Phép dò tìm (Blindfolding) và khả năng dự báo ngoài mẫu Q2

This entry is part 10 of 22 in the series SMART PLS

Cập nhật: 08/03/2022 bởi admin0

Nội dung chính (Nếu bạn chưa đăng nhập, nhiều nội dung có thể đã bị ẩn đi)

Chỉ số Q2

Bên cạnh chỉ số R2, để đánh giá mức độ chính xác dự báo các bạn cũng kiểm tra giá trị Q2 (Geisser, 1974; Stone, 1974). Đo lường này là một chỉ số của năng lực dự báo ngoài mẫu (out-of sample predictive power) trong mô hình. Khi PLS-SEM thể hiện sự liên quan dự báo, nó dự báo một cách chính xác dữ liệu không được sử dụng trong ước lượng mô hình. Giá trị Q2 lớn hơn 0 đối với một biến tiềm ẩn nội sinh kết quả cụ thể chỉ ra sự liên quan dự báo của mô hình đường dẫn đối với khái niệm phụ thuộc cụ thể này.

Phép dò tìm blindfolding

Giá trị Q2 thu được bằng cách sử dụng các quy trình dò tìm (blindfolding) cho một khoảng cách đứt đoạn D. Hiểu đơn giản thì phần mềm sẽ loại bỏ 1 số quan sát, dừng bộ data đó để ước lượng mô hình, sau đó quay lại dự đoán biến phụ thuộc của các quan sát đã bị bỏ qua và đánh giá xem các dự đoán này chính xác đến đâu thông qua chỉ số Q2. Quá trình lặp diễn ra cho đến khi quan sát nào cũng đã được loại bỏ và dự đoán lại

Thủ tục tính toán trên SmartPLS

Xét mô hình ví dụ

Bước 1: Từ menu Caculate chọn Blindfolding

Bước 2: Tại mục Oimission Distance chọn khoảng đứt đoạn

Con số này được phần mềm mặc định là 7. Nếu cỡ mẫu chia hết cho số này thì phần mềm sẽ báo đỏ và các bạn cần đổi đi. Con số này tối thiểu phải là 3. Cài đặt con số này càng to thì nghĩa là bạn càng giả định thu được mẫu càng đầy đủ (bỏ đi ít quan sát) và máy tính sẽ tính toán càng lâu

Bước 3: Nhấn tính toán và xem kết quả

Kết quả

Các kết quả với khoảng đứt đoạn khác nhau cũng sẽ không khác nhau mẫy (khoảng đứt đoán càng lớn sẽ cho Q2 càng lớn )

Như vậy 2 biến phụ thuộc trong mô hình đều có khả năng được dự đoán từ mô hình đó.

Tham khảo

Geisser, S. (1974). A Predictive Approach to the Random Effects Model, Biometrika, 61(1): 101-107.

Hair, J. F., Hult, G. T. M., Ringle, C. M., and Sarstedt, M. (2017). A Primer on Partial Least Squares Structural Equation Modeling (PLS-SEM), 2nd Ed., Sage: Thousand Oaks.

Stone, M. (1974). Cross-Validatory Choice and Assessment of Statistical Predictions, Journal of the Royal Statistical Society, 36(2): pp 111-147.

Series Navigation<< Hệ số tác động f2 (f Square) trên phần mềm SmartPLSHệ số tác động năng lực dự đoán q2 (q Square) >>