Giá trị phân biệt (Discriminant Validity) là gì? Hướng dẫn đánh giá tiêu chuẩn Fornell-Larcker và HTMT trong SmartPLS

Giá trị phân biệt (Discriminant Validity) là mức độ độc lập và khác biệt thực tế giữa các cấu trúc tiềm ẩn trong một mô hình đo lường PLS-SEM. Vấn đề vi phạm giá trị này xảy ra khi các thang đo vốn được thiết kế để đo lường những khái niệm khác nhau lại có sự tương quan thống kê quá cao. Giải pháp chuẩn xác nhất để kiểm định và khắc phục là áp dụng tiêu chuẩn Fornell-Larcker kết hợp với chỉ số HTMT trên phần mềm phân tích SmartPLS.

1. Giới thiệu tổng quan về Giá trị phân biệt trong mô hình đo lường

Trong phân tích mô hình phương trình cấu trúc (SEM), việc đánh giá chất lượng của mô hình đo lường (Measurement Model) là bước bắt buộc trước khi tiến hành kiểm định các giả thuyết ở mô hình cấu trúc (Structural Model). Một mô hình đo lường đạt chuẩn phải đáp ứng các tiêu chí về độ tin cậy (Reliability) và tính hợp lệ (Validity).

Trong đó, việc chứng minh Giá trị phân biệt (Discriminant Validity) đóng vai trò nền tảng để khẳng định rằng các biến tiềm ẩn (latent constructs) trong nghiên cứu thực sự đại diện cho những khái niệm riêng biệt, không bị trùng lặp về mặt đo lường. Nếu hệ số tương quan giữa các cấu trúc quá lớn, kết quả kiểm định thống kê sẽ bị sai lệch, dẫn đến việc rút ra các kết luận nghiên cứu không chính xác.

2. Giá trị phân biệt (Discriminant Validity) là gì?

2.1. Định nghĩa học thuật

Dưới góc độ thống kê học thuật, Giá trị phân biệt thể hiện mức độ mà một biến tiềm ẩn khác biệt hoàn toàn so với các biến tiềm ẩn khác trong cùng một mô hình. Cụ thể, một thang đo đạt giá trị phân biệt khi nó giải thích phương sai của các biến quan sát (indicators) thuộc chính nó tốt hơn so với việc giải thích phương sai của các biến quan sát thuộc về các cấu trúc khác. Tính chất này đảm bảo sự tách biệt độc lập giữa các khái niệm lý thuyết được sử dụng trong khung nghiên cứu.

2.2. Sự khác biệt giữa Giá trị hội tụ (Convergent Validity) và Giá trị phân biệt

Để kiểm định chất lượng thang đo dạng phản kết quả (reflective measurement models), nhà nghiên cứu phải đánh giá đồng thời cả Giá trị hội tụ và Giá trị phân biệt (Discriminant Validity). Dưới đây là bảng phân tích sự khác biệt cơ bản giữa hai khái niệm này:

Tiêu chí	Giá trị hội tụ (Convergent Validity)	Giá trị phân biệt (Discriminant Validity)
Bản chất đo lường	Các biến quan sát thuộc cùng một cấu trúc phải có sự tương quan chặt chẽ với nhau.	Các biến quan sát thuộc các cấu trúc khác nhau không được tương quan cao với nhau.
Chỉ số đánh giá chính	Hệ số tải ngoài (Outer Loadings) > 0.708; Phương sai trích (AVE) > 0.50.	Tiêu chuẩn Fornell-Larcker; Chỉ số HTMT < 0.85 hoặc 0.90; Cross-loadings.
Mục tiêu học thuật	Khẳng định thang đo hội tụ đủ thông tin để đại diện cho một khái niệm duy nhất.	Khẳng định tính độc lập, không trùng lặp giữa các khái niệm lý thuyết trong mô hình.

3. Các tiêu chuẩn đánh giá Giá trị phân biệt trong PLS-SEM

3.1. Tiêu chuẩn Fornell-Larcker

Tiêu chuẩn Fornell-Larcker (1981) là phương pháp truyền thống phổ biến nhất để đánh giá sự phân biệt của các thang đo. Theo quy tắc này, căn bậc hai giá trị phương sai trích (AVE) của một biến tiềm ẩn phải lớn hơn hệ số tương quan lớn nhất của biến tiềm ẩn đó với bất kỳ biến tiềm ẩn nào khác trong mô hình.

Tuy nhiên, các nghiên cứu định lượng hiện đại đã chỉ ra hạn chế của Fornell-Larcker. Tiêu chuẩn này thường thiếu độ nhạy và không phát hiện được sự vi phạm giá trị phân biệt trong các trường hợp hệ số tải (loadings) của các biến quan sát chỉ có sự chênh lệch nhỏ.

3.2. Chỉ số HTMT (Heterotrait-Monotrait Ratio of Correlations)

Để khắc phục điểm yếu của Fornell-Larcker, Henseler et al. (2015) đã đề xuất chỉ số HTMT. Đây là tỷ lệ giữa giá trị trung bình của các tương quan chéo giữa các cấu trúc khác nhau (Heterotrait-heteromethod) và trung bình nhân của các tương quan trong cùng một cấu trúc (Monotrait-heteromethod).

HTMT hiện được giới học thuật công nhận là tiêu chuẩn ưu việt và khắt khe nhất để xác định Giá trị phân biệt (Discriminant Validity).

Các ngưỡng chấp nhận (Thresholds) chuẩn khoa học đối với chỉ số HTMT bao gồm:

• Ngưỡng HTMT < 0.85: Tiêu chuẩn khắt khe, áp dụng khi các khái niệm trong mô hình có sự khác biệt rõ rệt về mặt lý thuyết.
• Ngưỡng HTMT < 0.90: Tiêu chuẩn có thể chấp nhận, áp dụng khi các biến tiềm ẩn có sự tương đồng nhất định về mặt khái niệm (ví dụ: sự hài lòng và lòng trung thành).

4. Hướng dẫn đọc bảng Fornell-Larcker và chỉ số HTMT trong SmartPLS

4.1. Cách xuất kết quả và đọc bảng Fornell-Larcker

Khi chạy thuật toán PLS Algorithm trên phần mềm SmartPLS, kết quả Fornell-Larcker được hiển thị trong mục Quality Criteria -> Discriminant Validity. Thực hiện các bước đọc bảng như sau:

1. Xác định đường chéo ma trận (Diagonal values): Các giá trị nằm trên đường chéo chính của bảng chính là căn bậc hai của AVE tương ứng với mỗi biến tiềm ẩn.
2. Đối chiếu giá trị cột và hàng: So sánh giá trị trên đường chéo với tất cả các giá trị nằm bên dưới nó trong cùng một cột và các giá trị nằm ngang với nó trong cùng một hàng (đại diện cho hệ số tương quan giữa các biến).
3. Kết luận: Nếu giá trị trên đường chéo lớn hơn tất cả các giá trị tương quan tương ứng bên dưới và bên cạnh, thang đo đạt tiêu chuẩn Fornell-Larcker.

4.2. Cách đọc và diễn giải bảng tỷ lệ HTMT

Tương tự, kết quả HTMT nằm trong tab Discriminant Validity.

1. Đọc ma trận HTMT: Bảng HTMT cung cấp các giá trị tỷ lệ giữa các cặp biến tiềm ẩn. Nhà nghiên cứu cần rà soát toàn bộ các ô giá trị trong bảng.
2. Đánh giá theo ngưỡng: Đảm bảo không có bất kỳ giá trị nào vượt quá 0.90 (hoặc lý tưởng nhất là 0.85). Nếu xuất hiện giá trị từ 0.90 trở lên, các cấu trúc tương ứng đang vi phạm nghiêm trọng tính phân biệt.
3. Cách xử lý khi vi phạm: * Kiểm tra lại ma trận Cross-loadings để loại bỏ các biến quan sát (indicators) tải cao trên nhiều biến tiềm ẩn cùng lúc.
   • Xem xét hợp nhất (merge) hai biến tiềm ẩn thành một khái niệm duy nhất nếu cơ sở lý thuyết cho phép.

5. Vai trò của Giá trị phân biệt đối với độ tin cậy của nghiên cứu

Việc thiết lập và báo cáo chuẩn xác Giá trị phân biệt (Discriminant Validity) là yêu cầu bắt buộc, đóng vai trò bản lề quyết định độ tin cậy của bất kỳ mô hình PLS-SEM nào. Nếu các biến tiềm ẩn không đảm bảo tính độc lập, mọi phân tích hồi quy, kiểm định giả thuyết tác động, hay đánh giá vai trò trung gian/điều tiết trong mô hình cấu trúc đều trở nên vô nghĩa. Nắm vững tiêu chuẩn Fornell-Larcker và đặc biệt là ngưỡng HTMT giúp các nhà quản trị và học giả củng cố tính chặt chẽ, khách quan và minh bạch cho công trình của mình.

Để hiểu sâu hơn về quy trình thiết kế mô hình lý thuyết và các nguyên tắc cốt lõi trong phân tích định lượng, bạn có thể tham khảo thêm tại chuyên mục nghiên cứu khoa học.

6. Câu hỏi thường gặp (FAQ) về đánh giá thang đo

Tại sao cần đánh giá cả Fornell-Larcker và HTMT?

Việc sử dụng song song hai tiêu chuẩn giúp củng cố tính chính xác tuyệt đối cho kết quả. Fornell-Larcker là tiêu chuẩn truyền thống thường được hội đồng yêu cầu báo cáo, trong khi HTMT là phương pháp hiện đại, có độ nhạy thống kê cao hơn để phát hiện các vi phạm nhỏ mà Fornell-Larcker bỏ sót.

Làm gì khi biến quan sát vi phạm Giá trị phân biệt (Discriminant Validity)?

Cần thực hiện loại bỏ tuần tự các biến quan sát có hệ số tải chéo (cross-loadings) cao trên các cấu trúc khác. Bắt đầu bằng việc kiểm tra ma trận Cross-loadings, xác định các câu hỏi khảo sát gây nhầm lẫn về mặt ngữ nghĩa, xóa bỏ chúng khỏi mô hình trên SmartPLS và chạy lại thuật toán (PLS Algorithm) cho đến khi chỉ số HTMT < 0.90.