Phân tích tương quan correlations trong SMARTPLS

NGÀY ĐĂNG: 12/06/2022 |DANH MỤC: Học SMARTPLS

Việc phân tích tương quan giữa các biến tiềm ẩn hoặc biến quan sát trong SMARTPLS giúp nhà nghiên cứu đánh giá được mối tương quan giữa các yếu tố (thuận/nghịch, mạnh/yếu). Ngoài ra, hệ số tương quan còn hỗ trợ rất nhiều trong xử lý vi phạm cộng tuyến, vi phạm tính phân biệt trên SMARTPLS.

1. Chạy phân tích ước lượng để lấy hệ số tương quan trên SMARTPLS

Hệ số tương quan sẽ được lấy từ kết quả phân tích PLS Algorithm. Ở cử sổ có diagram, chúng ta nhấp vào Calculate > PLS Algorithm.

Phân tích mô hình ước lượng trên SMARTPLS

Để hiểu được phần nội dung bên dưới, bạn vui lòng xem trước bài viết Mô hình cấu trúc và mô hình đo lường trong PLS-SEM để nắm được thuật ngữ cơ bản phần mềm. Cửa sổ Partial Least Squares Algorithm xuất hiện, tiến hành thiết lập phân tích mô hình ước lượng SMARTPLS như sau:

Phân tích mô hình ước lượng trên SMARTPLS

Tiếp tục nhấp vào Start Calculation ở góc phải bên dưới để tiến hành phân tích.

Phân tích mô hình ước lượng trên SMARTPLS

2. Đọc kết quả tương quan trên SMARTPLS

2.1 Tương quan giữa các biến tiềm ẩn trong SMARTPLS

Tại cửa sổ output của PLS Algorithm, nhấp vào Latent Variable.

tuong quan trong smartpls

Lúc này ở khung kết quả phía trên sẽ xuất hiện các tab kết quả liên quan đến biến tiềm ẩn. Chúng ta sẽ chuyển sang tab Latent Variable Correlations.

tuong quan trong smartpls

Đây chính là bảng hệ số tương quan giữa các biến tiềm ẩn hay các cấu trúc trong mô hình. Cấu trúc trình bày bảng dạng ma trận khá cơ bản với đường chéo mang giá trị tương quan là 1 do biến đó tương quan với chính nó. Các giá trị còn lại là tương quan giữa các cặp biến với nhau. Ví dụ: tương quan giữa DK với CV là 0.307, giữa GV với CV là 0.519….

Tương quan của biến tiềm ẩn chúng ta sẽ dùng đến trong trường hợp:

– Cần đánh giá tương quan giữa các cấu trúc trong mô hình: cặp biến nào có quan hệ mạnh/yếu, quan hệ thuận/nghịch.

– Trong trường hợp xảy ra cộng tuyến hoặc vi phạm tính phân biệt, chúng ta sẽ dựa vào bảng ma trận tương quan này để xác định cặp nhân tố nào có tương quan quá cao để xử lý. Hướng xử lý đó là loại bỏ một trong hai nhân tố (còn gọi là biến tiềm ẩn hoặc cấu trúc) có tương quan mạnh nếu cộng tuyến quá nặng/vi phạm tính phân biệt nặng. Trường hợp vi phạm không quá lớn, chúng ta sẽ loại lần lượt các biến quan sát có tương quan mạnh giữa các cấu trúc nhân tố với nhau. Chúng ta sẽ tiếp tục đi tới mục 2.2 ngay bên dưới.

2.2 Tương quan giữa các biến quan sát trong SMARTPLS

Tại cửa sổ output của PLS Algorithm, nhấp vào Indicator Data (Correlations).

tuong quan trong smartpls

Lúc này ở khung kết quả phía trên sẽ xuất hiện các tab kết quả liên quan đến tương quan của biến quan sát. Chúng ta sẽ xem ở tab đầu tiên Empirical Correlation Matrix.

tuong quan trong smartpls

Bảng kết quả này sẽ hiển thị hệ số tương quan giữa tất cả các biến quan sát trong mô hình. Ví dụ: tương quan giữa CV1 với CV2 là 0.407, giữa CV1 với DK1 là 0.089….

Tương quan của biến quan sát chúng ta sẽ dùng đến trong trường hợp:

– Cần đánh giá tương quan giữa các biến quan sát trong mô hình: cặp biến nào có quan hệ mạnh/yếu, quan hệ thuận/nghịch.

– Như đã đề cập ở phần tương quan biến tiềm ẩn, khi xảy ra tình trạng vi phạm tính phân biệt hoặc hiện tượng cộng tuyến, nghĩa là trong mô hình tồn tại một hoặc một vài cặp biến có tương quan quá mạnh. Để xử lý 2 loại vi phạm này, chúng ta hoặc loại cả một nhân tố hoặc loại dần các biến quan sát bên trong nhân tố. Tối ưu nhất vẫn là loại các biến quan sát trước, tới khi nào loại hết các biến quan sát rồi mà vẫn còn cộng tuyến hoặc vi phạm tính phân biệt, chúng ta mới loại cả một nhân tố.