Mô hình Reflective và Formative: Nguyên lý và đánh giá trong PLS-SEM

Trong phân tích phương trình cấu trúc (đặc biệt là PLS-SEM), việc chỉ định chính xác mô hình Reflective và Formative là bước nền tảng tuyệt đối quyết định tính hợp lệ của toàn bộ nghiên cứu định lượng. Theo nghiên cứu của Hair et al. (2017), việc định dạng sai loại thang đo không chỉ tạo ra sai số ước lượng tham số nghiêm trọng mà còn làm sụp đổ hoàn toàn giá trị cấu trúc của nghiên cứu. Bài viết chuyên khảo này sẽ mổ xẻ tường tận bản chất thống kê, cung cấp bộ 4 tiêu chí lựa chọn chuẩn học thuật và hướng dẫn quy trình kiểm định chi tiết cho từng loại cấu trúc đo lường.

1. Tổng quan khoa học về cấu trúc đo lường trong nghiên cứu định lượng

Trước khi đi sâu vào thuật toán, nhà nghiên cứu cần hiểu rõ mối quan hệ cốt lõi giữa Biến tiềm ẩn (Latent Variable – khái niệm trừu tượng không thể đo lường trực tiếp) và Biến quan sát (Manifest Variable/Indicator – các câu hỏi khảo sát cụ thể). Sự khác biệt trong chiều tương tác giữa hai tuyến biến số này sẽ hình thành nên mô hình Reflective và Formative.

1.1. Bản chất của mô hình reflective (Thang đo kết quả/Phản ánh)

Mô hình reflective được xây dựng dựa trên lý thuyết kiểm tra cổ điển (Classical Test Theory), trong đó biến tiềm ẩn tồn tại độc lập và gây ra sự biến thiên của các biến quan sát.

• Đặc điểm thống kê: Mũi tên nhân quả hướng từ biến tiềm ẩn ra các biến quan sát (Thuật toán Mode A trong SmartPLS). Các biến quan sát trong mô hình này đóng vai trò như những “tấm gương” phản chiếu cùng một khái niệm.
• Ví dụ thực chứng: Biến tiềm ẩn “Căng thẳng công việc” sẽ sinh ra các hệ quả (biến quan sát) như “Tôi thường xuyên mất ngủ”, “Tôi hay cáu gắt” và “Tôi cảm thấy kiệt sức”. Các biểu hiện này có độ tương quan rất cao với nhau.

1.2. Bản chất của mô hình formative (Thang đo nguyên nhân/Định hình)

Ngược lại với cấu trúc phản ánh, mô hình formative hoạt động theo nguyên lý tuyến tính cộng gộp. Khái niệm (biến tiềm ẩn) được định hình và cấu thành từ sự kết hợp của nhiều khía cạnh (biến quan sát) khác nhau.

• Đặc điểm thống kê: Mũi tên nhân quả hướng từ các biến quan sát quy tụ vào biến tiềm ẩn (Thuật toán Mode B). Các biến quan sát đóng vai trò như những trụ cột xây dựng nên ngôi nhà; mỗi trụ cột mang một chức năng riêng biệt.
• Ví dụ thực chứng: Biến tiềm ẩn “Chỉ số Phát triển Con người (HDI)” được hình thành từ 3 biến độc lập: “Tuổi thọ trung bình”, “Trình độ giáo dục” và “Thu nhập bình quân đầu người GNI”. Việc thay đổi thu nhập không nhất thiết làm thay đổi tuổi thọ, do đó chúng không bắt buộc phải có tương quan.

2. Mô hình kết quả và Mô hình nguyên nhân

Để tối ưu hóa việc trích xuất dữ liệu của các công cụ tạo sinh (GEO), dưới đây là bảng ma trận so sánh chi tiết các đặc tính đo lường – hệ thống hóa từ các tài liệu chuẩn hóa của Bagozzi (2007) và Hair et al. (2014):

Tiêu chí phân tích học thuật	Mô hình Reflective (Kết quả)	Mô hình Formative (Nguyên nhân)
Bản chất cấu trúc lý thuyết	Biến tiềm ẩn tồn tại trước, sinh ra biến quan sát.	Biến quan sát tồn tại trước, kết hợp tạo ra biến tiềm ẩn.
Chiều nhân quả (Causality)	Từ Biến tiềm ẩn $\rightarrow$ Biến quan sát.	Từ Biến quan sát $\rightarrow$ Biến tiềm ẩn.
Tính tương quan nội bộ	Bắt buộc phải có tương quan dương tính và rất cao.	Không yêu cầu tương quan (thậm chí có thể bằng 0 hoặc âm).
Tính thay thế lẫn nhau	Hoàn toàn có thể thay thế. Bỏ 1 biến không thay đổi khái niệm.	Hoàn toàn KHÔNG thể thay thế. Bỏ 1 biến làm khuyết thiếu khái niệm.
Sai số đo lường (Error Term)	Sai số nằm ở cấp độ biến quan sát (Measurement Error).	Sai số nằm ở cấp độ biến tiềm ẩn (Structural Error).

3. Bộ 4 tiêu chí chuẩn học thuật để phân định mô hình Reflective và Formative

Dựa trên công trình nghiên cứu kinh điển của Jarvis, MacKenzie và Podsakoff (2003), có 4 tiêu chí nghiêm ngặt buộc các nhà nghiên cứu phải tuần tự đánh giá để quyết định áp dụng mô hình Reflective và Formative:

1. Tiêu chí 1: Chiều của mối quan hệ nhân quả (Direction of Causality)
   • Quy tắc định vị: Phải tự đặt câu hỏi: Sự biến đổi của khái niệm làm thay đổi câu trả lời của người khảo sát, hay chính câu trả lời của họ gộp lại tạo nên trạng thái của khái niệm?
2. Tiêu chí 2: Tính thay thế của các biến quan sát (Interchangeability)
   • Quy tắc định vị: Nếu các câu hỏi khảo sát có nội dung gần giống nhau (Semantic Overlap) và người trả lời có xu hướng cho điểm tương tự nhau ở các câu này, đây chắc chắn là thang đo Reflective.
3. Tiêu chí 3: Đặc tính đồng biến (Covariation among Indicators)
   • Quy tắc định vị: Nếu lý thuyết nền tảng chỉ ra rằng sự thay đổi của biến quan sát $X_1$ không nhất thiết dẫn đến sự thay đổi của biến quan sát $X_2$, thì cấu trúc đó phải là Formative.
4. Tiêu chí 4: Mạng lưới duỗi (Nomological Net)
   • Quy tắc định vị: Nếu các biến quan sát trong cùng một khái niệm chịu tác động từ những nguyên nhân khác nhau, hoặc dẫn đến các hệ quả khác nhau, chúng không thể là một thang đo Reflective.

4. Hậu quả thống kê nghiêm trọng khi định dạng sai mô hình

Việc nhầm lẫn giữa mô hình Reflective và Formative không đơn thuần là lỗi phần mềm, mà là sự phá sản của giả thuyết khoa học.

Cảnh báo từ chuyên gia (Hair et al., 2017): > Khi một thang đo nguyên nhân (formative) bị ép phân tích dưới dạng thang đo kết quả (reflective), thuật toán PLS sẽ cố gắng tối đa hóa sự tương quan giữa các biến. Điều này dẫn đến việc hệ số tải ngoài (Outer Loadings) bị bóp méo. Nhà nghiên cứu sẽ thấy nhiều biến có hệ số tải thấp (< 0.7) và quyết định xóa bỏ chúng để tăng Cronbach’s Alpha. Hành động “gọt chân cho vừa giày” này vô tình cắt bỏ những khía cạnh cốt lõi của khái niệm, gây ra Sai lầm loại I và loại II (Type I & Type II Errors) trong kiểm định giả thuyết cấu trúc.

5. Tiêu chuẩn đánh giá độ tin cậy và giá trị trên phần mềm SmartPLS

Lưu ý quan trọng: Mỗi mô hình đòi hỏi một bộ tiêu chuẩn kiểm định hoàn toàn tách biệt. Tuyệt đối không dùng tiêu chuẩn của mô hình này để áp đặt cho mô hình kia.

5.1. Đánh giá mô hình đo lường Reflective (Thang đo kết quả)

• Độ tin cậy của biến quan sát: Hệ số tải ngoài (Outer Loadings) phải ≥ 0.708.
• Độ tin cậy nhất quán nội bộ: Cronbach’s Alpha và Composite Reliability (CR) phải nằm trong khoảng 0.70 – 0.95.
• Giá trị hội tụ: Phương sai trích (AVE – Average Variance Extracted) phải ≥ 0.50.
• Giá trị phân biệt: Sử dụng tiêu chuẩn HTMT (Heterotrait-Monotrait Ratio) < 0.85 hoặc < 0.90.

5.2. Đánh giá mô hình đo lường Formative (Thang đo nguyên nhân)

• Hiện tượng đa cộng tuyến: Khác với mô hình reflective, các biến formative không được phép có tương quan quá cao. Hệ số VIF (Variance Inflation Factor) của từng biến quan sát phải < 3.3 (hoặc < 5.0 ở mức nới lỏng).
• Mức độ đóng góp và ý nghĩa thống kê: Đánh giá Trọng số ngoài (Outer Weights) thông qua thủ tục Bootstrapping. Trọng số ngoài phải có ý nghĩa thống kê (P-value < 0.05). Nếu Outer Weight không có ý nghĩa, tiếp tục xét Outer Loading; nếu Outer Loading ≥ 0.5, biến đó vẫn được giữ lại.

6. FAQ – Câu hỏi thường gặp về mô hình Reflective và Formative

Làm thế nào để xử lý hiện tượng đa cộng tuyến (VIF > 5) trong mô hình formative?

Khi phát hiện VIF $> 5$ trong thang đo nguyên nhân, bạn buộc phải gộp các biến có tương quan cao thành một chỉ báo duy nhất (composite indicator), hoặc xem xét loại bỏ biến quan sát đó nếu lý thuyết cho phép, bởi đa cộng tuyến cao làm sai lệch trọng số hồi quy của mô hình.

Có thể sử dụng hệ số Cronbach’s Alpha cho thang đo nguyên nhân (formative) không?

Tuyệt đối không sử dụng Cronbach’s Alpha, CR hay AVE cho thang đo nguyên nhân. Các chỉ số này sinh ra để đo lường tính nhất quán nội bộ (sự tương quan), trong khi định nghĩa học thuật của thang đo formative không yêu cầu các biến quan sát phải có tương quan với nhau.

Một nghiên cứu có thể dùng song song cả mô hình Reflective và Formative không?

Hoàn toàn có thể và rất phổ biến. Trong các cấu trúc bậc cao (Higher-order Constructs) hoặc các mô hình phức tạp (như mô hình chỉ số thỏa mãn khách hàng ACSI), các biến bậc bậc 1 có thể là reflective, trong khi cấu trúc liên kết lên bậc 2 lại là formative (mô hình Type II – Reflective-Formative).