng bằng mô-đun path analysis của SmartPLS, mô phỏng theo logic của PROCESS (Hayes, 2018). Dữ liệu được xử lý theo thang đo [gốc/trừ trung bình/chuẩn hóa]. Ý nghĩa thống kê của hệ số đường dẫn và hiệu ứng gián tiếp được kiểm định bằng bootstrapping với [số lần lặp] mẫu con. Khác với PROCESS macro gốc chạy trên biến quan sát đơn lẻ, các thành phần nhiều chỉ báo trong mô hình này được tổng hợp với trọng số bằng nhau cho từng chỉ báo.

7. Lỗi thường gặp

Bảng 2
Cách viết yếuVì sao chưa phù hợpCách viết nên dùng
"Đã chạy PROCESS macro bằng SmartPLS."Mô-đun của SmartPLS mô phỏng lại kết quả PROCESS, không phải chạy trực tiếp macro gốc của Hayes trong SPSS.Nêu rõ đã dùng mô-đun path analysis của SmartPLS, được thiết kế để mô phỏng kết quả PROCESS.
"Dùng path analysis trong SmartPLS vì nó giống hệt PLS-SEM nhưng nhanh hơn."Hai phương pháp có logic ước lượng khác nhau: path analysis không ước lượng trọng số chỉ báo qua quá trình lặp như PLS-SEM.Giải thích rõ lý do chọn path analysis, ví dụ biến đơn chỉ báo hoặc muốn đối chiếu với kết quả PROCESS.
"Không cần nói rõ đã chọn thang đo dữ liệu nào."Lựa chọn giữa dữ liệu gốc, trừ trung bình hay chuẩn hóa ảnh hưởng đến cách diễn giải số hạng tương tác.Nêu rõ thang đo dữ liệu đã chọn và lý do, đặc biệt khi mô hình có số hạng tương tác.

8. Bảng kiểm trước khi báo cáo

  • Đã nêu rõ mô-đun đã dùng là path analysis của SmartPLS mô phỏng theo PROCESS, không phải PROCESS macro gốc chưa?
  • Đã nêu rõ thang đo dữ liệu đã chọn (gốc/trừ trung bình/chuẩn hóa) chưa?
  • Đã giải thích lý do chọn path analysis thay vì PLS-SEM đầy đủ chưa?
  • Đã báo cáo kết quả bootstrapping cho cả hệ số đường dẫn lẫn hiệu ứng gián tiếp chưa?
  • Nếu mô hình có nhiều chỉ báo trên một thành phần, đã nêu rõ các chỉ báo được tổng hợp với trọng số bằng nhau chưa?

Kết luận

Mô-đun path analysis và PROCESS trong SmartPLS giúp những người quen thuộc với PROCESS macro của Hayes chuyển sang môi trường SmartPLS mà không cần tính toán bên ngoài, nhưng đây không phải một bản sao đồng nhất của công cụ gốc. Khác biệt quan trọng nhất nằm ở cách xử lý thành phần nhiều chỉ báo: trọng số bằng nhau thay vì trọng số ước lượng qua quá trình lặp của PLS-SEM.

Việc chọn giữa path analysis/PROCESS và PLS-SEM đầy đủ nên dựa trên câu hỏi nghiên cứu và đặc điểm mô hình đo lường, không chỉ vì một trong hai công cụ quen thuộc hơn. Khi mô hình đo lường có vai trò quan trọng, PLS-SEM đầy đủ thường cho phép đánh giá chất lượng đo lường chặt chẽ hơn.

Tài liệu tham khảo

  • Wright, S. (1921). Correlation and causation. Journal of Agricultural Research, 20, 557-585.
  • Hayes, A. F. (2018). Introduction to mediation, moderation, and conditional process analysis: A regression-based approach (2nd ed.). Guilford Press.
  • McDonald, R. P. (1996). Path analysis with composite variables. Multivariate Behavioral Research, 31(2), 239-270. https://doi.org/10.1207/s15327906mbr3102_5
  • Sarstedt, M., Hair, J. F., Nitzl, C., Ringle, C. M., & Howard, M. C. (2020). Beyond a tandem analysis of SEM and PROCESS: Use of PLS-SEM for mediation analyses! International Journal of Market Research, 62(3), 288-299. https://doi.org/10.1177/1470785320915686

Ghi chú học thuật: Bài viết trình bày nguyên lý chung của mô-đun path analysis/PROCESS trong SmartPLS theo tài liệu hướng dẫn chính thức. Phần khuyến nghị về thời điểm nên dùng path analysis thay vì PLS-SEM đầy đủ dựa trên lập luận của Sarstedt, Hair, Nitzl, Ringle và Howard (2020) và cần được cân nhắc theo đặc điểm cụ thể của từng mô hình nghiên cứu.