Fornell and Larcker là gì? Tiêu chuẩn tính phân biệt

Trong nghiên cứu định lượng, Fornell and Larcker là một tiêu chuẩn quan trọng được sử dụng để đánh giá tính phân biệt (Discriminant Validity) giữa các biến tiềm ẩn trong mô hình. Vậy cách kiểm định và tiêu chuẩn đánh giá này được thực hiện như thế nào? Cùng VietGuru tìm hiểu nhé!

1. Tiêu chuẩn Fornell and Larcker trong đánh giá tính phân biệt

Tiêu chuẩn Fornell and Larcker được sử dụng để đánh giá tính phân biệt (Discriminant Validity) giữa các biến tiềm ẩn trong mô hình nghiên cứu. Theo Fornell và Larcker (1981), thang đo đạt tính phân biệt khi căn bậc hai của AVE (SQRT(AVE)) của mỗi biến tiềm ẩn lớn hơn hệ số tương quan giữa biến đó với các biến tiềm ẩn khác.

Kết quả thường được trình bày dưới dạng ma trận Fornell and Larcker, gồm:

• Các giá trị trên đường chéo: Căn bậc hai của AVE (SQRT(AVE) ) của từng biến tiềm ẩn.
• Các giá trị ngoài đường chéo: Hệ số tương quan giữa các biến tiềm ẩn.

Nguyên tắc đánh giá được thể hiện như sau: SQRT(AVE) > Hệ số tương quan với các biến tiềm ẩn khác

Ví dụ:

• Đối với ô màu cam: Giá trị 0.730 tại vị trí giao giữa cột A và hàng A biểu thị căn bậc hai của AVE (SQRT(AVE)) của biến A. Tương tự, 0.851 và 0.840 lần lượt thể hiện SQRT(AVE) của biến B và C.
• Đối với ô màu xanh: Giá trị 0.838 cho biết mức độ tương quan giữa A và B; -0.110 thể hiện tương quan giữa A và C; trong khi -0.306 biểu thị tương quan giữa B và C.

Tiêu chuẩn Fornell and Larcker trong đánh giá tính phân biệt

Nếu SQRT(AVE) của tất cả các biến đều lớn hơn các hệ số tương quan tương ứng, mô hình được kết luận đạt tính phân biệt theo tiêu chuẩn Fornell and Larcker (1981). Điều này cho thấy các biến tiềm ẩn có sự khác biệt tương đối rõ ràng và không bị trùng lặp quá mức về mặt khái niệm.

2. Cách đọc bảng Fornell and Larcker trong SmartPLS

Trong SmartPLS, bảng Fornell and Larcker được sử dụng để kiểm tra tính phân biệt giữa các biến tiềm ẩn. Kết quả được trình bày dưới dạng ma trận, trong đó giá trị trên đường chéo chính là SQRT(AVE), còn các giá trị ngoài đường chéo là hệ số tương quan giữa các biến tiềm ẩn.

Cách đọc bảng Fornell and Larcker được thực hiện như sau:

1. Xác định giá trị SQRT(AVE) của từng biến trên đường chéo chính.
2. So sánh SQRT(AVE) của một biến với hệ số tương quan của biến đó với tất cả biến còn lại.
3. Nếu SQRT(AVE) lớn hơn trị tuyệt đối của các hệ số tương quan, biến đó đạt tính phân biệt.
4. Nếu SQRT(AVE) nhỏ hơn ít nhất một hệ số tương quan, tính phân biệt giữa hai biến tương ứng bị vi phạm.

Ví dụ: Nếu biến A có SQRT(AVE) = 0.730, tương quan với B = 0.838 và tương quan với C = -0.110, cần so sánh:

• 0.730 < |0.838| → A và B không đạt tính phân biệt.
• 0.730 > |-0.110| → A và C đạt tính phân biệt.

Như vậy, chỉ cần SQRT(AVE) nhỏ hơn một hệ số tương quan là có thể xác định cặp biến đó đang gặp vấn đề về tính phân biệt. Khi đánh giá toàn bộ mô hình, cần thực hiện tương tự cho tất cả các biến tiềm ẩn.

Cách đọc bảng Fornell and Larcker trong SmartPLS

Lưu ý: Fornell and Larcker là phương pháp truyền thống. Henseler và cộng sự (2015) chỉ ra một số hạn chế của tiêu chuẩn này và đề xuất sử dụng HTMT (Heterotrait-Monotrait Ratio) như một phương pháp đánh giá tính phân biệt đáng tin cậy hơn.

3. Hạn chế của tiêu chuẩn Fornell and Larcker so với HTMT

Mặc dù Fornell and Larcker được sử dụng phổ biến để đánh giá tính phân biệt, nhưng phương pháp này vẫn tồn tại một số hạn chế. Henseler và cộng sự (2015) cho rằng tiêu chuẩn này có thể không phát hiện chính xác tình trạng thiếu tính phân biệt giữa các biến tiềm ẩn, đặc biệt trong những mô hình có mối tương quan cao.

Một số hạn chế chính của Fornell and Larcker gồm:

• Khả năng phát hiện hạn chế: Tiêu chuẩn có thể không nhận diện được một số trường hợp hai biến tiềm ẩn có sự chồng lấn đáng kể về mặt khái niệm.
• Phụ thuộc vào AVE: Việc đánh giá dựa trên SQRT(AVE) khiến kết quả chịu ảnh hưởng bởi mức độ hội tụ của thang đo, trong khi AVE cao không đồng nghĩa với tính phân biệt luôn được đảm bảo.
• Khả năng đánh giá chưa thực sự nhạy: Khi các biến tiềm ẩn có tương quan cao, Fornell and Larcker có thể vẫn cho kết quả đạt dù thực tế tính phân biệt chưa tốt.
• HTMT có khả năng kiểm định tốt hơn: Chỉ số HTMT (Heterotrait-Monotrait Ratio) được Henseler và cộng sự (2015) đề xuất nhằm khắc phục những hạn chế trên. HTMT trực tiếp xem xét tỷ lệ tương quan giữa các chỉ báo thuộc các khái niệm khác nhau so với các chỉ báo thuộc cùng một khái niệm.

Hạn chế của tiêu chuẩn Fornell and Larcker so với HTMT

Thông thường, HTMT < 0.90 được xem là đạt tính phân biệt; với tiêu chuẩn nghiêm ngặt hơn, một số nghiên cứu sử dụng ngưỡng 0.85. Do đó, khi phân tích mô hình bằng SmartPLS, nên xem xét HTMT bên cạnh Fornell and Larcker để có đánh giá toàn diện và đáng tin cậy hơn về tính phân biệt của thang đo.

4. Ví dụ minh họa bảng Fornell and Larcker đạt và không đạt

Để hiểu rõ hơn cách đánh giá tính phân biệt bằng tiêu chuẩn Fornell and Larcker, có thể xem xét hai trường hợp: bảng kết quả đạt và không đạt. Nguyên tắc chung là so sánh SQRT(AVE) trên đường chéo với trị tuyệt đối của hệ số tương quan giữa các biến tiềm ẩn.

Trường hợp 1: Bảng Fornell and Larcker đạt

Giả sử mô hình nghiên cứu gồm ba biến tiềm ẩn A, B và C, có kết quả như sau:

Các giá trị 0.820, 0.850 và 0.810 trên đường chéo là SQRT(AVE). Các giá trị còn lại là hệ số tương quan giữa các biến.

Kết quả so sánh:

• A: 0.820 > 0.650 và 0.820 > 0.520.
• B: 0.850 > 0.650 và 0.850 > 0.680.
• C: 0.810 > 0.520 và 0.810 > 0.680.

Như vậy, SQRT(AVE) của mỗi biến đều lớn hơn các hệ số tương quan tương ứng. Mô hình đạt tính phân biệt theo tiêu chuẩn Fornell and Larcker.

Ví dụ minh họa bảng Fornell and Larcker đạt và không đạt

Trường hợp 2: Bảng Fornell and Larcker không đạt

Giả sử kết quả được thể hiện như sau:

Đối với biến A, SQRT(AVE) = 0.730, trong khi tương quan giữa A và B là 0.838.

Do 0.730 < |0.838|, điều kiện Fornell and Larcker không được đáp ứng. Điều này cho thấy A và B chưa đảm bảo tính phân biệt.

Trong khi đó:

• A và C: 0.730 > |-0.110| → đạt.
• B và C: 0.851 > |-0.306| → đạt.

Tuy nhiên, chỉ cần một cặp biến không đáp ứng tiêu chuẩn thì mô hình được xem là có vấn đề về tính phân biệt theo tiêu chuẩn Fornell and Larcker. Khi gặp trường hợp này, nên kiểm tra thêm chỉ số HTMT và xem xét nội dung của các thang đo để xác định nguyên nhân.

5. Lời kết

Nếu bạn đang gặp khó khăn trong việc xây dựng mô hình, xử lý số liệu hoặc trình bày kết quả nghiên cứu, VietGuru cung cấp dịch vụ viết thuê nghiên cứu khoa học với đội ngũ hỗ trợ giàu kinh nghiệm. Đồng hành từ khâu xây dựng đề tài, thiết kế mô hình, xử lý dữ liệu SPSS/SmartPLS đến hoàn thiện nội dung theo yêu cầu. Dịch vụ giúp bạn tiết kiệm thời gian và hạn chế những sai sót trong quá trình thực hiện nghiên cứu.

Hy vọng bài viết trên đã giúp bạn hiểu rõ Fornell and Larcker là gì, cách đọc bảng và tiêu chuẩn đánh giá tính phân biệt trong mô hình nghiên cứu. Khi thực hiện tiêu chuẩn này trên SmartPLS, bạn nên kết hợp kiểm tra HTMT để có đánh giá toàn diện và đáng tin cậy hơn về tính phân biệt của mô hình.