CHƯƠNG I: TỔNG QUAN NGHIÊN CỨU
CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU
4.4. Đánh giá mô hình cấu trúc
Để đảm bảo rằng không có sự tác động qua lại giữa các biến độc lập nghĩa là không xảy ra hiện tượng đa cộng tuyến, tác giả nghiên cứu kiểm tra thêm Hệ số phóng đại phương sai VIF. Chỉ số VIF (Variance Inflation Factor) được sử dụng để đánh giá hiện tượng phóng đại mức độ mà các khái niệm nghiên cứu tương tác với nhau. Các giá trị VIF trên 5 là dấu hiệu của vấn đề cộng tuyến có thể xảy ra giữa các cấu trúc dự đoán, nhưng cộng tuyến cũng có thể xảy ra ở các giá trị VIF thấp hơn 3- (Mason và Perreault, 1991; Becker et al., 2015). Lý tưởng nhất là các giá trị VIF phải gần 3 và thấp hơn. Nếu chỉ số VIF không lớn hơn 5, từ đó có thể đánh giá rằng hiện tượng phóng đại mức độ không xảy ra (Sarstedt và cộng sự, 2021), nghĩa là giữa các biến độc lập không xuất hiện sự đa cộng tuyến. Từ kết quả trong Bảng 4.4.1, giá trị VIF nằm trong khoảng 1.406 đến 1.882, nằm trong ngưỡng có thể tiếp nhận. Do đó, hiện tượng này giữa các cấu trúc nghiên cứu dự báo không xảy ra trong mô hình nghiên cứu (Hair và cộng sự, 2019). Kết quả xử lý dữ liệu cho thấy các điều kiện về tính hợp lệ, độ hội tụ và độ phân biệt đều được thỏa mãn.
Khái niệm VIF
AT (AT1 - AT3) 1.406 ~ 1.569
IU (IU1 - IU4) 1.519 ~ 1.882
SI (SI1 - SI3) 1.334 ~ 1.388
PP (PP1- PP3) 1.328 ~ 1.453
PU (PU1 - PU5) 1.517 ~ 1.714
TR (TR1 - TR3) 1.479 ~ 1.562
(Nguồn: Kết quả phân tích từ phần mềm SmartPLS của tác giả) Đánh giá mô hình cấu trúc là một tiêu chí quan trọng trong phương pháp PLS- SEM. Hair và cộng sự (2017) đề xuất đánh giá thông qua hệ số xác định (R2). Khi không có vấn đề về cộng tuyến, bước tiếp theo trong nghiên cứu là đánh giá hệ số xác định R2 của các biến nội sinh. Các hệ số này cho phép đo lường phương sai, được giải thích thông qua các biến nội sinh, vì vậy, nó là thước đo sức mạnh giải thích của mô hình (Shmueli và Koppius, 2011) hay còn được gọi là công suất dự đoán trong mẫu (Rigdon, 2012). Sức mạnh giải thích của R2 càng lớn khi các giá trị càng cao, thông thường nằm trong khoảng từ 0 đến 1. Theo Henseler et al., (2009) và Hair et al., (2011), các giá trị 0.75; 0.50 và 0.25 được coi là đáng kể, trung bình và yếu. Vậy, từ kết quả Bảng 4.4.2, cho thấy các khái niệm trong bài nghiên cứu có chỉ số R2 trên 0.5 nên mô hình nghiên cứu thỏa mãn khả năng dự đoán và hầu hết các giá trị đề ở mức trên trung bình.
Tác giả kết hợp sử dụng phương pháp đánh giá năng lực dự báo để đánh giá mức độ phù hợp, độ chính xác dự đoán của mô hình. Theo Tanenhaus và cộng sự (2005) đã nhận định Q2 được coi là chỉ số đánh giá chất lượng tổng thể của mô hình
thành phần. Theo Hair và cộng sự (2019) đưa ra các mức độ của Q2 tương ứng với khả năng dự báo của mô hình như sau:
• 0 < Q2 < 0.25: mức độ chính xác dự báo thấp
• 0.25 ≤ Q2 ≤ 0.5: mức độ chính xác dự báo trung bình
• Q2 > 0.5: mức độ chính xác dự báo cao
Có thể thấy các giá trị Q2 AT, IU đều lớn hơn 0.6 cho thấy mức độ chính xác dự báo cao (Bảng 4.4.2).
Bảng 4.4.2. Bảng kết quả hệ số xác định R2 và năng lực dự báo Q2
Khái niệm Q2 R2 R2 hiệu chỉnh
AT 0.649 0.666 0.660
IU 0.610
(Nguồn: Kết quả phân tích từ phần mềm SmartPLS của tác giả) Để kiểm định các giả thuyết trong mô hình, tác giả nghiên cứu đã sử dụng cấu trúc tuyến tính SEM và bootstrapping (Chin và cộng sự, 2020). Đánh giá hệ số đường dẫn (path coefficient) nhằm xem xét mối tương quan và mức độ là tích cực hay tiêu cực, chỉ số này thường nằm trong khoảng -1 đến +1, dữ liệu cho ra gần +1 thể hiện mối tương quan cùng chiều ngược lại nếu chỉ số gần bằng -1 cho thấy mối tương quan ngược chiều. Với phương pháp bootstrapping và kiểm định giá trị p, tác giả nghiên cứu có thể kiểm tra mối quan hệ giữa các khái niệm và nhận xét chúng có ý nghĩa hay không. Do tính chất mới của nghiên cứu và là lần đầu tiên được tiến hành tại thị
không có ý nghĩa thống kê. Từ Bảng 4.4.3, kết quả cho thấy các giả thuyết đều có giá trị p < 0.05 hay ý nghĩa thống kê ở mức 95%. Do đó, các giả thuyết H1, H2, H3, H4, H5 đều được chấp nhận.
Bảng 4.4.3 Kết quả phân tích Bootstrapping
Hệ số đường dẫn
Mẫu ban đầu (O)
Trung bình mẫu
Độ lệch chuẩn
Thống kê T
Trị số
P Kết quả
AT -> IU 0.729 0.731 0.037 19.964 0.000 Chấp nhận
SI -> AT 0.219 0.220 0.065 3.354 0.001 Chấp nhận
PP -> AT 0.143 0.145 0.058 2.471 0.014 Chấp nhận
PU -> AT 0.254 0.254 0.072 3.525 0.000 Chấp nhận
TR -> AT 0.317 0.315 0.070 4.546 0.000 Chấp nhận
Hình 4.1. Kết quả mô hình nghiên cứu