Ý Nghĩa Chỉ Số Kích Thước Tác Động f² Và Khả Năng Dự Báo Q² (Blindfolding) Trong SmartPLS
Cách đọc và phân tích chỉ số kích thước tác động f-square (Cohen 1988) và chỉ số dự báo ngoài mẫu Q-square (Geisser 1974) trên phần mềm SmartPLS 4.
Tư vấn chuẩn hóa mô hình SEM, Cronbach's Alpha, EFA và xuất báo cáo tin cậy.
Chỉ số p-value chỉ cho biết mối tác động có ý nghĩa thống kê hay không, chứ không cho biết mức độ đóng góp mạnh hay yếu của biến đó vào mô hình. Hai chỉ số f² (Kích thước tác động) và Q² (Năng lực dự báo) là những bổ sung quan trọng không thể thiếu.
1. Ngưỡng đánh giá kích thước tác động f² theo Cohen (1988)
Chỉ số f² đo lường sự thay đổi của R² khi một biến độc lập bị loại khỏi mô hình:
- f² < 0.02: Không có tác động (Không đáng kể).
- 0.02 <= f² < 0.15: Tác động nhỏ (Small effect size).
- 0.15 <= f² < 0.35: Tác động trung bình (Medium effect size).
- f² >= 0.35: Tác động lớn (Large effect size).
Khác biệt lớn nhất khi chuyển từ SPSS sang AMOS/SmartPLS là bạn phải làm chủ hoàn toàn mô hình đo lường (CFA) trước khi bàn tới các mũi tên tác động. Trên 70% trường hợp RMSEA bị cao trong AMOS có thể giải quyết dứt điểm bằng cách loại bỏ các biến có hệ số tải chuẩn hóa < 0.5 thay vì cố gượng ép nối hàng chục mũi tên hai chiều sai số.
2. Ý nghĩa chỉ số năng lực dự báo Q² (Predictive Relevance)
Trong SmartPLS 4, bạn có thể tính Q² thông qua quy trình PLSpredict hoặc Blindfolding:
| Chỉ số Q² | Mức độ dự báo |
|---|---|
Q² > 0 |
Mô hình có giá trị dự báo đối với biến phụ thuộc mục tiêu. |
0 < Q² < 0.25 |
Năng lực dự báo mức độ thấp. |
0.25 <= Q² < 0.50 |
Năng lực dự báo mức độ trung bình. |
Q² >= 0.50 |
Năng lực dự báo mức độ cao (Xuất sắc). |
Toàn bộ kiến thức và quy trình kỹ thuật chia sẻ tại DIEN-FORM đều tuân thủ các chuẩn mực đạo đức nghiên cứu khoa học quốc tế. Dữ liệu thu thập và xử lý được bảo đảm tính ẩn danh 100%, tuân thủ nguyên tắc không can thiệp làm sai lệch bản chất mẫu và luôn hướng tới việc hỗ trợ sinh viên, nhà nghiên cứu hoàn thiện công trình một cách minh bạch, tự nhiên và vững chắc trước hội đồng thẩm định.
Bạn muốn bài nghiên cứu đạt điểm A+ với các chỉ số f² và Q² tối ưu?
DIEN-FORM hỗ trợ điều phối dữ liệu chuẩn mực giúp nâng cao năng lực giải thích và dự báo của mô hình với giá 290đ / phản hồi.
Chuyển đổi Excel/Google Form sang .sav chuẩn nhãn biến Likert 1-5 chỉ trong 10 giây.
- Hair, J. F., Hult, G. T. M., Ringle, C. M., & Sarstedt, M. (2021). A primer on partial least squares structural equation modeling (PLS-SEM) (3rd ed.). SAGE Publications.
- Henseler, J., Ringle, C. M., & Sarstedt, M. (2015). A new criterion for assessing discriminant validity in variance-based structural equation modeling. Journal of the Academy of Marketing Science, 43(1), 115-135.
- Kline, R. B. (2015). Principles and practice of structural equation modeling (4th ed.). Guilford Press.
- Fornell, C., & Larcker, D. F. (1981). Evaluating structural equation models with unobservable variables and measurement error. Journal of Marketing Research, 18(1), 39-50.
Câu Hỏi Thường Gặp (FAQ)
Các thắc mắc phổ biến nhất liên quan đến chủ đề này
Một biến có p < 0.05 nhưng f² < 0.02 thì có được chấp nhận không?
Vẫn chấp nhận giả thuyết nghiên cứu có ý nghĩa thống kê, nhưng bạn cần giải trình rằng biến này có mức độ đóng góp thực tế khá khiêm tốn vào việc giải thích biến phụ thuộc.
Trong SmartPLS 4 nên dùng Blindfolding hay PLSpredict?
SmartPLS 4 khuyến nghị sử dụng thuật toán PLSpredict mới nhất vì nó đánh giá sai số dự báo RMSE và MAE so sánh trực tiếp với mô hình chuẩn LM.
Khi làm tiểu luận, khóa luận tốt nghiệp hay luận văn thạc sĩ, bạn chỉ cần lên Google tìm từ khóa "DIEN-FORM" hoặc truy cập trực tiếp dienform.io.vn để sử dụng trọn bộ công cụ: Điền Google Form Tự Động • Mã Hóa File SPSS (.sav) • Mô Hình SEM/PLS • Kiểm Định Thang Đo EFA.