PHÂN TÍCH YẾU TỐ KHẲNG ĐỊNH (CONFIRMATORY FACTOR ANALYSIS) Lê T ấ n Phùng*
1. Phân tích yế u t ố khẳng định là gì? 1.1 Những đặc điểm của mô hình phân tích yế u t ố khẳng định ế t t ắt là CFA) chu ẩn có 3 đặc điểm sau đây: Mô hình phân tích y ế u t ố kh ẳng định (vi ế -
-
ến đo lường (indicator) là bi ế ế n liên tục có 2 nguyên nhân tạo ra nó: từ một c ấ u trúc M ỗi bi ến đơn lẻ (construct hoặc factor) mà bi ến ến này đo lường và từ các ngu ồn khác gọi chung là s ố dư. Các s ố dư do đo lường là độc lập với nhau và độc lập với các c ấ u trúc. Các c ấ u trúc là có liên quan với nhau (covary).
ế n X là bi ến ến đo Hình 1 minh họa m ột mô hình CFA chu ẩn (standard CFA). Trong mô hình này, các bi ế lường (indicators); A và B ký hiệu c ủa 2 c ấ u trúc (y ế u t ố); và các ký hiệu E bi ể ểu hi ện cho s ố dư. Đối ế u với 3 đặc điểm trên, ta th ấ y (1) các bi ế ế n X có 2 ngu ồn nguyên nhân: Từ A (hoặc B) và từ s ố dư chi ế E; (2) Các s ố dư không liên quan với nhau và không liên quan với c ấ u trúc A hoặc B; (3) C ấ u trúc A và B có liên quan với nhau.
Hình 1: M ột mô hình CFA chu ẩn
*
Bác sĩ, Thạc sĩ Y tế công cộng 1
1.2 Các điều kiện để định hình mô hình CFA (Identification) Ngoài 2 điều kiện cơ bản cho phân tích SEM nói chung (df>0 và c ấ u trúc có thang đo), theo Kline (2011), CFA chu ẩn đòi hỏi những điều kiện sau đây để mô hình được định hình: -
ến đo lường (indicators). N ế u CFA chỉ có 1 c ấ u trúc (y ế u t ố), c ần phải có ít nh ấ t 3 bi ến
-
ến đo lường. Tuy N ế u mô hình có từ 2 c ấ u trúc trở lên, m ỗi c ấ u trúc phải có ít nh ấ t 2 bi ến ều hơn biến đo lường cho một c ấ u trúc. Tiêu chu ẩn 2 bi ế ế n nhiên, t ốt nh ấ t là có 3 hoặc nhi ều ểu nh ất để mô hình được định hình. cho một c ấu trúc là điều kiện t ối thi ể
Các đ ề i ều kiện cho mô hình CFA không tiêu chu ẩn (nonstandard CFA) khá phức tạp và có th ể tham khảo tài liệu của Kline, trang 137-144.
1.3 Phân tích yế u t ố khẳng định và phân tích yế u t ố khám phá CFA là phương pháp nhằm xác định sự phù hợp c ủa s ố liệu nghiên cứu với mô hình lý thuy ế t. t. Trong phân tích y ế u t ố khám phá (Exploratory Factor Analysis: EFA), nhà nghiên cứu dựa vào s ố liệu nghiên cứu để tìm ra các y ế u t ố c ấ u thành; trong khi CFA nh ằm kh ẳng định mô hình các y ế u t ố c ấu thành đã có s ẵn qua nghiên cứu trước đó hoặc mô hình lý thuy ết đã được xác đị nh từ trước. EFA có nhi ệm vụ khảo sát s ố liệu, giúp nhà nghiên cứu tìm ra s ố y ế u t ố phù hợp đặc trưng cho số liệu. Với EFA, t ấ t c ả
ến quan sát đều có liên quan ít nhi ều ều đế n các y ế u t ố b ằng cách ước lượng các hệ s ố tải các bi ến ế n quan sát có h ệ s ố tải lớn lên một y ế u t ố (loadings). C ấu trúc đạt được trong EFA bao g ồm những bi ế và các hệ s ố tải nhỏ lên các y ế u t ố khác (ví dụ, loading < 0.4). Các y ế u t ố trong EFA được xác đị nh thông qua k ế t qu ả phân tích th ống kê, không phải t ừ lý thuy ế t, t, và tên của từng y ế u t ố chỉ được đặt sau khi hoàn thành phân tích. EFA được th ực hiện khi chưa biế t
ế n nào thuộc y ế u t ố ố nào. có bao nhiêu y ế u t ố, và các bi ế Ngược la ị, v ới CFA, nhà nghiên cứu ph ải bi ết ết trước đã có bao nhiêu y ế u t ố, có bao nhiêu bi ế ế n trong từng y ế u t ố. Trong trường h ợp này, CFA làm nhi ệm v ụ xem xét sự phù hợp c ủa mô hình đã có sẵn với s ố liệu nghiên cứu. Nói cách khác, CFA tìm cách kh ẳng định sự phù hợp của mô hình lý thuy ế t có ế p cận của SEM (Structural Equation s ẵn đối với s ố liệu nghiên cứu. Đó cũng là một cách ti ế Modelling).
1.4 Ví dụ về CFA Ví dụ này minh hoạ một mô hình đơn giản của CFA g ồm 2 y ế u t ố (c ấ u trúc). Giả sử sau khi nghiên
ế t r ằng có 2 y ế u t ố ảnh hưởng đế n đế n sự hài lòng trong công vi ệc. cứu lý thuy ế t, t, nhà nghiên cứu bi ế Đó là sự h ỗ trợ giám sát (Supervisor Support) và môi trường làm việc (Working Environment). Các ế n s ố được đo bằng thang đo Likert 7 điểm. bi ế ến sau đây: Y ế u t ố h ỗ trợ giám sát được đo bằ ng 4 bi ến -
ết được năng lực của tôi Giám sát viên của tôi bi ết
-
Giám sát viên của tôi giúp tôi giải quy ế t những v ấn đề nảy sinh trong công việc
-
ểu được những thách thức trong việc cân đố i việc nhà và việc cơ Giám sát viên của tôi hi ểu quan
-
Giám sát viên của tôi h ỗ trợ giúp đỡ tôi khi tôi có khó khăn
ến sau đây: Y ế u t ố môi trường làm việc cũng được đo bằ ng 4 bi ến -
Người giám sát và nhân viên là bình đẳng trong công việc của cơ quan 2
-
Cơ quan tạo điều ki ện thuận lợi cho việc hoàn thành công việc b ằng cách cung c ấp đầy đủ phương tiện làm việc Không khí làm việc là d ễ chịu, thoải mái Sự ngăn nắp và hợp lý trong cơ quan giúp tôi có thể s ắp x ế p thời gian để hoàn thành t ốt công việc
Sơ đồ mô hình được bi ể ểu di ễn ễn như Hình 2.
Hình 2: Sơ đồ mô hình c ủa ví dụ v ề sự hài lòng trong công vi ệc
Lưu ý rằng trong mô hình CFA, chỉ có những h ệ s ố tải (loadings) do những tác động t ừ bi ế ế n ẩn đế n ến đo lường (measured items) mới được tính toán, còn các m ối tác độ đ ộng khác không có trong lý bi ến ểu hiện sự khác biệt giữa EFA và CFA. Trong EFA, t ấ t thuy ế t sẽ được giả định là b ằng zero. Điều này bi ể ến đo lường đều đượ c tính loadings đế n mọi y ế u t ố, nhưng trong CFA thì không có loadings cả các bi ến chéo (cross-loadings).
ến đo lường Trong CFA, ta phải xác định 5 thành ph ần: (1) các c ấ u trúc ẩn (latent construct), (2) các bi ến (measured variables) hay còn gọi là các item có liên quan đế n từng c ấ u trúc ẩn tương ứng, (3) các h ệ
ến đo lườ ng s ố tải (loadings), (4) m ối liên quan giữa các c ấ u trúc ẩn, và (5) sai s ố (errors) cho từng bi ến (items).
ểu di ễ ễn b ằng hình ellip hoặc hình tròn, các bi ến ến đo lường đượ c bi ể ểu di ễ ễn Các c ấ u trúc ẩn được bi ể ểu di ễ ễn b ằng hình vuông hoặc ch ữ nhật. Do chỉ có m ối quan hệ tương quan (correlational), được bi ể ế n c ấu trúc đượ c gọi là bi ến ến độc lập ngoại sinh (exogenous). M ỗi b ằng mũi tên 2 đầu, cho nên các bi ế ến đo lường đều có s ố dư, là phần mà bi ế ế n c ấ u trúc không giải thích được s ự bi ế ế n thiên của bi ế ế n bi ến đo lường.
3
QUY TẮC SỐ 1 Giá trị c ấ u trúc (Contruct Validity)
Ước lượng hệ s ố tải chu ẩn hóa (standardized loading estimates) estimates) nên ≥ 0.5, lý tưởng tưởng là ≥ 0.7 AVE (Average Variance Extracted) nên ≥ 0.5 để nói lên giá trị tương đồng (convergent validiy) Ước lượng AVE cho 2 y ế u t ố cũng nên lớn hơn bình phương của tương quan giữ a 2 y ế u t ố để nói lên giá trị dị biệt (discriminant validity) Hệ s ố tin cậy c ủa c ấu trúc (Construct reliability) nên ≥ 0.7 để nói lên sự tương thích nộ i t ại (internal consistency).
2. Các bước phân tích SEM để thử nghiệm giá trị lý thuyế t mô hình CFA Theo Hair, có 6 bước của quá trình phân tích SEM như đã trình bày trong bài “Sơ lược v ề SEM”.
2.1 Bước 1: Xác đị nh cấu trúc thành ph ần Bước này liên quan đế n liệt kê các c ấ u trúc sẽ c ấ u t ạo nên mô hình. Thang đo của t ừng c ấ u trúc sẽ được xác định b ằng cách phát tri ển ển thang đo mới hoặc sử dụng thang đo có sẵn. Việc phát tri ể ển thang đo mới c ần phải ti ế ế n hành thận tr ọng và khoa học theo từng bước nh ằm đạt đượ c một thang đo có giá trị (validity) và tin cậy (reliability). Việc sử dụng thang đo có sẵn cũng phả i dựa trên tính giá trị và tính tin cậy của thang đo này.
2.2 Bước 2: Xây dựng mô hình đo lườ ng t ổng quát (overall measurement model) Trong giai đoạn này, nhà nghiên cứu phải xem xét c ẩn th ận nh ằm xác định các c ấ u trúc quan hệ với nhau như thế nào thế nào để xây dựng một mô hình đo lường. Sau đây là những v ấn đề c ần chú ý: 2.2.1 Đơn thành phần (Unidimensionality) (Unidimensionality)
Đơn thành phần có nghĩa là một t ập h ợp các bi ến ến đo lường (items hoặc indicators) được gi ải thích ế n chỉ liên quan đế n một c ấ u trúc (y ế u t ố) mà chỉ bởi một c ấ u trúc mà thôi. Nói cách khác, m ỗi bi ế ều y ế u t ố khác nhau (multi-loadings). Nói cách khác, những tải thôi. Không có hiện tượng tải trên nhi ề chéo (n ếu có) đều được giả định b ằng zero. ế n X3 và X5 t ải đồng thời b ởi 2 c ấ u trúc. X3 v ừa t ải trên Supervisor Xem xét Hình 3 cho th ấ y có 2 bi ế Support (hệ s ố tải LX3), vừa tải trên Work Environment (hệ s ố tải LX3,SU). Tương tự, X5 vừa tải trên Work Environment (hệ s ố tải LX5), vừa tải trên Supervisor Support (hệ s ố tải LX5,WH). Nguyên t ắc là, n ế u thêm vào các t ải chéo mà làm cho mô hình phù h ợp hơn, nhà nghiên cứu cũng không nên làm việc này, tức là không nên ch ấ p nhận tải chéo. Đó là vì chấ p nhận tải chéo là ch ấ p
ế u tính giá trị v ề mặt c ấ u trúc (construct validity) của mô hình. nhận b ằng chứng của thi ế ến đo lường (indicators). N ế u có m ối liên Một dạng khác nữa là sự liên quan giữa các ph ần dư của bi ến ến đo lường trong cùng một c ấ u trúc, ta gọi là đồng phương sai phần quan giữa các ph ần dư của bi ến dư bên trong cấ u trúc (within-construct error covariance). N ế u có m ối liên quan giữa các ph ần dư ến đo lường ở 2 c ấ u trúc khác nhau, ta gọi là đồng phương sa i ph ần dư giữa các c ấ u trúc của bi ến (between-construct error covariance). Các ký hi ệu C ở Hình 3 cho th ấ y các m ối liên hệ như vậy.
4
Tương tự, không nên thi ế ế t lập các m ối quan hệ ph ần dư như trên đối với CFA.
Hình 3: Mô hình v ới hiện tượng tải chéo (multi-loading)
2.2.2 Số lượng biế n cho mỗi cấu trúc (yế u t ố)
ế n cho m ỗi c ấu trúc? Có nghĩa là cần bao nhiêu items để phản ánh Câu hỏi đặt ra là c ần bao nhiêu bi ế ều item để đủ đại diện cho y ế u t ố đó và làm tăng một y ế u t ố? Một mặt, nhà nghiên cứu mu ốn có nhi ều tính tin cậy. Mặt khác, nhà nghiên cứu cũng phải xem xét đế n s ự đơn giản c ủa c ấ u trúc (parsimony)
để t ối ưu hoá và tối thi ể ểu hoá s ố lượng item cho m ỗi y ế u t ố. Thực t ế là nhi ề ều item không nh ấ t thi ế ế t đồng nghhĩa với t ốt hơn. Đôi khi có quá nhi ề ều item lại phát sinh thêm các y ế u t ố phụ trong s ố các item này (subscale).
iều kiện t ối thi ề ều để mô hình được định hình như trình bày tại ph ần 1.2 ở trên, thực t ế , theo Ngoài đ ề tác giả Hair, nên sử dụng ít nh ấ t là 3 items cho m ột y ế u t ố, t ốt hơn là 4 items, nhằm đảm b ảo bao
hàm được nội dung lý thuy ế t của y ế u t ố đó đồng thời giúp định hình (identification) y ế u t ố đó. 2.2.3 Chiều tác động của cấu trúc
ều tác động từ c ấ u trúc đế n các bi ến ến đo lường theo ý nghĩa của nguyên nhân – hậu quả. Có 2 chi ều ều tác động là từ Supervisor Support đế n các bi ế ế n X1-X4, được xem như Trong Hình 2, ta th ấ y chi ều ế n X1-X4. Có nghĩa là cấ u trúc ẩn (latent construct) gây ra các Supervisor Support gây ra (tạo ra) các bi ế ến đo lường, và các sai s ố chính là các ph ần không giải thích được t ừ c ấ u trúc bi ế ế n ẩn này đối v ới bi ến ến đo lường. Ví dụ, sai s ố e1 trong Hình 2 là ph ần mà Supervisor Support không th ể giải thích được bi ến ểu chi ều ều tác động như vậy được gọi là reflective measurement theory và c ấu trúc như vậ y cho X1. Ki ể ến đo lường như vậy gọi là reflective indicator. gọi là reflective construct. Các bi ến ều ngược lại gọi là informative measurement theory, tương ứng v ới informative construct. Như Chi ều ế n ẩn. nó được g ọi là bi ế ế n ch ỉ s ố . Một ví dụ minh hoạ cho vậy, informative contruct không th ể là bi ế ế n này là chỉ s ố v ề t ầng lớp xã hội (social class). T ầng lớp xã hội được tạo nên bởi 3 y ế u t ố: trình độ bi ế 5
học v ấ n, n, việc làm, và thu nhập. Như vậy t ầng lớp xã hội không “gây ra” 3 yế u t ố trên, mà chính 3 y ế u t ố trên “cấ u tạo” nên tầng lớp xã hội.
CFA liên quan đế n reflective construct chứ không phải informative contruct. Do đó, chiều tác độ ng là ến đo lường chứ không phải ngược lại. từ c ấu trúc đế n bi ến
QUY TẮC SỐ 2 Xây dựng mô hình đo lường t ổng quát
Trong CFA, đồng phương sai của sai s ố trong c ấ u trúc và gi ữa các c ấ u trúc (within- and between-construct error covariance) c ần phải giả định là b ằng zero.
ến đo lường chỉ tải trên một c ấ u trúc mà thôi. Trong CFA, t ấ t cả các bi ến
ến đo lường, t ốt hơn là 4 hoặc hơn. M ỗi c ấ u trúc c ần có ít nh ấ t 3 bi ến
ế một nghiên cứu cụ thể 2.3 Bước 3: Thi ế t k ế Giai đoạn này liên quan đế n việc thi ế ế t k ế một nghiên cứu để thu được một k ế t quả cụ th ể. Nói cách khác, nhà nghiên cứu sẽ test mô hình đo lường của mình b ằng một nghiên cứu cụ th ể. 2.3.1 Các thang đo trong CFA
ến đo lường (indicator) trong CFA nên được đư ợc đo bằng thang đo thứ tự (ordinal) hoặc t ốt hơn là Các bi ến ế n liên tục (ph ần 1.1). Các thang đo này nên có ít nhấ t 4 mức độ. T ấ t cả các bi ến ến đo lường cho một bi ế ế t phải có cùng một thang đo. Ví dụ như không nhấ t thi ế ế t phải cùng thang đo c ấ u trúc không c ần thi ế 5 điểm hay 7 điểm của Likert Scale ch ẳng hạn.
ế mô hình (Specifying the model) 2.3.2 Thiế t k ế Do c ấ u trúc trong mô hình là c ấ u trúc ẩn, cho nên s ẽ không có thang đo cụ th ể cho nó. CFA đòi hỏi
ế t k ế thang ế thang đo cho cấ u trúc ẩn này b ằng một trong 2 cách: phải thi ế -
ến đo lường b ằng 1. C ố định hệ s ố tải của một trong những bi ến
-
C ố định phương sai của c ấu trúc đó bằng 1.
ết trước Chú ý v ấn đề định hình mô hình (model identification) đã được đề cập trong những bài vi ết (Sơ lược v ề SEM và Path Model Analysis).
2.3.3 Các vấn đề với định hình mô hình
Định hình mô hình (model identification) là có v ấn đề khi có những bi ể ểu hiện sau: -
ều hệ s ố có sai s ố chu ẩn (standard errors) quá lớn Khi một hay nhi ề
-
Có những hệ s ố “bất thường” , vô lý, ví dụ như sai số phương sai âm, các ước lượ ng tham s ố quá lớn, bao g ồm c ả các hệ s ố tải chu ẩn hoá và hệ s ố tương quan vượt ngoài giá trị -1 đế n +1.
6
Trong những trường hợp như vậy, nhà nghiên cứu c ần xem lại các quy t ắc của CFA đã thoả mãn
chưa (ví dụ như quy tắc không có loading chéo, c ố định hệ s ố tải của một trong s ố các bi ến ến đo lường ế t lập lại mô hình. v ề 1 v.v...), hoặc xem xét đế n việc thi ế 2.3.4 Các vấn đề với ước lượng Có 2 v ấn đề thường gặp khi ước lượ ng:
2.3.4.1 Các tham số chuẩ n hoá không h ợ p lý V ấn đề hay gặp nh ất là khi ước lượng tương quan (tức là ước lượng được chu ẩn hoá) giữa 2 c ấ u trúc
vượt quá |1| hoặc khi hệ s ố tải chu ẩn hoá (standardized path coefficient) vượt quá |1|. V ề mặt lý ỗi của định hình (identification). Tuy thuy ết, điều này là không hợp lý, và nguyên nhân thườ ng là do l ỗ nhiên, nguyên nhân cũng có thể từ bộ s ố liệu (ví dụ như vấn đề multicollinearity hoặc không đáp ứng các đ ề iều kiện giả định khác). 2.3.4.2 Trườ ng ng hợ p Heywood Khi phân tích cho ra k ế t quả ước lượng phương sai của sai s ố (error variance) là một s ố âm, ta gọi đó
và trường hợp Heywood (Heywood case). Phương sai là kế t quả bình phương của độ lệch chu ẩn. Do đó, nó không thể là s ố âm. V ấn đề này hay gặp trong CFA khi có cở m ẫu nhỏ hoặc khi quy t ắc 3 bi ế ế n đo lường không được tuân thủ. Giải quy ết trường hợp Heywood bao g ồm: -
ểm tra tính giá trị c ấ u trúc (construct validity) Ki ể
-
ến đo lường để đảm bảo quy t ắc ít nh ấ t 3 bi ế ế n cho một c ấ u trúc. Thêm s ố lượng bi ến
2.4 Bước 4: Đánh giá tính giá trị của mô hình đo lườ ng Đánh giá tính giá trị của mô hình đo lường (measurement model validity) tức là so sánh mô hình lý thuy ế t với mô hình thực t ế mà s ố liệu nghiên cứu là đại diện. Nói cách khác, bước này nh ằm khảo sát xem mô hình lý thuy ế t phù hợp ra sao v ới s ố liệu nghiên cứu. 2.4.1 Đánh giá sự phù hợp (Assessing fit) Sự phù hợp (sau đây gọi chung là fit) dùng để so sánh 2 ma tr ận đồng phương sai: ma trận phát sinh từ bộ s ố liệu nghiên cứu và ma trận phát sinh từ mô hình. Các hướng d ẫn v ề fit sẽ được áp dụng
ểm tra hoặc kh ẳng định mô hình lý thuy ế t trong CFA. K ế t quả của CFA sẽ cho phép nhà nghiên cứu ki ể là có giá trị. Trong khi đó, EFA làm nhiệm vụ khảo sát s ố liệu để tìm ra những y ế u t ố c ấ u thành bộ s ố liệu đó mà thôi.
2.4.2 Ước lượng các tác động (path estimates) Một trong những đánh giá quan trọng nh ấ t v ề tính giá trị của c ấ u trúc (construct validity) là đánh giá
ến đo lường (item). V ề mặt toán học, đó là hệ s ố tải (loading). Nhà m ối tác động giữa c ấ u trúc và bi ến nghiên cứu mô hình luôn mong mu ốn có được hệ s ố tải cao. Một nguyên t ắc là hệ s ố tải ít nh ấ t là 0.5 và t ốt nh ấ t là 0.7 trở lên. Hệ s ố tải đạt t ới ngưỡng này cho
ến đo lường có tương quan chặ t ch ẽ với c ấ u trúc và là một bi ể ểu hi ện c ủa tính giá trị c ấ u th ấ y các bi ến trúc (construct validity). Lưu ý rằng nguyên t ắc này áp dụng cho hệ s ố tải đã chuẩn hóa. Ngoài ra,
cũng phải xem xét ý nghĩa thống kê của m ỗi hệ s ố ước lượng. Các ước lượng không có ý nghĩa thố ng kê có th ể xem xét để loại b ỏ. Ngược l ại, m ột ước lượng có ý ngh ĩ a th ống kê không h ẳn là một ước 7
lượng t ốt n ế u nó không có giá tr ị từ 0.5 trở lên. Những hệ s ố tải th ấp cũng có thể phải xem xét loại bỏ. ển thị k ế t quả của bình phương đa tương quan (Squared multiple Ngoài ra, phân tích CFA còn hi ể ến đo lường. Trong CFA, giá tr ị này bi ể ểu th ị mức độ mà c ấ u trúc có th ể giải correlations) cho m ỗi bi ến thích được cho bi ến ến đo lường đó. đó . Nó cho bi ế ế t bi ến ến đo lường đó phản ánh c ấ u trúc t ốt như thế nào. Bình phương đa tương quan còn được gọi b ằng những tên khác như độ tin cậy của item (item reliability), communality, hoặc phương sai trích xuấ t (variance extracted). 2.4.3 Tính giá trị cấu trúc (Construct Validity) Tính giá trị c ấ u trúc trong nội dung của CFA g ồm 4 thành ph ần: giá trị tương đồng (convergent validity), giá trị dị biệt (dicriminant validity), face validity, và nomological validity. Hai thành ph ần
đầu tiên có ý nghĩa nhấ t và sẽ được trình bày dưới đây. ị tương đồng (Convergent validity) 2.4.3.1 Giá tr ị tương
ến đo lường cùng phản ảnh m ột c ấ u trúc thì chúng s ẽ Giá trị tương đồng có ý nghĩa rằ ng khi các bi ến th ể hiện các hệ s ố tương quan hoặc là phương sai lớ n. Những y ế u t ố sau đây thể hiện giá trị tương
đồng của các bi ến ến đo lường: -
Hệ s ố tải (factor loading): Giá tr ị tương đồng cao đi kèm với hệ s ố tải cao. Hệ s ố này nên
-
được chu ẩn hoá, có ý nghĩa thống kê, và giá trị ≥ 0.5, lý tưở ng là 0.7 tr ở lên. Phương sai trích xuấ t trung bình (Average Variance extracted: AVE): AVE được tính b ằng trung bình của t ổng bình phương các hệ s ố tải:
AVE nên có giá trị ≥ 0.5 -
Hệ s ố tin cậy (Reliability): Hệ s ố tin cậy cao cũng là biể u hi ện c ủa giá trị tương đồng. Giá trị của hệ s ố tin cậy từ 0.6 – 0.7 là ch ấ p nhận được, nhưng lý tưởng là ≥ 0.7.
2.4.3.2 Giá tr ị d ị bi ệt (Discriminant validity) Trong CFA, giá tr ị dị biệt nói lên r ằng c ấ u trúc này là thật sự khác biệt so với các c ấ u trúc khác. Giá tr ị dị biệt cao của một c ấu trúc đồng nghĩa với các c ấu trúc trong mô hình là đúng và hợp lý. Để xem xét giá trị dị biệt, trong CFA người ta có th ể hợp nh ấ t các c ấ u trúc r ồi đánh giá mô hình. Nế u 2 mô hình có s ự khác biệt có ý nghĩa thì khẳng định giá trị dị biệt. Ví dụ như trong Hình 2, thay vì có 2 c ấ u trúc,
ến đo lường đề u thuộc v ề c ấu trúc này. Đánh giá mô hình ta cho cho thành 1 c ấ u trúc với toàn bộ 8 bi ến này so với mô hình cũ để xem sự khác biệt.
2.4.4 Chẩn đoán mô hình (Model diagnostics)
ểm Ch ẩn đoán mô hình nh ằm xem xét giá tr ị của mô hình. Nói cách khác, ch ẩn đoán mô hình nhằm ki ể tra tính phù hợp của mô hình, xem xét có c ần phải xây dựng lại mô hình cho phù h ợp với lý thuy ế t và
ế t pải xây dựng l ại mô hình và ti ế ế p tục s ố liệu nghiên cứu. N ế u mức độ phù hợp không t ốt, c ần thi ế ển khai nghiên cứu khác để test lại mô hình mới. Một s ố các y ế u t ố sau đây cần phải xem xét trong tri ể ch ẩn đoán mô hình:
2.4.4.1 S 2.4.4.1 S ố dư ố dư chuẩ n hoá (Standardized Residuals)
8
S ố dư l à hiệu s ố giữa đồng phương sai quan sát và đồng phương sai ước lượ ng. N ếu mô hình ước
lượng t ốt, hiệu s ố này phải nhỏ, t ức là giá tr ị của s ố dư phải nhỏ. Giá trị s ố dư chuẩn hoá được tính b ằng s ố dư thô chia cho sai số chu ẩn của s ố dư đó. Số dư chuẩn hoá nhỏ hơn |2.5| được xem là t ốt. ểm tra s ố liệu và sự phù hợp mô hình n ế u t ồn t ại S ố dư lớn hơn |4.0| là khó chấ p nhận. C ần ph ải ki ể những s ố dư chuẩn hoá từ |2.5| đế n |4.0|. ố điều chỉ nh 2.4.4.2 Các chỉ số điề nh (Modification indices) Chỉ s ố điều chỉnh được tính cho t ấ t cả những m ối liên quan mà không được ước lượng trong mô
ế n X1 chỉ có liên quan đế n c ấ u trúc Supervisor Support mà thôi. Do đó sẽ hình. Ví dụ như ở Hình 2, bi ế tính toán chỉ s ố điều chỉnh cho X1 này có liên quan đế n c ấ u trúc Work Environment. Chỉ s ố điều chỉnh lớn hơn 4.0 có thể gợi ý một mô hình phù hợp hơn khi có sự hiện diện của tải chéo (multi-loading). Trong trường h ợp này, nhà nghiên c ứu c ần xem xét lại mô hình. Tuy nhiên, chỉ dựa
ểm tra lại với s ố dư chuẩn vào các chỉ s ố điều chỉnh để thay đổi mô hình là không nên. C ần phải ki ể hoá và các chỉ s ố khác.
QUY TẮC SỐ 3
Đánh giá giá trị của mô hình đo lường t ổng quát
Những h ệ s ố tải (loadings) mặc dù có ý nghĩa thống kê nhưng có giá trị nhỏ (<0.5) c ần xem
xét để loại bỏ.
ểu hi ện s ố liệu vô lý, Những giá trị của h ệ s ố tải đã chuẩn hoá lớn hơn 1 hoặc nh ỏ hơn -1 bi ể và c ần phải xem xét lại bộ s ố liệu.
S ố dư chuẩn hoá (standardized residuals) < |2.5| được xem là ch ấ p nhận được. o
x ét để loại bỏ bi ế ế n liên S ố dư chuẩn hoá > |4| là s ố dư khó chấ p nh ận và c ần xem xét quan ra khỏi mô hình
o
ế t S ố dư chuẩn hoá từ |2| đế n |4| c ần được xem xét c ẩn thận, nhưng không nhấ t thi ế phải thay đổi mô hình.
9
TÀI LIỆU THAM KH ẢO CHỦ Y Ế U: U: Hair, J. F. (2010). Multivariate data analysis: a global perspective. Upper Saddle River, N.J: Pearson Education. Kline, R. B. (2011). Principles and practice of structural equation modeling (Third ed.). New York: The Guilford Press.
10
