Khai Phá Tiềm Năng: Phương Pháp Phân Tích Tích Hợp PLS-SEM, NCA và fsQCA Cho Ra Quyết Định Sáng Suốt

Phân tích tích hợp PLS-SEM, NCA và fsQCA là một khung phương pháp luận tiên tiến nhằm đánh giá toàn diện các mối quan hệ nhân quả phức tạp trong nghiên cứu khoa học. Nguyên nhân chính của việc ứng dụng phương pháp này là do những hạn chế của phân tích biến số đơn lẻ dựa trên phương sai truyền thống, thường bỏ qua các điểm nghẽn và tính bất đối xứng của dữ liệu, dẫn đến góc nhìn thiếu toàn diện. Giải pháp nhanh nhất và tối ưu nhất để khai thác triệt để dữ liệu là kết hợp kiểm định mô hình tuyến tính (PLS-SEM), phân tích điều kiện cần (NCA) và cấu hình điều kiện đủ (fsQCA) thành một quy trình mở rộng thống nhất, giúp nhà nghiên cứu và nhà quản trị ra quyết định chính xác hơn.

1. Tổng Quan & Lý Thuyết Nền Tảng (Overview & Theoretical Foundations)

1.1 Thông tin định danh bài báo

• Tiêu đề gốc: Unlocking potential: An integrated approach using PLS-SEM, NCA, and fsQCA for informed decision making
• Tiêu đề tiếng Việt: Khai phá tiềm năng: Cách tiếp cận phân tích tích hợp sử dụng PLS-SEM, NCA và fsQCA để ra quyết định có cơ sở
• Tác giả: Alexandre Sukhov, Margareta Friman, Lars E. Olsson
• Đơn vị công tác: Đại học Karlstad, SE-65188 Karlstad, Thụy Điển
• Tạp chí: Journal of Retailing and Consumer Services 74 (2023) 103424

1.2 Bối cảnh thực tiễn & Khoảng trống nghiên cứu

Trong nghiên cứu khoa học xã hội định lượng, việc chỉ phân tích dữ liệu từ một góc nhìn (phương sai hoặc hiệp phương sai) là một thực hành phổ biến nhằm kiểm tra mối quan hệ nhân quả. Phương pháp này không thể phủ nhận đã nâng cao sự hiểu biết và thúc đẩy sự tiến bộ của các công cụ thống kê. Tuy nhiên, cách tiếp cận này vô tình hạn chế sự hiểu biết về tính phức tạp của hiện tượng nghiên cứu, cản trở các nhà nghiên cứu có được cái nhìn tổng thể. Các phương pháp dựa trên phương sai truyền thống thường chỉ tập trung vào việc tìm ra tác động trung bình, do đó dễ dàng bỏ qua những điểm nghẽn mang tính quyết định hoặc các cấu hình điều kiện phi tuyến tính.

Nghiên cứu này ra đời nhằm khắc phục hạn chế đó bằng cách đề xuất một quy trình phân tích mở rộng. Bài báo ứng dụng quy trình này vào bối cảnh thực tiễn là giải quyết thách thức xã hội trong việc thu hút người cao tuổi sử dụng giao thông công cộng. Việc này đặc biệt quan trọng vì sự gia tăng dân số cao tuổi toàn cầu đòi hỏi sự đi lại bền vững, đảm bảo không ai bị bỏ lại phía sau (phù hợp với Chương trình nghị sự 2030 – Agenda 2030). Việc thấu hiểu làm thế nào các dịch vụ giao thông công cộng định hình và nâng cao khả năng tiếp cận được cảm nhận ở người cao tuổi trở thành một yêu cầu cấp thiết để xây dựng hệ thống giao thông toàn diện.

1.3 Hệ thống Lý thuyết nền tảng (Theoretical Foundations)

Nghiên cứu được xây dựng trên sự kết hợp của ba trường phái lý thuyết phân tích và lý thuyết quản trị dịch vụ:

• Lý thuyết đa logic nhân quả (Multiple Causal Logics): Kết hợp logic tuyến tính trung bình (PLS-SEM), logic điều kiện cần (NCA) và logic cấu hình bất đối xứng (fsQCA) để cải thiện phép đo tam giác phương pháp luận (methodological triangulation). Mỗi phương pháp mang một bộ giả định khác nhau, giúp bù đắp những điểm mù của nhau.
• Cách tiếp cận Khả năng tiếp cận nhận thức (Perceived Accessibility Approach): Định nghĩa là mức độ dễ dàng mà cá nhân có thể sống cuộc sống của họ khi sử dụng một hệ thống giao thông. Mức độ này bị ảnh hưởng bởi các yếu tố ngữ cảnh, bao gồm trải nghiệm về các thuộc tính chất lượng dịch vụ (ví dụ: sự thoải mái, tính chức năng, thông tin).

1.4 Lịch sử hình thành và phát triển của phương pháp tích hợp (Mới)

• Giai đoạn Khởi nguồn: Theo truyền thống, các nhà nghiên cứu chủ yếu dựa vào các phương pháp ước lượng phương sai (như hồi quy tuyến tính) để xác định tác động trung bình. Trong khi đó, Ragin (2000, 2006) đã đặt nền móng cho fsQCA dựa trên đại số Boolean để giải quyết tính phức tạp nhân quả, và Dul (2016a, 2016b) đã phát triển NCA để đi sâu vào triết lý “cần nhưng không đủ”, tập trung vào việc tìm ra các ngưỡng bắt buộc.
• Giai đoạn Hoàn thiện/Phát triển: Các học giả như Hair et al. (2019) và Sarstedt et al. (2022) đã củng cố vị thế của PLS-SEM. Gần đây, các nghiên cứu của Richter et al. (2020) và Sukhov et al. (2022) đã tiên phong trong việc gộp các phương pháp này lại để giải quyết bài toán đa chiều, đánh dấu sự chuyển dịch từ tư duy đối xứng sang tư duy bất đối xứng trong phân tích dữ liệu, giúp khai thác giá trị tối đa từ cùng một tập dữ liệu.

2. Khái Niệm Hóa và Cấu Trúc Khái Niệm (Conceptualization)

Khái niệm Phân tích tích hợp PLS-SEM, NCA và fsQCA là một quy trình phân tích mở rộng đa chiều. Nó đòi hỏi nhà nghiên cứu phải liên tục chuyển đổi tư duy giữa việc đánh giá tác động thuần, tìm kiếm rào cản tối thiểu và phân tích các công thức phối hợp.

2.1 Các thành phần và giả định nền tảng (Core Assumptions)

• PLS-SEM (Partial Least Squares Structural Equation Modeling): Dựa trên hồi quy bình phương tối thiểu thông thường (OLS). Giả định nền tảng: Đánh giá tác động thuần (net effects) và tính đối xứng lấy trung bình làm trung tâm. Phù hợp để kiểm định khung lý thuyết từ góc độ dự đoán và xử lý dữ liệu không phân phối chuẩn. PLS-SEM xử lý tốt các mô hình phức tạp với nhiều cấu trúc tiềm ẩn và có khả năng đánh giá độ tin cậy của thang đo thông qua các chỉ số như Cronbach’s Alpha và AVE.
• NCA (Necessary Condition Analysis): Giả định nền tảng: Kết quả Y không thể đạt được nếu không có điều kiện X ở một mức độ nhất định. Phương pháp này xác định các nút thắt (bottlenecks) quan trọng bắt buộc phải có, đánh giá quy mô hiệu ứng và mức độ cần thiết của từng biến dự báo. Thay vì tìm kiếm yếu tố nào tác động mạnh nhất, NCA trả lời câu hỏi: yếu tố nào nếu vắng mặt sẽ khiến toàn bộ hệ thống sụp đổ.
• fsQCA (Fuzzy Set Qualitative Comparative Analysis): Giả định nền tảng: Dựa trên lý thuyết tập hợp bất đối xứng. Phương pháp này giải quyết tính phức tạp nhân quả (causal complexity) bao gồm: quan hệ nhân quả kết hợp (conjunctural causation), tính đa kết quả/đa hướng (equifinality) và tính bất đối xứng nhân quả (causal asymmetry). Nó xác định các cấu hình điều kiện (configurations of conditions) đủ để tạo ra một kết quả, cho phép nhà nghiên cứu đánh giá tư cách thành viên tập hợp một phần (mức độ mà một trường hợp thuộc về một tập hợp được định nghĩa).

3. Quy Trình Phát Triển Thang Đo (Scale Development Process)

Dữ liệu được thu thập từ Khảo sát phong vũ biểu giao thông công cộng châu Âu (European Public Transport Barometer) năm 2020 từ tổ chức BEST (Benchmarking in European Service of Public Transport). Cuộc khảo sát này tiếp cận khoảng 12.000 người mỗi năm thông qua công cụ nền tảng web và phỏng vấn có cấu trúc.

• Mẫu nghiên cứu: Từ 960 người trả lời có sử dụng dịch vụ hàng tuần, dữ liệu được lọc ra 117 hành khách cao tuổi (75-92 tuổi, độ tuổi trung bình 78.6, 50.4% là nữ) di chuyển bằng giao thông công cộng hàng tuần tại 5 thành phố Bắc Âu (Stockholm, Helsinki, Oslo, Copenhagen, Bergen). Việc thu thập dữ liệu tuân thủ nghiêm ngặt các hướng dẫn đạo đức (phê duyệt số C2017/938).
• Quy trình phân tích:
  • Giai đoạn 1 (PLS-SEM): Đánh giá độ tin cậy, tính hợp lệ của mô hình đo lường (đảm bảo không có sai lệch phương pháp chung – common method bias thông qua hệ số VIF < 3.3) và ước lượng các hệ số đường dẫn cấu trúc bằng phần mềm SmartPLS. Quá trình này bao gồm kiểm tra tính nhất quán nội tại và giá trị phân biệt (HTMT).
  • Giai đoạn 2 (NCA): Trích xuất điểm số biến tiềm ẩn từ PLS-SEM vào phần mềm R. Vẽ đường trần CR-FDH (ceiling regression-free disposal hull) và đánh giá quy mô hiệu ứng (effect size – d) thông qua hoán vị (permutation test) với 10.000 mẫu ngẫu nhiên để loại trừ rủi ro dương tính giả.
  • Giai đoạn 3 (fsQCA): Chuẩn hóa điểm số biến tiềm ẩn (0 đến 1), hiệu chuẩn dữ liệu (calibration) dựa trên 3 ngưỡng định tính (phần tư trên >75%, điểm giao cắt – mức trung bình, phần tư dưới <25%), và chạy phân tích bảng sự thật (truth table analysis) với ngưỡng độ nhất quán (consistency cut-off) được thiết lập ở mức 0.8 để đảm bảo các giải pháp mang tính đại diện cao.

4. Thang Đo Lường Chính Thức (Measurement Scale)

Nghiên cứu sử dụng thang đo Likert 5 điểm (1 = Hoàn toàn không đồng ý, 5 = Hoàn toàn đồng ý) cho các thuộc tính chất lượng dịch vụ và thang đo 7 điểm cho khả năng tiếp cận nhận thức (PAC). Dưới đây là bảng trích xuất các biến quan sát (Lưu ý: Đối với thang đo PAC, tất cả các câu hỏi đều bắt đầu bằng tiền đề “Xét về cách tôi di chuyển” – Considering how I travel):

Cấu trúc (Construct)	Ký hiệu (Indicator)	Tiếng Anh gốc (Original English)	Bản dịch Tiếng Việt (Vietnamese Translation)
Functionality (Tính chức năng)	Transfer_easy	Transfers are easy	Việc chuyển tuyến rất dễ dàng
	Traveltime	Travel times on public transport are reasonable	Thời gian di chuyển trên phương tiện công cộng là hợp lý
	Waitingtime	Waiting times are short during transfers	Thời gian chờ đợi khi chuyển tuyến ngắn
	Reliability_on_schedule	Public transport mostly runs on schedule	Giao thông công cộng hầu hết chạy đúng giờ
	Departures_freq	I am satisfied with the number of departures	Tôi hài lòng với số lượng chuyến khởi hành
Information (Thông tin)	Info_problem	The information provided is good when traffic problems occur	Thông tin được cung cấp rất tốt khi xảy ra vấn đề giao thông
	Info_stop_terminal	The information provided at stops and terminals is good	Thông tin cung cấp tại các điểm dừng và nhà ga rất tốt
	Info_planning	It is easy to get the information needed to plan a trip	Dễ dàng nhận được thông tin cần thiết để lên kế hoạch chuyến đi
Security/Safety (An ninh/An toàn)	Safe_stations	I feel secure at stations and bus stops	Tôi cảm thấy an toàn tại nhà ga và điểm dừng xe buýt
	Safe_onboard	I feel secure aboard buses and trains	Tôi cảm thấy an toàn khi ở trên xe buýt và tàu hỏa
	Secure_traffic	I am not afraid of accidents when using public transport	Tôi không sợ tai nạn khi sử dụng giao thông công cộng
Comfort (Sự thoải mái)	Comfort_PT	Traveling by public transport is comfortable	Di chuyển bằng phương tiện công cộng rất thoải mái
	Modern_vehicles	The buses and trains are modern	Xe buýt và tàu hỏa hiện đại
	Vehicle_clean	The buses and trains are clean	Xe buýt và tàu hỏa sạch sẽ
	Seat_onboard	I normally get a seat when I travel by public transport	Tôi thường có chỗ ngồi khi di chuyển bằng phương tiện công cộng
Cost (Chi phí)	PT_value_for_money	Public transport gives value for money	Giao thông công cộng mang lại giá trị tương xứng với số tiền bỏ ra
	PT_reasonable_price	Public transport fares are reasonable	Giá vé giao thông công cộng hợp lý
Perceived Accessibility (Khả năng tiếp cận nhận thức – PAC)	PAC1	… It is easy for me to do my daily activities	… Thật dễ dàng để tôi thực hiện các hoạt động hàng ngày của mình
	PAC2	… I can live the life I want	… Tôi có thể sống cuộc sống mà tôi muốn
	PAC3	… I can do all the activities I want	… Tôi có thể thực hiện tất cả các hoạt động mà tôi muốn
	PAC4	My accessibility to all the things I want to do is good	Khả năng tiếp cận của tôi đối với tất cả những điều tôi muốn làm là rất tốt

5. Mạng Lưới Quan Hệ Lý Thuyết (Nomological Network)

Cấu trúc Phân tích tích hợp PLS-SEM, NCA và fsQCA cho phép mổ xẻ mạng lưới quan hệ lý thuyết dưới ba lăng kính, thể hiện sự toàn diện từ đánh giá tổng thể đến các điều kiện ngách:

• Tiền tố (Antecedents): 5 thuộc tính chất lượng dịch vụ: Tính chức năng (Functionality), Thông tin (Information), An ninh/An toàn (Security/Safety), Sự thoải mái (Comfort), Chi phí (Cost).
• Hậu tố (Consequences): Khả năng tiếp cận nhận thức cao (High Perceived Accessibility – PAC).

Phân tích mối quan hệ:

• Góc độ PLS-SEM: Mô hình có sức mạnh dự đoán vững chắc với R² = 0.23 và Q² = 0.20. Tuy nhiên, chỉ có sự gia tăng mức độ hài lòng về Sự thoải mái (Comfort) đóng góp có ý nghĩa thống kê vào việc cải thiện PAC (p < 0.05, β = 0.280). Chi phí, thông tin, tính chức năng không có ý nghĩa thống kê về hiệu ứng thuần và kiểm định nội sinh (Gaussian Copula) cho thấy không có vấn đề sai lệch.
• Góc độ NCA: Tiết lộ một câu chuyện hoàn toàn khác biệt. 4 trên 5 thuộc tính (trừ Chi phí) là điều kiện CẦN thiết. Sự thoải mái có quy mô hiệu ứng lớn nhất (d = 0.248), tiếp theo là tính chức năng (d = 0.112). Dựa vào Bảng điểm nghẽn, mức độ hài lòng tối thiểu về sự thoải mái phải đạt 46.3% để đạt được PAC cao. Tương tự, chức năng phải đạt 26.6% và thông tin đạt 21.2%.
• Góc độ fsQCA: Hình thành các cấu hình đa dạng dựa trên giới tính. Phân tích rút ra 3 cấu hình dẫn đến sự hiện diện của PAC cao (Configurations 1-3). Với nam giới cao tuổi, sự hài lòng cao về Comfort kết hợp với các thuộc tính khác (như chức năng, thông tin, an toàn) là ĐỦ để đạt PAC cao. Với nữ giới, hài lòng cao về Comfort là điều kiện cốt lõi và có thể bù đắp cho việc thiếu hài lòng ở các biến khác, thể hiện rõ đặc tính bất đối xứng trong hành vi tiêu dùng.

6. Hướng Dẫn Ứng Dụng & Các Nghiên Cứu Liên Quan (Academic Implications & Related Studies)

6.1 Quy trình ứng dụng 4 giai đoạn

Để ứng dụng thành công Phân tích tích hợp PLS-SEM, NCA và fsQCA vào các bài báo khoa học hay luận văn, các nhà nghiên cứu cần tuân thủ nghiêm ngặt lộ trình sau:

1. Chạy PLS-SEM trước: Sàng lọc độ tin cậy thang đo (Cronbach’s Alpha, Composite Reliability) và đánh giá các giả thuyết nhân quả truyền thống. Trích xuất latent variable scores (điểm số biến tiềm ẩn chuẩn hóa) làm đầu vào chính xác cho các bước sau.
2. Đánh giá điều kiện cần bằng NCA: Sử dụng phần mềm R để vẽ biểu đồ phân tán (scatter plots), xác định đường trần (Ceiling Line – khuyến nghị dùng CR-FDH) để tìm các điểm thắt cổ chai (bottlenecks) và tạo Bottleneck Table định lượng rõ % tối thiểu cần đạt cho từng biến.
3. Xác định cấu hình đủ bằng fsQCA: Tiến hành hiệu chuẩn (calibration) dữ liệu cẩn thận thông qua phương pháp định hướng trực tiếp. Chạy phân tích bảng sự thật (truth table) để tìm các “công thức” (recipes) nhân quả và thực hiện kiểm tra độ vững (robustness test) bằng cách thay đổi ngưỡng hiệu chuẩn 5-7%.
4. Tích hợp (Integration): Lập bảng tổng hợp đối chiếu kết quả từ cả 3 lăng kính. Đừng nhầm lẫn giữa “điều kiện cốt lõi” (core condition – fsQCA: thành phần then chốt trong một công thức) và “điều kiện cần” (necessary condition – NCA: yêu cầu bắt buộc phải có mặt đối với mọi trường hợp).

6.2 Các nghiên cứu liên quan tiêu biểu (Related Studies)

• Nhóm 1 – Các bài báo nền tảng về phương pháp: Dul (2016a, 2016b) khai sinh ra logic phân tích điều kiện cần (NCA); Ragin (2000, 2006, 2009) thiết lập nền tảng cho đại số Boolean trong fsQCA, mở đường cho tư duy hệ thống; Hair et al. (2019, 2021) chuẩn hóa các báo cáo về PLS-SEM.
• Nhóm 2 – Ứng dụng tích hợp phương pháp: Richter et al. (2020) và Sukhov et al. (2022) là những công trình tiên phong kết hợp các phương pháp này, chứng minh sức mạnh của tam giác hóa phương pháp luận bằng cách phơi bày những mối quan hệ ẩn mà các phương pháp truyền thống bỏ sót.
• Nhóm 3 – Ứng dụng trong Giao thông & Dịch vụ: Lättman et al. (2016a, 2016b) phát triển thang đo PAC và đưa ra cái nhìn mới về sự hòa nhập xã hội; Friman et al. (2020) chứng minh mối liên hệ giữa chất lượng, sự an toàn và khả năng tiếp cận.

6.3 Những mặt hạn chế và khoảng trống nghiên cứu (Limitations)

Không có nghiên cứu nào là hoàn hảo. Việc áp dụng lý thuyết này trong bài báo có 3 hạn chế cốt lõi mà các nhà nghiên cứu cần lưu ý:

• Hạn chế về cỡ mẫu: Cỡ mẫu tương đối nhỏ (N = 117), do đó cần thận trọng khi khái quát hóa kết quả cho một quần thể rộng lớn hơn. Cỡ mẫu này chỉ vừa đủ vượt qua ngưỡng giới hạn tính toán Bootstrap của PLS-SEM (ước tính yêu cầu 69 mẫu).
• Hạn chế về đối tượng: Nghiên cứu chỉ tập trung vào người cao tuổi thường xuyên sử dụng giao thông công cộng (ít nhất 1 lần/tuần), vô tình bỏ qua tiếng nói và rào cản của những người không sử dụng hoặc có tiềm năng sử dụng.
• Hạn chế về phương pháp: Mặc dù đã kết hợp ba phương pháp, nhưng nghiên cứu chưa cạn kiệt mọi sự kết hợp có thể. Quá trình hiệu chuẩn (calibration) trong fsQCA vẫn đòi hỏi nỗ lực chủ quan của nhà nghiên cứu trong việc thiết lập ngưỡng; điều này không thể được tự động hóa hoàn toàn và cần sự phản ánh kỹ lưỡng.

6.4 Các hướng nghiên cứu tương lai (Future Research Applications)

• Nhân rộng bối cảnh: Cần nhân rộng phương pháp kết hợp này sử dụng các mẫu khác trong các bối cảnh văn hóa và địa lý (đặc biệt là tại các nước đang phát triển) để đảm bảo độ tin cậy và tính khái quát.
• Mở rộng phân khúc: Phân tích sâu hơn vào các phân khúc người cao tuổi khác nhau (ví dụ: nhóm từ chối sử dụng công nghệ ứng dụng giao thông, hoặc nhóm yếu thế về thể chất nghiêm trọng).
• Khám phá cấu hình mới: Khám phá các ứng dụng nâng cao khác của các cấu hình phân tích nếu chúng mang lại lời giải thích tốt hơn (ví dụ: kết hợp với AI/Machine Learning để tối ưu hóa việc phân nhóm trước khi đưa vào fsQCA).

7. Ứng Dụng Quản Trị Doanh Nghiệp (Managerial Implications)

Từ góc độ thực tế quản trị, bài báo này cung cấp tư duy chiến lược dựa trên dữ liệu chuẩn xác cho các nhà quản lý dịch vụ, ngăn ngừa việc đầu tư dàn trải lãng phí:

• Giải quyết nút thắt (Bottleneck Management): Quản trị viên không thể cải thiện sự hài lòng tổng thể bằng cách bù đắp (Ví dụ: dùng giá vé rẻ để bù đắp cho xe bẩn). Bảng Bottleneck NCA chỉ ra rằng, đối với người cao tuổi, sự thoải mái (phương tiện sạch sẽ, có chỗ ngồi) là ngưỡng bắt buộc. Nếu không duy trì được mức tối thiểu 46.3% sự hài lòng về độ thoải mái, mọi khoản đầu tư vào ứng dụng công nghệ (thông tin) hay giảm giá (chi phí) đều vô nghĩa vì dịch vụ đã thất bại ở điều kiện tiên quyết.
• Tùy chỉnh cấu hình dịch vụ theo phân khúc (Segmentation Configuration): Kết quả fsQCA cho thấy không có một giải pháp chung cho tất cả (One-size-fits-all). Nam giới cao tuổi có tiêu chuẩn khắt khe hơn, đòi hỏi sự hài lòng cao ở đa biến (cả chức năng, thông tin, an toàn) để đánh giá tốt khả năng tiếp cận. Ngược lại, đối với hành khách nữ cao tuổi, sự thoải mái tuyệt đối có thể làm lu mờ những thiếu sót nhỏ ở các mảng khác. Điều này đòi hỏi các chiến lược truyền thông và phục vụ phải mang tính cá nhân hóa.
• Ưu tiên phân bổ nguồn lực: Tập trung ngân sách vào việc mua sắm phương tiện hiện đại và duy trì vệ sinh (biến Comfort) vì đây vừa là điều kiện CẦN thiết, vừa là thành phần CỐT LÕI để kiến tạo khả năng tiếp cận nhận thức cao. Đồng thời, đảm bảo các thuộc tính khác (thông tin, tính chức năng, an ninh) đạt mức tối thiểu chuẩn (acceptable baseline) – khoảng 21% đến 27% theo chỉ số NCA – để không gây bất mãn tuyệt đối cho hệ thống.

8. Các Câu Hỏi Thường Gặp (FAQ)

Sự khác biệt cốt lõi giữa PLS-SEM và fsQCA trong phương pháp phân tích tích hợp này là gì?

Khác biệt cốt lõi nằm ở logic nhân quả. PLS-SEM đánh giá “hiệu ứng thuần” (net effects) mang tính đối xứng trung bình (biến A tăng thì biến B tăng cho toàn bộ tập dữ liệu). Trong khi đó, fsQCA theo đuổi logic bất đối xứng dựa trên lý thuyết tập hợp, xác định các cấu hình đa dạng (nhiều kết hợp điều kiện khác nhau cùng dẫn đến một kết quả). FsQCA chấp nhận sự thật rằng sự thiếu hụt của một biến có thể không gây tác động tiêu cực nếu nó được đặt trong một tổ hợp điều kiện bù đắp cụ thể.

Tại sao phải sử dụng NCA khi đã có PLS-SEM?

NCA giúp phát hiện các “nút thắt cổ chai” (bottlenecks) bắt buộc dựa trên triết lý “cần nhưng không đủ”. PLS-SEM có thể chỉ ra một biến không có ý nghĩa thống kê trong tổng thể mô hình do mức độ phân tán dữ liệu, nhưng NCA có thể chứng minh biến đó là điều kiện bắt buộc phải có ở một ngưỡng tối thiểu để kết quả xảy ra (nếu thiếu nó, kết quả chắc chắn thất bại, bất kể các biến khác cao đến đâu).

Làm thế nào để hiệu chuẩn (Calibration) dữ liệu đúng cách trong fsQCA?

Cần dựa trên các tiêu chí bên ngoài mang tính lý thuyết hoặc phân phối tứ phân vị từ chính mẫu nghiên cứu. Bài báo hướng dẫn sử dụng ngưỡng tứ phân vị (quartiles) cho dữ liệu định lượng: phần tư trên (>75%) đại diện cho tập hợp “hoàn toàn thuộc về” (fully in – mức độ hài lòng cao xuất sắc), điểm trung vị đại diện cho “điểm giao cắt” (crossover point – mức trung bình), và phần tư dưới (<25%) cho “hoàn toàn không thuộc về” (fully out – sự vắng mặt của sự hài lòng). Việc này biến đổi dữ liệu tuyến tính thành các điều kiện phân nhóm lô-gic.

Phương pháp này có những hạn chế gì khi ứng dụng vào thực tế?

Hạn chế lớn nhất là sự phụ thuộc vào chất lượng hiệu chuẩn dữ liệu và tính chủ quan của nhà nghiên cứu ở khâu phân loại. Trong fsQCA, việc xác định các ngưỡng định tính không thể tự động hóa hoàn toàn mà đòi hỏi nền tảng lý thuyết vững chắc để biện minh. Ngoài ra, cỡ mẫu nhỏ cũng cản trở khả năng khái quát hóa các mô hình cấu hình này sang các môi trường kinh doanh hoàn toàn khác biệt.

9. Tài Liệu Tham Khảo (References)

• Afonso, C., Silva, G.M., Gonçalves, H.M., Duarte, M., 2018. The role of motivations and involvement in wine tourists intention to return: SEM and fsQCA findings. J. Bus. Res. 89, 313-321.
• Curl, A., 2018. The importance of understanding perceptions of accessibility when addressing transport equity. Journal of Transport and Land Use 11 (1), 1147-1162.
• De Oña, J., De Oña, R., 2015. Quality of service in public transport based on customer satisfaction surveys: a review and assessment of methodological approaches. Transport. Sci. 49 (3), 605-622.
• Dul, J., 2016a. Identifying single necessary conditions with NCA and fsQCA. J. Bus. Res. 69 (4), 1516-1523.
• Dul, J., 2016b. Necessary condition analysis (NCA) logic and methodology of “necessary but not sufficient” causality. Organ. Res. Methods 19 (1), 10-52.
• Dul, J., 2022. Problematic applications of necessary condition analysis (NCA) in tourism and hospitality research. Tourism Manag. 93, 104616.
• Dul, J., Hak, T., Goertz, G., Voss, C., 2010. Necessary condition hypotheses in operations management. Int. J. Oper. Prod. Manag. 30 (11), 1170-1190.
• Dul, J., Van der Laan, E., Kuik, R., 2020. A statistical significance test for necessary condition analysis. Organ. Res. Methods 23 (2), 385-395.
• Dul, J., Vis, B., Goertz, G., 2021. Necessary Condition Analysis (NCA) does exactly what it should do when applied properly: a reply to a comment on NCA. Socio. Methods Res. 50 (2), 926-936.
• Fiss, P.C., 2007. A set-theoretic approach to organizational configurations. Acad. Manag. Rev. 32 (4), 1180-1198.
• Fiss, P.C., 2011. Building better causal theories: a fuzzy set approach to typologies in organization research. Acad. Manag. J. 54 (2), 393-420.
• Friman, M., Lättman, K., Olsson, L.E., 2020. Public transport quality, safety, and perceived accessibility. Sustainability 12 (9), 3563.
• Goertz, G., 2003. The substantive importance of necessary condition hypotheses. In: Necessary Conditions: Theory, Methodology, and Applications, pp. 65-94.
• Greckhamer, T., Furnari, S., Fiss, P.C., Aguilera, R.V., 2018. Studying configurations with qualitative comparative analysis: best practices in strategy and organization research. Strat. Organ. 16 (4), 482-495.
• Guenther, P., Guenther, M., Ringle, C.M., Zaefarian, G., Cartwright, S., 2023. Improving PLS-SEM use for business marketing research. Ind. Market. Manag. 111, 127-142.
• Hair, J.F., Ringle, C.M., Sarstedt, M., 2011. PLS-SEM: indeed a silver bullet. J. Market. Theor. Pract. 19 (2), 139-152.
• Hair, J.F., Risher, J.J., Sarstedt, M., Ringle, C.M., 2019. When to use and how to report the results of PLS-SEM. Eur. Bus. Rev. 31 (1), 2-24.
• Hair, J.F., Hult, G.T.M., Ringle, C.M., Sarstedt, M., 2021a. A Primer on Partial Least Squares Structural Equation Modeling (PLS-SEM), SAGE Publications.
• Hair Jr., J.F., Hult, G.T.M., Ringle, C.M., Sarstedt, M., Danks, N.P., Ray, S., 2021b. An introduction to structural equation modeling. Partial Least Squares Structural Equation Modeling (PLS SEM) Using R: Work 1-29.
• Hult, G.T.M., Hair Jr., J.F., Proksch, D., Sarstedt, M., Pinkwart, A., Ringle, C.M., 2018. Addressing endogeneity in international marketing applications of partial least squares structural equation modeling. J. Int. Market. 26 (3), 1-21.
• Kang, W., Shao, B., 2023. The impact of voice assistants intelligent attributes on consumer well-being: findings from PLS-SEM and fsQCA. J. Retailing Consum. Serv. 70, 103130.
• Kaya, B., Abubakar, A.M., Behravesh, E., Yildiz, H., Mert, I.S., 2020. Antecedents of innovative performance: findings from PLS-SEM and fuzzy sets (fsQCA). J. Bus. Res. 114, 278-289.
• Kock, N., 2015. Common method bias in PLS-SEM: a full collinearity assessment approach. Int. J. e-Collaboration 11 (4), 1-10.
• Kock, N., Hadaya, P., 2018. Minimum sample size estimation in PLS-SEM: the inverse square root and gamma-exponential methods. Inf. Syst. J. 28 (1), 227-261.
• Kock, N., Lynn, G., 2012. Lateral collinearity and misleading results in variance-based SEM: an illustration and recommendations. J. Assoc. Inf. Syst. Online 13 (7), 546-580.
• Lättman, K., Friman, M., Olsson, L.E., 2016a. Perceived accessibility of public transport as a potential indicator of social inclusion. Soc. Incl. 4 (3), 36-45.
• Lättman, K., Olsson, L.E., Friman, M., 2016b. Development and test of the perceived accessibility scale (PAC) in public transport. J. Transport Geogr. 54, 257-263.
• Lättman, K., Olsson, L.E., Friman, M., 2018. A new approach to accessibility-Examining perceived accessibility in contrast to objectively measured accessibility in daily travel. Res. Transport. Econ. 69, 501-511.
• Lättman, K., Olsson, L.E., Friman, M., Fujii, S., 2019. Perceived accessibility, satisfaction with daily travel, and life satisfaction among the elderly. Int. J. Environ. Res. Publ. Health 16 (22), 4498.
• Mikalef, P., Pateli, A., 2017. Information technology-enabled dynamic capabilities and their indirect effect on competitive performance: findings from PLS-SEM and fsQCA. J. Bus. Res. 70, 1-16.
• Miller, E.J., 2018. Accessibility: measurement and application in transportation planning. Transport Rev. 38 (5), 551-555.
• Misangyi, V.F., Greckhamer, T., Furnari, S., Fiss, P.C., Crilly, D., Aguilera, R., 2017. Embracing causal complexity: the emergence of a neo-configurational perspective. J. Manag. 43 (1), 255-282.
• Olsson, L.E., Friman, M., Lättman, K., 2021. Accessibility barriers and perceived accessibility: implications for public transport. Urban Science 5 (3), 63.
• Olya, H.G., Al-Ansi, A., 2018. Risk assessment of halal products and services: implication for tourism industry. Tourism Manag. 65, 279-291.
• Pappas, I.O., Woodside, A.G., 2021. Fuzzy-set qualitative comparative analysis (fsQCA): guidelines for research practice in information systems and marketing. Int. J. Inf. Manag. 58, 102310.
• Pot, F.J., Koster, S., Tillema, T., 2023. Perceived accessibility and residential self-selection in The Netherlands. J. Transport Geogr. 108, 103555.
• Pot, F.J., van Wee, B., Tillema, T., 2021. Perceived accessibility: what it is and why it differs from calculated accessibility measures based on spatial data. J. Transport Geogr. 94, 103090.
• Ragin, C.C., 2000. Fuzzy set Social Science. University of Chicago Press.
• Ragin, C.C., 2006. Set relations in social research: evaluating their consistency and coverage. Polit. Anal. 14 (3), 291-310.
• Ragin, C.C., 2009. Redesigning Social Inquiry: Fuzzy Sets and beyond. University of Chicago Press.
• Ragin, C.C., 2014. The Comparative Method: Moving beyond Qualitative Strategies. Univ of California Press.
• Rahman, M.S., Bag, S., Hossain, M.A., Fattah, F.A.M.A., Gani, M.O., Rana, N.P., 2023. The new wave of AI-powered luxury brands online shopping experience: the role of digital multisensory cues and customers’ engagement. J. Retailing Consum. Serv. 72, 103273.
• Rasoolimanesh, S.M., Ringle, C.M., Sarstedt, M., Olya, H., 2021. The combined use of symmetric and asymmetric approaches: partial least squares-structural equation modeling and fuzzy-set qualitative comparative analysis. Int. J. Contemp. Hospit. Manag. 33 (5), 1571-1592.
• Redman, L., Friman, M., Gärling, T., Hartig, T., 2013. Quality attributes of public transport that attract car users: a research review. Transport Pol. 25, 119-127.
• Richter, N.F., Hauff, S., Ringle, C.M., Gudergan, S.P., 2022. The use of partial least squares structural equation modeling and complementary. Methods in International Management Research 62, 449-470.
• Richter, N.F., Schlaegel, C., Midgley, D.F., Tressin, T., 2019. Organizational structure characteristics influences on international purchasing performance in different purchasing locations. J. Purch. Supply Manag. 25 (4), 100523.
• Richter, N.F., Schubring, S., Hauff, S., Ringle, C.M., Sarstedt, M., 2020. When predictors of outcomes are necessary: guidelines for the combined use of PLS-SEM and NCA. Ind. Manag. Data Syst. 120 (12), 2243-2267.
• Roy, S.K., Balaji, M., Quazi, A., Quaddus, M., 2018. Predictors of customer acceptance of and resistance to smart technologies in the retail sector. J. Retailing Consum. Serv. 42, 147-160.
• Rubinson, C., Gerrits, L., Rutten, R., Greckhamer, T., 2019. Avoiding common errors in QCA: a short guide for new practitioners. Sociology 9, 397-418.
• Rutten, R., 2022. Applying and assessing large-N QCA: causality and robustness from a critical realist perspective. Socio. Methods Res. 51 (3), 1211-1243.
• Ryan, M., Lin, T., Xia, J.C., Robinson, T., 2016. Comparison of perceived and measured accessibility between different age groups and travel modes at Greenwood Station, Perth, Australia. Eur. J. Transport Infrastruct. Res. 16 (2), 406-423.
• Sarstedt, M., Hair Jr., J.F., Ringle, C.M., 2022. “PLS-SEM: indeed a silver bullet”-retrospective observations and recent advances. J. Market. Theor. Pract. 1-15.
• Sharma, P.N., Liengaard, B.D., Hair, J.F., Sarstedt, M., Ringle, C.M., 2022. Predictive model assessment and selection in composite-based modeling using PLS-SEM: extensions and guidelines for using CVPAT. Eur. J. Market.
• Shmueli, G., Sarstedt, M., Hair, J.F., Cheah, J.-H., Ting, H., Vaithilingam, S., Ringle, C.M., 2019. Predictive model assessment in PLS-SEM: guidelines for using PLSpredict. Eur. J. Market. 53 (11), 2322-2347.
• Sukhov, A., Lättman, K., Olsson, L.E., Friman, M., Fujii, S., 2021. Assessing travel satisfaction in public transport: a configurational approach. Transport. Res. Transport Environ. 93, 102732.
• Sukhov, A., Olsson, L.E., Friman, M., 2022. Necessary and sufficient conditions for attractive public Transport: combined use of PLS-SEM and NCA. Transport. Res. Pol. Pract. 158, 239-250.
• Sundling, C., Berglund, B., Nilsson, M.E., Emardson, R., Pendrill, L.R., 2014. Overall accessibility to traveling by rail for the elderly with and without functional limitations: the whole-trip perspective. Int. J. Environ. Res. Publ. Health 11 (12), 12938-12968.
• Vis, B., 2012. The comparative advantages of fsQCA and regression analysis for moderately large-N analyses. Socio. Methods Res. 41 (1), 168-198.
• Vis, B., Dul, J., 2018. Analyzing relationships of necessity not just in kind but also in degree: complementing fsQCA with NCA. Socio. Methods Res. 47 (4), 872-899.
• Woodside, A.G., 2013. Moving beyond multiple regression analysis to algorithms: calling for adoption of a paradigm shift from symmetric to asymmetric thinking in data analysis and crafting theory. J. Bus. Res. 66 (4), 463-472.
• Ye, R., De Vos, J., Ma, L., 2022. New Insights in Travel Satisfaction Research, vol. 102. Transportation Research Part D: Transport and Environment.

10. Lời kêu gọi hành động (CTA)

Việc làm chủ Phân tích tích hợp PLS-SEM, NCA và fsQCA sẽ mang lại cho bạn một khung lý luận vững chắc, sắc bén và toàn diện hơn, phá vỡ lối mòn của các nghiên cứu hồi quy truyền thống. Để tìm hiểu chi tiết các công thức tính toán và cách chạy phần mềm phân tích từng giai đoạn, hãy tải và đọc kỹ bài báo gốc tại liên kết bên dưới.

Sukhov, A., Friman, M., & Olsson, L. E. (2023). Unlocking potential: An integrated approach using PLS-SEM, NCA, and fsQCA for informed decision making. Journal of Retailing and Consumer Services, 74, 103424.