- 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: 12/03/2022 bởi admin0
Bài viết này tìm hiểu về hệ số GoF trong mô hình PLS SEM. Thực ra thì kể cả CB SEM cũng có chỉ số này. Nếu các bạn đọc các bài luân văn cũ sẽ hay bắt gặp.
Nội dung chính (Nếu bạn chưa đăng nhập, nhiều nội dung có thể đã bị ẩn đi)
Hệ số GoF
Tenenhaus, Amato, & Esposito Vinzi (2004) đề xuất sử dụng chỉ số này để xác nhận tính thích hợp của mô hình PLS-SEM. Các giá trị 0,1; 0,25 và 0,36 được sử dụng để làm cơ sở đánh giá tính thích hợp của mô hình, với các mức tương ứng là nhỏ, trung bình và lớn (Wetzels, Odekerken-Schröder, & Van Oppen, 2009).
Năm 2013 Henseler có 1 bài báo nó về những nhược điểm của chỉ số này https://www.researchgate.net/publication/236144740_Goodness-of-Fit_Indices_for_Partial_Least_Squares_Path_Modeling Trên thực tế thì hiện tại SmartPLS 3 cũng không tích hợp tính chỉ số này vào phần mềm, các bạn có thể đọc vài viết trước https://vaxidi.com/model-fit-smartpls
Trong bài viết này mình sẽ trình bày qua cách tính toán chỉ số này để các bạn tham khảo. Ngưỡng đánh giá đã được đề cập ở đầu bài viết.
Công thức tính
Trong đó
Mean AVE là trung bình công AVE của tất cả các biến tiềm ẩn trong mô hình
Mean R2 inner là trung bình cộng R bình phương của tất cả các biến nội sinh trong mô hình
Ví dụ
Xét mô hình sau
Kếtt quả AVE và R2 được cho trong bảng sau
Vậy
Mean AVE = (0.681+0.748+0.747)/3 = 0.7253
Mean R2 =(0.295+0.562)/2 =0.4285
GoF= (0.7253*0.4285)^1/2 = 0.5575
Sơ với ngưỡng đánh giá ở trên thì ta được một mô hình có độ phù hợp cao.
Xem thêm: Dịch vụ chạy mô hình SEM