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

Weighted PLS (WPLS): Khi Mẫu Khảo Sát Không Đại Diện Đúng Cho Tổng Thể

Một mẫu khảo sát hiếm khi phản ánh tổng thể một cách hoàn hảo. Khi có sẵn một biến trọng số lấy mẫu đã được xây dựng đúng cách, Weighted PLS cho phép đưa trọng số đó vào ước lượng PLS-SEM, giúp kết quả phản ánh tổng thể chính xác hơn so với PLS tiêu chuẩn không có trọng số.

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

Trọng số mẫu cần xuất phát từ thiết kế

  1. Tổng thể

    Nêu đối tượng cần suy rộng

  2. Mẫu

    Kiểm tra lệch cơ cấu và cách chọn

  3. Trọng số

    Giải thích cách tính và áp dụng

  4. Độ nhạy

    Đối chiếu có và không trọng số

Sơ đồ khái niệm. Trọng số không tự khắc phục mọi sai lệch chọn mẫu hoặc phép đo.

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

1. Vì sao một mẫu khảo sát có thể không đại diện đúng

Tài liệu SmartPLS về Weighted PLS nêu ba nguyên nhân chính khiến một mẫu không phản ánh đúng tổng thể: xác suất được chọn vào mẫu không đồng đều giữa các nhóm đối tượng, tỷ lệ không phản hồi khác nhau giữa các nhóm (unit nonresponse), và việc một số nhóm trong tổng thể hoàn toàn không có cơ hội được đưa vào khung chọn mẫu (noncoverage).

Khi một trong ba nguyên nhân này xảy ra, ước lượng từ mẫu, dù cỡ mẫu lớn đến đâu, vẫn có thể lệch khỏi tham số thật của tổng thể, vì một số nhóm đối tượng bị đại diện quá mức hoặc dưới mức so với tỷ trọng thật của họ trong tổng thể.

2. Nguyên lý Weighted PLS

Weighted PLS (Becker & Ismail, 2016; Cheah, Roldán, Ciavolino, Ting & Ramayah, 2021) đưa trọng số lấy mẫu vào quá trình ước lượng PLS-SEM thông qua tương quan có trọng số và hồi quy có trọng số, thay vì tính tương quan và hồi quy theo cách thông thường xem mọi quan sát có trọng số như nhau. Khi trọng số lấy mẫu được xây dựng đúng cách, ví dụ qua kỹ thuật hậu phân tầng (post-stratification), kết quả ước lượng từ WPLS trung bình sẽ chính xác hơn so với PLS tiêu chuẩn trong việc phản ánh tham số tổng thể.

3. Khi nào nên dùng WPLS

Hai điều kiện cần có trước khi dùng WPLS

Thứ nhất, có lý do để nghi ngờ mẫu không đại diện đồng đều cho tổng thể, ví dụ do thiết kế chọn mẫu phức tạp hoặc tỷ lệ phản hồi khác nhau giữa các nhóm. Thứ hai, đã có sẵn một biến trọng số lấy mẫu phù hợp, thường đi kèm theo bộ dữ liệu nếu đó là khảo sát thứ cấp, hoặc được nhà nghiên cứu tự xây dựng theo quy trình hậu phân tầng được công nhận trong tài liệu phương pháp.

Nếu không có sẵn một biến trọng số đáng tin cậy, việc tự tạo một biến trọng số chỉ để chạy WPLS mà không theo quy trình xây dựng trọng số đã được kiểm chứng có thể gây hại nhiều hơn lợi, vì sai số trong bản thân biến trọng số sẽ truyền vào toàn bộ kết quả ước lượng.

4. Quy trình thực hiện trong SmartPLS

Xây dựng hoặc xác định biến trọng số

Chuẩn bị một biến chứa trọng số lấy mẫu cho từng quan sát trước khi nhập dữ liệu vào SmartPLS. Việc xây dựng biến trọng số này cần theo tài liệu phương pháp chuyên biệt, không phải một bước có thể làm tùy ý.

Nhập dữ liệu vào SmartPLS

Đưa bộ dữ liệu, bao gồm biến trọng số đã chuẩn bị, vào dự án SmartPLS như bình thường.

Chạy thuật toán PLS hoặc PLSc

Chạy thuật toán PLS hoặc PLSc, hoặc một thuật toán khác được xây dựng trên nền hai thuật toán này.

Chọn biến trọng số trong tab weighting

Trong tab thiết lập trọng số, chọn biến trọng số đã chuẩn bị từ danh sách. SmartPLS sẽ tự động áp dụng WPLS cho toàn bộ các tính toán tiếp theo.

Nếu một thuật toán cụ thể trong SmartPLS không có tab weighting, WPLS chưa khả dụng cho thuật toán đó.

5. Các bộ dữ liệu khảo sát thường có sẵn trọng số

Một số bộ dữ liệu khảo sát quốc tế thường được dùng lại cho nghiên cứu thứ cấp đã có sẵn biến trọng số lấy mẫu, bao gồm International Social Survey Programme (ISSP), European Social Survey (ESS), European Working Conditions Survey, European Company Survey (ECS), và European Quality of Life Surveys (EQLS). Khi dùng các bộ dữ liệu này cho PLS-SEM, WPLS là cách phù hợp để tận dụng đúng biến trọng số đã có sẵn trong bộ dữ liệu gốc.

6. Giới hạn của WPLS

  • Lợi ích của WPLS phụ thuộc hoàn toàn vào chất lượng của biến trọng số; một biến trọng số xây dựng sai có thể làm kết quả tệ hơn so với không dùng trọng số.
  • WPLS hiện chỉ khả dụng cho thuật toán PLS, PLSc và các thuật toán xây dựng trên hai thuật toán này trong SmartPLS, chưa áp dụng được cho mọi thuật toán khác trong phần mềm.
  • Nhà nghiên cứu phải tự xây dựng biến trọng số nếu bộ dữ liệu chưa có sẵn; đây không phải một bước SmartPLS tự động thực hiện.

7. Lỗi thường gặp

Bảng 1
Cách làm yếuVì sao chưa phù hợpCách làm nên dùng
"Tự gán trọng số cho từng quan sát theo cảm tính rồi chạy WPLS."Trọng số cần được xây dựng theo quy trình đã được công nhận, ví dụ hậu phân tầng, không phải một con số gán tùy ý.Dùng biến trọng số có sẵn trong bộ dữ liệu, hoặc xây dựng theo tài liệu phương pháp chuyên biệt về trọng số lấy mẫu.
"Dùng WPLS cho một thuật toán bất kỳ trong SmartPLS mà không kiểm tra có tab weighting hay không."WPLS hiện chỉ khả dụng cho PLS, PLSc và các thuật toán xây dựng trên hai thuật toán này.Kiểm tra thuật toán đang dùng có tab weighting hay không trước khi báo cáo đã áp dụng WPLS.
"Không cần nêu nguồn gốc hoặc cách xây dựng biến trọng số trong báo cáo."Người đọc cần biết trọng số đến từ đâu để đánh giá độ tin cậy của kết quả đã hiệu chỉnh.Nêu rõ nguồn gốc biến trọng số, ví dụ lấy từ bộ dữ liệu gốc hay tự xây dựng theo phương pháp nào.

8. Bảng kiểm trước khi báo cáo

  • Đã nêu rõ lý do nghi ngờ mẫu không đại diện đồng đều cho tổng thể chưa?
  • Đã nêu rõ nguồn gốc hoặc cách xây dựng biến trọng số lấy mẫu chưa?
  • Đã xác nhận thuật toán đang dùng (PLS/PLSc) hỗ trợ tab weighting chưa?
  • Đã so sánh kết quả có trọng số và không có trọng số để làm rõ mức độ khác biệt chưa?

Kết luận

Weighted PLS giải quyết một vấn đề cụ thể: mẫu khảo sát không đại diện đồng đều cho tổng thể vì xác suất chọn mẫu không đều, tỷ lệ không phản hồi khác nhau, hoặc một số nhóm không có cơ hội vào mẫu. Phương pháp này không tự tạo ra lời giải cho vấn đề đó; nó chỉ áp dụng đúng cách một biến trọng số đã có sẵn vào quá trình ước lượng PLS-SEM.

Giá trị thực tế của WPLS vì vậy gắn chặt với chất lượng của biến trọng số đưa vào. Với các bộ dữ liệu khảo sát quốc tế đã có sẵn trọng số chuẩn, WPLS là một cách tận dụng đúng đắn thông tin đó thay vì bỏ qua nó khi chạy PLS-SEM.

Tài liệu tham khảo

  • Becker, J.-M., & Ismail, I. R. (2016). Accounting for sampling weights in PLS path modeling: Simulations and empirical examples. European Management Journal, 34(6), 606-617. https://doi.org/10.1016/j.emj.2016.06.009
  • Cheah, J.-H., Roldán, J. L., Ciavolino, E., Ting, H., & Ramayah, T. (2021). Sampling weight adjustments in partial least squares structural equation modeling: Guidelines and illustrations. Total Quality Management & Business Excellence, 32(13-14), 1594-1613. https://doi.org/10.1080/14783363.2020.1754125

Ghi chú học thuật: Bài viết trình bày nguyên lý và quy trình chung của WPLS theo tài liệu hướng dẫn của SmartPLS và hai nguồn phương pháp đã dẫn. Việc xây dựng biến trọng số lấy mẫu cho một bộ dữ liệu cụ thể cần tham khảo trực tiếp Becker và Ismail (2016) cùng Cheah, Roldán, Ciavolino, Ting và Ramayah (2021), không nên tự suy diễn cách tính trọng số.