Phân tích IPMA trong SmartPLS 4: từ bản đồ đến ưu tiên hành động

1. IPMA trả lời câu hỏi nào?

Giả sử nghiên cứu tìm thấy chất lượng dịch vụ và niềm tin đều liên quan đến lòng trung thành. Bảng hệ số cho biết hướng và cường độ quan hệ, nhưng chưa nói khách hàng đang đánh giá mỗi yếu tố ở mức nào. Nếu chất lượng đã cao còn niềm tin thấp, thứ tự hành động có thể khác thứ tự hệ số. Đó là khoảng trống mà phân tích bản đồ tầm quan trọng và mức thực hiện, hay IPMA, bổ sung cho PLS-SEM (Ringle & Sarstedt, 2016).

Hãy xác định trước kết quả muốn cải thiện, chẳng hạn lòng trung thành, ý định tiếp tục sử dụng hoặc mức chấp nhận công nghệ. Mỗi biến mục tiêu tạo ra một bộ importance riêng. Không chuyển thứ tự ưu tiên từ bản đồ của sự hài lòng sang bản đồ của lòng trung thành mà không tính lại (Hair et al., 2018, chương 3).

Bài này dùng SmartPLS 4 làm môi trường thao tác. Chương sách trong thư viện giải thích nền tảng tính toán trên phiên bản cũ; tên tùy chọn hiện hành được đối chiếu tài liệu SmartPLS. Các ví dụ số dưới đây được tạo riêng để học cách đọc, không phải kết quả của khách hàng.

2. Hai trục và điều dễ nhầm trên bản đồ

Importance của X đối với Y là tổng ảnh hưởng không chuẩn hóa, gồm ảnh hưởng trực tiếp và mọi đường gián tiếp từ X đến Y trong mô hình tuyến tính. Không lấy beta chuẩn hóa ở bảng Path coefficients điền vào trục importance. Chỉ khi cùng cách định thang và cùng đối tượng so sánh, các giá trị mới mang cách diễn giải phù hợp với IPMA (Hair et al., 2018, chương 3).

Performance là trung bình điểm cấu trúc sau quy đổi về miền 0–100. Nó không phải tỷ lệ người hài lòng, xác suất mua hay phần trăm phương sai giải thích. Một giá trị 60 cho biết vị trí trên miền đã định, không có nghĩa 60% khách hàng hài lòng. Điểm cấu trúc dựa trên trọng số chỉ báo, nên cũng không mặc định bằng trung bình cộng các item (Hair et al., 2018, chương 3).

Hai đường trung bình trong hình là mốc định hướng của chính các cấu trúc được vẽ. Chúng không phải ngưỡng đạt chuẩn chung. Thêm hoặc bỏ một cấu trúc có thể dịch các đường trung bình và đổi vùng của một điểm dù tọa độ điểm đó không đổi. Vì vậy, lưu cả tọa độ và tập cấu trúc được đưa vào bản đồ, thay vì chỉ báo cáo tên vùng (Hair et al., 2018, chương 3).

3. Chuẩn bị dữ liệu và các điều kiện phải kiểm tra

Chuẩn bị dữ liệu, mô hình PLS đã đặc tả, bảng mã biến, toàn văn câu hỏi và báo cáo đánh giá mô hình. IPMA kế thừa ý nghĩa của mô hình gốc; nó không sửa thang đo thiếu giá trị nội dung, biến bị mã hóa sai hay đường cấu trúc thiếu căn cứ. Chỉ đưa vào quyết định quản trị sau khi đã xem các vấn đề đo lường và cấu trúc liên quan (Hair et al., 2018, chương 3).

Phép quy đổi cần các chỉ báo có ý nghĩa số học đủ để diễn giải khoảng cách. Không biến mã ngành 1, 2, 3 thành mức thực hiện thấp, vừa, cao. Với Likert, cần nêu cách xử lý khoảng cách các mức và bảo đảm điểm cao biểu thị nhiều hơn của đúng thuộc tính dự định đo. Một câu hỏi về sự bất tiện cần được xử lý theo định nghĩa cấu trúc trước khi gọi điểm cao là tốt (Hair et al., 2018, chương 3).

Kiểm tra dấu outer weights, không chỉ outer loadings. Trọng số âm có thể liên quan đến item nghịch, đặc tả hoặc cộng tuyến, làm mất cách đọc điểm như tổ hợp tăng cùng chiều. Không lấy trị tuyệt đối, ép điểm về 0–100 hoặc xóa item chỉ để bản đồ đẹp. Quay lại nội dung item, hướng mã hóa và mô hình, ghi lại mọi sửa đổi và chạy lại đánh giá (Hair et al., 2018, chương 3).

• Chốt biến mục tiêu và câu hỏi quản trị trước khi xem bản đồ.
• Đối chiếu miền lý thuyết của từng item với bảng mã biến.
• Phân biệt thuộc tính tích cực với thuộc tính bất lợi như chi phí hay rủi ro.
• Kiểm tra item nghịch, trọng số âm và những vấn đề mô hình chưa xử lý.
• Lưu phiên bản dữ liệu, mô hình, phần mềm và thiết lập phân tích.

4. Ví dụ tính tay performance và importance

Ví dụ giả định: cấu trúc X có ba item trên thang 1–5, với trung bình lần lượt 4,2; 3,4; 3,8. Dùng miền lý thuyết 1 và 5, công thức quy đổi của Hair et al. (2018, chương 3) cho performance item lần lượt là 80, 60 và 70. Nếu mẫu chỉ quan sát mức 2–5, vẫn giữ cận dưới lý thuyết là 1; dùng cận quan sát sẽ thay đổi ý nghĩa điểm.

Giả sử trọng số đã được chuyển về đơn vị phù hợp và chuẩn hóa tổng bằng 1 là 0,20; 0,50; 0,30. Performance của X bằng 0,20 × 80 + 0,50 × 60 + 0,30 × 70 = 67. Không thay các trọng số này bằng loading; cũng không mặc định dùng 1/3 cho mỗi item (Hair et al., 2018, chương 3).

Tiếp tục giả định X có ảnh hưởng trực tiếp lên Y là 0,20 và một đường qua M có hai hệ số không chuẩn hóa 0,40 và 0,50, đều trên hệ đơn vị tương thích của phép tính IPMA. Importance của X là 0,20 + 0,40 × 0,50 = 0,40. Nếu có nhiều đường gián tiếp, phải cộng đủ mỗi tích đường dẫn, không chỉ chọn đường có ý nghĩa thống kê (Hair et al., 2018, chương 3).

P_item = 100 × (mean_item − min_theoretical) / (max_theoretical − min_theoretical)
P_X = 0.20 × 80 + 0.50 × 60 + 0.30 × 70 = 67
Importance(X → Y) = 0.20 + 0.40 × 0.50 = 0.40
Model-implied change in Y for +5 performance points in X = 5 × 0.40 = 2

5. Thao tác trong SmartPLS 4 và đầu ra cần giữ

Tài liệu SmartPLS hiện hành cho phép chọn tất cả cấu trúc tiền nhiệm hoặc chỉ tiền nhiệm trực tiếp. Đây là lựa chọn phạm vi cấu trúc được hiển thị, không phải nút chuyển total effects thành direct effects. Ghi rõ phạm vi khi xuất hai bản đồ để so sánh (SmartPLS, n.d.).

6. Tác động âm và chỉ báo không đồng nghĩa với đòn bẩy

Trong hình minh họa, E nằm bên trái vì importance âm. Trước hết phải biết E đo thuộc tính có lợi hay bất lợi. Nếu E là rủi ro, tăng điểm E có thể đi cùng giảm điểm mục tiêu; giảm rủi ro mới là hướng hành động cần xem. Nếu E là chất lượng có lợi nhưng hệ số âm, kiểm tra mã hóa, cộng tuyến, triệt tiêu giữa đường trực tiếp và gián tiếp, cùng độ bất định. Không gọi E là không quan trọng chỉ vì nó nằm ở vùng bên trái (Hair et al., 2018, chương 3).

Ở cấp item, importance được suy ra từ trọng số đã đổi thang nhân với tổng ảnh hưởng của cấu trúc lên target. Trong ví dụ giả định trên, item thứ hai có importance 0,50 × 0,40 = 0,20. Đây là quan hệ trong cách tạo điểm của mô hình. Với thang phản ánh, item là biểu hiện của khái niệm; sửa cách viết câu hỏi hoặc làm người trả lời chọn điểm cao hơn không tương đương cải thiện dịch vụ (Hair et al., 2018, chương 3).

7. Từ tọa độ đến ưu tiên có điều kiện

Không xếp hạng cứng hai yếu tố chỉ vì importance chênh nhau vài chữ số cuối. Xem bằng chứng lấy mẫu lại phù hợp với đúng loại hệ số, hướng và quy mô tác động. Khoảng tin cậy của beta chuẩn hóa không thể được gắn sang tổng ảnh hưởng không chuẩn hóa như thể là cùng một tham số. Kiểm tra tùy chọn và bảng mà phiên bản phần mềm thực sự xuất; nếu chưa có khoảng tin cậy tương ứng, nói rõ giới hạn đó thay vì tự điền một CI.

Tách kết quả thống kê khỏi quyết định nguồn lực. Một yếu tố importance cao, performance thấp chỉ thành ứng viên hành động khi nội dung đo lường phù hợp, quan hệ đủ ổn định và tổ chức có quyền can thiệp. So sánh chi phí, thời gian, mức cải thiện khả thi và rủi ro trước khi khuyến nghị. Đây là bước suy xét quản trị do người nghiên cứu bổ sung, không phải kết quả do IPMA tự tính.

Kiểm tra độ nhạy bằng cách giữ cùng dữ liệu và so các lựa chọn có lý do: target khác, phạm vi tiền nhiệm khác hoặc các đặc tả mô hình có căn cứ. Không thay cận thang đo đúng thành sai chỉ để thử độ vững; sai mã hóa cần được sửa, không được coi là một phương án phân tích hợp lệ.

8. Mẫu báo cáo và bộ hồ sơ tái lập

Mẫu dưới đây dùng dấu ngoặc để bạn thay bằng kết quả thật. Không chép tọa độ trên hình minh họa thành phát hiện nghiên cứu của mình. Báo rõ phạm vi tiền nhiệm, hướng thang đo và việc importance dùng tổng ảnh hưởng không chuẩn hóa theo quy trình của Hair et al. (2018) và Ringle và Sarstedt (2016).

• Đúng target, phạm vi tiền nhiệm và hệ đơn vị của importance.
• Có bảng mã, miền lý thuyết, quy tắc đảo item và xử lý thiếu.
• Giữ bảng số liệu bên cạnh bản đồ, không chỉ lưu ảnh.
• Nêu đường chia vùng do đâu và không coi là ngưỡng chung.
• Giải thích tác động âm và giới hạn khi đi từ item đến hành động.
• Báo bằng chứng độ bất định hoặc nói rõ phần chưa có.
• Lưu mô hình, phiên bản dữ liệu, phần mềm và lịch sử quyết định.