- 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: 04/11/2021 bởi admin0
Nội dung chính (Nếu bạn chưa đăng nhập, nhiều nội dung có thể đã bị ẩn đi)
Xậy dựng công thức tính hệ số tác động q2
Các giá trị Q2 được ước lượng bởi quy trình dò tìm đánh giá năng lực tốt như thế nào của một mô hình đường dẫn trong việc dự báo các giá trị quan sát được ban đầu. Tương tự như hệ số tác động f2 tiếp cận để đánh giá các giá trị R2, tác động tương đối của sự liên quan mang tính dự báo có thể được so sánh bằng cách đo hệ số tác động q2, được xác định theo công thức như sau:
Trong đó
+ q2Xi là hệ số f bình phương của biến độc lập thứ i
+ Q2 là Q bình phương của biến phụ thuộc đang xét với đầy đủ các biến độc lập
+ Q2 excluded là các giá trị Q2 của biến phụ thuộc khi loại bỏ biến độc lập thứ I (Xi) bị đưa ra khỏi mô hình.
*** Lưu ý:
+ Phải sử dụng các giá trị giống hệt nhau cho khoảng cách đứt đoạn D khi tính toán kết quả của Q2 và Q2excluded.
+ Các ngưỡng: Tương tự Q2, các giá trị 0.02, 0.15, và 0.35 chỉ ra rằng sự liên quan mang tính dự báo của khái niệm ngoại sinh là nhỏ, vừa, hoặc lớn đối với một khái niệm nội sinh nhất định.
Ví dụ minh hoạ cách tính q2 trên SmartPLS
Xét mô hình gốc trong bài trước. Xét biến phụ thuộc CUSL.
Biến CUSL đang có Q2 là 0.414.
Bây giờ để tính toán chỉ số q2 của mối quan hệ LIKE tác động đến CUSL ta ước lượng mô hình phụ sau với thủ tục blindfolding. (Phần này tính tay vì phần mềm chưa tích hợp)
Kết quả như sau
Vậy ta tính toán được hệ số q2 trong trường hợp này như sau
= 0.08
Như vậy LIKE mang tới cho CUSL một khả năng dự báo ở mức trung bình