MÔ HÌNH CẤU TRÚC BẬC CAO

Lý do chính được Hair và cộng sự (2013) đưa ra để giải thích việc tại sao phải sử dụng cấu trúc bậc 2 trong các mô hình SEM là vì nó giúp nghiên cứu giảm đi số lượng các mối quan hệ trong mô hình, và từ đó làm cho việc phân tích các mô hình SEM trở nên dễ dàng hơn.

Ngoài ra, khi các nhân tố trong mô hình nghiên cứu có mối tương quan cao sẽ làm cho mô hình cấu trúc bị sai lệch do hiện tượng đa cộng tuyến. Nên để loại bỏ hiện tượng đa cộng tuyến, một trong những cách hữu hiệu là sử dụng mô hình cấu trúc bậc cao.

Khi chúng ta sử dụng cấu trúc bậc 2 trong nghiên cứu, cần quan tâm nhất là mục đích của mô hình nghiên cứu.

Trong mô hình PLS SEM sử dụng SmartPLS, tất cả các biến tiềm ẩn đều phải có ít nhất một biến quan sát. Do đó, Lohmöller (1989) và Wold (1982) đã đưa ra một phương pháp tiếp cận gọi là chỉ báo lặp lại. Ở đó, các quan sát của biến bậc một sẽ được đưa hết vào biến bậc hai. Ví dụ như hình dưới:

Lúc này, mô hình của chúng ta chỉ còn hai giả thuyết cơ bản là GR1 --> RI và GR2 --> RI. Như vậy có thể thấy từ mô hình có bốn giả thuyết nghiên cứu, sau khi sử dụng biến bậc hai, mô hình giảm xuống còn hai giả thuyết nghiên cứu. Điều này giúp cho nghiên cứu giảm bớt độ phức tạp trong phân tích. Tuy nhiên, cần phải nói thêm là khi sử dụng mô hình biến bậc hai thì lý thuyết nghiên cứu của tác giả phải ủng hộ việc này.

Trong mô hình CB SEM sử dụng phần mềm AMOS để mô phỏng SEM chứa cấu trúc bậc hai có khác biệt so với SmartPLS. Trong AMOS, biến bậc hai (second order) không chứa biến quan sát nào (items), nhưng để mô hình xác định được thì bạn cần đặt hệ số ràng buộc cho ít nhất một đường dẫn đối với mỗi biến bậc hai. Ví dụ như sau:

Bạn có thể đặt trọng số bất kỳ nhé, nếu bạn đặt 1 thì trọng số của LY lên GR1 là 0.72; nhưng nếu bạn đặt 0.9 thì trọng số lúc này là 0.65 (0.90*0.72/1.00 = 0.65). Hoặc bạn có thể khống chế cả hai đều giống nhau vẫn được nhé.

Trong STATA thì mô hình cấu trúc bậc cao tương tự như AMOS, tuy nhiên, anh/chị không nên sử dụng STATA để chạy các mô hình có cấu trúc bậc cao, bởi vì thuật toán trong STATA rất phức tạp, thêm vào đó quá trình chạy tích phân lặp Gauss rất mất thời gian, kết quả phụ thuộc nhiều vào số vòng lặp.

Dưới đây là một ví dụ chạy mô hình cấu trúc bậc cao sử dụng STATA.

Một số lưu ý:

Xin trích dẫn nguyên văn của Collier (2022) như sau:

Tài liệu tham khảo

Collier, J. E. (2020). Applied structural equation modeling using AMOS: Basic to advanced techniques. Routledge.

Hair,  J. F., Ringle, C. M., & Sarstedt, M. (2013). Partial least squares structural equation modeling: Rigorous applications, better results and higher acceptance. Long Range Planning, 46(1–2), 1–12.

Lohmöller, J.-B. (1989). Predictive vs. structural modeling: Pls vs. ml. In Latent variable path modeling with partial least squares (pp. 199–226). Springer.

Wold, H. (1982). Models for knowledge. In The making of statisticians (pp. 189–212). Springer.