- Giáo trình phân tích SmartPLS. Hướng dẫn chi tiết
- Cách đọc kết quả SmartPLS
- Các thao tác cơ bản với Project trên Smart PLS
- Các thao tác cơ bản với dữ liệu trên Smart PLS
- Các thao tác cơ bản với mô hình trên Smart PLS
- Trích dẫn kết quả từ phần mềm vào bài làm
- Đánh giá mô hình đo lường kết quả trên SmartPLS
- Phân tích mô hình PLS-SEM trên SmartPLS
- Đọc thêm: Bootstrapping và các kết quả trên SmartPLS
- Hệ số tác động f2 (f Square) trên phần mềm SmartPLS
- Phép dò tìm (Blindfolding) và khả năng dự báo ngoài mẫu Q2
- Hệ số tác động năng lực dự đoán q2 (q Square)
- Tác động trực tiếp, gián tiếp và tổng hợp trên SmartPLS
- Đánh giá vai trò của biến trung gian trong PLS SEM bằng phần mềm SmartPLS
- So sánh trung bình 2 mẫu độc lập trên SmartPLS
- Xử lý biến điều tiết trên SmartPLS
- Phân tích đa nhóm và xử lý biến điều tiết phân loại trên SmartPLS
- Phân tích biến điều tiết liên tục trên SmartPLS
- Đánh giá mô hình đo lường nguyên nhân
- Xử lý mô hình có biến tiềm ẩn bậc cao
- Đọc thêm: Model Fit trên SmartPLS
- Đọc thêm: Hệ số GoF (goodness-of-fit index) của mô hình SEM
- Data demo cho loạt bài Smart PLS
Cập nhật: 09/09/2022 bởi admin0
Smartpls là gì
SmartPLS là một phần mềm có giao diện người dùng đồ họa để mô hình hóa phương trình cấu trúc (structural equation modeling -SEM) dựa trên phương sai bằng cách sử dụng phương pháp mô hình hóa đường dẫn một phần bình phương nhỏ nhất (partial least squares-PLS) . Người dùng có thể ước tính mô hình với dữ liệu của họ bằng cách sử dụng PLS-SEM cơ bản, PLS-SEM có trọng số (WPLS), PLS-SEM nhất quán (PLSc-SEM) và hồi quy tổng số các thuật toán. Phần mềm tính toán các tiêu chí đánh giá kết quả tiêu chuẩn (ví dụ: đối với mô hình đo lường kết quả (formative measurement models) và định dạng và mô hình cấu trúc ( structural model ), bao gồm tiêu chí HTMT, kiểm tra ý nghĩa dựa trên bootstrap, PLSp Dự đoán và mức độ phù hợp) và nó hỗ trợ các phân tích thống kê bổ sung (ví dụ: phân tích tetrad xác nhận, mô hình bậc cao hơn, phân tích bản đồ hiệu suất quan trọng, phân đoạn lớp tiềm ẩn, dàn xếp, kiểm duyệt, đánh giá bất biến đo lường, phân tích đa nhóm).
Học smart pls bắt đầu từ đâu
Quá đơn giản. Ở đây chúng tôi có lợt bài viết giúp các bạn tự tin và chủ động xử lý 99% bài Smart PLS của minh. Đường link: https://vaxidi.com/giao-trinh-phan-tich-smartpls-huong-dan-chi-tiet
Dưới đây là một số ít vấn đề các bạn hay quan tâm và hỏi nhiều nên mình xin trích trả lời 1 số ý và hướng các bạn tới bài viết mang nội dung cung cấp thống tin hiều hơn
Nội dung chính (Nếu bạn chưa đăng nhập, nhiều nội dung có thể đã bị ẩn đi)
Mô hình đo lường là gì?
Đây là một thuật ngũ thường được sử dụng để nhắc đến mô hình đo lường các biến tiềm ẩn
Có 2 dạng biến tiềm ẩn bậc 1 đó là
+ Mô hình đo lường kết quả: https://vaxidi.com/danh-gia-mo-hinh-do-luong-ket-qua-tren-smartpls
+ Mô hình đo lường nguyên nhân: https://vaxidi.com/danh-gia-mo-hinh-do-luong-nguyen-nhan
Từ 2 dạng trên tạo thành 4 dạng biến tiềm ẩn bậc 2, được chúng tôi đề cập tại đây: https://vaxidi.com/xu-ly-mo-hinh-co-bien-tiem-an-bac-cao
Các phân tích hay gặp trên smart pls
+ Model Fit SmartPLS, để đánh giá độ phù hợp của mô hình: https://vaxidi.com/phan-tich-mo-hinh-pls-sem-tren-smartpls#Model_Fit_Do_phu_hop_cua_mo_hinh
+ Outer Loading trên smartpls chính là hệ số tải (ngoài) của đường dẫn từ các biến tiềm ẩn ra các biến chỉ báo kết quả thường dùng trong việc đánh giá tính hội tự: https://vaxidi.com/danh-gia-mo-hinh-do-luong-ket-qua-tren-smartpls/3#Danh_gia_tinh_hoi_tu_Convergent_Validity
+ Hệ số đường dẫn (Path coefficients) là hệ số hồi quy giữa các biến tiềm ẩn với nhau, chính là các giả thuyết cần kiểm chứng. Smart PLS báo các các hẹ so ĐÃ CHUẨN HOÁ. Chi tiết các phân tích xem tại đây: https://vaxidi.com/phan-tich-mo-hinh-pls-sem-tren-smartpls/4#Kiem_dinh_khoang_tin_cay_va_y_nghia_cua_cac_he_so_hoi_quy_trong_mo_hinh