Thuc Hanh Mo Hinh SEM Voi AMOS

LỜ I NÓI ĐẦU Mô hình cấ c ấu trúc tuyế tuyến tính (SEM) đượ c các nhà nghiên cứ c ứu trên thế thế giớ  giớ i sử sử dụng từ từ r ất lâu. Ở Việ Việt Nam, khoả kho ảng từ từ năm 2000 tr ở l ở  lại đây, SEM đã đượ c nhiề nhiều nhà nghiên cứ c ứu sử sử dụng trong các công trình nghiên cứ c ứu hàn lâm, cũ c ũng như như các nghiên cứ c ứu ứng dụ d ụng phụ phục vụ vụ các chươ  chươ ng ng trình tư tư vấn doanh nghiệ nghi ệ p, tư tư vấn chính sách cho các T ỉnh/thành phố ph ố. Gần đây, việ việc học tậ p / áp dụ dụng mô hình cấ c ấu trúc tuyế tuyến tính (SEM) nói riêng cũ c ũng như như các k ỹ thu thuậật phân tích định định lượ  lượ ng ng nói chung trong kinh t ế, quả quản tr ị kinh doanh, tài chínhngân hàng … đượ c đông đảo đảo bạn tr ẻ gồm sinh viên đại đại học, học viên cao họ h ọc, nghiên cứ c ứu sinh quan tâm để giả giải quyế quyết tố tốt nhấ nhất nhữ những mụ mục tiêu nghiên cứ c ứu đã đặt đặt ra. Bài giả giảng này nhằ nhằm hỗ hỗ tr ợ các ợ  các bạ bạn bướ  bướ c đầu đầu tiế tiế p cậ cận SEM dướ  dướ i góc độ thự thực hành vớ  vớ i  phầ  phần mề m ềm AMOS đượ c dễ d ễ dàng hơ  hơ n, n, nhanh chóng hơ  h ơ n mà tr ướ  ướ c mắ m ắt là làm tài liệ li ệu họ h ọc tậ t ậ p mang tính tr ực quan phụ phục vụ cho chươ  chươ ng ng trình bồ b ồi dưỡ ng ng cử nhân tài nă n ăng do Đoàn Khoa Kinh tế tế phát triể triển – Tr ườ  ườ ng ng ĐH Kinh tế tế TPHCM tổ tổ chứ chức (chủ đề  này học trong 2 bu ổ i) i), hay các khoá đào tạ tạo ngắ ngắn hạ hạn tạ tại Trung tâm Tư T ư vấn doanh nghiệ nghi ệ p và Phát triể triển kinh tế tế vùng về về Phân tích dữ dữ liệ liệu và dự dự báo trong kinh doanh. Bên cạ cạnh đó, trong quá trình họ h ọc tậ t ậ p, các bạ bạn sinh viên/ họ h ọc viên sẽ sẽ đượ c phát các tài liệ li ệu đọc đọc về về mặt lý thuyế thuyết SEM, các bài báo khoa họ h ọc, công trình nghiên cứ c ứu có áp dụ dụng SEM bằ bằng tiế tiếng Anh/ tiế ti ếng Việ Việt khác… Do SEM khá phứ phức tạ t ạ p dướ  d ướ i góc độ toán họ học và trình độ của tác giả gi ả còn hạ hạn chế ch ế nên nhữ những sai sót trong quá trình biên so ạn là khó có thể th ể tránh khỏ khỏi. Tác giả giả r ất mong nhậ nhận đượ c sự đóng góp ý kiế ki ến, phê bình củ c ủa bạ bạn đọc đọc để quyể quyển bài giả giảng này trong lầ l ần tái bả b ản tiế ti ế p theo sẽ đượ c hoàn thiệ thi ện hơ  hơ n, n, mang lạ lại nhiề nhiều lợ  lợ i ích hơ  hơ n cho bạ b ạn đọc đọc xa gầ gần. Thư Thư góp ý xin gử g ửi về về:  Nguyễ  Nguyễn Khánh Duy Khoa Kinh tế t ế Phát triể triển – Tr ườ  ườ ng ng ĐH Kinh tế tế TPHCM Địa Địa chỉ chỉ: 1A Hoàng Diệ Di ệu – Quậ Quận Phú Nhuậ Nhuận - TPHCM Email: [email protected] hoặ hoặc [email protected] Điện thoạ thoại: 098.900.1766 Mong r ằng bạ bạn đọc đọc sẽ sẽ tiế tiế p tụ tục đón nhậ nhận nhữ nh ững quyể quyển sách tố tốt hơ  hơ n liên quan đến đến chủ chủ đề kinh tế tế lượ ng, ng, phân tích dữ d ữ liệ liệu & dự báo nâng cao do các đồng đồng nghiệ nghiệ p & tôi biên soạ soạn đượ c xuấ t bản chính thứ c) tươ ng ng lai. ( đượ  c) trong tươ  Xin chân thành cả c ảm ơ n và chúc các bạ b ạn thành công! TP.Hồ TP.Hồ Chí Minh, tháng 5 nă n ăm 2009 Tác giả giả  Nguyễ  Nguyễn Khánh Duy

2

LỜ I CẢM Ơ N Tài liệ liệu họ học tậ tậ p này không đồ sộ và chặ chặt chẽ chẽ như như nhữ những quyể quyển sách khác, bở  b ở i nó đượ c viế viết dướ i góc độ tr ực quan, ứng dụ d ụng… Nó đượ c hoàn thành trong thờ  th ờ i gian r ất ngắ ng ắn nhằ nhằm  phụ  phục vụ vụ tr ướ  ướ c mắ mắt cho chươ  chươ ng ng trình bồ bồi dưỡ  dưỡ ng ng cử cử nhân tài nă n ăng do Đoàn Khoa Kinh tế t ế Phát Triể Triển tổ t ổ chứ chức, cũng như như các khoá họ học ngắ ngắn hạn về “Phân tích dữ d ữ liệ liệu và dự dự báo trong kinh doanh”. Tuy vậ v ậy, quyể quyển bài giả giảng này cũ cũng là mộ một k ết quả quả của sự sự tích luỹ luỹ lâu dài từ từ trong quá trình họ học tậ t ậ p, giả giảng dạ d ạy, công việ việc, nghiên cứ c ứu từ tr ướ  ướ c tớ i nay. Và quá trình ấy, tác giả giả đã đượ c sự sự hỗ tr ợ t ợ  tận tình củ của quý thầ thầy cô giáo, bạ b ạn bè, các em sinh viên, và nhữ nh ững ngườ  ngườ i thân trong gia đình.  Nă  Năm 2004, khi AMOS, tài liệ li ệu về v ề SEM còn r ất hiế hi ếm; cô Tr ần Kim Dung, thầ th ầy Đinh Thái Hoàng (Khoa QTKD, Khoa Toán-Thố Toán-Th ống Kê-Đ Kê-ĐH Kinh tế tế TPHCM) đã giớ  giớ i thiệ thiệu, khuyế khuyến khích, động động viên tôi trong quá trình tìm hi ểu về SEM, và gử gửi tặng tôi nhữ những tài liệ liệu, phầ phần mềm có liên quan. Nhờ  Nh ờ ssự giúp đỡ c đỡ  của quý thầ thầy cô mà việ việc tìm hiể hiểu về v ề SEM củ của tôi nhữ những thờ  thờ i gian đầu đầu r ất thuậ thuận lợ  lợ i.i. Tôi xin đượ c gử gửi lờ  lờ i cả cảm ơ n đến đến Thầ Thầy Nguyễ Nguyễn Hữ Hữu Lam; thầ th ầy đã nhiệệt tình hướ  nhi hướ ng ng dẫ d ẫn luậ luận văn tốt nghiệ nghiệ p bậc thạ thạc s ĩ  – nghiên cứ c ứu đầu đầu tiên mà tôi sử s ử dụng SEM (nă (năm 2006). Trong môn phươ  ph ươ ng ng pháp nghiên cứ c ứu, Thầ Thầy Lê Nguyễ Nguyễn Hậu vớ i câu nói “SEM thậ thật đơ n giả giản!”, “SEM dễ dễ hơ n mô hình hồ h ồi quy nhiề nhiều!” đã khuyế khuyến khích nhiề nhi ều học viên chúng tôi tìm tòi về v ề nó. Tôi chân thành cả c ảm ơ n thầ thầy Nguyễ Nguyễn Đình Thọ Thọ vì nhữ những gợ  gợ i mở  mở , nhữ những hướ ng ng dẫn tận tình củ của thầ thầy đã dành cho chúng tôi. Nhữ Nh ững nghiên cứ c ứu của thầ thầy là nhữ những tài liệ li ệu r ất quý cho nhữ nh ững ngườ  ngườ i làm Marketing hay bấ b ất cứ ai đang làm nghiên cứ c ứu ngành quả quản tr ị kinh doanh, và nhữ nh ững ai tìm hiể hi ểu về v ề SEM... Thờ  Thờ i gian họ học tậ t ậ p ở b ở  bậc đại đại họ h ọc, sau đại đại họ học có biế bi ết bao k ỷ niệ niệm vớ  vớ i bạ bạn bè, và sự sự tri ân củ của họ học viên chúng tôi vớ  v ớ i tấ tất cả cả quý thầ thầy cô đã tham gia giả gi ảng dạ dạy. Tôi muố muốn đượ c gử gửi lờ  l ờ i cả c ảm ơ n củ của mình đến đến thầ th ầy Hoàng Tr ọng vì nhữ những quyể quyển sách về phân tích dữ d ữ liệ liệu bằng SPSS mà thầ thầy đã tham gia biên soạ so ạn (từ (từ 1997 đến đến nay). Nó là nhữ những tài liệ li ệu thậ thật quý giá đối đối vớ i tôi cũ cũng như như nhữ những bạn đam mê, hay muố muốn tìm hiể hiểu về  phân tích dữ dữ liệ liệu trong nghiên cứ c ứu; thậ thật không ngờ  ng ờ quy quyểển sách đầu đầu tiên củ của thầ th ầy (viế (viết cùng vớ i thầ thầy Võ Vă Văn Huy, cô Võ Thị Thị Lan) mà tôi ngẫ ngẫu nhiên tìm đượ c ở nhà ở  nhà sách khi mớ  m ớ i bướ  b ướ c chân vào giả gi ảng đườ ng ng đại đại học đã hướ ng ng tôi đến đến việ việc làm nhiề nhi ều nghiên cứ c ứu khoa họ học vớ i  phươ   phươ ng ng pháp định định lượ  lượ ng ng khi còn là sinh viên. Tôi xin đượ c chân thành cả c ảm ơ n thầ th ầy Nguyễ Nguyễn Tr ọng Hoài, Thầ Thầy Cao Hào Thi đã tạ t ạo điều kiệ kiện hỗ hỗ tr ợ  ợ , động động viên, hướ  hướ ng ng dẫ dẫn tôi trong công việ vi ệc giả giảng dạ dạy về về phân tích định định lượ  lượ ng ng từ nhữ những ngày đầu đầu mùa thu nă n ăm 2007 ở ch ở chươ  ươ ng ng trình giả gi ảng dạ dạy Kinh tế tế Fulbright. Xin gử gửi đến đến Thu Hươ  Hươ ng ng lờ i cảm ơ n chân thành vì r ất nhiề nhiều điều, bạn đã đồng đồng hành, chia sẻ sẻ, hỗ hỗ tr ợ tôi ợ tôi trong suố su ốt thờ  thờ i gian họ học tậ tậ p/ nghiên cứ cứu ở b ở bậc đại đại họ học, sau đại đại họ học… Xin cả cảm ơ n nhữ nh ững bạ b ạn đồng đồng nghiệ nghiệ p: anh Quố Quốc Duy, anh Thanh Bình, anh Thanh Vũ Vũ … và nhữ những ngườ  ngườ i bạ b ạn khác luôn hỗ h ỗ tr ợ  ợ,  động động viên, trao đổi, đổi, chia sẻ s ẻ nhữ những kiế kiến thứ th ức, kinh nghiệ nghiệm về về phân tích dữ d ữ liệ liệu, cũ cũng như như hỗ tr ợ tôi ợ tôi trong công việ vi ệc, trong nghiên cứ c ứu. Quyể Quyển bài giả giảng này viế vi ết ra chủ chủ yếu dành cho các bạ b ạn sinh viên đại đại họ học khố khối kinh tế tế quả quản tr ị. Cũ Cũng nhờ  nhờ ssự ham họ học tậ tậ p, sự sự khát khao khám phá và nhữ nh ững tình cả cảm tố tốt đẹ p mà các  bạ  bạn sinh viên đại đại học (mà tôi có dị dị p  p gặ p gỡ  ở  Tr ườ  ườ ng ng ĐH Kinh tế tế TPHCM, Tr ườ  ườ ng ng ĐH  Ngoạ  Ngoại Thươ  Thươ ng ng (CS2), Tr ườ  ườ ng ng ĐH Ngân Hàng TPHCM, chươ  ch ươ ng ng trình đào tạo đặc đặc biệ biệt của Tr ườ  ườ ng ng ĐH Mở  Mở TPHCM) TPHCM) đã dành cho tôi trong th ờ i gian qua đã giúp tôi luôn có nh ững niề niềm vui trong công việ vi ệc, và nghiên cứ c ứu. Xin chân thành cả c ảm ơ n các bạ bạn!

3

Bài giả giảng này cũ cũng hướ  hướ ng ng đến đến nhiề nhiều đối đối tượ  tượ ng ng bạ bạn đọc đọc khác, đặc đặc biệ biệt hướ  hướ ng ng đến đến các  bạ  bạn sinh viên Khoa Kinh t ế phát triể triển đang tham dự dự lớ  p bồ bồi dưỡ  dưỡ ng ng cử cử nhân tài nă n ăng do Đoàn Khoa tổ tổ chứ chức. Lớ  p học này khó có thể th ể thành công nế n ếu không đượ c sự hỗ tr ợ  ợ,  tạo điều kiệ kiện của r ất nhiề nhiều thầ thầy cô giáo, củ c ủa các bạ b ạn trong ban tổ t ổ chứ chức, các anh chị ch ị em phòng quả qu ản tr ị thiế thiết  bị  bị, tổ tổ chứ chức hành chính, phòng công ngh ệ thông tin, phòng điều phố phối giả giảng đườ ng ng – thờ  thờ i khoá  biể  biểu, chi đoàn, chi hộ h ội, ban cán sự s ự các lớ  lớ  p và sự sự nỗ lực củ của từ từng bạ bạn sinh viên. Các ví dụ dụ trong quyể quyển bài giả giảng này; các bài tậ t ậ p/ tình huố huống kèm theo và các quyể quy ển sách trong tươ  tươ ng ng lai sẽ sẽ có nhữ những chấ chất liệ liệu, nguồ nguồn dữ dữ liệ liệu từ từ các nghiên cứ c ứu không chỉ ch ỉ của tôi, mà còn củ của các bạ bạn bè, củ của các bạ bạn sinh viên, cũ c ũng như như r ất nhiề nhiều tác giả giả khác. Xin chân thành cả cảm ơ n bạ bạn Nguyễ Nguyễn Thị Thị Mỹ Thuậ Thuận, bạ bạn Mai Thuỳ Thuỳ Ninh, anh Võ Đức Đức Thọ Thọ, anh Lê Vă V ăn Khoa … về về nhữ những dữ dữ liệ liệu mà các bạ b ạn, các anh đã khả khảo sát r ất công phu. Xin cả c ảm ơ n các tác giả giả của các quyể quyển sách, tạ t ạ p chí, bài viế vi ết … mà tôi đã tham khả khảo; vì sự s ự đam mê và nghiên cứ c ứu nghiêm túc củ c ủa họ họ đã giúp tôi hiể hi ểu rõ hơ  hơ n và nhanh hơ  h ơ n nhữ những vấ vấn đề chư chưa biế biết. Xin cả cảm ơ n anh Phạ Phạm Đức Đức K ỳ và thầ thầy Bùi Nguyên Hùng ở Khoa ở  Khoa Quả Quản lý công nghiệ nghi ệ p – Đ –  ĐH Bách Khoa TPHCM về về các bài viế viết mà quyể quyển bài giả giảng này đã giớ  gi ớ i thiệ thiệu trong phụ phụ lục để các bạ bạn sinh viên tham khả kh ảo thêm. Cuố Cuối cùng, tôi không quên g ửi lờ  lờ i cả cảm ơ n chân thành đến đến bố bố, mẹ mẹ, em Khánh Hùng và nhữ những ngườ  ngườ i thân về về tất cả cả!  Nguyễ  Nguyễn Khánh Duy

4

MỤC LỤC

 Lờ i nói đầu  Lờ i cảm ơ n M ục l ục

1. Trao đổi đổi vớ  vớ i các bạ bạn sinh viên lớ  l ớ  p bồ bồi dưỡ  dưỡ ng ng cử cử nhân tài nă n ăng &

Trang 

giớ  giớ i thiệ thiệu mô hình cấ c ấu trúc tuyế tuyến tính (SEM), phầ phần mề mềm AMOS ...................................... ......................................66 2. Phân tích nhân tố t ố khám phá (EFA_ Exploratory (EFA_ Exploratory Factor Factor Analysis) ..............................14 ..............................14 3. Phân tích nhân tố t ố khẳ khẳng định định (CFA_Confirmatory Factor Factor Analysis) ..........................20 ..........................20 4. Mô hình cấ c ấu trúc (SEM_Structural Equation Equation Modeling) .............................................4 .............................................488 5. Kiể Kiểm định định Bootstrap ........................................... ................................................................... ............................................... ..................................54 ...........54 6. Phân tích cấ c ấu trúc đa nhóm .............................................. ..................................................................... .............................................5 ......................577 ết t     Lờ i k ế  Tài liệu tham khảo  Phụ l ục

5

1. TRAO ĐỔI VỚ I CÁC BẠN SINH VIÊN L Ớ P BỒI DƯỠ NG NG CỬ NHÂN TÀI NĂNG & GIỚ I THIỆU VỀ SEM, PHẦN MỀM AMOS Từ đầu đầu học k ỳ đến đến nay, lớ  lớ  p chúng ta đã học về các chủ chủ đề Tư duy sáng tạ tạo (Thầ (Thầy buổi), phươ  phươ ng ng pháp nghiên cứ c ứu nâng cao –  đi sâu vào khung Nguyễn Hoàng B ảo, trong 3 buổ   phân tích và nghiên cứ cứu định định tính (Thầ (Thầy Trần Tiến Khai, trong 2 buổ bu ổi), Mô hình Logit (Thầ (Thầy Lươ ng buổi), Các chủ chủ đề của kinh tế tế lượ ng ng tài chính và dự dự ng Vinh Quốc Duy, trong 1 buổ   báo nâng cao ARIMA, SARIMA, ARCH-GARCH … (thầ (thầy Phùng Thanh Bình , trong 4 ng Công Thanh  buổ  buổi), Phân tích k ỹ thu thuậật (Thầ (Thầy Võ Thanh Sơ n, trong 2 buổ buổi). Cô Trươ ng s ẻ vớ i các bạ b ạn về kinh nghiệ nghi ệm làm nghiên cứ c ứu, và giớ  giớ i thiệ thiệu các giả giải thưở  thưở ng ng Nghị đã chia sẻ nghiên cứ cứu khoa họ học sinh viên, kinh nghiệ nghi ệm họ học tậ tậ p củ của mộ một thủ thủ khoa đầu đầu vào cũ cũng như như đầu đầu ra Khoá 28 củ của tr ườ  ườ ng ng ĐH Kinh tế tế TPHCM; anh Hoàng Anh (K ế hoạ hoạch đầu đầu tư tư K31) đã chia sẻ kinh nghiệ nghiệm của anh trong việ vi ệc học tậ p của một ngườ  ngườ i đội đội tr ưở  ưở ng ng đạt đạt giả giải nhấ nhất cuộ cuộc thi “Kinh tế tế học - tầm nhìn bạ bạn và tôi” – cuộ cu ộc thi do Khoa KTPT chúng ta tổ t ổ chứ chức vớ  vớ i hơ  hơ n 5000 thí sinh từ t ừ 11 tr ườ  ườ ng ng đại đại họ học ở phía ở phía Nam - cũ c ũng như như nhữ những nghiên cứ c ứu mà anh đang nỗ nỗ lực 1 , anh Nguyễn Ngọc Danh cũng đã trao đổi đổi vớ  vớ i các bạ bạn về về nghiên cứ cứu củ của anh về về sức khoẻ khoẻ tr ẻ em vớ i phươ  phươ ng ng pháp 2SLS (là luậ lu ận văn tốt nghiệ nghiệ p chươ  chươ ng ng trình cao họ h ọc Việ Việt Nam-Hà Lan của anh Danh) … Bên cạ cạnh đó, nhữ những bạn sinh viên lớ  l ớ  p nhân lự lực, một số bạn lớ  p KHĐ KHĐT, Thẩ Thẩm định định giá cũ cũng đã từ t ừng nghe nói về v ề SEM cũ cũng như như biế biết đượ c sự s ự phổ phổ biế biến củ c ủa nó trong các nghiên cứu khi tham dự d ự buổ buổi báo cáo chuyên đề “Ứ ng ng dụ d ụng phươ  phươ ng ng pháp định định lượ  l ượ ng ng trong nghiên cứu quả qu ản tr ị nguồ nguồn nhân lự lực và hành vi tổ t ổ chứ chức” do cô Trần Kim Dung báo cáo. Sáng nay, và chiề chiều nay, mộ một ngày chủ chủ nhậ nhật, chúng ta sẽ s ẽ tìm hiể hiểu nhữ nh ững vấ v ấn đề quan tr ọng nhấ nhất, cơ  cơ bbản nhấ nhất của SEM, CFA… và thử th ử tìm hiể hiểu xem ngườ  ngườ i ta đã vận dụng nó trong nghiên cứ c ứu về quả quản tr ị, Marketing, nhân lự l ực, hành vi trong l ĩ  l ĩ nh nh vự vực tài chính – chứ ch ứng khoán, tâm lý họ h ọc … ở khu ở  khu vự vực tư t ư cũng như như khu vự vực công như như thế thế nào để từ đó các bạ bạn có thể thể tự học sâu hơ  hơ n về về SEM và vậ vận dụng một cách sáng tạ t ạo vào nhữ những nghiên cứ c ứu mà các bạ bạn đang ấ p ủ. Giờ  Giờ  ra chơ  chơ i sáng nay, Anh Hoàng Nam (Sachvang), là admin và cũ c ũng là giả giảng viên tr ẻ của Khoa Quả Quản tr ị Kinh Doanh sẽ s ẽ giớ  giớ i thiệ thiệu vớ  vớ i các bạ bạn Forum caohockinhte.info là mộ một diễ di ễn đàn r ất hấ p dẫ dẫn và sôi động động củ của cộ cộng đồng đồng cao họ học kinh tế tế ở Vi ở  Việệt Nam, và trên ấy cũ cũng có mộ một mụ m ục dành riêng cho các bạ b ạn sinh viên đại đại họ học yêu thích hoạ ho ạt động động nghiên cứ c ứu khoa họ học (mụ (mục C ử  ử  nhân và thạc sĩ  tài năng t ươ  ng lai ). ươ ng ). Trong nhữ những năm gần đây, không chỉ ch ỉ nhi nhiềều ngườ  ngườ i nghiên cứ cứu trên thế thế giớ  giớ i và Việ Việt 2 ửi  qua  Nam có áp dụ dụng SEM (Các bạn xem thêm trong ph ụ l ục, tài li ệu phát, các file đ ã g ử  email… về  nghiên c ứ u c ủa th ầ y Nguyễ n  Đình Thọ , cô Mai Trang, cô Kim Dung, nghiên cứ u m ột số s ố bạn sinh viên đại đại họ h ọc, họ h ọc viên cao của tôi, và nghiên c ứ u c ủa các tác gi ả khác) mà mộ 1

Tối ngày mai, thứ thứ hai (11/5/09), 4 bạ bạn thuộ thuộc lớ  l ớ  p chúng ta (Hoàng – NLK32, Phươ  Phươ ng ng – BĐ BĐSK32, Hả Hải & Cần TĐG K32) sẽ sẽ là 1 đội đội đại đại diệ diện cho tr ườ  ườ ng ng ta tham gia vòng chung k ết cuộ cuộc thi “Nhà kinh tế tế tươ ng ng lai” do tr ườ  ườ ng ng bạn –  ĐH Ngoạ Ngoại Thươ  Thươ ng ng (CS2) tổ tổ chứ chức tại Nhà vă văn hoá thanh niên. Tuy mả mảng quả quản tr ị kinh doanh không phả phải thế thế mạnh củ c ủa các bạ bạn SV khoa KTPT, như nh ưng tham gia cuộ cuộc thi này cũ cũng là mộ một môi tr ườ  ườ ng ng để học tậ p, rèn luyệ luyện, thể thể hiệ hiện bả b ản thân, và giao lư lưu! Chúc các bạ bạn ấy may mắ mắn, vui, và học tậ t ậ p đượ c nhiề nhiều điều bổ ích! 2 Tôi đã có ý định định huấ huấn luyệ luyện thêm cho lớ  lớ  p về về một số số chủ chủ đề khác nữ nữa, như nhưng nhữ những chủ chủ đề này chỉ chỉ có mộ một vài nhóm sử sử dụng và mấ mất khá nhiề nhiều thờ  th ờ i gian khi trình bày trên lớ  lớ  p: Mô hình hệ hệ phươ  phươ ng ng trình (mộ (một số số nhóm có thể thể sử dụng trong dự dự báo các chỉ chỉ tiêu v ĩ mô),  ĩ  mô), Kinh tế tế lượ ng ng vớ  vớ i dữ dữ liệ liệu bả bảng (Nhóm bạ bạn Mạ Mạnh Dũ Dũng, Thanh Hằ Hằng, Thanh Thuý – lớ  lớ  p Thẩ Thẩm định định giá K32), Khai thác bộ bộ dữ liệ liệu VHLSS vớ  vớ i phầ phần mềm STATA (Nhóm củ của Thế Th ế Hùng về về bất bình đẳng đẳng trong thu nhậ nhậ p– KHĐ KHĐT K32, Nhóm bạ bạn Khươ  Kh ươ ng ng lớ  l ớ  p Nhân lự lực K32) … các bạ bạn có thể thể liên hệ hệ vớ i tôi qua email, hoặ hoặc trao đổi đổi tr ực tiế tiế p tạ tại phòng giáo viên H103 vào tr ưa thứ thứ năm hàng tuầ tuần về về nhữ những vấn đề này. Và tôi cũ cũng biế biết, lớ  lớ  p ta có khả khả năng tự tự học r ất cao!

6

học cũ c ũng đã áp dụ dụng SEM trong nghiên cứ c ứu củ c ủa họ h ọ. Hai bạn sinh viên đại đại họ h ọc Khoá 31 mà tôi có dị d ị p  p hướ ng ng dẫn cũng đã sử dụng trong việ việc đo lườ ng ng chấ chất lượ ng ng dịch vụ khách sạ sạn ở   Nha Trang (khả (khảo sát cả cả khách du lị l ịch quố quốc tế t ế và khách trong nướ  n ướ c), c), các yế yếu tố t ố tạo động động lự l ực làm việ việc cho công nhân ở các ở  các Khu công nghiệ nghi ệ p tại TPHCM, Bình Dươ  Dươ ng. ng. Nă Năm ngoái, mộ m ột  bạ  bạn sinh viên ở Tr  ở  Tr ườ  ườ ng ng ĐH Kinh tế tế - ĐH Đà Nẵ Nẵng cũ cũng đã sử sử dụng trong đề tài NCKH sinh viên củ của bạ bạn, và tôi biế bi ết nhiề nhiều bạ bạn sinh viên khác cũ c ũng đã làm, sẽ sẽ làm… viết tắt từ Analysis of  MOment Structures (Phân tích cấ c ấu trúc mô AMOS đượ c viế măng). Phầ Phần mề m ềm này dùng để thự thực hiệ hi ện mộ m ột phươ  ph ươ ng ng pháp chung trong phân tích d ữ liệ liệu là Structural Equation Modeling (SEM_ mô hình c ấu trúc tuyế tuyến tính). SEM cũ c ũng có nhữ nh ững tên gọi khác như nh ư Analysis of Covariance Structures (Phân tích c ấu trúc hiệ hiệ p phươ  phươ ng ng sai), hay Causal Modeling (mô hình nhân qu ả). Trên đườ ng ng lên tham quan bứ b ức tượ  tượ ng ng Chúa giang tay ở  thành phố phố biể biển Vũ V ũng Tàu (Mũ (Mũi Nghinh Phong), bạ b ạn sẽ s ẽ thấ thấy mộ một hình ảnh củ c ủa vị v ị thánh cũ cũng có tên là AMOS! Bạn hãy xem qua mộ m ột ví dụ d ụ về CFA. Pont & Quilken Quilken (2002) (2002) đã khả kh ảo sát 348 khách ắt  là CFA , Xem Hình hàng ở các ở các ngân hàng và sử s ử dụng phân tích nhân t ố khẳng định (viế t t ắ  ằng   g nhằ ng” kiểm định định thang đo chấ chất 1.1 – cái s ơ  đồ “l ằ  n ng” vớ i mấ    y cái móc hai đầu ở  trên) để kiể ế  thừ a lượ ng ng dị d ịch vụ v ụ ngân hàng (BANKSERV) do Avkiran đề xuấ xuất năm 1994 ở n ở  nướ c Úc (k ế  1 ườ ng ượ ng 17 item đ o l ườ  ng chấ t l ượ  ng d ịch vụ ngân hàng c ủa Avkiran  ). Trong phân tích nhân t ố khẳ khẳng định, định, Pont và Quilken đã chỉ chỉ ra r ằng thang đo này hiệ hiện nay không phù hợ  h ợ  p, vì Chisquare=419.15; P=0.001 (<0.05 chỉ tiêu TLI=0.86, (<0.05), df = 113, CMIN/df=3.7 (>2), Các chỉ 2 CFI=0.88, GFI=0.87 (đều <0.9)

Tuy nhiên, Theo b ạn vì sao k ết quả lại như thế? Làm thế nào để tốt hơ n? n?  ỹ l ại nghiên cứ u của Pont và Quilken trong file đ ã g ử  ửi  vào email chung!) (bạn hãy đọc k  ẽ  2 bạn này đ ang Bạn có thấ thấy r ằng: nă năm 2002, Pont & Quilken (có l ẽ  ang là học viên sau đại học) áp dụ dụng y nguyên thang đo BANKSERV do Avkiran đề xuấ xuất từ từ năm 1994 mà không có sự sự điều chỉ chỉnh nào cả c ả? Pont không b ổ sung biế biến quan sát nào, không hi ệu chỉ chỉnh gì, không EFA lạ lại … Không cầ c ần làm nghiên cứ c ứu này cũ cũng biế biết là áp dụ d ụng y nguyên thì nó sẽ s ẽ không còn  phù hợ  hợ  p, bở  bở i qua thờ  thờ i gian mọ mọi điều đã thay đổi. đổi. Trong CFA, bạ b ạn cũ c ũng có thể thể có cách hiệ hi ệu chỉ chỉnh mô hình, cả c ải thiệ thiện mứ mức độ phù hợ  hợ  p vớ  vớ i thị thị tr ườ  ườ ng ng bằ bằng cách thêm các tươ  t ươ ng ng quan giữ gi ữa sai số số … Trong CFA ta còn quan tâm đến đến nhiề nhiều điều khác nữ nữa!

1

Avkiran, N.K, (1999), Developing an instrument to measure customer service quality in branch banking, Internation Journal of Banking Marketing, 12 (6), 10-18 2 Bạn hãy để ý nhữ nh ững đẳng đẳng thứ thức đượ c in đậm đậm trong ngoặ ngoặc đơ n, n, nế n ếu các chỉ chỉ tiêu tươ  tươ ng ng ứng r ơ  ơi  vào tr ườ  ườ ng ng hợ  h ợ  p như như vậy thì mô hình đo lườ ng ng (hay mô hình nghiên cứ cứu mà bạ bạn sẽ tiế tiế p cận sau này) không phù hợ  h ợ  p vớ i thị thị tr ườ  ườ ng ng

7

Hình 1.1

Các biế biến trong sơ  sơ đồ đồ trên đượ c giả giải thích như như sau:

8

Trong chủ chủ đề này, ngườ  ngườ i ta không chỉ ch ỉ ngh ĩ  ngh ĩ  đến đến việ việc kiể kiểm định định mô hình đo lườ ng thông qua CFA, mà điều quan tâm hơ  h ơ n nữa là xây dự d ựng, kiể kiểm định định mô hình nghiên c ứ u 1 thông qua mô hình nhân quả qu ả, hay thườ  thườ ng ng gọ gọi là mô hình c ấu trúc (SEM). Chị Chị Mai Thuỳ Ninh (sinh viên đại đại họ h ọc ngành k ế hoạ hoạch đầu đầu tư t ư Khoá 31 mà tôi may mắn có dị dị p  p hướ  hướ ng ng dẫ dẫn) đang làm đề tài tố tốt nghiệ nghiệ p về về đánh giá mứ mức độ tho thoảả mãn củ của khách du lịch đối đối vớ  vớ i chấ ch ất lượ  l ượ ng ng dị d ịch vụ v ụ khách sạ sạn tạ t ại thành phố phố Nha Trang. Ninh đã phát triể triển thang đo chấ chất lượ  l ượ ng ng dị d ịch vụ v ụ khách sạ sạn (Qualification of Hotel Service) c ủa Saleh and Ryan (1990) và thang đo chấ chất lượ ng ng dịch vụ du lịch của Kanampully (2001) vớ  v ớ i một số thành phầ phần mớ i như như vị trí, thông tin, và quan tâm đến đến yế yếu tố tố giá cả cả. Khả Khảo sát 107 khách du lị l ịch quố quốc tế tế và 73 khách nộ nội địa, địa, sau khi EFA, Ninh đã làm CFA và đạt đạt yêu cầ cầu, sau đó thự th ực hiệ hi ện mô hình cấ c ấu trúc để xem xét ảnh hưở ng ng của chấ chất lượ ng, ng, vị vị trí, giá cả cả …đến đến sự tho thoảả mãn và lòng trung thành thì mộ m ột k ết quả quả ban đầu đầu như như Hình 1.2:

Bạn nhận xét sơ  bộ gì về mứ c độ phù hợ p của mô hình? Có cách nào để cải thiện mô hình đượ c tốt hơ n? n? - Bạ Bạn sẽ sẽ nhậ nhận định định r ằng mô hình này chư ch ưa tố tốt, chư chưa phù hợ  h ợ   p phải không? Đúng thế thế!

- Có nhiề nhiều cách thứ thức để hiệ hiệu chỉ chỉnh mô hình. Ví dụ dụ như như: thêm vào các hệ h ệ số tươ ng ng quan giữ giữa các sai số số; điều chỉ ch ỉnh mố m ối quan hệ hệ giữ giữa các khái niệ ni ệm; bỏ b ỏ bớ t mộ m ột số s ố biế biến quan sát, mộ m ột số số khái niệ niệm trong mô hình nghiên cứ c ứu không đạt đạt yêu cầ cầu; thự thực hiệ hiện lạ lại các phân tích tr ướ  ướ c đó EFA … - Còn cách nào khác nữ n ữa không? Khi tôi đang viế viết bài giả giảng này, các em có biế bi ết chị chị Ninh đang làm gì không? Mặ M ặc dù chuyên đề tốt nghiệ nghiệ p đã xong, chị ch ị cũng đang chuẩ chuẩn bị bị để bảo vệ vệ, và tham gia đề tài NCKH sinh viên, mô hình đã tạ t ạm đượ c (Không phải là mô hình nh ư  Hình nhưng chị chị đang trên chuyế chuy ến tàu về v ề Nha Trang để khả khảo sát thêm khoả kho ảng 100 khách quố qu ốc 1.2), như tế, 100 khách nộ n ội địa địa nữ nữa tạ t ại các khách sạ s ạn, phòng chờ  ch ờ ở  ở sân sân bay, mộ một số số khu du lị lịch và chú tr ọng hơ n chấ chất lượ ng ng của cuộ cuộc phỏ phỏng vấn… ngoài ra, chị ch ị cũng chú tr ọng thêm về về khả khảo sát định định tính. Tôi ngh ĩ  ngh ĩ , có lẽ lẽ chị chị ấy muố mu ốn khám phá, và khẳ kh ẳng định định mộ m ột điều gì đó, muố muốn đóng góp mộ một điều gì đó có ý ngh ĩ  ngh ĩ a, a, muố muốn nghiên cứ c ứu này không chỉ ch ỉ bỏ vào trong thư thư việ viện để các khoá sau tham khả kh ảo, hay chỉ chỉ đăng đăng trên các tạ t ạ p chí hàn lâm!

1

Mô hình thể thể hiệ hiện các quan hệ hệ tươ ng ng quan, và quan hệ hệ nhân quả quả giữ giữa các khái niệ niệm. Nó thườ  thườ ng ng đượ c biể biểu diễ diễn  bở   bở i sơ  sơ đồ đồ,, phươ  phươ ng ng trình.

9

ở đây, đề tài của nhóm em nào có th ể áp dụng CFA, SEM? Trong g ần 100 em đang học ở đ D ĩ nhiên,  ĩ  nhiên, sẽ sẽ có nhiề nhiều em có thể th ể làm đượ c, c, và nhiề nhiều đề tài có thể thể sử dụng SEM, bở  bở i các em họ học lớ  l ớ  p này là để làm tố tốt hơ  h ơ n các nghiên cứ c ứu mà các em đang làm, để đóng góp mộ m ột điều gì đó có ý ngh ĩ  ngh ĩ a cho xã hộ hội ngay trong khoả kho ảng thờ  thờ i gian ở  giả giảng đườ ng ng đại đại học, và chuẩ chuẩn bị bị hành trang cho công vi ệc/họ c/học tậ tậ p sau khi tố tốt nghiệ nghiệ p đại đại họ học! Ví dụ dụ nhữ những đề tài củ c ủa một số s ố nhóm: chấ chất lượ  l ượ ng ng dị d ịch vụ v ụ bệnh việ viện, ký túc xá, máy bán hàng t ự động, động, dị dịch vụ v ụ vận tải hành khách củ c ủa tàu Thố Thống Nhấ Nhất, dị dịch vụ v ụ giáo dụ dục; động động lự lực làm việ việc củ của nhân viên trong khu vự vực công, yế yếu tố tố ảnh hưở  hưở ng ng đến đến k ết quả quả làm việ việc củ của nhân viên, xu hướ  h ướ ng ng mua, mua, hành vi của nhà đầu đầu tư tư trên thị thị tr ườ  ườ ng ng chứ chứng khoán, vă văn hoá tổ t ổ chứ chức, phong cách lãnh đạo đạo … 1 . Một số số nhóm sử sử dụng kinh tế tế lượ ng ng vớ  vớ i dữ dữ liệ liệu bả bảng (như (như đề tài các yế y ếu tố tố ảnh ưở ng ng đến đến FDI vào các quố qu ốc gia đang phát triể tri ển), hay đề tài áp dụ d ụng k ỹ thu thuậật kinh tế t ế lượ ng ng truyề truyền thố thống (ướ  (ướ c lượ  lượ ng ng TFP, các yế yếu tố tố tác động động đến đến thu nhậ nh ậ p củ của lao động động tr ẻ ở Vi ở  Việệt Nam…), k ỹ thuậật dự thu dự báo vớ  vớ i ARIMA, SARIMA, VAR, ARCH-GARCH (dự (d ự báo giá vàng, khách du lị l ịch, FDI trong bố bối cả c ảnh khủ khủng hoả hoảng… kiể kiểm định định tính hiệ hi ệu quả qu ả của thị th ị tr ườ  ườ ng ng chứ chứng khoán, thị th ị tr ườ  ườ ng ng vàng …) hay chỉ ch ỉ áp dụ d ụng thố thống kê mô tả t ả… cũ c ũng đừng đừng lo lắ lắng, và hãy tiế ti ế p tụ t ục hoàn thiệ thiện nghiên cứ c ứu theo hướ  hướ ng ng đó! Phươ  Phươ ng ng pháp nghiên cứ c ứu nào, phươ  phươ ng ng pháp phân tích dữ dữ liệ liệu nào…tấ nào…tất cả c ả chỉ chỉ là cách thứ thức, công cụ cụ để các em đạt đạt đượ c mục tiêu nghiên cứ c ứu! Vấ V ấn đề quan tr ọng là lự lựa chọ chọn phươ  phươ ng ng pháp phù hợ  h ợ  p để đạt đạt đượ c mụ mục tiêu mà thôi! Thờ  Thờ i gian gầ gần đây, trong mộ một buổ bu ổi huấ hu ấn luyệ luyện về v ề phân tích dữ d ữ liệ liệu vớ  vớ i SPSS cho các  bạ  bạn SV nghiên cứ c ứu khoa họ học củ c ủa Khoa Thươ  Thươ ng ng Mạ M ại – Du Lị Lịch – Marketing do Đoàn Khoa  bên ấy tổ chứ chức, một nhóm bạ bạn sinh viên có trao đổi đổi vớ i tôi về về nghiên cứ cứu sự tho thoảả mãn củ củ a khách hàng đi xe bus vớ  v ớ i mô hình Kano (sử (s ử dụng EFA, và thố th ống kê mô tả t ả)... Hay mộ một số số bạn sinh viên ở các ở  các Khoa trong tr ườ  ườ ng ng chúng ta tham gia khoá hu ấn luyệ luyện về phân tích dữ dữ liệ liệu nghiên cứ cứu vớ  v ớ i SPSS do Đoàn Tr ườ  ườ ng ng tổ t ổ chứ chức cũ c ũng trao đổi đổi về v ề nhữ những nghiên cứ c ứu: Các yế yếu tố ảnh hưở ng ng đến đến tình hình phá sả s ản (anh Bả Bảo - Khoa TCDN, áp dụ d ụng phân tích phân biệ bi ệt), các yế yếu tố tố ảnh hưở  hưở ng ng đến đến xác suấ suất r ơ  ơ i vào tình hình nợ  n ợ xxấu củ của các doanh nghiệ nghi ệ p (anh Thành  – Khoa TCDN, áp dụ dụng Logit), đề tài về về ngân hàng điện tử (EFA, Hồ Hồi quy), Marketing địa địa  phươ   phươ ng ng (anh Chinh – Khoa KTPT, áp d ụng Thố Thống kê mô tả t ả, nghiên cứ cứu định định tính), định định vị vị thươ  thươ ng ng hiệ hiệu V ĩ  V ĩ nh nh Tiế Tiến (chị (chị Phươ  Phươ ng ng Linh, khoa KTPT, áp dụ d ụng EFA, Hồ Hồi quy, MDS) … R ất nhiềều bạn bè (Khoá 32), các anh ch ị sinh viên (Khoá 31) trong tr ườ  nhi ườ ng ng cũng đang làm các nghiên cứ cứu như như các em!

Một gợ i ý nghiên c ứ u dành cho các b ạn sinh viên k ế hoạch đầu tư , bất động sản, thẩm định giá…? Hãy xem qua bài viế vi ết “Investment Management and personality type” c ủa Mayfield, đã      đượ c Perdue, Wooten vừ v ừa đăng đăng trên tạ tạ p chí Financial Service Review, số số 17 năm 2008 ( đ  ã ửi  qua email). Hình 1.3 thể thể hiệ hiện mộ một mô hình mà các tác giả gi ả đã làm ở Hoa ở  Hoa K ỳ. Các bạ bạn thử thử  g ử  nghiên cứ cứu vấ v ấn đề này ở Vi ở  Việệt Nam! Mộ Một mộ m ột ngân hàng có mở  m ở sàn sàn giao dị dịch vàng cũ cũng đặt đặt hàng tôi nghiên cứ c ứu hành vi củ của các nhà đâu tư tư trên thị thị tr ườ  ườ ng ng vàng ở Vi ở  Việệt Nam, các bạ b ạn thử thử xem xem liệ liệu r ằng nghiên cứ c ứu củ của Mayfield & ctg (2008) này có hỗ h ỗ tr ợ gì ợ gì không?

1

Chúng ta còn nhớ  nhớ  vào giữ giữa tháng 6/2009, Đoàn Khoa KTPT sẽ s ẽ tổ chứ chức hội thả thảo khoa họ học về “Các vấ vấn đề Kinh tế tế Xã hộ hội củ của Việ Việt Nam và thế thế giớ  giớ i qua phân tích định định lượ  lượ ng”, ng”, mà ngườ  ngườ i báo cáo, ngườ  ngườ i tham dự dự chính là các em, và mộ một số số bạn sinh viên NCKH củ của khoa bạ bạn, tr ườ  ườ ng ng bạ bạn, và mộ một số số anh chị chị Khoá 31.

11

Hình 1.3

Mô hình trên có Chi-square=183.63, df=141, P=0.009; GFI=0.91, CFI=0.95 Trong mô hình nhữ những yế yếu tố tố ảnh hưở  hưở ng ng đến đến ý định định đầu đầu tư tư ngắ ngắn hạ hạn trên (bên cạ c ạnh đó, các tác giả giả cũng nghiên cứ cứu mô hình đối đối vớ  vớ i ý định định đầu đầu tư tư dài hạ hạn), mộ một số số biế biến quan sát để đo lườ  lườ ng ng các khái niệ ni ệm đượ c trình bày ở trang ở trang 13

12

13

Trong bà bài họ học này, có 1 ví dụ d ụ xuyên suố suốt; chúng ta sẽ s ẽ sử dụng dữ dữ liệ liệu mà chị chị Nguyễn 1 Thị Mỹ Thuận khả khảo sát để phụ phục vụ vụ cho đề tài NCKH sinh viên củ c ủa chị chị để làm ví dụ dụ phân tích. Đề tài củ của chị chị Thuậ Thuận sử sử dụng các công cụ c ụ phân tích EFA, Cronbach’s Alpha, Regression (các chủ chủ đề này các bạ bạn đều đều đã đượ c họ học trong môn phân tích dữ d ữ liệ liệu và dự dự báo). Và bây giờ  gi ờ , các bạ bạn hãy thử thử phát triể triển thêm bằ bằng cách sử s ử dụng CFA, SEM xem thế th ế nào! Tình huố huống đơ n giả giản và gầ gần gũi này sẽ sẽ giúp bạ bạn dễ hiể hiểu hơ n về CFA, SEM – vớ  vớ i các thao tác chính trên AMOS. Nhữ Những tình huố hu ống vớ i các mô hình r ất phứ phức tạ p khác mà bạ bạn sẽ tìm hiể hiểu, sẽ làm đượ c sau này cũ c ũng tươ  tươ ng ng tự tự như như thế thế thôi! ượ c vì đ ã học) 2. PHÂN TÍCH NHÂN T Ố KHÁM PHÁ (Nhắ c l ại sơ  l ượ 

Bảng câu hỏ hỏi của chị chị Thuậ Thuận (xem phụ l ục) dựa trên nghiên cứ c ứu của Dung (2005) đã hiệ hiệu chỉ chỉnh cho Việ Việt Nam. Từ Từ nghiên cứ cứu định định tính, chị chị Thuậ Thuận đã hiệ hiệu chỉ chỉnh một số biế biến quan sát (Item), bỏ b ỏ đi một số Item không phù hợ  h ợ  p vớ i nhân viên trong l ĩ  l ĩ nh nh vực Tài chínhngân hàng, bấ bất động động sả s ản, công nghệ ngh ệ thông tin (nhữ (những ngành mũ mũi nhọ nh ọn củ c ủa TPHCM) mà chị chị đang quan tâm… Chị Chị Thuậ Thuận đã phả ph ải EFA lạ lại, vì cấ cấu trúc củ của thang đo trong tình huố hu ống củ c ủa chị ch ị Thuậ Thuận chư chưa chắ ch ắc đã giố gi ống vớ  v ớ i nghiên cứ c ứu tr ướ  ướ c củ c ủa Dung và Nam (2005), và d ĩ  d ĩ nhiên nhiên có thể th ể càng không giố giống vớ  vớ i k ết quả quả nghiên cứ cứu củ của Stanton và Crossley (2000) cũ c ũng như như của Crossman và Bassem (2003) mà Dung đã k ế thừ thừa. Chị Chị Thuậ Thuận vớ i mục tiêu là sau EFA sẽ s ẽ chạ chạy Regression vì thế th ế khi EFA cho thang đo JDI (Thoả (Thoả mãn củ của nhân viên vớ  v ớ i công việ vi ệc) chị chị có thể thể sử dụng phươ  phươ ng ng pháp Principal Components v ớ i phép xoay Varimax cũ c ũng đượ c. c. Còn bạ bạn, sau EFA bạ bạn sẽ s ẽ làm tiế tiế p CFA và SEM nên r ất quan tâm đến đến cấ c ấu trúc củ của thang đo, các khái niệ niệm sau khi rút ra có thể th ể tươ ng ng quan vớ  v ớ i nhau, và cũ c ũng r ất quan tâm đến đến sự sự phân biệ biệt rõ ràng giữ giữa các nhân tố t ố. Vì vậ vậy bạ bạn nên làm EFA vớ  vớ i nhữ những đổi đổi mớ  mớ i sau: • Sử dụng phươ  phươ ng ng pháp trích Principal Axis Factoring v ớ i phép xoay Promax 2 đến tiêu chuẩ chu ẩn 3: |Factor Loading| lớ  l ớ n nhấ nhất củ của mỗ mỗi Item >=0.5 • Quan tâm đến đến tiêu chuẩ chuẩn: Tại mỗi Item, chênh lệ l ệch |Factor Loading| lớ  l ớ n nhấ nhất và • Quan tâm đến |Factor Loading| bấ bất k ỳ phả phải >=0.3 (Jabnoun & Al-Tamimi, 2003) • Tổng phươ  phươ ng ng sai trích >=50% (Gerbing & Anderson, 1988) • KMO>=0.5, Kiể Kiểm định định Bartlett có ý ngh ĩ  ngh ĩ a thố thống kê (Sig<0.05) 4 a.  Khái ni ệ  ệ m sự  thoả mãn của nhân viên v ớ i công vi ệ  ệ c

1

Chị Chị Thuậ Thuận là sinh viên khoá 30 ngành k ế hoạ hoạch đầu đầu tư tư khoa KTPT (mà tôi hướ  hướ ng ng dẫ dẫn đề tài NCKH sinh viên), chị chị Thuậ Thuận cũ c ũng là liên chi hộ hội phó hộ hội sinh viên củ của Khoa KTPT, đề tài củ của chị ch ị đạt đạt giả giải khuyế khuyến khích cấ cấ p Bộ B ộ. Hiệ Hiện nay chị chị Thuậ Thuận đã ra tr ườ  ườ ng ng đượ c 1 nă năm và đang làm việ việc tạ tại ngân hàng ACB 2 Theo Gerbing & Anderson (1988), Phươ  Phươ ng ng pháp trích Principal Axis Factoring vớ  vớ i phép xoay Promax (Oblique) sẽ sẽ phả phản ánh cấ cấu trúc dữ dữ liệ liệu chính xác hơ  hơ n phươ  ph ươ ng ng pháp trích Principal Components vớ  vớ i phép xoay Varimax (Orthogonal) 3

Theo Hair & ctg (1998,111), Factor loading laø chæ tieâu ñeå ñaûm baûo möùc yù nghóa thieát thöïc cuûa EFA (ensuring practical significance). Factor loading > 0.3 ñöôïc xem laø ñaït ñöôïc möùc toái thieåu, Factor loading > 0.4 ñöôïc xem laø quan troïng, ≥ 0.5 ñöôïc xem laø coù yù nghóa thöïc tieãn. Hair & ctg (1998,111) cuõng khuyeân baïn ñoïc nhö sau: neá u choïn tieâu chuaån factor loading > 0.3 thì côõ maãu cuûa baïn ít nhaát phaûi laø 350, neáu côõ maãu cuû a baïn khoaûng 100 thì neân choï n tieâu chuaån factor loading > 0.55, neáu côõ maãu cuûa baïn khoaûng 50 thì Factor loading phaûi > 0.75 4 KMO là mộ một chỉ ch ỉ tiêu dùng để xem xét sự sự thích hợ  hợ  p củ c ủa EFA, 0.5≤KMO≤1 thì phân tích nhân tố tố là thích hợ  hợ  p.

Kiể Kiểm định định Bartlett xem xét giả giả thuyế thuyết về v ề độ tươ ng ng quan giữ giữa các biế biến quan sát bằ bằng không trong tổ tổng thể thể. Nế Nếu kiể kiểm định định này có ý ngh ĩ a thố thống kê (Sig < 0.05) thì các biế bi ến quan sát có tươ  tươ ng ng quan vớ  vớ i nhau trong tổ tổng thể thể (Tr ọng & Ngọ Ngọc, 2008)

14

Bạn còn nhớ thao tác EFA trong ph ần mềm SPSS? Analyze\Data Reduction\Factor  Hình 1.4

Hình 1.5

Hình 1.7

Hình 1.6

Hình 1.8

15

 K ế  ết  quả ban đầu Pattern Matrix

a

Factor 1

2

prom1

.863

prom3

.753

prom2

.689

prom4

.651

work4

.436

3

4

5

6

7

Các con số số trong  bả  bảng này gọ gọi là các Factor loading (hệ số  ố )  t ải nhân t ố 

sup6

.811

sup5

.784

sup3

.758

sup7

.664

sup4

.482

sup2

.351

.411

sup1

.268

.378

.325

-.282

pay4

.889

pay5

.770

pay2

.607

.283

.297

ben4

.331

.549

pay3

-.301

.488

.293

.485

.271

pay1

.211

cow1

.814

cow3

.810

cow2

.810

cow4

.207

.454

.432

ben3

.982

ben2

.977

ben1

.334

.592

env3

.264 .768

work3 work2 work1

.246

env2 env1

Env4 bị bị loạ loại đầu đầu tiên .223 vì con số số này nhỏ nhỏ hơ n 0.5, và “tệ “t ệ” nhấ nhất

env4

.541 .514 .541 -.279

.213

.478 .232

Extraction Method: Principal Axis Factoring. Rotation Method: Promax with Kaiser Normalization. a. Rotation converged in 7 iterations.

Lần lượ  lượ t loạ loại từ ng  biến không đạt đạt yêu cầ cầu (biế (biến nào “tệ “tệ” nhấ nhất bị bị loạ loại tr ướ  ướ c): c): ng biế Env4, env3, sup1, sup2, work4, cow4, env2, env1, pay3, pay1, pay2, Và ben1

16

 K ế  ết  quả EFA l ần cuố i i  Pattern Matrix

a

Factor 1

2

sup6

.841

sup5

.826

sup3

.758

sup7

.628

sup4

.520

3

4

5

6

.278

prom1

.899

prom2

.707

prom3

.670

prom4

.602

cow1

.913

cow2

.795

cow3

.768

pay4

.907

pay5

.817

ben4

Các con số số trong  bả  bảng này gọ gọi là các Factor loading (hệ ố )   số t ải nhân t ố 

.270

.593

ben2

.961

ben3

.952

work3

.915

work2

.791

work1

.545

Extraction Method: Principal Axis Factoring. Rotation Method: Promax with Kaiser Normalization. a. Rotation converged in 6 iterations.

Bạn có nh ận xét gì t ừ k ết quả EFA? Có 6 nhân tố tố đượ c rút ra.  Nhân tố tố 1: gồ gồm các biế bi ến quan sát sup3-sup7  đượ c đặt đặt tên là “Lãnh đạo” đạo”  Nhân tố tố 2: gồ gồm prom1-prom4  “Thă “Thăng tiế tiến”  Nhân tố tố 3: gồ gồm cow1-cow3  “Đồng Đồng nghiệ nghiệ p”  Nhân tố tố 4: gồ gồm pay4, pay5, ben4  “lươ  “lươ ng-thưở  ng-thưở ng” ng”  Nhân tố tố 5: gồ gồm ben2, ben3  “bả “bảo hiể hiểm”  Nhân tố tố 6: gồ gồm work1-work4  “bả “bản chấ chất công việ việc”

17

Total Variance Explained Rotation Sums of Squared a Extraction Sums of Squared Loadings Loadings

Initial Eigenvalues Factor

Tota Totall

1

7.378

36.889

36 36.889 7.016

35.080

35.080

5.210

2

1 1..880

9.401

46.290 1.726

8.632

43.712

5.142

3

1 1..752

8.759

55.049 1.428

7.138

50.849

4.015

4

1 1..512

7.560

62.609 1.167

5.835

56.685

3.801

5

1 1..359

6.794

69.403 1.022

5.109

61.793

2.615

6

1.067

5.334

74.737

3.558

65.352

4.584

7

.722

3.612

78.349

8

.564

2.821

81.169

9

.537

2.683

83.853

10

.461

2.306

86.159

11

.403

2.014

88.173

12

.395

1.973

90.146

13

.365

1.826

91.971

14

.341

1.704

93.676

15

.306

1.530

95.206

16

.252

1.260

96.466

17

.244

1.221

97.687

18

.212

1.062

98.749

19

.182

.911

99.660

20

.068

.340

100.000

% of Vari Varian ance ce Cumu Cumula lati tive ve %

Tota Totall

.7 1 2

% of Vari Varian ance ce Cumu Cumula lati tive ve %

Tota Totall

Tổng phươ  phươ ng ng sai trích/ hay tổ tổng  biế  biến thiên đượ c giả giải thích bở  b ở i các nhân tố tố

Extraction Method: Principal Axis Factoring. a. When factors are correlated, sums of squared loadings cannot be added to obtain a total variance.

KMO and Bartlett's Test Kaiser-Meyer-Olkin Measure of Sampling Adequacy. Bartlett's Test of Sphericity

Approx. Chi-Square

.847 2327.451

df

190

Sig.

.000

Hai bảng trên cho b ạn nhận xét gì? - Tổ Tổng phươ  phươ ng ng sai trích (hay tổ t ổng biế biến thiên đượ c giả giải thích) bằ bằng 65.35% (>50%) - KMO = 0.847 (>0.5) và kiể ki ểm định định Bartlett có ý ngh ĩ  ngh ĩ a thố thống kê (Sig<0.05)  Nên EFA là phù hợ  hợ  p.

18

b. Khái ni ệ  ệm   lòng trung thành

Khái niệ niệm lòng trung thành là 1 khái ni ệm đơ n hướ  hướ ng ng (khi EFA, các biế bi ến quan sát rút thành 1 nhân tố tố), nên có thể th ể thử thử sử dụng phươ  phươ ng ng pháp trích Principal Component Analysis vì ph ươ ng ng  pháp trích này sẽ sẽ làm cho tổ t ổng phươ  phươ ng ng sai trích tố t ốt hơ  hơ n. n.

Bạn có nh ận xét gì nếu có k ết quả từ EFA cho các bi ến quan sát thu ộc khái ni ệm lòng trung thành nh ư sau? KMO and Bartlett's Test Kaiser-Meyer-Olkin Measure of Sampling Adequacy. Bartlett's Test of Sphericity

Approx. Chi-Square

.701 188.787

df

3

Sig.

.000

Total Variance Explained Initial Eigenvalues

Compo nent

Total

% of Variance

Extraction Sums of Squared Loadings

Cumulative %

1

2.146

71.523

71.523

2

.487

16.230

87.753

3

.367

12.247

100.000

Total 2 .1 4 6

% of Variance

Cumulative %

71.523

71.523

Extraction Method: Principal Component Analysis.

Component Matrix

a

Bảng này chỉ chỉ có 1 cộ cột, cho thấ thấy loy1, loy2, loy3 rút thành 1 nhân tố tố

Component 1 loy1

.874

loy3

.834

loy2

.829

Extraction Method: Principal Component Analysis. a. 1 components extracted.

- Chỉ Chỉ có 1 nhân tố t ố đượ c rút ra, nhân tố t ố này cũ cũng đượ c đặt đặt tên là “Trung thành” - EFA cũ cũng phù hợ  hợ  p vì Tổ Tổng phươ  phươ ng ng sai trích bằ b ằng 71.53 (>50%), KMO = 0.701 (>0.5), Sig của kiể kiểm định định Bartlett=0.000 (<0.05) Mô hình cấ c ấu trúc tuyế tuyến tính (SEM) bao gồ g ồm nhiề nhiều k ỹ thu thuậật thố th ống kê khác nhau như nh ư  phân tích đườ ng ng dẫn (Path Analysis), phân tích nhân tố t ố khẳ khẳng định định (Confirmatory Factor  Analysis), Mô hình nhân quả qu ả vớ i các biế bi ến tiề tiềm ẩn (Causal modeling with Latent variable, và cũng thườ  thườ ng ng gọi là SEM), và thậ th ậm chí cả cả phân tích phươ  ph ươ ng ng sai (Analysis of Variance), mô hình hồ hồi quy tuyế tuyến tính bộ bội (Multiple Linear Regression). Chúng ta sẽ s ẽ tìm hiể hiểu CFA, SEM. 19

3. PHÂN TÍCH NHÂN T Ố KHẲNG ĐỊNH (CFA) Từ k ết quả quả của EFA, giờ  giờ bbạn thấ thấy r ằng ta có 7 khái niệ ni ệm chính sử sử dụng trong mô hình nghiên cứ cứu sau này. Đó là • • • • • • •

“Lãnh đạo” đạo” đượ c đo lườ  lườ ng ng bở  bở i các biế bi ến quan sát sup3-sup7 “Thă “Thăng tiế tiến” đượ c đo lườ  lườ ng ng bở  bở i các biế biến quan sát prom1-prom4 “Đồng Đồng nghiệ nghiệ p” đượ c đo lườ  lườ ng ng bở  bở i các biế biến quan sát cow1-cow3 “Lươ  “Lươ ng-thưở  ng-thưở ng” ng” đượ c đo lườ  lườ ng ng bở  bở i các biế bi ến quan sát pay4, pay5, ben4 “Bả “Bảo hiể hiểm” đượ c đo lườ  lườ ng ng bở  bở i các biế biến quan sát ben2, ben3 “Bả “Bản chấ chất công việ việc” đượ c đo lườ  lườ ng ng bở  bở i các biế biến quan sát work1-work4 “Lòng trung thành”: đượ c đo lườ  lườ ng ng bở  bở i loy1, loy2, loy3

6 khái niệ ni ệm đầu đầu tiên là các khái ni ệm thành phầ phần củ của khái niệ ni ệm “Sự “Sự tho thoảả mãn củ của nhân viên vớ i công việ vi ệc”. Cấ Cấu trúc củ của thang đo “Sự “Sự tho thoảả mãn nhân viên vớ  v ớ i công việ vi ệc” gồ gồm có 6 khái niệ niệm thành phầ phần như nh ư trên, và các biế bi ến quan sát tươ  t ươ ng ng ứng cho từ từng khái niệ ni ệm cũ cũng đã đượ c liệ liệt kê như như trên. Các biế bi ến quan sát quan sát sup3-sup7; prom1-prom4; cow1-cow3; pay4,  pay5, ben4; ben2, ben3; work1-work4 tạ t ạo thành mộ một thang đo để đo lườ ng ng khái niệ ni ệm “Sự “Sự thoảả mãn củ tho của nhân viên vớ  v ớ i công việ vi ệc”. Các biế biến quan sát loy1, loy2, loy3 t ạo thành mộ m ột thang đo để đo lườ  lườ ng ng khái niệ ni ệm “lòng trung thành”.  Nhữ  Những điều trên tạ tạo thành mộ một mô hình đo lườ ng ng các khái niệ ni ệm sử dụng trong nghiên cứ c ứu của bạ bạn. Và bây giờ  gi ờ Chúng Chúng ta cầ cần kiể kiểm định định xem Mô hình đo lườ  lườ ng ng này có đạt đạt đượ c yêu cầ cầu không? Các thang đo có đạt đạt đượ c yêu cầ cầu củ của mộ một thang đo tố tốt không? Việ Việc này chúng ta cầ c ần sử dụng đến đến phân tích nhân tố t ố khẳ khẳng định định (CFA) Trong CFA ta có thể thể thự thực hiệ hi ện cho từ từng khái niệ ni ệm, mộ một số số khái niệ niệm, hoặ hoặc thự th ực hiệ hiện vớ  vớ i tấ t ất cả các khái niệ ni ệm có trong mô hình (gọ (g ọi là mô hình tớ  t ớ i hạ hạn) Veà maët lyù thuyeát, trong CFA, chuùng ta chuù yù ñeán moät soá vaán ñeà sau: Ñeå ño löôøng möùc ñoä phuø hôïp cuûa moâ hình vôùi thoâng tin thò tröôøng , ngöôøi ta thöôøng söû duïng Chi-square (CMIN); Chi-square ñieàu chænh theo baäc töï do (CMIN/df); chæ soá thích hôïp so saùnh (CFI_ Comparative Fit Index). Chæ soá Tucker & Lewis (TLI_ Tucker & Lewis Index); Chæ soá RMSEA (Root Mean Square Error Approximation). Moâ hình ñöôïc xem laø thích hôïp vôùi döõ lieäu thò tröôøng khi kieåm ñònh Chi-square coù P-value > 0.05. Tuy nhieân Chi-square coù nhöôïc ñieåm laø phuï thuoäc vaøo kích thöôùc maã u. Neáu moät moâ hình nhaän ñöôïc caùc giaù trò GFI, TLI, CFI ≥0.9 (Bentler & Bonett, 1980); CMIN/df  ≤ 2, moät soá tröôøng hôïp CMIN/df coù theå ≤ 3 (Carmines & McIver, 1981); RMSEA ≤ 0.08, RMSEA ≤ 0.05 ñöôïc xem laø raát toát (Steiger, 1990 ); thì moâ hình ñöôïc xem laø phuø hôïp vôùi döõ lieäu thò tröôøng, hay töông thích vôùi döõ lieäu thò tröôøng. Thoï & Trang (2008) cho raèng Neáu moâ hình nhaän ñöôïc caùc giaù trò TLI, CFI ≥0.9, CMIN/df  ≤ 2, RMSEA ≤ 0.08 thì moâ hình phuø hôïp (töông thích) vôùi döõ lieäu thò tröôøng. Quy taéc naøy cuõng ñöôïc söû duïng ñeå ñaùnh giaù möùc ñoä phuø hôïp cuûa moâ hình caáu truùc ôû muïc 4. Khi CFA, neân thöïc hieän caùc ñaùnh giaù khaùc nhö 1 : 1

Xem thêm Thọ Thọ & Trang (2008)

20

(1)   Ñaùnh giaù ñoä tin caäy cuûa thang ño thoâng qua: (a) Heä soá tin caäy toång hôïp (composite reliability) vaø (b) Toång phöông sai trích ñöôïc (variance extracted), (c) Heä soá Cronbach’s Alpha Ñoä tin caäy toång hôïp ( ρ C  ) (Joreskog 1971 ), vaø toång phöông phöông sai trích ( ρ VC ) (Fornell & Larcker 1981) ñöôïc tính theo coâng thöùc sau: 2

 p

 p

( λ i)  ρ 

C 

∑ i =1

=

2

 p

 p

 ρ  2

( ∑ λ i) + ∑ (1 − λ i ) i =1

Trong ñoù

=

VC 

i =1

λ  i

∑ λ i

2

i =1

 p

∑ λ i i =1

2

 p

+ ∑ (1 − i =1

2

λ i ) 2

laø troïng soá chuaå chuaån hoaù cuûa bieá bieán quan saùt thöù thöù i; 1- λ i laø phöông sai cuûa sai

soá ño löôøng bieán quan quan saùt thöù i, p laø soá bieán quan saùt cuûa thang thang ño. Chæ tieâu ρ C  , ρ VC  phaûi ñaït yeâu caàu töø 0.5 trôû leân Theo Hair (1998, 612):”phöông sai trích (Variance Extracted) cuûa moãi khaùi nieäm neân vöôït quaù 0.5”; vaø phöông sai trích cuõng laø moät chæ tieâu ño löôøng ñoä tin caäy. Noù phaûn aùnh löôïng bieán thieân chung cuûa caù c bieán quan saùt ñöôïc tính toaùn bôûi bieán tieàm aån Schumacker & Lomax (2006, 178) cho raèng trong CFA, moät vaán ñeà quan troïng caàn phaûi quan taâm khaùc laø ñoä tin caäy cuûa taäp hôïp caùc bieán quan saùt ño löôøng moät khaùi nieäm (nhaân toá); vaø nhö truyeàn thoáng, heä soá tin caäy Cronbach’s Alpha vaãn thöôøng ñöôïc söû duïng. Noù ño löôøng tính kieân ñònh noäi taïi xuyeân suoát taäp hôïp caùc bieán quan saùt cuûa caùc caâu traû lôøi Trong kieåm ñònh Cronbach’s Alpha, caùc bieán quan saùt coù heä soá töông quan bieán-toång (item-total correlation) nhoû hôn 0.3 seõ bò loaïi vaø tieâu chuaån choïn thang ño khi heä soá  Cronbach’s Alpha Alpha töø 0.6 trôû leân (Nunnally (Nunnally & Burnstein, 1994). 1994). Tuy nhieân, cuõ cuõng caà n löu yù raèng neáu Cronbach’s Apha quaù cao (>0.95) thì coù khaû naêng xuaát hieän bieán quan saùt thöøa (Redundant items) ôû trong thang ño. Bieán quan saùt thöøa laø bieán ño löôøng moät khaùi nieäm haàu nhö truøng vôùi bieán ño löôøng khaùc, töông töï nhö tröôøng hôïp coäng tuyeán (collinearity) trong hoài quy, khi ñoù bieán thöøa neân ñöôïc loaïi boû. (2) Tính ñôn höôùng/ ñôn nguyeân (unidimensionality) - Theo Steenkamp & Van Trijp (1991), möùc ñoä phuø hôïp cuûa moâ hình vôùi döõ lieäu thò tröôøng cho chuùng ta ñieàu kieän caàn vaø ñuû ñeå cho taäp bieán quan saùt ñaït ñöôïc tính ñôn höôùng, tröø tröôøng hôïp caùc sai soá cuûa caùc bieán quan saùt coù töông quan vôùi nhau. (3) Giaù trò hoäi tuï (Convergent validity) - Gerbring & Anderson (1988) cho raèng thang ño ñaït ñöôïc giaù trò hoäi tuï khi caùc troïng soá  chuaån hoaù cuûa thang ño ñeàu cao (>0.5); vaø coù yù nghóa thoáng keâ (P <0.05)

21

(4) Giaù trò phaân bieät (Discriminant validity) - Coù theå kieåm ñònh giaù trò phaân bieät cuûa caùc khaùi nieäm trong moâ hình tôùi haïn (saturated model) moâ hình maø caùc khaùi nieäm nghieân cöùu ñöôïc töï do quan heä vôùi nhau). Coù theå thöïc hieän kieåm ñònh heä soá töông quan xeùt treân phaïm vi toång theá giöõa caùc khaùi nieäm coù thöïc söï khaùc bieät so vôùi 1 hay khoâng. Neáu noù thöïc söï khaùc bieät thì caùc thang ño ñaït ñöôïc giaù trò phaân bieät. Ví duï: Moät thang ño coù 2 khaùi nieäm spatial vaø verbal, soá quan saùt = 73 r spatial

<-->

verbal

SE=SQRT((1-r2)/(n-2)) (1-r)/SE P-value 0.487 0.104 4.949 0.000

TINV(0.05,71)=1.993 TDIST(4.95,71,2)=0.000 TDIST(4.95,71,2)=0.000 (<0.05) baùc boû giaû thuyeát cho raèng  ρ  (spatial,verbal)=1

Ghi chuù quy taéc kieåm ñònh 1 : Ho:  ρ  =  ρ o H1:  ρ  ≠  ρ o Tính T =

Neáu T >

| r − ρ o | 2

1 − r  n−2

t , 2 , α 

n−2

; Tra baûng phaân phoái Student

t , 2 , α 

n −2

thì baùc boû H o

(5) Giaù trò lieân heä lyù thuyeát (Nomological validity) - Caùc vaán ñeà töø 1 ñeán 4 ñöôïc ñaùnh giaù thoâng qua moâ hình ño löôøng. Rieâng giaù trò lieân heä lyù thuyeát ñöôïc ñaùnh giaù trong moâ hình lyù thuyeát (Anderson & Gerbing, 1988) Khi caùc vaán ñeà treân thoaû maõn thì moâ hình ño löôøng laø toát. Tuy nhieân, raát hieám moâ hình ño löôøng naøo ñaït ñöôïc taát caû caùc vaán ñeà treân! Ví duï, moâ hình ño löôøng vaãn coù theå ñöôïc söû duïng khi thang ño khoâng ñaït ñöôïc tính ñôn höôùng…

1

Xem Hoaøi (2001)

22

thức Amos Graphics 1 Veà maët thöïc haønh, ta söû duïng phaàn meàm AMOS v ớ i cách thứ

Khở i động AMOS? Star Startt  Prog Progra ram m  AMOS AMOS 16  Amos Amos Grap Graphi hics cs Công dụng của các nút? Dùng để vẽ biế biến quan sát Dùng để vẽ biế biến tiề tiềm ẩn Dùng để vẽ biế biến tiề tiềm ẩn và các biế biến quan sát Dùng để vẽ yếu tố tố sai số số Hình 3.1

Vẽ hệ số đườ ng ng dẫ dẫn, hệ hệ số hồi quy Vẽ hiệ hiệ p phươ  phươ ng ng sai, hệ hệ số tươ ng ng quan Liệ Liệt kê danh sách biế bi ến  Ngón tay: chọ chọn 1 đối đối tượ  tượ ng ng Bàn tay dài: Chọ Ch ọn tấ tất cả cả đối đối tượ  tượ ng ng Bàn tay ngắ ng ắn: Không chọ ch ọn nữ nữa Di chuyể chuyển đối đối tượ  tượ ng ng Xoá đối đối tượ  tượ ng ng Máy phô tô: Copy đối đối tượ  tượ ng ng Xoay đối đối tượ  tượ ng ng Chỉ Chỉnh kích cỡ  cỡ đố đốii tượ  tượ ng ng Tính toán các ướ c lượ  lượ ng ng Di chuyể chuyển các tham số s ố ướ c lượ  lượ ng ng Copy sơ  sơ đồ đồ đườ ng ng dẫ dẫn vào Clipboard Xem k ết quả quả dạng vă văn bả bản/ bả bảng biể biểu

1

Trong AMOS, ngoài AMOS Graphics có mộ một cách thứ thức khác nữ nữa là gõ các lệ lệnh VB.NET hay C#

23

Tạo file mớ i? i? File\New Chọn File Name  Chọ Chọn kiể kiểu file và chỉ ch ỉ đến đến Mở file dữ liệu? File\Data Files (Ctrl-D)  Chọ file cầ cần mở  mở  OK  Hình 3.2

Hiển thị danh sách bi ến? Chọ Chọn nút sau Hình 3.3

Khi đó bạ bạn sẽ sẽ thấ thấy mộ một hộ hộ p thoạ thoại nhỏ nhỏ xuấ xuất hiệ hiện, liệ liệt kê các biế bi ến có trong dữ d ữ liệ liệu Hình 3.4

Vẽ các biến tiêm ẩn, các biến quan sát t ươ ng ng ứ ng? ng?  Bướ c 1. Chọ Chọn nút Hình 3.5

24

 Bướ c 2. Rê đến đến vị vị trí tươ  tươ ng ng ứng để vẽ ra 1 vòng tròn, nhấ nh ấ p chuộ chuột 5 trái nă năm cái, bạ bạn sẽ sẽ có đối đối

tượ ng ng như như Hình 3.6 Hình 3.6

 Bướ c 3. Nhấ Nhấ p bàn tay dài,

để chọ chọn cả cả đối đối tượ  tượ ng ng

 Bướ c 6 . Nhấ Nhấ p ô tô

để di chuyể chuyển đối đối

tượ ng ng sao cho đẹ p  Bướ c 4 . Nhấ Nhấ p nút này để xoay đối đối

tượ ng ng sao cho như nh ư Hình 3.7  Bướ c 5. Nhấ Nhấ p nút này để Chỉ Chỉnh sử sửa

kích cỡ  cỡ ccủa đối đối tượ  tượ ng ng sao cho đẹ p Hình 3.7

Copy đối tượ ng? ng? Hiệ Hiện nay chỉ chỉ có mộ một Biế Biến tiề tiềm ẩn vớ  vớ i 5 biế biến quan sát như nh ư Hình 3.7. Đầu Đầu tiên bạ b ạn sẽ sẽ chọ chọn đối đối tượ ng ng cầ cần Copy bằ bằng cách nhấ nh ấ p nút bàn tay dài, r ồi nhấ nhấ p cái máy Photocopy, sau đó rê chuộ chuột đến đến vị vị trí cầ cần dán đối đối tượ  tượ ng ng đượ c copy. Bạ Bạn sẽ sẽ có Hình như như Hình 3.8

25

Hình 3.8

Bướ c 1. Chọ Chọn nút này để đánh dấ dấu đối đối tượ  tượ ng ng cầ cần Copy Bướ c 2. Chọ Chọn máy Photocopy để copy, sau đó rê chuộ chuột đến đến vị vị trí mớ  mớ i bạ bạn sẽ có thêm mộ một đối đối tượ  tượ ng ng nữa

Đt mớ  mớ i

Bây giờ  giờ bbạn đã Copy xong r ồi, thì hãy nhấ nh ấ p nút bàn tay ngắ ng ắn, để không chọ chọn gì nữ nữa. Tuy nhiên đối đối tượ  tượ ng ng mớ  mớ i củ của bạ bạn chỉ chỉ cần có 4 biế biến quan sát thôi. Do đó bạ bạn cầ cần xoá đi 1 biế biến quan sát.

Xoá 1 cái gì đó? Chọ Chọn nút

sau đó di chuyể chuyển chộ chột đến đến đối đối tượ  tượ ng ng cầ cần xoá, nhấ nhấ p chuộ chuột vào đối đối tượ  tượ ng ng đó

Bạn hãy k ết hợ  hợ  p các nút và tạ t ạo ra sơ  sơ đồ đồ như như Hình 3.9:

26

Hình 3.9

Thể hiệ hiện cho hiệ hiệ p phươ  phươ ng ng sai/ hệ h ệ số tươ ng ng quan) Vẽ các các mũi tên 2 đầu? (Thể Hình 3.10

Bạn hãy tự tự vẽ ra tiế tiế p để đượ c như như Hình 3.11 nhé

27

Hình 3.11 1 1 1 1

1

1 1 1 1 1 1 1 1 1

1

1 1 1

1

1 1

1

1 1 1

1

1 1 1

1

28

Gắp các bi ến quan sát vào các hình ch ữ nhật (hình vuông) đại diện cho các bi ến quan ơ đồ ? sát trên sơ đồ Hình 3.12  Nhấ  Nhấ p biế biến tươ ng ng ứng trong danh sách và gắ gắ p sang

Sau khi đã gắ gắ p các biế bi ến quan sát vào các hình chữ ch ữ nhậ nhật tươ  tươ ng ng ứng. Bạ Bạn sẽ sẽ đượ c sơ  sơ đồ đồ như như Hình 3.13.

Bây giờ , bạn nên gán tên cho các bi ến tiềm ẩn (Hình elip) bằng cách Chọ Chọn nút ngón tay  Nhấ  Nhấ p vào Hình elip đầu đầu tiên, Click phả ph ải chuộ chuột, Chọ Chọn Object Properties (Hình 3.13) Hộ p thoạ tho ại như như Hình 14, xuấ xuất hiệ hiện. Bạ Bạn hãy nhậ nhậ p tên biế bi ến vào ô Variable name Bạn hãy nhấ nhấ  p vào nút ngón tay, các biế biến tiề tiềm ẩn này.

, sauđ sauđó lầ lần lượ  lượ t nhấ nhấ p vào các Elip còn lạ l ại, đặt đặt tên cho

Hãy làm tươ ng ng tự trong vi ệc đặt tên cho các sai s ố: e1, e2 ... (Hình 3.15) Và bây giờ  giờ bbạn đã vẽ vẽ song Sơ  Sơ đồ đồ như như Hình 3.16.

29

Hình 3.13

Hình 3.14

30

Hình 3.15

31

Hình 3.16

e1 e2 e3 e4 e5 e6 e7 e8 e9 e10 e11 e12 e13 e14 e15 e16 e17 e18 e19 e20 e21 e22 e23

1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1

sup3 sup4 lanh dao

sup5 sup6

1

sup7 prom1 prom2 prom3

thang tien 1

prom4 cow1 cow2

1

dong nghiep

cow3 pay4 pay5

1

luong thuong

ben4 ben2 1

bao hiem

ben3 work1 work2

1

cong viec

work3 loy1 loy2

1

trung thanh

loy3

32

Thể hiện một số chỉ tiêu lên màn hình?  Nế  Nếu bạ bạn muố muốn thể thể hiệ hiện mộ một số số chỉ chỉ tiêu lên màn hình sơ  s ơ đồ đồ đườ ng ng dẫ dẫn, hãy chọ chọn nút Title , nhâp chuộ chuột tạ tại 1 vị vị trí muố muốn thể thể hiệ hiện, gõ các Macro sau Hình 3.17

Khi đó trên sơ  sơ đồ đồ sẽ có các dòng tươ  t ươ ng ng ứng (Hình 3.18) Hình 3.18

Khai báo các thu ộc tính cần tính toán? Từ thanh Menu chọ ch ọn View\Analysis Properties Hình 3.19

Sau đó đánh dấ dấu chọ chọn như như Hình 3.20, Hình 3.21

33

Hình 3.20

Hình 3.21

Lư u lại file Sơ đồ ơ  đồ sơ đồ ơ đồ? Files \ Save ho ặc Save As Tr ướ  ướ c khi tính toán, bạ b ạn nên lư l ưu lạ lại file sơ  s ơ đồ đồ đườ ng ng dẫ dẫn

34

Tính toán các ướ c lượ ng? ng?  Nhấ  Nhấ p nút

Các k ết quả quả sẽ đượ c tính toán

Thể hiện k ết quả? Hình 3.22

Chọ Chọn nút này để thể thể hiệ hiện k ết quả quả tính toán lên sơ  s ơ đồ đồ

Chuyể Chuyển đổi đổi cách thể thể hiệ hiện dạng không chuẩ chuẩn hoá/ chuẩ chu ẩn hoá

35

ơ đồ đã chuẩn hoá K ết quả dạng sơ đồ Hình 3.24 .63

e1

sup3

.39

e2

sup4

e3

sup5

e4

sup6

e5

sup7

e6

prom1

e7

prom2

e8

prom3

e9 e10

.79

.62 .64 .80

lanh dao

.56 .58

Chi-square= Chi-square= 403.140 ; df= 209 ; P= .000 ; Chi-square/df = 1.929 ; GFI= .858 ; TLI = .909 ; CFI = .925 ; RMSEA= .068

.75 .76 .66

.58 .65

.76 .81

.48

thang tien

.41

.60 .64 .78 prom4.72

cow1

e11

cow2

e12

cow3

e13

pay4

e14

pay5

e15

ben4

e16

ben2

e17

ben3

e18

work1

.66

.69 .71

.98

e23

loy3

dong nghiep

.57 .21

.80

.63

.32

.83

.67 .24

luong thuong

.66 .52

.26

.66

.86 .55 .65

work3 .66

loy2

.51

.99

e20

e22

.28

.85

.43 .84

work2

loy1

.45

.63 .81

e19

e21

.48

.93 .74

.63 .80

.48

.23

.70 .17

cong viec

.79

.44

.43

bao hiem

.59

.81

.58 .70

trung thanh

.76

37

K ết quả dạng các b ảng số liệu Chọ Chọn nút Hình 3.25

, cửa số số Amos Output sẽ sẽ xuấ xuất hiệ hiện

 Nhấ  Nhấ p vào các mụ m ục tươ  tươ ng ng ứng bên trái củ c ủa cử cửa số số Output, bạ bạn sẽ sẽ xem các k ết quả quả khác nhau: Regression Weights: (Group number 1 - Default model) – Bảng các trọng số chư a chuẩn hoá

Estimate S.E. C.R. P Label sup7 <--- lanhdao 1.000 sup6 sup6 <--<--- lanhda lanhdaoo .895 .895 .085 .085 10.533 10.533 *** sup5 sup5 <--<--- lanhda lanhdaoo .919 .919 .082 .082 11.273 11.273 *** sup4 sup4 <--<--- lanh lanhda daoo .654 .654 .076 .076 8.63 8.6377 *** *** sup3 sup3 <--<--- lanhda lanhdaoo .917 .917 .082 .082 11.192 11.192 ***   prom4 <--- thangtien 1.000   pro prom3 m3 <--<--- than thangt gtie ienn .826 .826 .093 .093 8.89 8.8900 *** ***   prom prom22 <--<--- thangt thangtie ienn 1.030 1.030 .091 .091 11.360 11.360 ***   prom prom11 <--<--- thangt thangtie ienn 1.075 1.075 .100 .100 10.735 10.735 *** cow1 cow1 <--<--- dongng dongnghie hiepp 1.037 1.037 .087 .087 11.968 11.968 *** cow3 <--- dongnghiep 1.000 cow2 cow2 <--<--- dongng dongnghie hiepp .974 .974 .084 .084 11.619 11.619 ***   pay pay44 <--<--- luon luong_ g_th thuo uong ng 1.13 1.1388 .12 .1222 9.35 9.3533 *** ***   ben4 <--- luong_thuong luong_thuong 1.000   pay pay55 <--<--- luon luong_ g_th thuo uong ng 1.14 1.1411 .12 .1211 9.41 9.4111 *** *** work1 work1 <--<--- congv congviec iec .881 .881 .086 .086 10.224 10.224 ***

38

work3 <--- congviec work2 work2 <--<--- congv congviec iec   ben3 <--- baohiem   ben2 ben2 <--<--- baohie baohiem m loy11 <--loy <--- trungt trungthan hanhh loy3 <--- trungthanh loy2 loy2 <--<--- trun trungt gtha hanh nh

Estimate S.E. C.R. P Label 1.000 .952 .952 .086 .086 11.012 11.012 *** 1.000 1.096 1.096 .101 .101 10.804 10.804 *** .999 .999 .093 .093 10.774 10.774 *** 1.000 .985 .985 .106 .106 9.33 9.3388 *** ***

Standardized Regression Weights: (Group number 1 - Default model)

Estimate sup7 <--- lanhdao .762 sup6 <--- lanhdao .750 sup5 <--- lanhdao .799 sup4 <--- lanhdao .625 sup3 <--- lanhdao .793   prom4 <--- thangtien .776   prom3 <--- thangtien .643   prom2 <--- thangtien .808   prom1 <--- thangtien .764 cow1 <--- dongnghiep .846 cow3 <--- dongnghiep .795 cow2 <--- dongnghiep .811   pay4 <--- luong_thuong luong_thuong .830   ben4 <--- luong_thuong luong_thuong .656   pay5 <--- luong_thuong luong_thuong .843 work1 <--- congviec .740 work3 <--- congviec .793 work2 <--- congviec .805   ben3 <--- baohiem .925   ben2 <--- baohiem .992 loy1 <--- trungthanh .812 loy3 <--- trungthanh .764 loy2 <--- trungthanh .695

Các tr ọng số (đã chuẩ chuẩn hoá) này cầ cần > 0.5 để thang đo có thể thể đạt đạt đượ c giá tr ị hội tụ. Tr ườ  ườ ng ng hợ  h ợ  p biế biến quan sát nào có tr ọng số <0.5 thì bạ bạn lần lượ t loạ loại ra.

Covariances: (Group number 1 - Default model) Hiệp phươ ng ng sai

lanhdao lanhdao lanhdao lanhdao lanhdao

Estimate <-<--> thangtien .961 <--> dongnghiep .646 <--> luong_thuong .671 <--> baohiem .519 <<--> congviec .875

S.E. .158 .130 .143 .158 .158

C.R. 6.070 4.974 4.686 3.287 5.542

P *** *** *** .001 ***

Label

39

Estimate S.E. C.R. P Label lanhdao <--> trun rungthanh .970 .168 5.791 *** thangtien <--> dongnghiep .602 .127 4.745 *** thangtien <--> luong_thuong .707 .145 4.873 *** thangtien <--> baohiem .389 .152 2.561 .010 thangtien <--> congviec 1.017 .166 6.136 *** thangtien <<--> trun rungthanh 1.002 .168 5.948 *** dongnghiep <--> luong_thuong .408 .118 3.466 *** dongnghiep <--> --> baohiem .408 .141 2.886 .004 dongnghiep <--> --> congviec .729 .139 5.237 *** dongnghiep <--> --> trungthanh .618 .136 4.536 *** luong_ ong_th thuo uong ng <--> --> baohie ohiem m .47 .470 .154 .154 3.0 3.058 .002 002 luong_thuong <--> congviec .621 .145 4.287 *** luong_ ong_th thuo uong ng <--> --> trung rungth than anhh 1.02 1.0299 .179 .179 5.735 .735 *** congviec <--> baohiem .454 .163 2.784 .005 baohiem <--> trun rungthanh .338 .162 2.085 .037 congviec <--> trun rungthanh .941 .170 5.528 *** Correlations: (Group number 1 - Default model) Hệ số tươ ng ng quan

lanhdao <--> thangtien lanhdao <--> dongnghiep lanhdao <--> luong_thuong luong_thuong lanhdao <--> baohiem lanhdao <--> congviec lanhdao <--> trungthanh thangtien <--> dongnghiep thangtien <--> luong_thuong luong_thuong thangtien <--> baohiem thangtien <--> congviec thangtien <--> trungthanh dongnghiep <--> luong_thuong dongnghiep <--> baohiem dongnghiep <--> congviec dongnghiep <--> trungthanh luong_thuong <--> baohiem luong_thuong <--> congviec luong_thuong <--> trungthanh congviec <--> baohiem   baohiem <--> trungthanh congviec <--> trungthanh

Estimate .661 .480 .478 .276 .572 .628 .454 .511 .210 .675 .658 .318 .238 .523 .439 .262 .426 .699 .233 .171 .588

40

Variances: (Group number 1 - Default model) Phươ ng ng sai

lanhda nhdaoo than thangt gtie ienn dong dongng nghi hiep ep luon luong_ g_th thuo uong ng cong congvi viec ec   bao baohi hiem em trun trungt gtha hanh nh e5 e4 e3 e2 e1 e9 e8 e7 e6 e12 e11 e10 e15 e14 e13 e17 e16 e20 e19 e18 e23 e22 e21

Estimate 1.47 .476 1.43 1.4311 1.22 1.2277 1.33 1.3377 1.58 1.5866 1.61 1.6199 1.066 .920 .707 .985 .730 .947 1.388 .807 1.177 .713 .607 .525 1.765 .706 .781 .403 403 .049 .934 .781 1.014 1.154 1.680 .834

S.E. C.R. P Label .243 243 6.06 .068 *** .232 .232 6.15 6.1588 *** *** .194 .194 6.33 6.3366 *** *** .274 .274 4.87 4.8799 *** *** .255 .255 6.22 6.2288 *** *** 2.40 2.4022 .349 .349 6.88 6.8888 *** *** .273 .273 5.93 5.9322 *** *** .131 8.165 *** .111 8.297 *** .092 7.660 *** .108 9.147 *** .094 7.746 *** .123 7.683 *** .156 8.926 *** .113 7.120 *** .150 7.849 *** .099 7.167 *** .089 6.816 *** .089 5.873 *** .202 8.718 *** .126 5.601 *** .130 5.988 *** .214 .214 1.88 1.8855 .059 .059 .253 .194 .847 .136 6.855 *** .118 6.599 *** .130 7.775 *** .155 7.456 *** .202 8.325 *** .129 6.481 ***

41

Squared Multiple Correlations: (Group number 1 - Default model) thườ ng ng gọi là R 2

loy1 loy2 loy3 work1 work2 work3           cow1 cow2 cow3         sup3 sup4 sup5 sup6 sup7

Estimate .659 .483 .584 .548 .648 .629 ben2 ben3 pay4 pay5 ben4 .715 .657 .632 prom1 prom2 prom3 prom4 .629 .390 .638 .562 .581

.983 .856 .689 .711 .431

.584 .653 .413 .602

CMIN

Model Default model Saturated model Independence Independenc e model

NPAR CMIN DF P 67 403.140 209 .000 276 .000 0 23 2831.904 253 .000

CMIN/DF 1.929 11.193

RMR, GFI

Model Default model Saturated model Independence model

RMR GFI .142 . 858 .000 1.000 .812 .262

AGFI .813

PGFI .650

.195

.240

42

Baseline Comparisons

Model Default model Saturated model Independence Independenc e model

 NFI Delta1 .858 1.000 .000

RFI rho1 .828 .000

IFI Delta2 .926 1.000 .000

TLI rho2 .909 .000

CFI

.925 1.000 .000

RMSEA

Model Default model Independence model

RMSEA .068 .226

LO 90 .058 .219

HI 90 .078 .234

PCLOSE .002 .000

Bạn hãy d ự a vào các k ết quả trên và đánh giá về mô hình đo lườ ng? ng?  M ứ  ứ c độ phù hợ  p chung?

- Chi-square/df = 1.93 (<2); TLI = 0.909 ; CFI=0.925; RMSEA=0.068 (<0.08) nên có th ể nói là mô hình phù hợ  h ợ  p vớ  vớ i dữ dữ liệ liệu thị thị tr ườ  ườ ng. ng.

Tuy nhiên, có 1 số s ố chỉ chỉ tiêu chư chưa đạt, đạt, theo bạ bạn cả cải thiệ thiện các chỉ chỉ tiêu này bằ bằng cách nào? Giá tr   ị hội t ụ?

- Các tr ọng số số (chuẩ (chuẩn hoá) đều đều > 0.5 và các tr ọ tr ọng số số (chư (chưa chuẩ chuẩn hoá) đều đều có ý ngh ĩ  ngh ĩ a thố thống kê nên các khái niệ ni ệm đạt đạt đượ c giá tr ị hội tụ tụ.

Tính đơ n nguyên?

Mô hình này đo lườ  lườ ng ng này phù hợ  h ợ  p vớ  vớ i dữ dữ liệ liệu thị thị tr ườ  ườ ng, ng, và không có tươ  t ươ ng ng quan giữ gi ữa các sai số số đo lườ  lườ ng ng nên nó đạt đạt đượ c tính đơ n nguyên.

43

 Độ tin cậ y? Áp dụ dụng công thứ th ức và tính Độ tin cậ cậy tổ tổng hợ  hợ  p? Tổ Tổng phươ  phươ ng ng sai trích? Và dễ d ễ nhấ nhất là sử sử dụng Cronbach’s Alpha

Bạn còn nhớ thao tác trên SPSS? Analyze\ Scale\ Reliability Analysis Hình 3.26

Ví dụ dụ: V ớ  ới  thang đ o lãnh đạo Hệ số Cronbach’s Alpha = 0.86 (>0.6) và Các hệ  số  t ươ  ng quan bi ế  ng  đều đều > 0.3 ươ ng ến  – t ổ  ổ ng  nên thang đo “lãnh đạo” đạo” đạt đạt đượ c độ tin cậ cậy

Reliability Statistics Cronbach's

N of Items

Alpha 5

.860

Item-Total Statistics Cronbach's Scale Mean if Item Deleted

Scale Variance if Corrected ItemItem Deleted

Total Correlation

Alpha if Item Deleted

sup3

2 0 .3 1

21.391

.728

.819

sup4

1 9 .7 0

24.163

.563

.858

sup5

2 0 .0 6

21.343

.736

.817

sup6

1 9 .8 0

21.340

.699

.826

sup7

2 0 .4 4

20.529

.674

.835

44

V ớ  ới  thang đ o thăng ti ế  ến 

Bạn có nhậ nh ận xét gì? Reliability Statistics Cronbach's Alpha

N of Items .835

4

Item-Total Statistics Cronbach's Scale Mean if Item Deleted

Scale Variance if Corrected ItemItem Deleted

Total Correlation

Alpha if Item Deleted

prom1

13.57

1 4 .7 5 8

.696

.7 7 8

prom2

13.73

1 5 .7 2 6

.707

.7 7 4

prom3

13.11

1 6 .8 2 6

.587

.8 2 5

prom4

13.29

1 5 .8 9 7

.677

.7 8 7

Và tươ  tươ ng ng tự tự vớ i thang đo cho các khái niệ ni ệm khác

45

b ằng Excel p, tổng phươ ng ng sai trích? bạn hãy tính bằ Độ tin cậy tổng hợ p,

Bạn hãy tính độ tin cậ cậy tổ tổng hợ  hợ  p, tổ tổng phươ  phươ ng ng sai trích cho các khái ni ệm khác nhé!

46

Giá trị phân biệt? Cách dễ dễ nhấ nhất là hệ hệ số tươ ng ng quan giữ gi ữa các khái niệ ni ệm thành phầ phần củ của mộ một khái niệ ni ệm lớ  lớ n phả phải <0.9 thì mớ  mớ i đạt đạt đượ c giá tr ị phân biệ biệt. Một cách khác, cẩ c ẩn thậ thận hơ  hơ n, n, bạ bạn kiể kiểm định định xem hệ hệ số tươ ng ng quan có khác biệ bi ệt so vớ  vớ i 1 hay không (làm bằ b ằng Excel) n=200 Correlations: (Group number 1 - Default model)

r lanhdao lanhdao lanhdao lanhdao lanhdao lanhdao thangtien thangtien thangtien thangtien thangtien dongnghiep dongnghiep dongnghiep dongnghiep luong_thuong luong_thuong luong_thuong congviec   baohiem congviec

<--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <--> <-->

TINV(0.05,198) SE= SQRT((1-r2)/(n-2))

Estimate thangtien 0.661 dongnghiep 0.48 luong_thuong 0.478 baohiem 0.276 congviec 0.572 trungthanh 0.628 dongnghiep 0.454 luong_thuong 0.511 baohiem 0.21 congviec 0.675 trungthanh 0.658 luong_thuong 0.318 baohiem 0.238 congviec 0.523 trungthanh 0.439 baohiem 0.262 congviec 0.426 trungthanh 0.699 baohiem 0.233 <--> trungthanh 0.171 trungthanh 0.588

0.053 0.062 0.062 0.068 0.058 0.055 0.063 0.061 0.069 0.052 0.054 0.067 0.069 0.061 0.064 0.069 0.064 0.051 0.069 0.070 0.057

1.972 CR= (1-r)/SE 6.36 8.34 8.36 10.60 7.34 6.73 8.62 8.00 11.37 6.20 6.39 10.12 11.04 7.87 8.79 10.76 8.93 5.92 11.10 11.84 7.17

P-value 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000 0.000

Hàm tính P-value trong Excel ở trên ở trên là TDIST(|CR|, n-2, 2) Bạn sẽ sẽ thấ thấy P-value đều đều <0.05 nên Hệ H ệ số tươ ng ng quan củ của từ từng cặ cặ p khái niệ niệm khác biệ biệt so vớ  vớ i 1 ở độ ở  độ tin cậ cậy 95% (Mà là hệ hệ số tươ ng ng quan thì bạ b ạn có thể th ể suy ra tiế tiế p r ằng nó < 1). Do đó, các khái niệ ni ệm đạt đạt đượ c giá tr ị phân biệ biệt.

47

4. MÔ HÌNH C ẤU TRÚC (SEM) Anh chị chị hãy lư lưu lạ lại file trên vớ  v ớ i 1 tên khác, ví dụ d ụ là SEM JDI Loy 1.amw Sau đó vẽ vẽ lại sơ  sơ đồ đồ như như sau. Chú ý elip củ c ủa khái niệ ni ệm trung thành có 1 sai số s ố e24 (bạ (bạn có thể th ể ký hiệ hiệu khác, ví dụ d ụ là z1 cũ c ũng đượ c). c). Mỗ Mỗi mộ một biế biến phụ phụ thu thuộộc trong mô hình cấ c ấu trúc phả phải có 1 sai số số. Hình 4.1 e1 e2 e3 e4 e5 e6 e7 e8 e9 e10 e11 e12 e13 e14 e15 e16 e17 e18 e19 e20

1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1

sup3 sup4 lanh dao

sup5 sup6 1

sup7 prom1 prom2

thang tien

e23

e22

e21

1

1

1

prom3 loy3 loy2 loy1

1

prom4 cow1

1

dong nghiep

cow2 cow3

1

trung thanh 1

pay4 luong thuong

pay5 ben4

1

ben2 ben3

e24

bao hiem 1

work1 cong viec

work2 work3

1

Tính toán bằ b ằng cách bấ bấm vào nút

, bạn sẽ sẽ có k ết quả quả

48

K ết quả quả dạng bả bảng số số liệ liệu Regression Weights: (Group number 1 - Default model)

Estimate trungthanh <--- lanhdao .212 trun rungtha gthannh <--<--- thangt angtiien .204 .204 trungthanh <--- dongnghiep .068 trungthanh <--- luong_thuong .495 trun rungtha gthanh nh <--<--- bao baohiem hiem -.0 -.073 trungthanh <--- congviec .142

S.E. .101 .11 .119 .090 .099 .050 050 .104

C.R. 2.096 1.713 .713 .755 4.983 -1.4 -1.4770 1.372

P .036 .087 .087 . 450 *** .142 .142 .170

Đồng Đồng nghiệ nghiệ p không có ý ngh ĩ  ngh ĩ a thố thống kê ở  độ tin Label cậy 90% vì P-value >0.1

Khái niệ niệm nào không có ý ngh ĩ  ngh ĩ a thố thống kê ở độ ở độ tin cậ cậy 90% ta sẽ s ẽ loạ loại lầ lần lượ  lượ t ra khỏ khỏi mô hình. (D ĩ  (D ĩ nhiên nhiên là để tìm đượ c mô hình tố tốt, bạ bạn có thể thể phả phải thử thử nhi nhiềều mô hình khác nhau) Lưu lạ lại file SEM JDI Loy 1.amw để giữ giữ lại sơ  sơ đồ đồ (khi cầ cần, có thể th ể sử dụng lạ lại) Lưu file SEM JDI Loy 1.amw v ớ i tên khác SEM JDI Loy 2.amw … Hình 4.3 .62

e1

sup3

e2

sup4

e3

sup5

e4

sup6

e5

.39

.57

sup7 prom1

e7

prom2

e8

prom3 prom4

.65

lanh dao

e23

e22 .57

.75 .76

.23

.81

.27

thang tien

.42 .59 .65 .77

.67

loy3 loy2 loy1 .76

.77

e21 .48

.66

.59

e6

e9

.79

.62 .64 .80

.58

Chi-square= 188.523 ; df= 84 ; P= .000 ; Chi-square/df = 2.244 ; GFI= .894 ; TLI = .912 ; CFI = .929 ; RMSEA= .079

.70

.82 .64

trung thanh

.48

e24 .52

.45

.67

e13

pay4

e14

pay5

e15

ben4

.74

.82

.41 .86

luong thuong

.64

50

Regression Weights: (Group number 1 - Default model)

P-value củ của lãnh đạo, đạo, thă thăng tiế tiến, lươ ng ng thưở  thưở ng ng đều đều <0.05. Nên các biế bi ến này đều đều thự thực sự ảnh hưở ng ng đến đến lòng trung thành

Estimate S.E. C.R. P trungthanh <--- lanhdao .241 .098 2.463 .014 trungthanh <--- thangtien .291 .106 2.748 .006 trungthanh <--- luong_thuong .496 .102 4.886 *** sup7 <--- lanhdao 1.000 sup6 <--- lanhdao .898 .085 10.580 *** sup5 <--- lanhdao .919 .082 11.271 *** sup4 <--- lanhdao .648 .076 8.569 *** sup3 <--- lanhdao .911 .082 11.126 *** Và, các tr ọng số chư chưa   prom4 <--- thangtien 1.000 chuẩ chuẩn hoá mang dấ d ấu prom3 <--- thangtien .844 .095 8.886 *** dươ ng ng cũng cho thấ thấy biến lãnh đạo, đạo,   pro prom m2 <-<---- tha thangt ngtien 1.03 .039 .094 094 11.1 11.100 00 *** các biế thăng tiế tiến, lươ ng ng   pro prom m1 <-<---- tha thangt ngtien 1.08 .089 .103 103 10.5 10.571 71 *** thă thưở ng ng ảnh hưở ng ng tỷ pay4 <--- luong_thuong 1.146 .126 9.120 *** thưở  lệ thu thuậận đến đến trung   ben4 <--- luong_thuong luong_thuong 1.000 thành pay5 <--- luong_thuong 1.186 .128 9.267 *** loy2 <--- trungthanh .994 .108 9.245 *** loy1 oy1 <----- tru trungth ngthaanh 1.014 .014 .095 095 10.6 10.653 53 *** loy3 <--- trungthanh 1.000 Standardized Regression Weights: (Group number 1 - Default model)

trungthanh <--trungthanh <--trungthanh <--sup7 <--sup6 <--sup5 <--sup4 <--sup3 <--  prom4   prom3   prom2   prom1   pay4   ben4   pay5 loy2 <--loy1 <--loy3 <---

Estimate .232 .273 .446 .763 .754 .800 .621 .790

lanhdao thangtien luong_thuong lanhdao lanhdao lanhdao lanhdao lanhdao <--- thangtien <--- thangtien <--- thangtien <--- thangtien <--- luong_thuong luong_thuong <--- luong_thuong luong_thuong <--- luong_thuong luong_thuong trungthanh trungthanh trungthanh

.769 .651 .808 .767 .820 .644 .860

- Các tr ọng số chuẩ chuẩn hoá đều đều dươ ng, ng, nên các biế bi ến lãnh đạo, đạo, thă thăng tiế tiến, lươ  lươ ng ng thưở  thưở ng ng ảnh hưở  hưở ng ng thuậ thuận chiề chiều đến đến trung thành - lươ  l ươ ng ng thưở  thưở ng ng tác động động mạ mạnh nhấ nhất đến đến lòng trung thành vì tr ị tr ị tuy tuyệệt đối đối của tr ọng số chuẩ chuẩn hoá là 0.446, lớ n nhấ nhất trong 3 số số 0.446, 0.273, 0.232.

.696 .818 .758

51

Squared Multiple Correlations: (Group number 1 - Default model)

trungthanh

Estimate .636

Modification Indices (Group number 1 - Default model) Covariances: (Group number 1 - Default model)

M.I. Par Change e22 <--> luong_thuong 4.741 .232 e22 <--> lanhdao 4.312 -.215 e13 <--> thangtien 9.951 -.243 e15 <--> thangtien 6.609 .264 e6 <--> lanhdao 4.899 -.196 -.330 e6 <--> e13 13.166 e6 <--> e15 5.793 .290 e7 <--> e6 7.529 .234 e9 <--> lanhdao 5.466 .189 e9 <--> e14 7.447 .217 e9 <--> e7 6.705 -.202 e1 <--> luong_thuong luong_thuong 10.649 -.238 e1 <--> thangtien 5.395 .160 e1 <--> e22 5.827 -.229 e1 <--> e9 4.866 .164 e2 <--> luong_thuong luong_thuong 4.322 .164 e2 <--> e7 6.723 -.198 e5 <--> luong_thuong luong_thuong 24.137 .421 e5 <--> e14 7.505 .223 e5 <--> e2 4.470 -.173

Mô hình có Chi-square càng nhỏ nh ỏ càng tốt. Cộ Cột MI gợ  gợ i ý cho bạ bạn xem nên móc mũi tên hai đầu đầu vào cặ cặ  p sai số số nào để có thể thể cải thiệ thiện Chi-square. Nế Nếu móc giữ giữa e6 và e13 thì hiệ hi ệ p phươ  phươ ng ng sai giữ giữa chúng sẽ sẽ là -0.33 và Chi-square sẽ sẽ giả giảm một lượ ng ng là 13.166 so vớ  v ớ i Chisquare củ của mô hình ban đầu. đầu. Khi đó GFI, TLI, CFI … cũ cũng sẽ đượ c cải thiệ thiện. Khi thêm 1 tham số s ố, nếu Chisquare giả giảm khoả khoảng từ t ừ 4 tr ở lên ở  lên thì gọ g ọi là có sự s ự thay đổi đổi đáng k ể. Bạ Bạn nên chọ chọn nhữ những tr ườ  ườ ng ng hợ  h ợ  p mà có MI lớ  lớ n để ưu tiên móc tr ướ  ướ c. c. Sau đó, chạ chạy lại mô hình, và xem nên móc tiế ti ế p giữ giữa hai sai số nào để tiế tiế p tụ tục cả cải thiệ thiện… Tuy nhiên, mộ m ột mô hình không nên móc quá nhiề nhi ều mũ mũi tên hai đầu đầu giữ giữa các cặ p sai số số!

Bạn có nh ận xét gì về mô hình trên? - Mô hình ở Hình ở Hình 4.3 có thể th ể nói là phù hợ  h ợ  p vớ  vớ i dữ dữ liệ liệu thị thị tr ườ  ườ ng ng vì Chi-square=2.24 (<3), TLI=0.912, CFI=0.929 (>0.9); RMSEA=0.079 (<0.08). Tuy nhiên các chỉ ch ỉ tiêu này chư ch ưa phả phải tốt lắ lắm! -Xem bả bảng Regression Weights, ta thấ th ấy cả cả ba khái niệ niệm Lãnh đạo, đạo, thă thăng tiế tiến, lươ  lươ ng ng thưở  thưở ng ng đều đều ảnh hưở  hưở ng ng thuậ thuận chiề chiều đến đến trung thành và có ý ngh ĩ  ngh ĩ a thố thống kê. -Xem bả bảng Standardized Regression Weights, ta th ấy các tr ọng số số đã chuẩ chuẩn hoá. Tr ị tuy tuyệệt đối đối của các tr ọng số s ố này càng lớ  l ớ n thì khái niệ ni ệm độc độc lậ l ậ p tươ  t ươ ng ng ứng tác động động càng mạ mạnh đến đến khái niệ niệm phụ phụ thu thuộộc. Tr ườ  ườ ng ng hợ  p này lươ  lươ ng ng thưở  thưở ng ng là yế yếu tố tác động động mạnh nhấ nhất (tr ọng số hồi quy đã chuẩ chuẩn hoá bằ b ằng 0.446); Mạ Mạnh nhì là thă th ăng tiên (tr ọng số hồi quy đã chuẩ chuẩn hoá là 0.273) và cuố cuối cùng là lãnh đạo đạo (tr ọng số số hồi quy đã chuẩ chuẩn hoá là 0.232) -Ba khái niệ niệm Lãnh đạo, đạo, thă thăng tiế tiến, lươ  lươ ng ng thưở  thưở ng ng giả giải thích đượ c 63.6% biế biến thiên củ của trung thành.

52

Làm sao để mô hình SEM tốt hơ n? n? - Dự Dựa vào chỉ chỉ tiêu MI, bạ bạn sẽ sẽ có thể thể cải thiệ thiện mô hình tố t ốt hơ  hơ n. n. Hãy xem mô hình ở Hình ở Hình 4.4 Hình 4.4 .63

e1

sup3

e2

sup4

e3

sup5

e4

sup6

e5

.39

.57

sup7

e6

prom1

e7

prom2

e8

prom3

e9

prom4

.63

lanh dao

e23

e22 .58

.75 .76

.23

.80

.28

thang tien

.41 .71 .64 .84

.66

loy3 loy2 loy1 .76

.68

e21 .48

.68

.46

.31

-.33

.79

.62 .64 .80

.58

Chi-square= 164.976 ; df= 81 ; P= .000 ; Chi-square/df = 2.037 ; GFI= .908 ; TLI = .927 ; CFI = .943 ; RMSEA= .072

.70

.81 .63

trung thanh

.48

e24 .54

-.20

.44

.67

e13

pay4

e14

pay5

e15

ben4

.75

.82

.40 .87

luong thuong

.64

Bạn hãy thử thử so sánh các chỉ ch ỉ tiêu đánh giá mứ mức độ phù hợ  hợ  p củ của mô hình ở Hình ở Hình 4.3 và mô hình ở Hình ở Hình 4.4?

53

5. KIỂM ĐỊNH BOOTSTRAP Các hệ số hồi quy trong mô hình ở  mục 4 có đượ c ướ c l ượ ng ng tốt không? Làm sao đánh giá đượ c mứ c độ tin cậy của các ướ c lượ ng ng trong mô hình nghiên c ứ u? u? Để đánh giá độ tin cậ cậy của các ướ c lượ ng, ng, trong các phươ  ph ươ ng ng pháp nghiên cứ c ứu định định lượ ng ng  bằ  bằng phươ  phươ ng ng pháp lấ lấy mẫu, thông thườ  th ườ ng ng chúng ta phả ph ải chia mẫ mẫu ra làm hai mẫ mẫu con. Mộ M ột nửa dùng để ướ c lượ  l ượ ng ng các tham số s ố mô hình, và mộ m ột nử nửa dùng để đánh giá lạ l ại. Cách khác là lặ p lại nghiên cứ c ứu bằng một mẫu khác. Hai cách trên đây thườ  thườ ng ng không thự th ực tế vì phươ  phươ ng ng  pháp cấ cấu trúc thườ  thườ ng ng đòi hỏ h ỏi mẫu lớ n nên việ việc làm này tố t ốn kém nhiề nhi ều thờ  th ờ i gian và chi phí 1 (Anderson & Gerbing, 1988) . Trong nhữ những tr ườ  ườ ng ng hợ  p như như vậy thì Bootstrap là phươ  ph ươ ng ng  pháp phù hợ  hợ  p để thay thế thế (Schumacker & Lomax, 2006). Bootstrap là ph ươ ng ng pháp lấ lấy mẫ mẫu lặ p lạ lại có thay thế th ế, trong đó mẫ mẫu ban đầu đầu đóng vai trò là đám đông. Ví dụ d ụ, từ t ừ đám đông (mẫ (mẫu ban đầu) đầu) có 200 quan sát. Vớ  V ớ i dữ d ữ liệ liệu củ c ủa mẫ m ẫu ban đầu, đầu, ta sẽ sẽ tính toán đượ c các ướ c lượ  lượ ng ng (các tr ọng số số hồi quy…) như như ở m ở  mục 4. Trong Bootstrap, máy tính s ẽ chọ chọn ra nhữ những mẫ mẫu khác ví dụ dụ 500 mẫ mẫu khác chẳ ch ẳng hạ hạn theo phươ  phươ ng ng pháp lặ lặ p lạ lại, và có thay thế thế. Và mỗ mỗi mộ một mẫ mẫu lặ lặ p lạ lại có thể thể có cùng số số quan sát vớ  v ớ i số số quan sát ban đầu: đầu: 200. Và theo  bạ  bạn như như vậy thì trong mộ một mẫu mà Bootstrap chọ ch ọn ra, có khi nào có 2 hay nhi ều quan sát trùng nhau không? D ĩ  D ĩ nhiên nhiên là hoàn toàn có thể th ể có điều đó xả xảy ra. Và từ từ 500 mẫ mẫu này có thể th ể tính đượ c trung bình củ c ủa các ướ c lượ  lượ ng ng (các tr ọng số số hồi quy…). Hiệ Hiệu số số giữ giữa trung bình các ướ c lượ  lượ ng ng từ từ Bootstrap và các ướ c lượ  lượ ng ng ban đầu đầu gọ gọi là độ chệ chệch. Tr ị tuy tuyệệt đối đối các độ chệ chệch này càng nhỏ nh ỏ, càng không có ý ngh ĩ  ngh ĩ a thố thống kê càng tố t ốt.

Khai báo tính toán Bootstrap? View\ Analysis Properties Hình 5.1

Chọ Chọn nút

để tính toán.

Bây giờ  giờ , ngoài các ướ c lượ  lượ ng ng bình thườ  thườ ng, ng, sẽ sẽ có thêm các ướ c lượ  lượ ng ng bằ bằng Bootstrap 1

Trích từ từ Thọ Thọ & Trang (2008, 56)

54

Hình 5.2

Hình5.3

Khi đang chọ chọn chuộ chuột tạ tại Standardized Regression Weights, bạn hãy nhấ nhấ p chuộ chuột vào mụ mục Bootstrap standard errors .

55

Sẽ có k ết quả quả như như Hình 5.4 Hình 5. 4

Parameter 

trungthanh trungthanh trungthanh

<<<-

luong_thuong lanhdao thangtien

Estimate 0.436 0.229 0.278

SE 0.105 0.125 0.132

SE-SE 0.003 0.004 0.004

Mean 0.432 0.236 0.274

Bias -0.004 0.007 -0.004

SEBias 0.005 0.006 0.006

CR  -0.800 1.167 -0.667

Cột Estimate cho thấ th ấy ướ c lượ ng ng bình thườ  th ườ ng ng vớ i phươ  phươ ng ng pháp ML, Các cộ c ột còn lạ lại đượ c tính từ từ phươ  phươ ng ng pháp Bootstrap. Cộ C ột Mean cho ta trung bình các ướ c lượ ng ng Bootstrap. Bias (độ chệ chệnh) bằ bằng cột Mean tr ừ cột Estimate. Cộ C ột CR tự tự tính bằ bằng Excel bằ b ằng cách lấ l ấy cột Mean chia cho cộ c ột SE-Bias. Tr ị tuy tuyệệt đối đối CR r ất nhỏ nhỏ so vớ  vớ i 2 nên có thể th ể nói là độ chệ chệch là r ất nhỏ nhỏ, không có ý ngh ĩ  ngh ĩ a thố thống kê ở độ ở độ tin cậ cậy 95%. Và như như vậy, ta có thể thể k ết luậ lu ận là các ướ c lượ  l ượ ng ng trong mô hình (như (nh ư Hình 4.4) có thể th ể tin cậ c ậy đượ c. c.

56

6. PHÂN TÍCH C ẤU TRÚC ĐA NHÓM Giả Giả sử bạn mu muốốn xem xét sự s ự ảnh hưở ng ng giữ giữa lãnh đạo, đạo, thă thăng tiế tiến, lươ ng ng thưở  thưở ng ng đến đến lòng trung thành có khác biệ bi ệt giữ gi ữa nhóm nhân viên nam và nhân viên n ữ hay không thì phả ph ải làm thế thế nào? Ta sẽ sẽ thự thực hiệ hiện phân tích cấ c ấu trúc đa nhóm

Quản lý các nhóm? Bạn đang mở  mở file file SEM phan tich da nhom jdi loy mh1.amw Hình 6.1

 Nế  Nếu bạ bạn chọ chọn File\Data file thì sẽ s ẽ thấ thấy như như Hình 6.2. Hình 6.2 này cho thấ th ấy file dữ dữ liệ liệu sử sử dụng trong phân tích là khao sat nhan vien.sav , và toàn  bộ  bộ các quan sát đang đượ c tổ tổ chứ chức thành 1 nhóm. Bạ B ạn muố muốn tách thành 2 nhóm là nhóm nam, và nhóm nữ nữ. Click chuộ chuột vào nút Grouping Variable

Chọ Chọn biế biến gioitinh

57

Hình 6.2

Hình 6.3

58

Hình 6.4

Sau khi chọ chọn xong biế biến trong mụ mục Grouping Variable , Nhấ Nhấ p tiế tiế p nút Group Value để xác định định giá tr ị phân nhóm. Chọ Chọn mã 1 (tươ  (tươ ng ng ứng vớ  vớ i nhóm Nam) và OK  Hình 6.5

Cửa sổ sổ thể thể hiệ hiện tên các nhóm.

Có mộ một khung nhỏ nh ỏ thể thể hiệ hiện các nhóm. Và bây giờ  gi ờ m mớ i chỉ chỉ có nhóm 1. Vớ  Vớ i tên là Group number 1.

59

Đổi tên Group, t ạo Group mớ i? i? Chọ Chọn Analyze\Manage Group  Hộ p thoạ thoại như như Hình 6.7 xuấ xuất hiệ hiện. Bạ Bạn có thể thể thay đổi đổi chữ chữ Group number thành chữ ch ữ nhom nam. Sau đó bấ bấm New để tạo nhóm mớ  mớ i tên là nhom nu. Hình 6.6

Hình 6.7

Hình 6.8

Đư a dữ liệu đầu vào cho Nhom nu? Hãy làm lạ lại thao tác File\Data files Bạn sẽ sẽ thấ thấy có sẵ sẵn tên “Nhom nu” ở m ở mục group name ; Chọ Chọn Nhom nu. Sau đó xác định định File  Name cho nhóm này, xác định định biế biến phân nhóm là gioitinh, và giá tr ị tr ị phân nhóm là 2 (Hình 6.9)

60

Hình 6.9



Chọ Chọn OK 

Đư a vào Title để ghi chú các mô hình trong phân tích đa nhóm?

Chọ Chọn Nút , rê chuộ chuột đến đến vị vị trí thích hợ  h ợ  p Gõ vào các dòng Macro như nh ư Hình 6.10 Hình 6.10

61

Bạn hãy thử th ử nhấ nhấ p vào tên các nhóm tươ  t ươ ng ng ứng trong cử cửa sổ sổ thể thể hiệ hiện tên nhóm. Sơ  S ơ đồ đồ đườ ng ng dẫn ở  bên phả phải sẽ hiệ hiện ra tươ  tươ ng ng ứng. Và sau này k ết quả quả nếu đượ c tính toán cũ c ũng sẽ đượ c hiệ hiện ra tươ  tươ ng ng ứng vớ  vớ i nhóm mà bạ b ạn chọ chọn. (Xem Hình 6.11) Hình 6.11

 Nhấ  Nhấ p vào tên nhóm tươ ng ng ứng

62

Hình 6.12 e1 e2 e3 e4 e5 e6 e7 e8 e9

1 1 1 1 1 1 1 1 1

sup3 sup4 lanh dao

sup5

e23

e22

e21

1

1

1

sup6 loy3 loy2 loy1

1

sup7 prom1

1

prom2

thang tien

prom3 prom4

trung thanh 1

1

e24

e13 e14 e15

1 1 1

pay4 luong thuong

pay5 ben4

1

Phan tich da nhom Nhom nu Model Specification

63

Hình 6.13 e1 e2 e3 e4 e5 e6 e7 e8 e9

1 1 1 1 1 1 1 1 1

sup3 sup4 lanh dao

sup5

e23

e22

e21

1

1

1

sup6 loy3 loy2 loy1

1

sup7 prom1

1

prom2

thang tien

prom3 prom4

trung thanh 1

1

e24

e13 e14 e15

1 1 1

pay4 luong thuong

pay5 ben4

1

Phan tich da nhom Nhom nam Model Specification Phươ ng ng pháp chung trong phân tích c ấu trúc đa nhóm là gì? Phươ  Phươ ng ng pháp phân tích cấ c ấu trúc đa nhóm để so sánh mô hình nghiên c ứu theo các nhóm nào đó củ của mộ một biế biến định định tính. Chẳ Ch ẳng hạ hạn như như: bạn có thể thể so sánh mô hình thể th ể hiệ hiện tác động động củ của lãnh đạo, đạo, thă thăng tiế tiến, lươ  l ươ ng ng thưở  thưở ng ng đến đến lòng trung thành theo nhóm gi ớ i tính (nam/ nữ nữ), theo nhóm độ tuổ tuổi (nhóm tr ẻ / không tr ẻ), nhóm ngành (tài chính ngân hàng/ không ph ải tài chính ngân hàng) … Trong ví dụ d ụ đang xét, so sánh mô hình nghiên c ứu giữ gi ữa nhóm nam và nhóm nữ. Đầu Đầu tiên ngườ  ngườ i ta sẽ sẽ làm 2 mô hình: Mô hình khả kh ả biế biến, và mô hình bấ b ất biế biến (từ (từng phầ phần). Trong mô hình khả kh ả biế biến, các tham số s ố ướ c lượ  l ượ ng ng trong từ từng mô hình củ c ủa các nhóm không bị bị ràng buộ buộc (Xem Hình 6.14). Trong mô hình bấ b ất biế biến, thành phầ phần đo lườ ng ng không bị b ị ràng  buộ  buộc như nh ưng các mố mối quan hệ hệ giữ giữa các khái niệ ni ệm trong mô hình nghiên cứ c ứu đượ c ràng buộ buộc có giá tr ị như như nhau cho tấ t ất cả cả các nhóm (Xem Hình 6.15) 64

Hình 6.14 Mô hình khả biến Nhóm Nam lanh dao β1Nam thang tien

β 2Nam

lanh dao

trung thanh

Nhóm Nữ  β1Nữ 1Nữ β2Nữ 2Nữ

thang than g tien ti en

β 3Nam

trung thanh

β3Nữ 3Nữ luong thuong

luong thuong

Hình 6.15 Mô hình bất biến Nhóm Nam lanh dao β1Nam β 2Nam thang tien

lanh dao

trung thanh

Nhóm Nữ  β1Nữ 1Nữ = β1Nam β2Nữ 2Nữ = β2Nam

thang than g tien ti en

trung thanh

β 3Nam luong thuong

luong thuong

Β3Nữ 3Nữ = β3Nam

Kiể Kiểm định định Chi-square đượ c sử dụng để so sánh giữ gi ữa 2 mô hình. Nế N ếu kiể kiểm định định Chi-square cho thấ thấy giữ giữa mô hình bấ bất biế biến và mô hình khả kh ả biế biến không có s ự khác biệt (P-value > 0.05) thì mô hình bất bi ến sẽ đượ c chọ ch ọn (có bậ bậc tự t ự do cao hơ  hơ n). n). Ngượ  Ngượ c lạ l ại, nế n ếu sự sự khác biệ biệt Chisquare là có ý ngh ĩ  ngh ĩ a giữ giữa hai mô hình (P-value<0.05) thì chọ ch ọn mô hình khả khả biế biến (có độ tươ ng ng thích cao hơ  h ơ n). n). (Xem Thọ Thọ & Trang, 2008, 208). Bây giờ  giờ chúng chúng ta bắ b ắt đầu đầu ướ c lượ  lượ ng ng mô hình khả kh ả biế biến, mô hình bấ bất biế biến, và so sánh giữ gi ữa 2 mô hình.

Bướ c 1. Ướ c lượ ng ng mô hình kh ả biến Files sơ  sơ đồ đồ đườ ng ng dẫ dẫn mà bạ bạn đang mở  mở là là Sem phan tich da nhom jdi loy mh1.amw  Dữ liệ liệu mà bạ bạn sử sử dụng cho nó cũ c ũng đã đượ c tách thành hai nhóm Nhóm nam, và Nhóm n ữ. Hình 6.12, Hình 6.13 là 2 sơ  s ơ đồ đồ của nhóm nam và nhóm nữ n ữ thể thể hiệ hiện Mô hình khả khả biế biến

65

Tr ướ  ướ c khi tính toán, bạ b ạn hãy chọ chọn Views\ Analysis Properties và đánh dấ dấu chọ chọn như như sau trong tab Output. Tab Estimation b ạn hãy để mặc định định là phươ  phươ ng ng pháp Maximum Likelihood, Tab Bootstrap bạ bạn không cầ cần đánh dấ dấu chọ chọn gì cả cả. Hình 6.16

Bạn chỉ chỉ cần nhấ nhấ  p nút

là có thể tính toán.

66

Chọ Chọn nút View Text để thể thể hiệ hiện cử cửa sổ sổ Amos Output Hình 6.19

Hình 6.20

68

Bướ c 2. Ướ c lượ ng ng mô hình b ất biến Bạn hãy lư lưu lạ lại file sơ  s ơ đồ đồ Sem phan tich da nhom jdi loy mh1.amw. Sau đó lư lưu lạ lại (Save as) vớ i mộ một tên khác  Sem phan tich da nhom jdi loy mh2.amw  Ta sẽ sẽ xây dự dựng mô hình bấ b ất biế biến (từ (từng phầ phần) Bấm nút

để bắt đầu đầu chọ chọn đối đối tượ  tượ ng ng nào đó

Chọ Chọn mũ mũi tên 1 chiề chi ều từ từ khái niệ niệm lãnh đạo đạo hướ  hướ ng ng đến đến khái niệ ni ệm trung thành, Click phả ph ải chuộ chuột, Chọ Chọn Object Properties (Hình 6.21) Hình 6.21

Hộ p thoạ tho ại Object Properties xuấ xuất hiệ hiện, Chọ Chọn thẻ thẻ Parameters. Nhấ  Nhấ p Chữ Chữ Beta1 (bạ (bạn có thể thể nhậ nhậ p chữ chữ khác cũ cũng đượ c) c) vào Ô Regression weight, weight, và đánh dấu chọn All groups để ràng  buộ  buộc hệ hệ số đườ ng ng dẫ dẫn trên mũ mũi tên này bằ b ằng nhau ở nhóm ở nhóm nam và nhóm nữ n ữ và bằ bằng Beta1. (Hình 6.22) Bạn hãy nhấ nhấ p chuộ chuột tươ  tươ ng ng tự tự vào các mũ mũi tên từ t ừ thă thăng tiế tiến đến đến trung thành, từ t ừ lươ ng ng thưở  thưở ng ng đến đến trung thành, và nhậ nh ậ p Beta2, Beta3. (chú ý nh ớ đ ớ đánh dấu chọn All groups) Và bây giờ  giờ , Sơ  Sơ đồ đồ như như Hình 6.23. Đó là mô hình bấ b ất biế biến

69

Hình 6.22

Hình 6.23 e1 e2 e3 e4 e5 e6 e7 e8 e9 e13 e14 e15

1 1 1 1 1 1 1 1 1 1 1 1

sup3 sup4 lanh dao

sup5

e23

e22

e21

1

1

1

sup6 1

Beta1

sup7 prom1

1

prom2

thang tien

Beta2

prom3 prom4

loy3 loy2 loy1

trung thanh 1

1 Beta3

e24 pay4 luong thuong

pay5 ben4

1

Phan tich da nhom Nhom nam Model Specification 70

Hình 6.26 Tr ọng số số hồi quy trong mô hình bấ b ất biế biến củ của nhóm nam

Hình 6.27

Trong Hình 6.24, 6.25; Hình 6.26, 6.27; b ạn có thấ thấy các hệ hệ số Beta1, Beta2, Beta3 ở  cả 2 nhóm nam va nữ n ữ đều đều bằng nhau không? Nhìn vào các k ế k ết quả quả tính toán dạ d ạng bảng số liệ liệu,  bạ  bạn có nhậ nhận định định gì về v ề mối quan hệ hệ giữ giữa lươ  lươ ng ng thưở  thưở ng, ng, lãnh đạo, đạo, thă thăng tiế tiến vớ  vớ i trung thành? Các mố mối quan hệ h ệ này đều đều có ý ngh ĩ  ngh ĩ a thố thống kê ở độ ở độ tin cậ cậy 95%.

72

Bướ c 3. So sánh s ự khác biệt giữ a hai mô hình Bây giờ  giờ , bạ bạn chọ chọn mô hình khả kh ả biế biến, hay mô hình bấ b ất biế biến? Ta đi kiể kiểm tra giả giả thuyế thuyết sau Ho: Chi-square củ c ủa mô hình khả kh ả biế biến bằ bằng Chi-square củ c ủa mô hình bấ b ất biế biến H1: Có sự sự khác biệ biệt về về Chi-square giữ giữa mô hình khả kh ả biế biến và mô hình bấ b ất biế biến Bạn hãy mở  mở file file Excel. Hình 6.28

Phầ Phần trên đã đề cậ p: Kiể Kiểm định định Chi-square đượ c sử dụng để so sánh giữ giữa 2 mô hình. Nế N ếu kiể kiểm định định Chi-square cho thấ th ấy giữ giữa mô hình bấ b ất biế biến và mô hình khả kh ả biế biến không có s ự khác ch ọn (có bậ bậc tự t ự do cao hơ  hơ n). n). Ngượ  Ngượ c lạ l ại, biệt (P-value > 0.05) thì mô hình bất bi ến sẽ đượ c chọ nếu sự sự khác biệ biệt Chi-square là có ý ngh ĩ  ngh ĩ a giữ giữa hai mô hình (P-value<0.05) thì ch ọn mô hình khả khả biế biến (có độ tươ ng ng thích cao hơ  h ơ n). n). (Xem Thọ Thọ & Trang, 2008, 208).  Như  Như vậy, P-value = 0.017 (<0.05) nên bạ b ạn bác bỏ b ỏ giả giả thuyế thuyết Ho. Chấ Chấ p nhậ nhận H1. Nói cách khác là Có sự s ự khác biệ biệt về về Chi-square giữ giữa mô hình khả kh ả biế biến, và mô hình bấ b ất biế biến. Và bạ bạn sẽ sẽ chọ chọn mô hình khả kh ả biế biến. Khi chọ chọn mô hình khả khả biế biến, ta có thể thể đưa đưa ra k ết luậ luận là Có sự s ự khác biệ biệt trong mố mối ảnh hưở  hưở ng ng giữ giữa lãnh đạo, đạo, thă thăng tiế tiến, lươ  l ươ ng ng thưở  thưở ng ng đến đến lòng trung thành gi ữa nhóm nhân viên nam, và nhóm nhân viên nữ n ữ. Trong Hình 6.19, bạ b ạn thấ thấy r ằng vớ i nhóm nam, yế y ếu tố thă thăng tiế tiến không tác động động đến đến lòng trung thành vì P-value = 0.978 (>0.05). Nh ưng vớ  vớ i nhóm nữ nữ (Hình 6.20) yế yếu tố tố thă thăng tiế tiến lạ lại tác động động đến đến lòng trung thành (P-value<0.05). Ta c ũng thấ thấy r ằng, vớ  vớ i nhóm nam, yế yếu tố tố lãnh đạo đạo có ảnh hưở  h ưở ng ng đến đến lòng trung thành (P-value=0.002), nh ưng vớ i nhóm nữ nữ thì không (Pvalue=0.521).

73

LỜ I K ẾT SEM r ất hữ h ữu ích cho các nghiên c ứu thuộ thuộc l ĩ  l ĩ nh nh vự v ực khoa họ học hành vi nói chung ( nó ĩ nh cũng r ất dễ sử dụng. SEM vớ  vớ i AMOS cũng hữ u ích vớ i nhiề u l ĩ  nh vự c khác), và AMOS cũ không quá phứ ph ức tạ p khi bạ bạn tiế tiế p cận dướ i góc độ ứng dụng. Nế Nếu bạn đã hiể hiểu đượ c hồi quy trong kinh tế t ế lượ ng ng truyề truyền thố thống thì SEM cũ cũng dễ dàng vậ vậy thôi. Bài giả gi ảng này trình bày nhữ những vấn đề quan tr ọng nhấ nhất (nhiề u ng ườ  thực hành ườ i nghiên c ứ u thườ ng ng sử  d ụng) trong thự SEM vớ  vớ i AMOS, các vấ vấn đề khác bạ bạn có thể thể tự học thêm. Điều quan tr ọng hơ  h ơ n cả cả là hãy áp dụng SEM vào nghiên cứ c ứu củ của bạ bạn, vào công việ vi ệc củ của bạ bạn sao cho hiệ hi ệu quả quả (khi cầ cần) Buổ Buổi họ học hôm nay là buổ bu ổi họ học cuố cuối củ của lớ  l ớ  p bồ bồi dưỡ  dưỡ ng ng cử cử nhân tài nă n ăng nên tôi muố muốn nói vài điều vớ  vớ i các bạ bạn. Qua sự sự gặ p gỡ  gỡ vvớ i các anh chị ch ị, các bạ bạn cự cựu sinh viên, tôi hiể hi ểu r ằng: dù nghề nghề nghiệ nghiệ p sau này củ c ủa bạ bạn có là ngườ  ng ườ i làm nghiên cứ c ứu, là ngườ  ngườ i hoạ hoạch định định chính sách, là doanh nhân, là nhân viên ở  các công ty/tổ ty/t ổ chứ chức… thì nhữ nh ững điều bạ bạn đã họ học trong lớ  lớ  p họ học này và trong các môn phươ  ph ươ ng ng pháp nghiên cứ c ứu, phân tích dữ d ữ liệ liệu và dự dự báo (mà các giảng  những điều bạn đã tr ải viên của khoá học này có d ị  p tham gia hướ ng ng d ẫ  ẫn  các bạn), …, nhữ nghiệ nghiệm trong quá trình làm các đề tài NCKH sinh viên… luôn có ích v ớ i bạn. Làm NCKH sinh viên là dị d ị p  p để bạn gắ gắn lý thuyế thuyết vớ  vớ i thự thực tế tế, tự tự học nhiề nhiều hơ  hơ n, n, có động động lự lực hơ  hơ n trong họ h ọc tậ p… Qua quá trình ấy bạ b ạn cũ c ũng tr ưở  ưở ng ng thành hơ  h ơ n, n, cũ c ũng đạt đạt đượ c nhữ nh ững điều mà bạ bạn đang khát khao, đang muố muốn khám phá; và chắ ch ắc chắ chắn bạn sẽ s ẽ có thêm nhữ nh ững k ỷ niệ niệm thậ th ật đẹ p của một thờ  thờ i sinh viên. Cũ C ũng đừng đừng máy móc khi chỉ ch ỉ áp dụng các nghiên cứ c ứu định định lượ ng, ng, cũ cũng đừng đừng quá chủ chủ quan khi đưa đưa ra các quyế quy ết định định chỉ chỉ dựa vào các nghiên cứ c ứu định định lượ  lượ ng. ng. Nghiên cứu củ của bạ bạn có tham khả kh ảo các tạ tạ p chí quố quốc tế tế và đạt đạt đượ c đượ c các chuẩ chu ẩn mự mực quố quốc tế tế trong nghiên cứ cứu như nh ưng nó khó thể th ể có sứ s ức số s ống, và nhữ nh ững gợ  g ợ i ý chính sách hợ  h ợ  p lý khi bạ bạn không sâu sát, cọ c ọ xát vớ  vớ i ngườ  ngườ i dân, vớ  vớ i doanh nghiệ nghi ệ p, vớ  vớ i thị thị tr ườ  ườ ng, ng, vớ  vớ i các nhà hoạ ho ạch định định chính sách… và thiế thi ếu mộ một cái tâm, mộ m ột dũ dũng khí củ của ngườ  ngườ i làm nghiên cứ c ứu. Trong nă năm họ h ọc này, nă năm tớ  t ớ i,i, và sau này, các giả gi ảng viên chúng tôi luôn hy v ọng các  bạ  bạn sẽ là nhữ những động động lực cho các ngành khoa họ h ọc kinh tế tế-quả -quản tr ị còn r ất non tr ẻ và còn nhiềều điều để khám phá ở Vi nhi ở  Việệt Nam. Bở  Bở i vì, chúng tôi đã thấ th ấy mộ một nhóm sinh viên ở ngành ở  ngành thẩ thẩm định định giá đang làm mộ một đề tài về về “Mô hình thẩ thẩm định định giá tr ị tăng thêm củ c ủa thươ  th ươ ng ng hiệ hiệu xanh”, về về thẩ thẩm định định giá các mỏ mỏ tài nguyên; mộ một số số bạn sinh viên ngành k ế hoạ hoạch đầu đầu tư tư đang khả khảo sát các doanh nghiệ nghi ệ p và ướ c lượ  l ượ ng ng vấ v ấn đề lá chắ chắn thuế thuế nhằ nhằm cung cấ cấ p dữ d ữ liệ liệu đầu đầu vào cho các công ty tư t ư vấn dự án, nhữ những ngườ  ngườ i thẩ thẩm định định dự án; hay đề tài áp dụ dụng mô hình TGARCH cho thị th ị tr ườ  ườ ng ng chứ chứng khoán, thị th ị tr ườ  ườ ng ng vàng ở  VN; mộ một nhóm bạ bạn ở  lớ  p Thẩ Thẩm định định giá, bấ bất động động sả sản đang nghiên cứ c ứu về về “Bong bóng” ở th ở thịị tr ườ  ườ ng ng bấ bất động động sả sản VN …  Nhiề  Nhiều thanh niên Trung Quố Qu ốc (TQ) hiệ hiện nay đang có mộ một phươ  ph ươ ng ng châm là làm gì đó để ngườ  ngườ i ta phả ph ải kính nể n ể TQ, TQ phả phải là nướ  nướ c “bá chủ chủ toàn cầ cầu” hay tươ  tươ ng ng tự tự như như vậy! Trong dị p  p đi Sapa công tác, tiệ ti ện ghé qua du lị l ịch ở  một địa địa phươ  phươ ng ng ở  bên kia biên giớ  gi ớ i TQ, anh hướ ng ng dẫ d ẫn viên chỉ ch ỉ tôi mộ một biể bi ểu tr ưng củ c ủa Trung Quố Quốc r ất cao (chừ (chừng 15m) và giả giải thích đó là mộ một bàn tay nắ nắm lấ lấy cả cả trái đất! đất! R ất nhiề nhiều khách du lị l ịch Việ Việt Nam đến đến chụ chụ p hình bên cạ cạnh  biể  biểu tr ưng ấy, còn mộ một vài thầ thầy giáo trong đoàn thì không, nhấ nh ất quyế quyết không! Bạ Bạn có biế biết ngườ  ngườ i TQ muố muốn nói điều gì vớ  vớ i thế thế giớ  giớ i qua biể biểu tr ưng ấy không? Tôi không biế bi ết điều suy ngh ĩ  của nhiề nhiều thanh niên TQ (có thể  xuấ t phát t ừ  ừ  một số  lãnh đạo TQ) có tốt hay không; như nhưng tôi mong bạ b ạn có mộ một tình yêu đất đất nướ  nướ c, c, yêu con ngườ  ng ườ i,i, yêu hoà bình chứ ch ứ không muố muốn các bạ bạn có nhữ nh ững suy ngh ĩ  ngh ĩ dân dân tộ tộc hẹ hẹ p hòi, hay suy ngh ĩ  ngh ĩ r  r ằng mộ một dân tộ tộc có thể th ể giẫ giẫm chân lên các dân tộ t ộc khác như như nhi nhiềều bạ bạn thanh niên TQ ấy! Hãy làm điều gì đó có ích cho cả c ả cộng đồng, đồng, cho con ngườ  ng ườ i nói chung và đượ c nhiề nhiều bạ bạn bè quố qu ốc tế tế yêu mế mến, quý tr ọng! Xin chân thành cả c ảm ơ n các bạ bạn đã tham gia khoá họ h ọc! Các thầ thầy cô giáo chúng tôi cả c ảm thấ thấy r ất vui, r ất tự tự hào khi đượ c trao đổi, đổi, hướ  hướ ng ng dẫ dẫn các bạ bạn trong thờ  thờ i gian qua. Và chúng tôi cũng mong mỏ mỏi r ằng các bạ bạn sinh viên sẽ s ẽ cảm thấ th ấy tự t ự tin, tự tự hào khi đã từ t ừng họ h ọc tậ t ậ p ở m ở  một tr ườ  ườ ng ng đại đại học củ c ủa Việ Vi ệt Nam (vớ  (vớ i các bạ bạn, là Tr ườ  ườ ng ng ĐH Kinh tế tế TPHCM) dù sau này bạ b ạn có họ học tậ tậ p thêm, và làm việ việc ở b ở bất cứ cứ nơ i đâu trên trái đất đất này. Chúc bạ b ạn thành công! 74

Tài liệu tham khảo Anderson, J.C & Gerbing, D.W (1988) “Structural Equation Modeling in practice: a review and recommended two-step approach”,  Psychological Bulletin, 103 (3): 411-423 Arbuckle, J.L (2008 ), AMOS 16 User's Guide, SPSS Inc Albright, J.J (2006) , Confirmatory Factor Analysis using AMOS , LISREL, AND MPLUS, The Trustees of Indiana University, www.indiana.edu/~statmath Bentler, P. M. & Bonett, D. G., (1980), “Significane tests and goodness of fit in the analysis of covariance structures”,   Psychological Bulletin, Vol 80, 600 Carmines, E. & McIver, J., (1981) Analyzing models with unobserved variables: analysis of  covariance structures , Beverly Hills, CA: Sage Publications, 65 115 Trần Thị Kim Dung, Trần Hoài Nam (2005), Nhu c ầu, sự thoả mãn của nhân viên và m ứ c Cấ p bộ bộ, Tr ườ  ườ ng ng ĐH Kinh tế tế TPHCM độ g ắ  ắn  k ế  ế t t đố i vớ i t ổ  ổ chứ c, Đề tài NCKH Cấ Gerbing W.D. & Anderson, J.C (1988), “An update paradigm for scale development incorporating unidimensionality and its assessment”,   Journal of Marketing Research, 25(2): 186-192 Hair, Anderson, Tatham, Black  (1998), Multivariate Data Analysis , Prentical-Hall International, International, Inc. Prentical-Hall Hair, Black, Babin, Anderson, Tatham (2006), Multivariate Data Analysis , Prentical-Hall International, International, Inc. Nguyễn Trọng Hoài (2001), Mô hình hoá và d ự  ự báo chuỗ i thờ i gian trong kinh doanh & ế,  NXB ĐHQG TPHCM kinh t ế  Jabnoun & Al-Tamimi (2003) “Measuring perceived service quality at UAE commercial  banks”, International Journal of Quality and Reliability Management , (20), 4

Nunnally & Burnstein (1994) Pschychometric Theory, 3rd edition, NewYork, McGraw Hill

Pont, M., Mc Quilken, L. (2002), “Testing the Fit of the BANKSERV Model BANKPERF”,  ANZMAC 2002 Conference Proccedings, Deankin University Steiger, J, H., (1990), “Structural Modeling Evaluation and Modification: An Interval Estimation Approach”, Multivariate Behavioral Research , Vol.25 , 176 Schumacker, R. E. & Lomax, R. G. (2006  ), A beginner’s guide to Structural Equation Modeling , Lawrence Erlbaum associates, publisher, London c ứu khoa họ học marketing - ứng Nguyễn Đ ình Thọ, Nguyễn Thị Mai Trang (2008), Nghiên cứ dụng mô hình cấ cấu trúc tuyế tuyến tính SEM, NXB ĐHQG TPHCM ữ liệu nghiên c ứ u vớ i SPSS , Hoàng Trọng, Chu Nguyễn Mộng Ngọc (2008) Phân tích d ữ   NXB Hồ Hồng Đức Đức

75

Phụ lục 1

PHIEÁU KHAÛO SAÙT VEÀ MÖÙC ÑOÄ THOÛA MAÕN CUÛA NHAÂN VIEÂN PHAÀN I. Anh/chò vui loøng cho bieát möùc ñoä ñoàng yù cuûa mình veà caùc phaùt bieåu döôùi ñaây. Ñoái vôùi moãi phaùt bieåu, anh chò haõy caùch ñaùnh daáu X vaøo moät trong caùc caùc con soá töø 1 ñeán 7; theo quy öôùc la  ø    ø 1:hoaøn toaøn khoâng ñoàng yù,.. , 4:phaân vaân, …, 7:hoaøn toaøn ñoàng yù; Soá caøng lôùn laø anh/chò caøng ñoàng yù.

Maõ soá

Caùc phaùt bieåu

Möùc ñoä ñoàng yù

work 1 work 2 work work 3 work 4

Coâng vieäc cho pheùp anh/chò söû duïng toát caùc naêng löïc caù nhaân Coâng vieäc raát thuù vò Coâ Coâ ng vieä vieäc coù coù nhie nhieàà u thaù thaùch c h thöù thöùc Khi coâng vieäc hoaøn thaønh toát, seõ ñöôïc coâ ng ty raát hoan ngheânh

1 1 1 1

2 2 2 2

3 3 3 3

4 4 4 4

5 5 5 5

6 6 6 6

pay 1 pay pay 2 pay 3 pay 4 pay 5

Anh/ Anh/ chò ñöô ñöôï c traû traû löôn löôngg cao cao Anh/ Anh/ chò chò thöô thöôøø ng ñöôï ñöôïc taê taê ng löôn löôngg Anh/ chò coù theå soáng hoaøn toaøn döï döï a vaø vaø o thu thu nhaä nhaäp töø töø coâ coâ ng ty Tieàn löông töông xöùng vôùi keát quaû laøm vieäc Tieàn löôn löông, g, thu thu nhaä nhaäp ñöôï ñöôïc traû traû coâ coâ ng baè baè ng

1 1 1 1 1

2 2 2 2 2

3 3 3 3 3

4 4 4 4 4

ben 1 ben 2 ben 3 ben 4

Coâ Coâng ty coù cheá ñoä phuùc lôï lôïi toát Coâng ty thöïc hieän cheá ñoä baûo hieåm xaõ hoäi toát Coâng ty thöïc hieän cheá ñoä baûo hieåm y teá toát Anh chò haøi loøng vôùi cheá ñoä tieàn thöôûng cuûa coâng ty

1 1 1 1

2 2 2 2

3 3 3 3

4 4 4 4

5 5 5 5

6 7 6 7 6 7 6 7

env 1 env 2 env 3 env 4

Coâng vieäc khoâng bò aùp löïc cao Coâng vieäc khoâng ñoøi hoûi thöôøng xuyeân phaûi laøm ngoaøi giôø Trang thieát bò nôi laøm vieäc an toaøn, saïch seõ Coâng vieäc oån ñònh, khoâng ng phaûi lo laèng veà maát vieäc laø l aøm

1 1 1 1

2 2 2 2

3 3 3 3

4 4 4 4

5 5 5 5

6 6 6 6

cow cow 1 cow 2 cow 3 cow 4

Ñoà Ñoà ng nghie ghieää p cuû cuû a anh/ anh/ch chòò thoa thoaûû i maù maù i vaø vaø deã deã chòu chòu Anh/ chò vaø caùc ñoàng nghieäp phoái hôïp laø laøm vieäc toát Nhöõng ngöôøi maø anh/ chò laøm vieäc vôùi thöôøng giuùp ñôõ laãn nhau Anh/ chò caûm thaáy coù nhieàu ñoäng löïc trau doài chuyeân moân khi ñöôïc laøm vieäc vôùi caùc ñoàng nghieäp cuûa mình

1 2 3 4 5 6 7 1 2 3 4 5 6 7 1 2 3 4 5 6 7

prom1

Anh/ chò ñöôïc bieát nhöõng ñieàu kieän ñeå ñöôïc thaêng tieán

1 2 3 4 5 6 7

prom2

Coâng ty taïo cho anh chò nhieàu cô hoäi thaêng tieán

1 2 3 4 5 6 7

Prom3 Prom4

Anh/ chò ñöôïc cung caáp kieán thöùc/ kyõ naêng caàn thieát cho coâng ng vieäc Coâng ty taïo cho anh/chò nhieàu cô hoäi phaùt trieån caù nhaân

1 2 3 4 5 6 7 1 2 3 4 5 6 7

5 5 5 5 5

6 6 6 6 6

7 7 7 7 7 7 7 7 7

7 7 7 7

1 2 3 4 5 6 7

76

sup 1

Caáp treân hoûi yù kieán anh/chò khi coù vaán ñeà lieân quan ñeá n coâng vieäc cuûa anh/chò

1 2 3 4 5 6 7

sup 2

Caáp treân khuyeán khích caáp döôùi tham gia vaøo nhöõng quyeát ñònh quan troïng

1 2 3 4 5 6 7

sup 3 sup 4 sup 5

Nhaân vieân ñöôïc söï hoã trôï cuûa caáp  treân Coâng ty hoaït ñoäng coù hieäu quaû Nhaân vieân ñöôïc toân troïng vaø tin caäy trong coâng vieäc

1 2 3 4 5 6 7 1 2 3 4 5 6 7 1 2 3 4 5 6 7

sup sup 6 sup 7

Laõnh n h ñaïo coù coù taù taù c phon phongg lòch lòch söï söï , hoøa nhaõ nhaõ Nhaân vieân ñöôïc ñoái xöû coâng ng baèng, khoâng phaâ n bieät

1 2 3 4 5 6 7 1 2 3 4 5 6 7

PHAÀN II. Anh/chò vui loøng cho bieát möùc ñoä ñoàng yù cuûa mình veà caù c phaùt bieåu döôùi ñaây loy1 loy1 loy2 loy3

Anh/c nh/chò hò coù coù yù ñònh ñònh ôû laï laï i laâ laâ u daøi cuø cuø ng coâ coâ ng ty Neáu  coù nôi khaùc coù lôøi ñeà nghò löông boång töông ñoái haáp daãn hôn, anh/chò vaãn seõ ôû laïi cuøng coâng ty Veà nhieàu phöông dieän, anh chò coi coâng ty laø maù i nhaø thöù hai cuûa mình

1 2 3

4 5 6

7

1 2 3

4 5 6

7

1 2 3

4 5 6

7

PHAÀN III. Xin vui loøng cho bieát ñoâi neùt veà coâng vieäc vaø baûn thaân anh/chò 1. Boä phaän coâng taùc cuûa anh chò trong coâng ty : ……………………………………………………………………… 2. Vò trí coâng taùc cuûa anh chò thuoäc nhoùm:  Nhaâ Nhaân vieâ vieân ôû caùc boä phaä phaän  Caù Caùn boä quaû quaûn lyù ôû caùc boä phaä phaän (toå (toå tröôû tröôûng)  Tröôû Tröôûng/phoù g/phoù phoøng ng ban ban hoaë hoaëc töông töông ñöông ñöông 3. Giôùi tính:  Nam  Nöõ 4. Trình ñộ chuyeân moân:  Trung caáp  Cao ñaúng  Ñaïi hoïc  Sau ñaïi hoïc 5. Tuoåi ñôøi cuûa anh/chò :……………………………tuoåi 6. Thôøi gian laøm vieäc taïi coâng ty :  Döôùi 5 naêm  Töø 5-<1 5-<100 naê naê m  Töø Töø 10 - <15 <15 naê naê m  Treâ Treân 15 naê naê m 7. Thu nhaäp trung bình/thaùng cuûa anh chò ( tính caû caùc khoaû n ngoaøi löông) thuoäc nhoùm:  <3 tr ñ  Töø 3 ñ-<5 tr ñ  Töø 5 – <7tr ñ  Töø 7 tr ñ trôû leân

77

Phụ lục 2   Xin giớ i thiệu vớ i bạn đọc bài viế t sau đ ây ây của tác giả Phạm  Đứ c K   ỳ - Giảng viên Khoa Quản Lý Công Nghiệ p, Đại học Bách Khoa TPHCM 

Tóm lượ c lý thuyết về SEM 1

Phạm Đứ c K ỳ

Phầ Phần này tóm tắ tắt ngắ ngắn gọ gọn và không thiên về v ề đặc đặc tính k ỹ thu thuậật củ của các vấ vấn đề căn bả bản có liên quan trong SEM, bao gồ g ồm các vấ vấn đề ướ c lượ  l ượ ng, ng, thích hợ  h ợ  p mô hình, và các giả giả thiế thiết thố thống kê. SEM (Structural Equation Modelling) là mộ m ột k ỹ thu thuậật mô hình thố th ống kê r ất tổ tổng quát, đượ c sử sử dụng r ộng rãi trong khoa họ h ọc nghiên cứ c ứu hành vi. Nó có thể th ể đượ c xem là sự sự k ết hợ  hợ  p của phân tích nhân tố t ố và hồ hồi quy hay phân tích đườ ng ng dẫ dẫn. Sự Sự quan tâm trong SEM thườ  th ườ ng ng là vào các kiế kiến trúc lý thuyế thuyết (các khái ni ệ  t), đượ c trình bày bở  b ở i các nhân tố t ố ngầ ngầm ệ m lý thuyế t) (các khái ni ệ  n). Các quan hệ h ệ giữ giữa các kiế kiến trúc lý thuyế thuy ết đượ c trình bày bở  b ở i các hệ hệ ệ m ti ề  ềm   ẩ n) số hồi quy hay hệ hệ số đườ ng ng dẫ dẫn giữ giữa các nhân tố t ố. SEM ám chỉ chỉ 1 cấ cấu trúc củ của các hiệ hiệ p tươ  tươ ng ng quan (covariances_  (covariances_ hi  hi ệ  ng sai ) giữ ệ p  ph ươ ng giữa các biế biến đượ c quan sát, các quan hệ h ệ này cho ra mộ m ột tên khác là mô hình hóa c ấu trúc hiệ hi ệ p tươ ng ng quan ( covariance structure modeling_ mô hình ệ p   phươ ng cấ u trúc hi ệ  ng sai ). ). Tuy nhiên, mô hình có thể th ể đượ c mở  r ộng thêm bao gồ g ồm trung  bình củ của các biế biến quan sát đượ c hoặ hoặc các nhân tố t ố trong mô hình, làm cho tên mô hình hóa cấu trúc hiệ hiệ p tươ  t ươ ng ng quan ít chính xác. Nhi ều nhà nghiên cứ c ứu chỉ ch ỉ đơ n giả gi ản ngh ĩ  ngh ĩ mô mô hình loạ loại này là “các mô hình Lisrel,” điều này cũ cũng ít chính xác. LISREL là chữ ch ữ viế viết tắt của Linear  Structural RELations (các quan hệ h ệ cấu trúc tuyế tuyến tính), và tên này đượ c Jưreskog sử sử dụng cho mộ một trong nhữ nh ững chươ  chươ ng ng trình (phần mề m) m) SEM đầu đầu tiên thông dụ d ụng nhấ nhất. Các mô hình  phươ   phươ ng ng trình cấ cấu trúc ngày nay không nhấ nh ất thiế thiết phả phải tuyế tuyến tính, và khả kh ả năng mở  r ộng của SEM xa hơ  hơ n phươ  phươ ng ng trình Lisrel ban đầu. đầu. Ví dụ dụ, Browne (1993) thả thảo luậ luận khả khả năng làm thích hợ  p các đườ ng ng cong phi tuyế tuy ến. SEM cung cấ cấ p mộ m ột khung thuậ thuận tiệ ti ện và r ất tổ t ổng quát cho các phân tích thố th ống kê bao gồm các thủ thủ tục đa biế biến truyề truyền thố thống, ví dụ dụ các tr ườ  ườ ng ng hợ  p đặc đặc biệ biệt là phân tích nhân tố t ố,  phân tích hồ h ồi quy, phân tích phân biệ bi ệt, và tươ  tươ ng ng quan canonical. SEM th ườ ng ng đượ c minh họ h ọa  bằ  bằng biể biểu đồ đườ ng ng dẫn (sơ  đồ đườ ng ng d ẫ  n). Phươ  Phươ ng ng trình thố th ống kê này thườ  thườ ng ng đượ c trình ẫ n)  bày trong mộ một hệ h ệ phươ  phươ ng ng trình ma tr ận. Trong đầu đầu thậ th ậ p niên 70, khi k ỹ thu thuậật này đượ c giớ  gi ớ i thiệ thiệu lầ l ần đầu đầu trong nghiên cứ c ứu xã hộ hội và nghiên cứ c ứu hành vi, phầ ph ần mề m ềm thườ  th ườ ng ng yêu cầ c ầu cài đặt đặt chỉ chỉ rõ mô hình theo điều kiệ kiện củ của nhữ những ma tr ận này. Do đó, các nhà nghiên cứ c ứu đã phả phải lọc việ vi ệc trình bày ma tr ận từ từ biể biểu đồ đườ ng ng dẫ d ẫn, và cung cấ c ấ p phầ phần mề mềm vớ  v ớ i 1 chuỗ chuỗi ma tr ận cho các tậ tậ p hợ  hợ  p tham số số khác nhau, như nh ư là hệ hệ số nhân tố tố và các hệ hệ số hồi quy. Các phầ ph ần mề mề m đượ c phát triể triển gầ gần đây cho phép các nhà nghiên c ứu chỉ chỉ định định tr ực tiế tiế p mô hình như như là 1 biể biểu đồ đườ ng ng dẫ dẫn. Việ Việc này hiệ hiệu quả quả vớ i các vấ vấn đề đơ n giả giản, như nhưng có thể thể gây mệ mệt mỏ mỏi đối đối vớ  vớ i các mô hình có tính phứ ph ức tạ tạ p hơ  hơ n. n. Vì lý do này, phầ ph ần mề mềm SEM hiệ hiện tạ tại cũ cũng vẫ vẫn hỗ hỗ tr ợ các ợ  các đặc đặc tính k ỹ thu thuậật củ của mô hình loạ lo ại câu lệ lệnh-hay ma tr ận. Path analysis (phân tích đườ ng ng d ẫ  n thuậật thố thống kê dùng để kiể kiểm tra quan hệ hệ nhân quả quả ẫn)   ) là k ỹ thu giữ giữa hai hay nhiề nhi ều biế biến (bi ế  Dựa trên hệ hệ thố thống phươ  phươ ng ng trình tuyế tuy ến tính. ế n quan sát). Dự Path analysis là thành phầ ph ần phụ phụ của SEM, mộ một thủ thủ tục đa biế biến mà theo định định ngh ĩ  ngh ĩ a của 1

Ngu ồn: http://www.mba-15.com Ghi chú: nhữ ng ng chữ  ng nhấ t các thuật ữ đượ được in nghiêng đậm và trong ngoặc đơn là do tôi bổ  sung thêm, để  thố ng ngữ  thông dụng nhằm giúp bạn đọc thuận lợi hơn.

78

Ullman (1996), “cho phép ki ể m tra một t ậ p quan h ệ giữ a một hay nhiề u biế n độc l ậ p, hoặ c là liên t ục hoặ c là r ờ  ời  r ạc, và một hay nhiề u biế n phụ thuộc, hoặ c là liên t ục hoặ c là r ờ  ời  r ạc.” SEM liên quan đến đến các biế biến đo lườ ng ng đượ c (measured variable) và các bi ến ngầ ngầm (latent variable_ bi  bi ế  Một measured variable là mộ một biế biến có thể thể đượ c quan sát tr ực tiế tiế p và ến  ti ề  ềm   ẩ n). Mộ đượ c đo lườ ng. ng. Biế Biến đo lườ ng ng đượ c cũng đượ c biế biết đến đến như như biế biến quan sát đượ c (observed variable), biế biến chỉ chỉ báo hay biế bi ến biể biểu thị thị (indicator or manifest variables). Mộ M ột latent variable là một biế biến không thể th ể đượ c quan sát tr ực tiế tiế  p và phả phải đượ c suy ra từ t ừ measured variable . Latent variables đượ c ám chỉ chỉ bở i hiệ hiệ p tươ  tươ ng ng quan (covariances) giữ gi ữa hai hay nhiề nhi ều measured variables. Chúng cũ c ũng đượ c biế biết đến đến như như là các nhân tố t ố (ngh ĩ  (ngh ĩ a là, phân tích nhân tố t ố), các biế biến kiế kiến trúc hay các biế bi ến không quan sát đượ c (constructs or unobserved variables). SEM là s ự k ết hợ  hợ  p giữ giữa hồ hồi quy đa biế biến và phân tích nhân tố t ố. Path analysis chỉ ch ỉ liên quan đến đến các biế biến đo lườ ng ng (measured variables).

CÁC THÀNH PHẦN CỦA SEM Có hai thành phầ ph ần: mô hình đo lườ ng ng (measurement model) và mô hình cấ c ấu trúc (structural model). + Measurement model: liên quan đến đến quan hệ h ệ giữ giữa measured variables và latent variables. + Structural model: chỉ ch ỉ liên quan đến đến các quan hệ h ệ giữ giữa các latent variables mà thôi. Ký hiệ hiệu trong SEM: - Các biế biến đo lườ  lườ ng ng đượ c: c: hình chữ ch ữ nhậ nhật hay vuông - Các biế biến ngầ ngầm: elíp hay hình tròn - Các khoả khoản sai số s ố: (“nhiễ (“nhiễu” củ của các biế bi ến ngầ ngầm) đượ c đưa đưa vào biể biểu đồ SEM, đại đại diệ diện bở  bở i “E’s” cho các biế bi ến đo lườ  lườ ng ng và “D’s” cho các biế bi ến ngầ ngầm. Các khoả khoản sai số s ố đại đại diệ diện phươ  phươ ng ng sai phầ phần dư dư trong các biế bi ến không đượ c tính cho các đườ ng ng dẫ dẫn (pathways) đượ c giả giả thiế thiết trong mô hình. Tham số số của SEM: - Là các biế biến, hệ hệ số hồi quy và hiệ hi ệ p tươ  tươ ng ng quan giữ gi ữa các biế biến. - Phươ  Phươ ng ng sai có thể th ể đượ c chỉ chỉ ra bằ bằng mũ mũi tên hai đầu đầu k ết thúc tạ tại cùng mộ một biế biến, hoặ hoặc đơ n giả giản hơ  hơ n, n, ký hiệ hi ệu bằ bằng số số trong hộ hộ p vẽ vẽ biế biến hay cung tròn. - Các hệ hệ số hồi quy đượ c trình bày dọ d ọc theo mũ mũi tên mộ một chiề chiều chỉ chỉ ra đườ ng ng dẫ dẫn đượ c giả giả thiế thiết giữ giữa hai biế biến (có tr ọng số số đượ c áp dụ dụng cho các biế bi ến trong các phươ  phươ ng ng trình hồ hồi quy tuyếến tính) tuy - Hiệ Hiệ p phươ  phươ ng ng sai đượ c k ết hợ  hợ  p vớ  vớ i các mũ mũi tên vòng cung hai đầu đầu giữ giữa hai biế biến hoặ hoặc các sai số và biể biểu thị thị vô hướ  hướ ng ng (no directionality). Data cho SEM là các ph ươ ng ng sai mẫ mẫu và hiệ hiệ p  phươ   phươ ng ng sai mẫ mẫu lấ lấy từ từ tổng thể thể (ký hiệ hiệu S, phươ  phươ ng ng sai mẫ mẫu quan sát đượ c và ma tr ận hiệ hiệ p  phươ   phươ ng ng sai).

KIẾN TRÚC SEM Mục tiêu trong việ vi ệc xây dự dựng 1 sơ  sơ đồ đồ đườ ng ng đẫn đẫn (path diagram) hay mô hình phươ  ph ươ ng ng trình cấu trúc, là tìm mộ m ột mô hình đủ thích hợ  hợ  p vớ  vớ i dữ dữ liệ liệu (S) để phụ phục vụ vụ như như là 1 đại đại diệ diện có ích của độ tin cậ cậy và giả giải thích chi tiế ti ết dữ dữ liệ liệu. 79

Có 5 bướ  bướ c trong kiế kiến trúc SEM: 1. Chỉ Chỉ định định mô hình (Model Specification) 2. Nhậ Nhận dạ dạng mô hình (Model Identification) 3. Ướ c lượ  lượ ng ng mô hình (Model Estimation) 4. Đánh giá độ thích hợ  hợ  p củ của mô hình (Assesing Fit of the Model) 5. Hiệ Hiệu chỉ chỉnh mô hình (Model Modification)

Chỉ định mô hình (Model Specification) Là việ việc chính thứ th ức bắt đầu đầu một mô hình. Trong bướ  b ướ c này, các tham số s ố đượ c xác định định là cố cố định định hay tự tự do. Tham số cố đị lượ ng ng từ từ dữ liệ liệu và đượ c ố định (fixed parameters) không đượ c ướ c lượ  gán mộ một cách tiêu biể bi ểu bằ b ằng 0 (chỉ (chỉ ra không có quan hệ h ệ giữ giữa các biế biến). Các đườ ng ng dẫn củ c ủa các tham số số cố định định đượ c gắn nhãn số s ố (tr ừ khi đượ c gán giá tr ị là 0, trong tr ườ  ườ ng ng hợ  p này không có đườ ng ng dẫn nào đượ c vẽ) trong biể biểu đồ SEM. Tham số số tự do (  Free parameters) đượ c ướ c lượ  l ượ ng ng từ từ dữ liệ liệu quan sát và đượ c ngườ  ng ườ i điều tra tin r ằng nó khác 0. Việ Vi ệc xác định định tham số số nào là cố c ố định định hay tự tự do trong SEM là r ất quan tr ọng vì nó xác định định tham số số nào sẽ sẽ đượ c sử s ử dụng để so sánh biể bi ểu đồ giả giả thuyế thuyết vớ  v ớ i ma tr ận hiệ hi ệ p phươ  phươ ng ng sai và phươ  phươ ng ng sai tổ tổng thể thể mẫu trong việ việc kiể kiểm tra tính thích hợ  h ợ  p củ của mô hình (bướ  (bướ c 4). Việ Việc chọ chọn tham số số nào là cố cố định định và tham số s ố nào là tự t ự do tùy thuộ thuộc vào ngườ  ngườ i nghiên cứ cứu. Sự Sự lựa chọ chọn này trình bày mộ một giả giả thuyế thuyết tiề ti ền đề về đườ ng ng xu hướ  hướ ng ng trong hệ h ệ thố thống là quan tr ọng trong thế thế hệ của cấ c ấu trúc liên quan củ c ủa hệ h ệ thố thống đượ c quan sát (ví dụ d ụ, phươ  ph ươ ng ng sai mẫ mẫu đượ c quan sát và ma tr ận hiệ hi ệ p  phươ   phươ ng ng sai).

Nhận dạng mô hình (Model Identification) Việ Việc nhậ nh ận dạ dạng quan tâm đến đến việ vi ệc có hay không giá tr ị duy nhấ nhất cho mỗ mỗi và mọ mọi tham số s ố tự do có thể th ể thu thậ thậ p đượ c từ t ừ dữ liệ liệu quan sát. Nó phụ ph ụ thu thuộộc vào việ việc lự l ựa chọ ch ọn mô hình và đặc đặc tính k ỹ thu thuậật củ c ủa các tham số số cố định, định, ràng buộ buộc và tự tự do. Mộ Một tham số s ố bị ràng buộ buộc khi nó trong mộ một tậ tậ p hợ  hợ  p vớ  vớ i các tham số số khác. Các mô hình cầ c ần phả phải đượ c nhậ nhận dạ dạng hoàn chỉ ch ỉnh để có thể thể ướ c lượ ng ng đượ c (bướ  (bướ c 3) và để kiể kiểm định định giả giả thuyế thuyết về quan hệ hệ giữ giữa các biế biến. Có các dạ dạng mô hình có cấ c ấu trúc là just-identified, overidentified, hay underidentified. + just-identified model: trong đó tươ  t ươ ng ng ứng 1-1 giữ giữa data và các tham s ố cấu trúc. Ngh ĩ  Ngh ĩ a là, số phươ  phươ ng ng sai dữ dữ liệ liệu và số số hiệ hiệ p phươ  phươ ng ng sai bằ bằng vớ  vớ i số số tham số số đượ c ướ c lượ  lượ ng. ng. Tuy nhiên, mặc dầu khả khả năng của mô hình là đạt đạt đượ c một giả giải pháp duy nhấ nh ất cho tấ tất cả các tham số s ố,  just-identified model không có sự s ự quan tâm củ của khoa họ học gia vì bở  b ở i nó không có độ tự do và do đó không thể th ể bị loạ loại bỏ bỏ. + Overidentified model: là mô hình trong đó số số tham số số có thể thể ướ c lượ  lượ ng ng đượ c thì nhỏ hơ n số điểm dữ liệ liệu (data points) (ngh ĩ  (ngh ĩ a là, phươ  ph ươ ng ng sai, hiệ hi ệ p tươ ng ng quan củ của các biế bi ến quan sát đượ c). c). Tình tr ạng này tạ tạo k ết quả quả ra độ tự do dươ  dươ ng ng cho phép loạ lo ại bỏ bỏ mô hình, do đó đượ c sử sử dụng mộ một cách khoa họ h ọc hơ  hơ n. n. Mụ Mục đích củ của SEM là chỉ ch ỉ ra mộ một mô hình như nh ư vậy đáp ứng các tiêu chuẩ chuẩn củ của overidentification. + Underidentified model: là mô hình trong đó số số tham số số đượ c ướ c lượ  lượ ng ng vượ  vượ t quá số số  phươ   phươ ng ng sai và hiệ hi ệ p tươ  tươ ng ng quan. Như Như vậy, mô hình bao gồ g ồm thông tin không ý ngh ĩ  ngh ĩ a (từ (từ dữ

80

liệ liệu đầu đầu vào) cho việ việc đạt đạt đượ c 1 giả giải pháp xác định định về về ướ c lượ  lượ ng ng tham số số; ngh ĩ  ngh ĩ a là, vô số số các giả giải pháp là khả kh ả d ĩ cho  ĩ cho 1 underidentified model.

ng mô hình (Model Estimation) Ướ c luợ ng Trong bướ  bướ c này, các giá tr ị khở  khở i đầu đầu củ của tham số s ố tự do đượ c chọ chọn để sinh ra 1 ma tr ận hiệ hiệ p tươ ng ng quan tổ tổng thể thể đượ c ướ c lượ  lượ ng ng (estimated population covariance covariance matrix), S(q), t ừ mô hình. Các giá tr ị khở  khở i đầu đầu có thể th ể đượ c chọ chọn bở  bở i ngườ  ngườ i nghiên cứ cứu từ từ thông tin ban đầu, đầu, bở  bở i các chươ  chươ ng ng trình máy tính đượ c sử sử dụng để xây dự dựng SEM, hay từ t ừ phân tích hồ h ồi quy đa biế biến. Mục tiêu củ c ủa ướ c lượ  lượ ng ng là để sinh ra mộ một S(q) hộ hội tụ tụ trên ma tr ận hiệ hiệ p tươ  tươ ng ng quan tổ tổng thể thể quan sát đượ c, c, S, vớ  vớ i ma tr ậnphầ nphần dư dư (residual matrix) (khác biệ bi ệt giữ giữa S(q) và S) tr ở nên ở nên tố tối thiể thiểu. Nhiề Nhiều phươ  phươ ng ng pháp có thể th ể đượ c sử sử dụng để sinh ra S(q). Việ Việc chọ chọn các phươ  phươ ng ng pháp đượ c hướ  hướ ng ng dẫ dẫn bằ bằng đặc đặc tính củ c ủa data bao gồ g ồm kích thướ  thướ c và phân phố ph ối mẫ mẫu. Hầ Hầu hế hết các tiế tiến trình đượ c sử sử dụng là lặ lặ p. Hình thứ thức tổ tổng quát củ của hàm tố tối thiể thiểu là: Q = (s - s(q))’W(s - s(q)) Trong đó: s = vector bao gồ g ồm phươ  phươ ng ng sai và hiệ hi ệ p phươ  phươ ng ng sai củ của các biế biến quan sát đượ c. c. gồm các phươ  phươ ng ng sai corresponding và hiệ hi ệ p phươ  phươ ng ng sai như nh ư đượ c dự dự đoán s(q) = vector bao gồ  bở   bở i mô hình. W = ma tr ận tr ọng số số (mộ (một vài tác giả gi ả xem Q như như là F) Ma tr ận tr ọng số số, W, trong hàm trên, phù hợ  h ợ  p vớ  vớ i phươ  phươ ng ng pháp ướ c lượ  lượ ng ng đượ c chọ chọn. W đượ c chọ chọn để tối thiể thiểu Q, và Q(N-1) cho việ vi ệc thích hợ  h ợ  p hàm, trong hầ h ầu hế hết các tr ườ  ườ ng ng hợ  hợ  p một thố thống kê phân phố ph ối X2. K ết quả quả thự thực hiệ hiện củ của X2 bị bị ảnh hưở  hưở ng ng bở  bở i kích thướ  th ướ c mẫ mẫu, sai số phân phố phối, nhân tố tố phân phố phối, và giả gi ả thiế thiết r ằng các nhân tố t ố và sai số số là độc độc lậ lậ p (Ullman 1996). Một vài phươ  phươ ng ng pháp ướ c luợ  luợ ng ng đượ c sử sử dụng thông dụ d ụng nhấ nhất là: Generalized Least squares (GLS)

FGLS = ½ tr[([S - S(q)]W-1)2] Trong đó: tử theo dõi (trace operator), cộ c ộng các yế yếu tố tố trên đườ ng ng chéo chính củ c ủa ma tr ận tr = toán tử số tối ưu, phả phải đượ c chọ chọn bở  bở i nhà nghiên cứ c ứu (chọ (chọn lự lựa thông thườ  th ườ ng ng W-1 = ma tr ận tr ọng số nhấ nhất là S-1)  Maximum Likelihood (ML)

FML = log|S| - log|S| + tr(SS-1) - p Trong tr ườ  ườ ng ng hợ  hợ  p này, W = S-1và p = số s ố lượ ng ng biế biến đượ c đo lườ  lườ ng ng Asymptotically Distribution Distribution Free (ADF) ( ADF) Estimator (Hàm ướ c lượ  lượ ng ng tự tự do phân phố ph ối tiệ tiệm cậ cận) FADF = [S - s(q)]’W-1[S - s(q)] W, trong hàm này, bao gồ g ồm các yế yếu tố tố xem xét trong kurtosis. Ullman (1996) và Hoyle (1995) thả th ảo luậ luận về về các thuậ thuận lợ  lợ i và giớ  giớ i hạ hạn củ của các hàm ướ c lượ  lượ ng ng trên đây. ML và GLS hữ hữu ích cho dữ d ữ liệ liệu phân phố phối chuẩ chuẩn khi các nhân tố t ố và sai số số là độc độc lậ l ậ p, ADF 81

hữu ích cho các dữ d ữ liệ liệu không phân phố ph ối chuẩ chuẩn, như nhưng chỉ chỉ có giá tr ị khi kích thướ  thướ c mẫ mẫu lớ  l ớ n hơ n 2.500. Ullman chỉ ch ỉ ra hàm ướ c lượ  lượ ng ng tố tốt nhấ nhất cho dữ dữ liệ liệu không phân phố ph ối chuẩ chuẩn và/hoặ và/hoặc  phụ  phụ thu thuộộc giữ giữa các nhân tố t ố và sai số số là Scaled ML. Bấ Bất k ể hàm nào đượ c chọ chọn, k ết quả quả mong đợ i củ của tiế tiến trình ướ c lượ  lượ ng ng là đạt đạt đượ c mộ một hàm thích hợ  h ợ  p gầ gần đến đến 0. Mộ Một hàm thích hợ  h ợ  p vớ  vớ i số điểm là 0 chỉ chỉ ra r ằng ma tr ận hiệ hiệ p phươ  phươ ng ng sai đượ c ướ c lượ  lượ ng ng củ của mô hình và ma tr ậ tr ận hiệ hiệ p  phươ   phươ ng ng sai mẫ mẫu nguyên thủ thủy là tươ  tươ ng ng đươ ng. ng. Đánh giá độ thích hợ p của mô hình (Assesing Fit of the Model)  Như  Như đã phân tích, giá tr ị hàm thích hợ  hợ  p gầ gần đến đến 0 đượ c mong đợ i cho độ thích hợ  hợ  p mô hình. Tuy nhiên, nói chung, nế n ếu tỷ số giữ giữa  X2và bậc tự do nhỏ nhỏ hơ n 3, mô hình là thích hợ  h ợ  p tốt (Ullman 1996). Để có độ tin cậ cậy trong kiể kiểm định định độ thích hợ  hợ  p mô hình, kích thướ  th ướ c mẫ mẫu từ từ 100 đến đến 200 đượ c yêu cầ cầu (Hoyle 1995). Ullman (1996) thả th ảo luậ lu ận sự s ự đa dạ d ạng củ c ủa các hàm thích hợ  h ợ  p phân phố phối không- X2  X2, mà ông ta gọi là “các chỉ ch ỉ số thích hợ  hợ  p so sánh (comparative fit indices.)” Hoyle (1995) đề cậ p đến đến điều này như như “các chỉ chỉ số thích hợ  hợ   p phụ phụ thu thuộộc (adjunct fit indices).” Mộ M ột cách că căn bản, nhữ những  phươ   phươ ng ng pháp này so sánh độ thích hợ  hợ  p của một mô hình độc độc lậ p (mộ (một mô hình khẳ khẳng định định không có quan hệ h ệ giữ giữa các biế biến) để thích hợ  hợ  p mô hình đượ c ướ c lượ  l ượ ng. ng. K ết quả qu ả của việ vi ệc so sánh này thì thườ  th ườ ng ng là mộ một số số giữ giữa 0 và 1, vớ  v ớ i 0.90 hoặ hoặc lớ  l ớ n hơ  hơ n đượ c chấ chấ p nhậ nhận như như là các giá tr ị chỉ chỉ ra độ thích hợ  hợ  p. Cả Cả Hoyle và Ullman đề nghị nghị sử dụng nhiề nhiều chỉ chỉ số khi xác định định các độ thích hợ  hợ  p mô hình.

Hiệu chỉnh mô hình (Model Modification)  Nế  Nếu ma tr ận phươ  phươ ng ng sai/hiệ sai/hiệ p phươ  phươ ng ng sai đượ c ướ c lượ  lượ ng ng bằ bằng mô hình không mô phỏ ph ỏng mộ một cách thích hợ  h ợ   p ma tr ận phươ  phươ ng ng sai/hiệ sai/hiệ  p phươ  phươ ng ng sai mẫ mẫu, các giả gi ả thuyế thuyết có thể thể đượ c hiệ hiệu chỉ chỉnh và mô hình đượ c kiể ki ểm định định lạ l ại. Để điều chỉ ch ỉnh 1 mô hình, các đườ ng ng dẫ dẫn mớ  mớ i đượ c vẽ vẽ thêm hay các đườ ng ng dẫ dẫn cũ cũ đượ c bỏ bỏ đi. Nói cách khác, các tham số s ố đượ c thay đổi đổi từ từ cố định định tớ i tự tự do hoặ hoặc từ t ừ tự do đến đến cố cố định. định. Điều quan tr ọng để nhớ  nhớ là là khi trong các thủ th ủ tục thố thống kê khác, là việ vi ệc hiệ hiệu chỉ chỉnh mô hình sau việ vi ệc kiể kiểm định định lầ lần đầu đầu làm gia tă t ăng cơ  cơ hhội củ của vấ vấ p phả phải sai lầ lầm loạ loại I. Các thủ thủ tục thông thườ  th ườ ng ng đượ c sử s ử dụng cho việ vi ệc hiệ hi ệu chỉ ch ỉnh mô hình là Lagrange Multiplier  Index (LM) và Kiể Kiểm định định Wald. Cả Cả hai loạ loại kiể kiểm định định này báo cáo các thay đổi đổi trong giá tr ị X2 khi các đườ ng ng dẫ dẫn đượ c điều chỉ chỉnh. LM yêu cầ cầu dù có hay không việ vi ệc gia tă tăng các tham số s ố tự do gia tă t ăng sự s ự thích hợ  hợ  p củ c ủa mô hình. Kiể Kiểm định định Wald yêu cầ c ầu có hay không việ vi ệc xóa bỏ bỏ các tham số số tự do gia tă tăng sự sự thích hợ  p mô hình. Để điều chỉ chỉnh tỷ lệ sai lầ lầm loạ loại 1 gia tă t ăng, Ullman (1996) yêu cầ c ầu sử dụng một giá tr ị xác suấ suất thấ thấ p (p<0.01) khi tă tăng thêm hay bỏ b ỏ các tham số số. Ullman cũ c ũng yêu cầ cầu so sánh giá tr ị tr ị chéo (cross-validation) vớ  v ớ i các mẫ mẫu khác. Vì tr ật tự t ự của các tham số s ố tự do có thể thể ảnh hưở  h ưở ng ng đến đến việ việc lự lựa chọ chọn củ của các tham số s ố khác, LM nên đượ c áp dụ dụng tr ướ  ướ c kiể kiểm định định Wald (ngh ĩ  (ngh ĩ a 82

là, cộ cộng thêm vào tấ t ất cả cả các tham số s ố tr ướ  ướ c khi bắ bắt đầu đầu xóa chúng) (MacCullum 1986, đã trích dẫn củ của Ullman 1996).

Trình bày mô hình cu ối cùng (Final Presentation of Model) Khi mô hình đã đạt đạt đượ c độ thích hợ  hợ  p chấ chấ p nhậ nhận đượ c, c, các ướ c lượ  lượ ng ng riêng biệ biệt về về các tham số tự do đượ c đánh giá. Các tham số s ố tự do đượ c so sánh vớ  v ớ i giá tr ị r ỗng (null value), sử s ử dụng thố thống kê phân phố ph ối z. Thố Thống kê z đạt đạt đượ c bằng cách chia tham số s ố ướ c lượ ng ng cho sai số số chuẩ chuẩn củ c ủa ướ c lượ  l ượ ng ng đó. Tỷ T ỷ lệ của kiể ki ểm định định này phả ph ải vượ  v ượ t +/-1.96 để quan hệ hệ tr ở nên ở  nên có ý ngh ĩ a. a. Sau khi các quan hệ h ệ riêng biệ biệt trong mô hình đượ c đánh giá, các ướ c lượ ng ng tham số số đượ c chuẩ chuẩn hóa cho việ vi ệc trình bày mô hình cuố cu ối cùng. Khi các ướ c lượ ng ng tham số s ố đượ c chuẩ chuẩn hóa, chúng có thể th ể đượ c giả gi ải thích tham chiế chi ếu vớ i các tham số số khác trong mô hình và cườ ng ng độ của đườ ng ng xu hướ  hướ ng ng có liên quan trong mô hình có th ể đượ c so sánh.

83

Phụ lục 3  Nhằ m t ạo thuận l ợ  ợi  cho bạn đọc khi tìm hiể u SEM, xin giớ i thiệu vớ i bạn đọc nghiên cứ u sau đ ây ây (có áp d ụng SEM) tác giả Phạm  Đứ c K   ỳ , Bùi Nguyên Hùng. Bạn nên đọc thêm các nghiên cứ u khác đ ã  ã  đượ c phát trong l ớ  ớ p,   và một số  bài viế t d ướ  ướ i d ạng file pdf  đ ã  ã  đượ c g ử  ửi  qua email  . Tác giả

của quyể n bài giảng này l ự  ựa  chọn 2 bài nghiên c ứ u này để  giớ i thiệu v ớ i các bạn b ở i 2 tác ất  t ố  ốt, t, l ĩ ĩ nh  giả của bài nghiên c ứ u viế t r ấ  nh vự c lòng trung thành, d ịch vụ thông tin di động cũng   g ần g ũi vớ i r ấ  ất  nhiề u bạn.

Bài viết 1.

Nghiên cứ u mô hình sự trung thành của khách hàng dịch vụ thông tin di động tại Việt Nam

Phạm Đứ c K ỳ, Bùi Nguyên Hùng

 Khoa Qu ản lý Công Nghi ệ p- Đ HBK TP.HCM 

I. GIỚ I THIỆU Trong bố bối cả cảnh khi mà thị th ị tr ườ  ườ ng ng thông tin di động động (TTDĐ (TTDĐ) các nướ  nướ c cạ cạnh tranh mạ mạnh mẽ mẽ do mở c ở  cửa thị th ị tr ườ  ườ ng ng và giả giảm mạ mạnh các ưu thế thế của vị vị thế thế độc độc quyề quyền, vớ  vớ i sự sự tham gia củ c ủa nhiề nhiều nhà cung cấ cấ p, dùng các chiế chi ến lượ  l ượ c cạ c ạnh tranh hỗ hỗn hợ  h ợ  p bao gồ gồm các chiế chi ến lượ  l ượ c về v ề giá cướ  cướ c, c, chấ chất lượ ng ng dịch vụ cơ b ơ  bản, dịch vụ gia tă tăng, quả quảng cáo khuyế khuy ến mãi, giả giảm giá và chă ch ăm sóc khách hàng (CSKH), tạ t ạo cho họ h ọ ngày càng có nhiề nhi ều sự s ự lựa chọ ch ọn, vớ  v ớ i xu hướ  hướ ng ng chuyể chuyển sang mạng khác hấ hấ p dẫ dẫn hơ  hơ n, n, tác động động đến đến sự sự bền vữ vững về về thuê bao củ c ủa các mạ mạng di động. động. Các nghiên cứ c ứu thự thực nghiệ nghiệm tạ tại nhiề nhiều nướ  nướ c trên thế thế giớ  giớ i trong l ĩ   ĩ nh nh vự vực TTDĐ TTDĐ như như Ấn Độ[1], Canada, Mỹ Mỹ[14] và Trung Quố Qu ốc[21], cho thấ thấy mô hình chấ chất lượ  lượ ng ng dị dịch vụ vụ theo Parasuraman và các mô hình truyề truy ền thố th ống khác[9] không đủ để giả giải thích sự s ự tho thoảả mãn và sự sự trung thành củ c ủa khách hàng. Mộ M ột số số nghiên cứ cứu gầ gần đây tạ tại Bangladesh, Hàn Quố Qu ốc, Đài Loan đã đề cậ p thêm một số số nhân tố tố tác động động khác (chi phí vậ v ật chấ chất, tinh thầ th ần, r ủi ro, sứ sức hấ hấ p dẫ dẫn củ của dị dịch vụ vụ thay thế thế, mức độ mật thiế thiết trong quan hệ h ệ cá nhân giữ gi ữa khách hàng và nhà cung c ấ p,..) mà khách hàng phả phải cân nhắ nhắc mỗ mỗi khi có ý định định chuyể chuyển sang nhà cung cấ c ấ p khác[10] [22]. K ết quả qu ả nghiên cứu củ của tác giả gi ả M-K Kim tạ tại Hàn Quố Quốc còn chỉ chỉ ra r ằng khách hàng mặ m ặc dù thoả thoả mãn vớ  vớ i chấ chất lượ ng ng dị d ịch vụ vụ của nhà cung cấ cấ p hiệ hiện tạ tại như nh ưng vẫ v ẫn chuyể chuyển sang nhà cung cấ c ấ p khác, hoặ hoặc sử sử dụng nhiề nhiều dịch vụ của nhiề nhiều nhà cung cấ c ấ p đồng đồng thờ  thờ i.Các tác giả giả Fornell, 1992; Ahmad & Buttle, 2002 cũ c ũng cho r ằng mộ một khi thị thị tr ườ  ườ ng ng đã tr ở nên ở  nên cạ cạnh tranh quyế quyết liệ liệt thì chiế chi ến lượ  l ượ c  phòng thủ thủ để duy trì khách hàng hiệ hi ện có còn quan tr ọng hơ n so vớ  vớ i chiế chiến lượ c công kích nhằ nhằm mở  mở r  r ộng quy mô toàn bộ b ộ thị thị tr ườ  ườ ng ng bằ bằng nỗ nỗ lực gia tă tăng các khách hàng tiề ti ềm nă năng[12]. Chiế Chiến lượ c phòng thủ thủ của nhà cung cấ c ấ p truyề truyền thố th ống Telstra(Australia) tr ướ  ướ c sự thâm nhậ nhậ p của Optus (Anh-Mỹ (Anh-Mỹ) nă năm1990 là mộ một ví dụ dụ điển hình[3] Thị Thị tr ườ  ườ ng ng TTDĐ TTDĐ tại Việ Việt Nam đang trong giai đoạn chuyể chuyển dầ dần từ từ một thị thị tr ườ  ườ ng ng độc độc quyề quyền do nhà nướ  nướ c kiể kiểm soát sang thị th ị tr ườ  ườ ng ng cạnh tranh vớ  vớ i tốc độ phát triể triển công nghệ ngh ệ di động động nhanh, chu k ỳ công nghệ nghệ rút ngắ ngắn, lợ i thế thế do chi phí đầu đầu tư ngày càng giả giảm đã mang đến đến nhữ những cơ  c ơ hhội cho nhà cung cấ c ấ p dị d ịch vụ v ụ mớ i tham gia thị th ị tr ườ  ườ ng, ng, đồng đồng thờ  thờ i là thách thứ th ức đối đối 84

vớ i nhà cung cấ c ấ p dịch vụ hiệ hiện tại. Cạnh tranh giữ giữa các mạ mạng TTDĐ TTDĐ hiệ hiện nay chủ chủ yếu dựa vào giả giảm giá cướ  cướ c và khuyế khuyến mãi liên tụ tục tạ t ạo nên làn sóng thuê bao di chuy ển từ t ừ mạng này sang mạ mạng khác ngày càng phổ ph ổ biế biến. Tỷ lệ thuê bao ngư ngưng hoạ hoạt động động so vớ  vớ i tổng thuê bao trên mạ mạng hiệ hiện chiế chiếm tỷ t ỷ lệ r ất lớ  l ớ n ở m ở  mạng VinaPhone (1/4), MobiFone (1/3), Viettel(1/2) & S-Fone (2/3). K ết cụ c ục của kiể ki ểu cạnh tranh bằ bằng giá cướ  cướ c đã dẫn tớ i tình tr ạng trong tổ tổng số số 14.3 triệ triệu thuê bao công bố b ố, thự th ực chấ ch ất chỉ ch ỉ có 10.4 triệ triệu thuê bao thự th ực hoạ ho ạt động, động, do số số thuê  bao “ả “ảo” chiế chiếm từ 25-30% (mộ (một khách hàng sử s ử dụng cùng lúc từ t ừ 2-3 mạ mạng di động). động). Tình tr ạng này cho thấ th ấy khách hàng hiệ hi ện nay không còn trung thành v ớ i nhà cung cấ c ấ p như như trong thị thị tr ườ  ườ ng ng độc độc quyề quyền tr ướ  ướ c nă năm 2003[19]. Trong tươ  tươ ng ng lai, khi số s ố thuê bao ngày càng tiế ti ến đến đến điểm bão hoà và giá cướ  c ướ c không còn là lợ i thế th ế đối đối vớ  v ớ i riêng doanh nghiệ nghi ệ p (DN) nào thì việ việc tìm kiế kiếm và tạ tạo khách hàng mớ  m ớ i sẽ s ẽ r ất khó khă khăn, đòi hỏ hỏi nhiề nhiều chi phí dành cho quả qu ảng cáo-khuyế cáo-khuyến mãi[12], Xét ở góc ở góc độ v ĩ mô,  ĩ mô, thự thực tr ạng trên thể th ể hiệ hiện mộ một thị thị tr ườ  ườ ng ng phát triể tri ển thiế thiếu bề bền vữ vững, tiêu cự c ực và lãng phí tài nguyên củ c ủa ngành[19] Vì vậ vậy, việ việc nghiên cứ c ứu mô hình trung thành củ c ủa khách hàng dị d ịch vụ vụ TTDĐ TTDĐ tại Việ Việt Nam có ý ngh ĩ  ngh ĩ a về v ề mặt nghiên cứ c ứu khám phá, đóng góp mộ một thang đo mớ  mớ i và mộ một mô hình lý thuyế thuy ết mớ i.i. Về V ề mặt thự th ực tiễ ti ễn, việ việc “giữ “giữ chân” khách hàng, làm cho khách hàng tr ở  tr ở nên nên trung thành hơ n mang tính cấ c ấ p thiế thiết, đặc đặc biệ bi ệt đối đối vớ  v ớ i hai nhà cung cấ c ấ p dị d ịch vụ v ụ truyề truyền thố thống hiệ hiện nay là MobiFone và VinaPhone, khi mà thị th ị tr ườ  ườ ng ng TTDĐ TTDĐ tại Việ Việt Nam đang trong giai đoạn phát triể triển mạ m ạnh, vì tỷ tỷ lệ thâm nhậ nhậ p hiệ hiện mớ  m ớ i chỉ ch ỉ đạt đạt 14 máy/100 dân, còn thấ th ấ p hơ n nhiề nhiều so vớ  vớ i các nướ  nướ c trong khu vự v ực và thế thế giớ  giớ i (70-80 máy/100 dân). K ết quả quả nghiên cứ cứu sẽ cung cấ cấ p thông tin cho các nhà qu ản lý hoạ hoạch định định chiế chiến lượ  lượ c sử sử dụng hiệ hiệu quả quả nguồ nguồn tài nguyên viễ vi ễn thông, đồng đồng thờ  thờ i giúp các nhà cung c ấ p dịch vụ v ụ TTDĐ TTDĐ hoạ hoạch định định và thự thực hiệ hi ện hiệ hi ệu quả qu ả hơ n các hoạ hoạt động động tiế tiế p thị thị, CSKH.

II. CÁC MÔ HÌNH NGHIÊN CỨ U SỰ TRUNG THÀNH CỦA KHÁCH HÀNG TTDĐ

 Nhiề  Nhiều nghiên cứ c ứu tr ướ  ướ c đây đã đề cậ p mố mối quan hệ hệ nhân quả quả giữ giữa chấ chất lượ  lượ ng ng dị dịch vụ vụ, sự sự thỏ thỏa mãn và sự sự trung thành trong mô hình truyề truy ền thố thống đượ c tổ tổng quát hoá như nh ư Hình 1:

Hình 1. Mô hình tích h ợ p sự trung thành c ủa khách hàng [9]

85

Sự thỏ thỏa mãn là sự s ự đáp ứng và sự s ự đánh giá củ của khách hàng về v ề tr ạng thái mãn nguyệ nguy ện (Oliver, 1997)[12]. Sự thỏ thỏa mãn theo Parasuraman (1994) là k ế k ết quả qu ả tổng hợ  h ợ  p củ c ủa Chấ Chất lượ  l ượ ng ng dị dịch vụ v ụ, Chấ Chất lượ  lượ ng ng sả sản phẩ phẩm và Giá hoặ hoặc theo Mittal et al (1998) là Ch ất lượ  lượ ng ng dị dịch vụ vụ cốt lõi, Dị Dịch vụ cá nhân và Giá [22]. Trong l ĩ   ĩ nh nh vự vực dị dịch vụ vụ TTDĐ TTDĐ tho thoảả mãn cũ cũng đượ c đo lườ  lườ ng ng thông qua 05 thành phầ ph ần chấ chất lượ  lượ ng ng dị dịch vụ vụ của Parasuraman[5][7][10][17][20], theo M-K. Kim et al, là: Ch Chấất lượ ng ng cuộ cuộc gọ gọi, Dị Dịch vụ vụ gia tă tăng, Cấ Cấu trúc giá cướ  c ướ c, c, Dị Dịch vụ vụ khách hàng và Sự S ự thu thuậận tiệ tiện [12] . Mô hình đo lườ  l ườ ng ng khái niệ ni ệm sự s ự trung thành đã tiế ti ến triể triển qua ba giai đoạn, đầu đầu tiên nó chỉ ch ỉ đo “hành vi mua l ặ  gi ản lượ c do bỏ bỏ ặ p  l ại” (Jacoby & Chestnut, 1978) đượ c đánh giá là quá giả qua các yế yếu tố t ố tình huố huống (Omally, 1998; Dick & Basu, 1994), hoặ ho ặc không thể thể giả giải thích sự sự trung thành “tự “t ự nguyệ nguyện” hay trung thành “ép bu ộc” (Hirschman, 1970; Johnson, 1982; Levinger,1979; Ping, 1993) nên yế y ếu tố “thái độ” đưa vào giả gi ải thích cho sự s ự trung độ” đã đượ c đưa thành (Linderstat, 1998) [9]. Cuố Cuối cùng yế yếu tố “nhận thứ c“ đượ c đưa đưa vào vì khách hàng ph ải tr ải qua giai đoạn “trung thành nhậ nh ận thứ thức” trên cơ  cơ ssở ki ở  kiếến thứ thức hay niề ni ềm tin đã có về về thươ  thươ ng ng hiệ hiệu (Glember & Brown, 1996). Như Như vậy, sự trung thành đòi hỏi cùng lúc niề ni ềm tin (nhận c ảm tình ( thái độ) độ) và hành động động mua lặ lặ p lạ l ại (hành vi)[9]. Đây là phươ  phươ ng ng pháp tiế ti ế p cậ c ận thứ c), cả kiể kiểu “tích hợ  p”. Sự S ự thỏ thỏa mãn cao sẽ s ẽ giả giảm bớ  b ớ t lợ i ích cả cảm nhậ nh ận củ c ủa các dị dịch vụ v ụ thay thế thế và dẫn đến đến sự trung thành cao hơ  h ơ n (Anderson & Sullivan, 1993), chấ ch ất lượ ng ng nhậ nhận thứ thức và sự sự thỏ thỏa mãn ảnh hưở  h ưở ng ng đến đến sự sự trung thành (Johny, 2001), sự s ự thỏ thỏa mãn dẫ dẫn đến đến hành vi mua lạ l ại và dẫn đến đến sự trung thành. K ết quả quả các nghiên cứ c ứu thự thực nghiệ nghiệm ở  100 công ty thuộ thu ộc 13 ngành dị dịch vụ (có ngành viễ viễn thông) có thể thể tổng quát hoá như nh ư hình 2, ngh ĩ  ngh ĩ a là chấ chất lượ ng ng nhậ nhận thứ thức có thể thể ảnh hưở  hưở ng ng tr ực tiế tiế p lên sự sự trung thành hoặ ho ặc cũ cũng có thể thể ảnh hưở  hưở ng ng gián tiế tiế p lên sự sự trung thành thông qua sự s ự thỏ thỏa mãn.

 Hình 2: Mô hình lý thuyế t sự trung thành của khách hàng [9]

Hạn chế chế của mô hình này là quá giả gi ản lượ  lượ c không thể th ể hiệ hiện đầy đầy đủ các yế yếu tố tố tác động động đến đến sự sự trung thành. Phươ  Ph ươ ng ng pháp tiế ti ế p cận khái niệ ni ệm sự trung thành kiể ki ểu “tích hợ  p” đượ c sử dụng trong nhiề nhiều nghiên cứ c ứu tạ tại Mỹ Mỹ, Canada, châu Âu [14], Ấn Độ [1] trong l ĩ   ĩ nh nh vự vực dị dịch vụ vụ TTDĐ TTDĐ

86

thể thể hiệ hiện rõ tính đa hướ ng ng củ c ủa sự trung thành như nh ưng về v ề cơ b ơ  bản vẫn là mô hình truyề truyền thố thống nêu trên (Hình 1).

1. Mô hình ti ếp cận theo kiểu”Rào cản chuyển đổi” Do cấu trúc thị thị tr ườ  ườ ng ng và bả bản chấ chất cạnh tranh đã biế biến đổi đổi trong nhữ những năm gần đây, nhiề nhiều nghiên cứ cứu cho thấ thấy các mô hình truyề truy ền thố th ống về v ề sự trung thành kém phù hợ  h ợ  p để giả giải thích thự thực tiễ tiễn về về cạnh tranh trong các ngành d ịch vụ vụ nói chung, và ngành dị d ịch vụ vụ TTDĐ TTDĐ nói riêng. Các nhà nghiên cứ c ứu cũ cũng đã phát hiệ hiện các khái niệ ni ệm mớ  mớ i có tác động động điều chỉ ch ỉnh đối đối vớ  vớ i các mô hình truyề truyền thố thống. Cụ Cụ thể thể, các mô hình nghiên cứ c ứu tạ tại thị thị tr ườ  ườ ng ng mộ một số số nướ c châu Á gầ g ần đây thườ  thườ ng ng tiế tiế p cậ c ận theo khái niệ ni ệm “ Rào cản chuyể n đổ i nhà cung c ấ  p”, đề cậ p tình huố huống khách hàng không thỏ th ỏa mãn dị dịch vụ hiệ hiện tại, muố muốn chuyể chuyển sang dị dịch vụ khác sẽ sẽ gặ p phả phải gánh nặ nặng như như khó khă khăn về về tài chính, tâm lý, xã hộ h ội, r ủi ro,…(Hình 3).

 Hình 3: Mô hình lý thuyế t sự trung thành của khách hàng d ịch vụ TTD Đ

Rào cả cản chuyể chuyển đổi đổi nhà cung cấ c ấ p trong l ĩ   ĩ nh nh vự v ực dị d ịch vụ v ụ TTDĐ TTDĐ thườ  thườ ng ng đề cậ p là 1) Chi phí  (tổn thấ thất do chuyể chuyển đổi, đổi, chi phí thích nghi mớ  m ớ i và chi phí gia nhậ nh ậ p mớ i), i), 2) S ự  ự  chuyể n đổ i (tổ ẫn  của mạng khác (về (về danh tiế tiếng, hình ảnh, chấ chất lượ ng, ng, giá cướ  cướ c,..) c,..) và 3) Quan hệ hấ   p d ẫ  (thăm hỏ hỏi, chă chăm sóc, tin cậ c ậy, mậ mật thiế thiết, trao đổi đổi thông tin,…giữ tin,…gi ữa khách hàng vớ  v ớ i khách hàng  (thă nhân viên nhà cung cấ c ấ p dịch vụ v ụ)[10][12][13][22]. Rào cả cản chuyể chuyển đổi đổi càng cao càng có tác d ụng giữ giữ chân khách hàng. Ngườ  Ng ườ i ta thườ  thườ ng ng chia rào cả c ản chuyể chuyển đổi đổi ra làm hai loạ lo ại: rào cản tiêu (loại thứ th ứ nhấ nhất), rào cản tích cự c (loạ (loại thứ thứ 2 &3); hoặ hoặc phân biệ bi ệt bằ b ằng: rào cản nội sinh cự c (loạ (loạ (loại thứ thứ 1&3); rào cản ngoại sinh (loạ (loại thứ thứ 2)

2. Mô hình ti ếp cận kiểu “tích hợ p” p” Phân tích sâu mô hình khả kh ảo sát chỉ chỉ số hài lòng củ của khách hàng mộ m ột số s ố ngành dị dịch vụ v ụ tại thị th ị tr ườ  ườ ng ng Mỹ, châu Âu cũ c ũng như như mô hình nghiên cứ c ứu sự thỏ thỏa mãn củ của khách hàng dị d ịch vụ v ụ di động động tạ tại Canada, dự dựa theo mô hình Fornell at al (1996) [14] thì quan hệ h ệ giữ giữa sự sự tho thoảả mãn và sự sự trung thành đượ c sử dụng như như một khái niệ ni ệm đồng đồng nhấ nhất (Hình 4), trong đó sự trung thành tiề tiềm ẩn gồm các thành phầ ph ần: “Khả “Khả năng mua lạ l ại” ( Nh Mức độ chấ chấ  p nhậ nhận giá”  Nhận thứ c), “ Mứ (Thái độ) “Sự than phiề phiền” ( Hành  Hành vi ). độ) và “Sự 87

 Hình 4: Mô hình lý thuyế t sự trung thành khách hàng d ịch vụ TTD Đ

So vớ i mô hình tiế tiế p cận kiể kiểu rào cả cản chuyể chuyển đổi đổi của M-K.Kim et al (2004) [12], thành phầ ph ần “khả “khả năng mua lạ lại” giả giả thiế thiết không bị bị ảnh hưở ng ng bở i “rào cả cản chuyể chuyển đổi”, đổi”, ngh ĩ  ngh ĩ a là khách hàng tự tự do lự l ựa chọ ch ọn khi có nhu cầ c ầu, không bị bị ràng buộ buộc vớ  v ớ i nhà cung cấ c ấ p (thuê bao tr ả tiề tiền tr ướ  ướ c). c). Ngượ  Ngượ c lại “mứ “mức độ chấ chấ  p nhậ nhận giá” củ của khách hàng đượ c đo lườ ng ng trong điều kiệ kiện tiền sau bị bị ràng buộ buộc bở i hợ  p thự thực có hiệ hiện diệ diện của “Rào cả cản chuyể chuyển đổi” đổi”[14] (thuê bao tr ả tiề đồng đồng vớ  v ớ i nhà cung cấ c ấ p). “Khả “Khả năng mua lạ lại” hàm ý sự sự ưa thích củ c ủa khách hàng có tính b ền vững đối đối vớ  v ớ i nhà cung cấ c ấ p (Soderlund,1998), (Soderlund,1998), đây là thành phầ ph ần truyề truyền thố th ống trong mô hình cổ điển, và “mứ “mức độ chấ chấ p nhậ nhận giá” hàm ý khách hàng trung thành s ẵn sàng tr ả giá cao hơ  h ơ n, n, hoặ hoặc không chuyể chuy ển sang nhà cung cấ c ấ p khác có giá thấ th ấ p hơ  hơ n để tránh r ủi ro cả cảm nhậ nhận do xả x ảy ra sự thay đổi đổi nào đó. Khách hàng càng có quan h ệ lâu dài và càng trung thành thì m ức độ chấ chấ p nhậ nhận giá càng cao, ít so sánh giá v ớ i nhà cung cấ c ấ p khác (Ruyter et al, 1999) [14] .

3. Đánh giá các mô hình Khi nghiên cứ cứu  sự  trung thành của khách hàng dị d ịch vụ TTDĐ TTDĐ, các nhà nghiên cứ c ứu thườ  thườ ng ng tiế tiế p cận theo hai tr ườ  ườ ng ng phái: Các mô hình nghiên c ứu tại thị thị tr ườ  ườ ng ng châu Âu và Bắ B ắ c Mỹ (Hoa K ỳ, Canada) tiế ti ế p cận kiể kiểu tích hợ  hợ  p theo Thái độ  , Nhận thứ c và Hành vi thể thể hiệ hiện qua “Mứ “Mức độ chấ chấ p nhậ nhận giá”, “Khả “Kh ả năng mua lạ lại” và “Sự “S ự than phiề phiền” để giả giải thích cho sự s ự trung thành củ của khách hàng [14]. Các mô hình nghiên cứ c ứu tạ tại thị th ị tr ườ  ườ ng ng châu Á thì tiế ti ế p cậ c ận theo các yế yếu tố tố liên quan đến đến khó khă khăn mà khách hàng gặ g ặ p phả phải như nh ư: Chi phí vậ vật chấ ch ất, chi phí tinh thầ th ần, r ủi ro khi chuyể chuy ển đổi đổi nhà cung cấ c ấ  p, ạt o nên khái niệ ni ệm gọi là “Rào cản chuyể n đổ i” c ấ p dịch i” nhà cung cấ vụ[10][12][13][22]. Hơ n nữ nữa các nghiên cứ c ứu này còn chứ ch ứng minh đượ c r ằng “ Rào cản chuyể n đổ i” đóng vai trò biế bi ến điều chỉ chỉnh mố mối quan hệ hệ giữ giữa sự thỏa mãn và sự trung thành. Nói cách khác, vớ i một mức độ tho thoảả mãn nhấ nhất định, định, mứ mức độ trung thành có thể th ể thay đổi đổi tuỳ tuỳ thu thuộộc biên độ thay đổi đổi củ của “ Rào cản chuyể n đổ i” [12]

88

Tóm lạ lại, sự trung thành trong các mô hình châu Au và B ắc Mỹ là một khái niệ niệm hai thứ thứ nguyên trong đó yếu tố “Mứ “Mức độ chấ chấ p nhậ nhận giá” có nguồ ngu ồn gốc từ “r ủi ro nhậ nhận thứ thức” tươ ng ng đươ ng ng vớ i “rào cả cản chuyể chuyển đổi” đổi” trong các mô hình nghiên c ứu ở  thị thị tr ườ  ườ ng ng châu Á. Tuy nhiên, mô hình châu Au và B ắc Mỹ Mỹ nhấ nhấn mạ mạnh yế yếu tố tố giá như như một thành phầ phần chính củ của “rào cản chuyể chuyển đổi” đổi” trong khi các mô hình châu Á coi “rào c ản chuyể chuyển đổi” đổi” là sự s ự đánh đổi đổi giữ gi ữa giá tr ị nhậ nhận thứ th ức và chi phí bỏ b ỏ ra khi khách hàng có ý định định chuyể chuyển sang nhà cung cấ c ấ p khác (Ratchford, 1982).

4. Đề xuất mô hình cho nghiên c ứ u thị trườ ng ng TTDĐ tại Việt Nam Trong bố bối cảnh thị thị tr ườ  ườ ng ng TTDĐ TTDĐ Việ Việt nam đang cạ cạnh tranh ngày càng gay g ắt vớ i sự tham gia củ của 06 nhà cung cấ c ấ p dị dịch vụ vụ, số số lượ ng ng khách hàng chuyể chuy ển đổi đổi qua lạ lại giữ giữa các mạ mạng ngày càng gia tă t ăng thì vấ vấn đề nghiên cứ cứu mô hình sự sự trung thành củ c ủa khách hàng vớ  v ớ i rào cả c ản chuyể chuyển mạ mạng thự thực sự sự mang tính thự th ực tế tế và cấ cấ p thiế thiết hiệ hiện nay. Mô hình đượ c đề xuấ xuất sử dụng thang đo 05 thành phầ ph ần chấ chất lượ ng ng dịch vụ trong l ĩ   ĩ nh nh vực TTDĐ TTDĐ [1,5,6,7,9,10,15,16,17,20,21,22], k ết hợ  p các mô hình nghiên cứ cứu gần đây có xét thêm yế y ếu tố “ Rào cản chuyể n mạng ”, ”, đượ c nhiề nhiều tổ tổ chứ chức và cá nhân trên thế th ế giớ  giớ i [2,4,8,11,12,13,18] tiế tiến hành, lựa chọ chọn các nhân tố t ố đượ c xem là phù hợ  h ợ  p vớ  vớ i thị th ị tr ườ  ườ ng ng TTDĐ TTDĐ tại Việ Việt Nam để hình thành mô hình lý thuyế thuy ết và các giả gi ả thuyế thuyết như như Hình 5 Căn cứ cứ vào các dữ dữ liệ liệu thứ thứ cấ p củ của các mạ mạng Vinaphone, MobiFone, Viettel Mobile nh ư: báo cáo chấ chất lượ  l ượ ng ng dị d ịch vụ v ụ, thố th ống kê các khiế khi ếu nạ nại, phả phản ánh củ của khách hàng qua tổ t ổng đài và tạ tại các giao dị dịch… Tạ Tại các lớ  lớ  p đào tạo nghiệ nghiệ p vụ của Vinaphone từ t ừ tháng 12/2005 đến đến tháng 02/2006, đã k ết hợ  hợ  p thă thăm dò hơ  hơ n 800 giao dị d ịch viên củ của 22 Bư Bưu điện tỉ tỉnh thành khu vự v ực phía nam, thườ  thườ ng ng xuyên tiế tiế p xúc vớ  v ớ i khách hàng bằ b ằng 02 câu hỏ h ỏi mở  mở :

89

 Hình 5: Mô hình lý thuyế t  t 

-

Đánh giá chấ chất lượ  lượ ng ng dị dịch vụ vụ TTDĐ TTDĐ dựa trên nhữ những yế yếu tố tố nào?

-

 Nhữ  Những yế y ếu tố t ố nào khiế khiến khách hàng chọ chọn mạ mạng mớ  mớ i,i, dùng thêm mạ mạng, ngư ngưng sử s ử dụng, tiế tiế p tụ t ục trung thành vớ  vớ i mạ mạng hiệ hiện tạ tại?

Sau khi lự lựa chọ chọn, cân nhắ nhắc sắ sắ p xế xế p, có k ết quả quả như như bảng 1.

90

ố và thuộc tính đ o l ườ  ườ ng  Bảng 1: Các nhân t ố  ng của mô hình

5. K ết luận Từ các phân tích và đánh giá các mô hình nghiên c ứu sự sự trung thành củ c ủa khách hàng dị d ịch vụ vụ TTDĐ TTDĐ trên thế thế giớ  giớ i,i, mô hình lý thuyế thuy ết cho nghiên cứ c ứu thự th ực nghiệ nghiệm tạ t ại thị th ị tr ườ  ườ ng ng TTDĐ TTDĐ tại 91

Việ Việt Nam đượ c đề xuấ xuất như như hình 5. Trong mô hình này s ự trung thành củ của khách hàng sử sử dụng dị dịch vụ vụ thông tin di động động đượ c quyế quyết định định bở  bở i 02 nhóm yế y ếu tố tố: đó là nhóm yế y ếu tố tố “ Sự Sự thỏ thỏa mãn” – nhóm yế y ếu tố tố chấ chất lượ  lượ ng ng dị dịch vụ vụ của các nhà cung cấ c ấ p và nhóm yế yếu tố tố “Rào cả cản chuyể chuyển mạng” củ của chính loạ lo ại dịch vụ này. Trong nhóm yế yếu tố “Sự “Sự thỏ thỏa mãn” (chấ (chất lượ ng ng dịch vụ v ụ) có 5 yế y ếu tố: chấ chất lượ ng ng cuộ cuộc gọi, cấu trúc giá, dị d ịch vụ v ụ gia tă tăng, tính thuậ thuận tiệ tiện và dịch vụ v ụ khách hàng. Trong nhóm “Rào c ản chuyể chuyển mạng” cũ cũng gồm 5 yếu tố: các tổ tổn thấ thất, chi phí thích nghi mớ  m ớ i,i, chi phí gia nhậ nh ậ p mớ i,i, sự hấ p dẫn của các mạ mạng khác (đố ( đốii thủ thủ cạnh tranh) và mố mối quan hệ hệ khách hàng Mô hình trong hình 5 là mộ m ột mô hình đa nhân tố tố, việ việc tìm hiể hiểu tươ  tươ ng ng tác giữ gi ữa các nhân tố t ố này vớ i sự trung thành củ c ủa khách hàng sẽ s ẽ giúp cho các cơ  c ơ  quan quả quản lý nhà nướ  n ướ c trong hoạ ho ạch định định chính sách phát triể tri ển ngành TTDĐ TTDĐ như như: số s ố lượ ng ng các nhà cung cấ c ấ p dị d ịch vụ v ụ, chính sách  phát triể tri ển thị thị tr ườ  ườ ng ng ổn định định bề bền vữ vững, đầu đầu tư tư hiệ hiệu quả quả và tiế tiết kiệ kiệm tài nguyên củ c ủa ngành,.. Riêng vớ  vớ i góc độ các nhà cung cấ c ấ p dịch vụ thông tin di động động ở  Việ Việt Nam thì k ết quả quả ứng dụng mô nghiên cứ c ứu này giúp đưa đưa ra các giả gi ải pháp nhằ nh ằm nâng cao chấ chất lượ  lượ ng ng dị dịch vụ vụ để giữ giữ chân khách hàng qua việ vi ệc nâng cao lòng trung thành c ủa khách hàng, bình ổn thị thị tr ườ  ườ ng, ng, gia tăng số số thuê bao và gia tă t ăng lợ  lợ i nhuậ nhuận. TÀI LIỆU THAM KHẢO

[1] Apoorva Palkar (2004),   Determinants of Customer Satisfaction for Cellular Service Providers, Vol. 28,  No,1, Jan-March 2004. [2] Arthur Lin (2004), Antecedent and Consequences of Customer Switching Cost for the Mobile Phone Market, Progress report. [3] Nguyễ Nguyễn Sơ  Sơ n Hả Hải, T ạ p chí Bư u chính viễ n thông và Công nghệ thông tin. MPT (10/2006) [4] Claes-Robert Julander (Jan,2003),   Effect of Switching Barrier on Satisfaction, Repurchase Intentions and   Attitudinal Loyalty, SSE/EFI Working paper Series in Business Administration. No. 2003:1. [5] Eli M.Noam, The Quality of regulation in Regulating Quality: A Proposal for an Intergrated Incentive  Approach to Telephone Service Performance, in Price Caps and Incentive Regulation in Telecommunications, ed. Micheal Einhorn (Boston: Kluwer Academic Publishers, 1991) 168-189. [6] Garvin, “Competing on the Eight Dimension of Quality” [7]J.D.Power and Associates, A Marketing Information Firm, www.Jdpower.com. [8] Klemperer, Paul(1987), Markets with Consumer Switching Cost , the Quarterly Jounal of Economics, 102:375-394. [9] Lu ting Pong, Johnny(2001),   An Intergrated Model of Service Loyalty, Academy of Business & Administrative Sciences 2001 International Conferences, Brussels, Belgium 23-25 July, 2001. [10] Masud Parvez(ID#0120016), (2005),   A relational Study on Service Quality, Switching Cost, Trust, Customer Satisfaction and Customer Loyalty in the context of Grameenphone, Independent University, Bangladesh. [11] Mengze Shi(2005), Managing Consumer Switching Cost through Loyalty Incentives, Progress Report, Feb 14,2005. [12] M-K. Kim et al., (2004), The effects of customer satisfaction and switching barrier on customer loyalty in  Korean mobile telecommunication services, Telecommunications Policy 28, (145-159) [13] Moon-Koo Kim & Jong-Hyun Park (2003), The effect of switching barrier on customer retention in Korean Mobile Telecommunication services, Electronics and Telecommunications Research Institute, Korea. [14] Ofir Turel & Alexander Serenko (2004), User Satisfaction with Mobile Services in Canada, Proceedings of  the Third International Conference on Mobile Business, [15] Parasuraman, A. V. A. Zeithaml, & L.L.Berry (1985), “  A conceptual Model of Service Quality and its  Implications for Future Research”, Jounal of Marketing.

92

[16] Parasuraman, A. V. A. Zeithaml, & L.L.Berry (1988), “SERQUAL: A multiple-Item scale for measuring  consumer perceptions of service quality”, Jounal of Retailing. [17] Richters & Dvorak,“A Framwork Of Defining the Quality of Communications Services” [18] Ruyter. K.D.,M.Wetzels&Bloemer (1998), On the relationship between perceived service quality, service loyalty and switching cost , International of Service Industry Managerment, 19(5), pp.436-453. [19] Trung tâm thông tin, B Bộộ BCVT (2005-2006), T ổ  n ổng   g hợ  p báo chí tuần, MPT, [20] Trung tâm nghiên cứ cứu tiế tiế p thị thị –Tr ườ  ườ ng ng Đại Đại họ học Marketing (2003), Báo cáo k ế  ết  quả nghiên cứ u d ự  ự  án khảo ườ ng  p đồng đồng dị dịch vụ vụ số 116/Đ 116/Đ-MARC ngày 13/08/2003.  sát thị tr ườ  ng d ịch vụ đ iện thoại di động t ại TP.HCM, Hợ  [21] Wen-Hai Chih & Tzy-Wen Tang & I-Ju Chen (2002), The Service Quality Perceptional Analysis of Mobile  Phone User in Mainland China , National Dong Hwa University. [22] Shih-Ping JENG (2003), Customer Loyalty in Competitive Market : Alternative Attractiveness, Switching  Cost, and Satisfaction Effects, Fu Jen Catholic University T ạ p chí BCVT-CNTT s ố  tháng 2/2007 

 Nguồ  Nguồn: http://www.mba-15.com/view_news.php?id=491

93

lường ng mứ  mứ c độ trung thành củ của khách hàng đố i vớ với dị dịch vụ vụ thông tin di Bài viết 2. Đo lườ động-Nghiên độ ng-Nghiên cứ  cứ u tạ tại thị thị tr trườ ường ng TP.HCM

Phạm Đứ c K ỳ, Bùi Nguyên Hùng  Khoa Qu ản lý Công nghi ệ p- Đ HBK TP.HCM  I. GIỚ I THIỆU MÔ HÌNH NGHIÊN C Ứ U Bài viế viết “Nghiên cứ c ứu mô hình sự sự trung thành củ c ủa khách hàng trong l ĩ  l ĩ nh nh vự vực thông tin di động động tại Việ Việt Nam”, Tạ p chí BCVT&CNTT K ỳ 1 tháng 2/2007 đã phân tích các mô hình nghiên cứu sự sự trung thành củ c ủa khách hàng trong l ĩ  l ĩ nh nh vự vực dị dịch vụ vụ thông tin di động động (TTDĐ (TTDĐ) củ của mộ một số nướ c trên thế thế giớ  giớ i và đề xuấ xuất mô hình lý thuyế thuy ết áp dụ dụng cho nghiên cứ c ứu tại thị thị tr ườ  ườ ng ng TTDĐ TTDĐ Việ Việt Nam [10]. Bài viế vi ết này sẽ sẽ trình bày k ết quả quả nghiên cứ cứu thự thực nghiệ nghiệm tạ tại thị thị tr ườ  ườ ng ng TP. Hồ Hồ Chí Minh từ t ừ 01/2006 đến đến 05/2006 nhằ nh ằm kiể kiểm nghiệ nghiệm mô hình lý thuyế thuy ết đề xuấ xuất [10] và cung cấ cấ p một thang đo sự trung thành củ c ủa khách hàng trong l ĩ  l ĩ nh nh vực dịch vụ TTDĐ TTDĐ tại Việ Việt Nam. Về Về mặt thự th ực tiễ ti ễn k ết quả qu ả nghiên cứ cứu cung cấ cấ p thông tin giúp cho việ vi ệc hoạ hoạch định định chính sách sử s ử dụng hiệ hiệu quả quả nguồ nguồn tài nguyên viễ vi ễn thông đồng đồng thờ  thờ i giúp các nhà cung cấ c ấ p dịch vụ vụ TTDĐ TTDĐ xây dự dựng chiế chiến lượ  lượ c tiế tiế p thị thị phòng thủ thủ hiệ hiệu quả quả theo định định hướ  hướ ng ng khách hàng. Mô hình nghiên cứ c ứu sử dụng thang đo 05 thành phầ ph ần chấ chất lượ ng ng dịch vụ trong l ĩ   ĩ nh nh vực TTDĐ TTDĐ, k ết hợ  hợ  p các mô hình nghiên cứ cứu gầ gần đây có xét thêm yế y ếu tố tố “Rào cả cản chuyể chuyển mạ mạng”, đượ c nhiề nhiều tổ t ổ chứ chức và cá nhân trên thế th ế giớ  giớ i tiế ti ến hành, lự l ựa chọ ch ọn các nhân tố t ố phù hợ  hợ  p vớ  v ớ i thị th ị tr ườ  ườ ng ng TTDĐ TTDĐ tại Việ Việt Nam [10]. Trong mô hình này, chấ ch ất lượ ng ng dịch vụ gồm 05 thành phầ ph ần: Chấ Chất lượ ng ng cuộ cuộc gọi, Cấu trúc giá cướ  cướ c, c, Dị Dịch vụ vụ gia tă tăng, Sự Sự thu thuậận tiệ tiện và Dị Dịch vụ vụ khách hàng. Rào cả c ản chuyể chuyển mạ mạng gồ g ồm 03 thành phầ ph ần: Chi phí chuyể chuy ển mạ mạng (tổ (tổn thấ th ất phát sinh khi chuyể chuy ển mạ mạng, chi phí thích nghi mạng mớ  mớ i,i, chi phí gia nhậ nh ậ p mạ mạng mớ  mớ i); i); Sự Sự hấ p dẫ dẫn củ của mạ mạng khác, và Quan hệ h ệ khách hàng.

II. PHƯƠ NG NG PHÁP NGHIÊN C Ứ U c ứu định định tính nhằ nh ằm xác định định các nhân tố t ố và các thuộ thu ộc Xác định các bi ến đo l ườ ng ng: nghiên cứ tính đo lườ  lườ ng. ng. Hơ  Hơ n 800 giao dị d ịch viên các cử c ửa hàng, đại đại lý Bư Bưu điện tỉ tỉnh thành phía Nam đã đượ c lấy ý kiế kiến thă thăm dò trong khoả kho ảng thờ  thờ i gian từ từ 01/2006 đến đến 02/2006, sơ  s ơ  bộ hình thành thang đo ban đầu đầu [10]. Tiế Tiế p theo tiế tiến hành phỏ ph ỏng vấn 150 khách hàng để kiể kiểm định định độ tin cậy thang đo. Sau khi hiệ hi ệu chỉ chỉnh một số biế biến, thang đo cuố cuối cùng đượ c sử dụng cho phỏ ph ỏng vấn chính thứ thức. khảo sát định định lượ ng ng thự thực hiệ hiện tại khu vự vực TP.HCM từ từ tháng Mẫu và thông tin m ẫu: khả 03/2006 đến đến 05/2006, đối đối tượ ng ng chọ chọn mẫu là khách hàng các m ạng di động động MobiFone, VinaPhone, S-Fone và Viettel, s ử dụng dịch vụ 6 tháng tr ở lên, ở  lên, tiế tiến hành phỏ phỏng vấn khách hàng tạ tại các khu vự v ực Quậ Quận, Huyệ Huyện theo tỷ tỷ lệ dân cư cư hợ  p lý. Phươ  Phươ ng ng pháp lấ lấy mẫu phi xác suấ suất có phân tổ t ổ[14] theo giớ  gi ớ i tính (nam-58%, nữ n ữ-42%), 5 nhóm độ tuổ tuổi (18-24, 25-34, 35-44, 45-54, 55-64), thị thị phầ phần thuê bao các mạ m ạng (Mobifone-52.8%, VinaPhone-21%, S-Fone 5.9%, Viettel-20.3%), trong mỗ m ỗi mạng lại chia theo tỷ t ỷ lệ thuê bao tr ả tr ướ  ướ c và thuê bao tr ả sau (MobiFone-70/30, VinaPhone-80/20, S-Fone-60/40, Viettel-65/35). Mô hình đo lườ ng ng gồm 52 biế biến quan sát, theo quy tắ t ắc tố t ối thiể thiểu là: 5 x 3 = 15 mẫ m ẫu cho mộ một biế bi ến đo lườ  l ườ ng ng (Bentle & Chou, 1987), do đó số số mẫu tính toán ban đầu đầu là: 52 x 15 = 780, sau khi phát hành 1.170 m ẫu, k ết quả quả thu đượ c 917 mẫ mẫu hợ  hợ  p lệ lệ. thuyết nghiên cứ c ứu đượ c xây dự dựng dự d ựa trên nề nền Thu thập và phân tích d ữ  liệu: Mô hình lý thuyế tảng lý thuyế thuy ết mô hình mạ mạng SEM (Structural Equation Modeling) [1,3,6] và k ỹ thu thuậật xử lý 94

III. K ẾT QUẢ NGHIÊN CỨ U 3.1. K ết quả thống kê mô t ả Dữ liệ liệu phân tích dùng cỡ  c ỡ m mẫu N= 917, vớ  v ớ i thang Likert 5 khoả kho ảng cách cho k ết quả qu ả các giá tr ị Skewness và Kurtosis các biế bi ến đo lườ  l ườ ng ng phân bố bố trong khoả khoảng [-1, +1] nên phân bố b ố gần chuẩ chuẩn và phươ  phươ ng ng pháp ướ c lượ ng ng ML (Maximum Likelihood) đượ c chấ ch ấ p nhậ nhận sử dụng [8]. Vớ i thang đo Likert 5 khoả kho ảng (từ (từ 1: r ất không đồng đồng ý đến đến 5: r ất đồng đồng ý), giá tr ị trung bình (mean) củ của các biế biến đo chấ ch ất lượ  l ượ ng ng dị d ịch vụ v ụ có sự s ự khác biệ biệt khá cao (mean=2.82 ->3.64), đặc đặc  biệ  biệt khách hàng chư ch ưa hài lòng về v ề giá cướ  cướ c (mean=2.84); Tổ T ổng đài hỗ hỗ tr ợ (mean=2.82); ợ  (mean=2.82); Mạ Mạng hay bị bị nghẽ nghẽn, r ớ  ớt  mạch (mean=3.1), Giả Gi ải quyế quyết khiế khiếu nại kéo dài và chư ch ưa thỏ thỏa đáng (mean=3.11). Ngoài ra, các biế bi ến đo “Vùng phủ phủ sóng” và “Tổ “Tổng đài hỗ h ỗ tr ợ  ợ”  có độ lệch chuẩ chuẩn khá cao (1.056 và 1.149) và k ết quả qu ả phân tích ANOVA xác nhậ nh ận có sự sự khác biệ biệt trong nhậ nh ận thứ thức giữ gi ữa khách hàng củ c ủa các mạ mạng di động động khác nhau đối đối vớ  v ớ i 02 biế biến đo này. Các biế biến đo Rào cả cản cũ cũng đượ c đánh giá sai biệ bi ệt nhiề nhiều (mean=2.75->3.76), trong đó biế biến đo “Bấ “Bất tiệ tiện khi đổi đổi số số điện thoạ thoại” đánh giá khá cao (mean=3.76) chứ ch ứng tỏ tỏ khách hàng r ất ngạ ng ại chuyể chuyển đổi đổi vì sợ b ợ  bị gián đoạn thông tin liên lạ l ạc. Ngượ  Ngượ c lạ lại, biế biến “Quan hệ hệ khách hàng” (mean=3.01) và “Sự “S ự quan tâm củ của nhà cung cấ c ấ p” (mean=2.75) đượ c giá thấ thấ p cho thấ thấy nhà cung cấ cấ  p chư chưa chú tr ọng công tác chă ch ăm sóc khách hàng. Đối Đối vớ i “Sự “Sự hấ p dẫn của mạng khác” về v ề chấ chất lượ ng ng (mean=3.55), Giá cướ  c ướ c r ẻ (mean=3.64) và Danh tiế ti ếng/Hình ảnh (mean=3.41) đượ c khách hàng đánh giá cao. Khách hàng đánh giá Sự Sự thỏ thỏa mãn hơ  hơ i thấ thấ p (mean=3.1) trong khi Sự S ự trung thành lạ lại đượ c đánh giá khá cao (mean=3.64) 3.2 Đánh giá sơ bộ thang đo: Tổ hợ  p thang đo Chấ Chất lượ  lượ ng-Rào ng-Rào cả cản chuyể chuyển mạ mạng bao gồ g ồm thang đo “Chấ “Chất lượ  lượ ng ng dị dịch vụ vụ” vớ i 05 thành phầ ph ần và 31 biế bi ến đo lườ  lườ ng ng ; thang đo “Rào cả cản chuyể chuyển mạ mạng” vớ  vớ i 03 thành phầ ph ần và 21 biế biến đo lườ  lườ ng. ng. K ết quả quả phân tích độ tin cậ cậy thang đo đã loạ loại 02 biế bi ến (vì có tươ  t ươ ng ng quan  biế  biến tổ tổng nhỏ nhỏ hơ n 0.3) còn lạ l ại 50 biế bi ến đưa đưa vào phân tích EFA, các thành ph ần thang đo sau k hi loạ loại biế biến đều đều có các hệ h ệ số Cronbach Alpha > 0.6 đạt đạt yêu cầ cầu. 3.3. Phân tích nhân t ố khám phá (EFA) Sử dụng phân tích nhân tố t ố bằng SPSS 13.0 cho k ết quả quả EFA như như sau: thành phầ ph ần Dị Dịch vụ vụ gia tăng và thành phầ ph ần Quan hệ hệ khách hàng có hệ h ệ số tải (Factor Loading) nhỏ nh ỏ hơ n 0.5 nên bị b ị loạ loại. Thang đo Chấ Chất lượ  lượ ng ng dị dịch vụ vụ còn lạ lại 04 thành phầ ph ần là: Chấ Chất lượ  lượ ng ng cuộ cuộc gọ gọi, Cấ Cấu trúc giá cướ c, c, Dị Dịch vụ vụ khách hàng và Sự S ự thu thuậận tiệ tiện. Thang đo Rào cả cản chuyể chuyển mạ mạng còn lạ lại 02 thành  phầ  phần là: Chi phí thích nghi, Sự S ự hấ p dẫ dẫn củ của mạ mạng khác. quả sử dụng phầ phần mề mềm AMOS 6.0 để tiế tiến 3.4. Phân tích nhân t ố khẳng định (CFA): K ết quả hành phân tích CFA các thang đo khái niệ niệm, kiể kiểm nghiệ nghiệm độ phù hợ  hợ  p củ của mô hình lý thuyế thuy ết và kiể kiểm định định các giả giả thuyế thuyết như như sau: Kiểm nghiệm mô hình tổ hợ p thang đo Chất lượ ng ng –Rào c ản a) K ết quả quả phân tích nhân tố t ố khẳ khẳng định định (CFA): Các hệ hệ số tải từ từ các biế biến quan sát lên các 95

đ  b) Các chỉ ch ỉ số độ phù hợ  hợ  p mô hình sau khi điều chỉ chỉnh đạt đạt yêu cầ cầu (Bả (Bảng 1). Như Như vậy 04 thành  phầ  phần củ của Chấ Chất lượ  lượ ng ng dị dịch vụ vụ và 02 thành phầ ph ần củ của Rào cả cản chuyể chuyển mạ mạng đạt đạt đượ c tính đơ n nguyên[8]. Bảng 1: So sánh độ phù hợ  hợ  p củ của mô hình tr ướ  ướ c và sau khi hiệ hi ệu chỉ chỉnh Các chỉ chỉ số đánh giá Mô hình ban đầu đầu Mô hình hiệ hiệu chỉ chỉnh 2 χ  (df) 747.871 (155) 423.269 (152) 2 χ  / df  4.82 2.78  p .000 .000 GFI .921 .956 AGFI .893 .939 TLI .879 .943 CFI .901 .955 RMSEA .065 .044 2 chỉ số cơ b ơ bản để đánh giá mô hình gồ g ồm: Fmin = χ  / df: Chi-square/bậ Chi-square/b ậc tự tự do; Ghi chú: các chỉ GFI: Goodness-of-Fit Index; AGFI: Adjusted GFI; TLI: Tucker-Lewis Coefficient; Coefficient; CFI: Comparative Fit Index; RMSEA: Root Mean Square Error of Approximation. Mô hình có các chỉ ch ỉ số χ 2/ df < 3 ; GFI, AGFI, TLI, CFI >.9 và RMSEA <.06 đượ c xem là mô hình phù hợ  hợ  p vớ  vớ i dữ dữ liệ liệu thị thị tr ườ  ườ ng)[1,3,5]. ng)[1,3,5]. c) Hệ Hệ số tươ ng ng quan củ của các khái niệ ni ệm thành phầ phần đều đều < 1 và có ý ngh ĩ  ngh ĩ a (p<.05) , do đó các khái niệ niệm này đạt đạt độ giá tr ị phân biệ biệt[8].

Kiểm nghiệm mô hình thang đo Thoả mãn và Trung thành Thang đo mứ m ức độ tho thoảả mãn củ của khách hàng là thang đo đơ n hướ  h ướ ng, ng, đượ c đo lườ  l ườ ng ng bằ b ằng 02  biế  biến quan sát. Mô hình thang đo này đượ c kiể kiểm định định bằ bằng CFA và k ết quả quả cho thấ thấy mô hình 2 2 này phù hợ  hợ  p vớ  vớ i bộ bộ dữ liệ liệu khả khảo sát thị th ị tr ườ  ườ ng ng (χ  (χ  = 0, χ  / df = 0 p = .000; Các chỉ ch ỉ số AGFI = 1, GFI = 1, TLI= 1 , CFI = 1 và RMSEA = .000). Thang đo này có hệ hệ số tin cậ cậy tổ tổng hợ  hợ  p là .794 và phươ  phươ ng ng sai trích đượ c là 82.9%. Các hệ h ệ số tải củ của thang đo này đều đều khá cao (nhỏ (nh ỏ nhấ nhất là Q9b = .80). Vì vậ v ậy, thang đo mứ m ức độ tho thoảả mãn củ của khách hàng đạt đạt đượ c giá tr ị hội tụ và tính đơ n nguyên[8]. Tươ ng ng tự t ự thang đo mứ m ức độ trung thành củ của khách hàng đượ c đo bằ b ằng 03 biế biến quan sát. K ết quả quả kiể kiểm định định mô hình ban đầu đầu cho thấ thấy mô hình phù hợ  h ợ  p tốt vớ i dữ liệ liệu thị thị tr ườ  ườ ng ng (χ  ( χ 2 = 2.688, χ 2/df = 1.34, p = .261; Các ch ỉ số GFI = .998 , TLI = .998, CFI = .99 và RMSEA = .019). Thang đo có hệ hệ số tin cậ cậy tổng hợ  p là .755 và phươ  phươ ng ng sai trích đượ c là 67.5%. Các tr ọng số số thang đo đều đều chấ chấ p nhậ nhận đượ c (nhỏ (nhỏ nhấ nhất là Q11b = .61) . Vậ V ậy thang đo mứ mức độ trung thành củ của khách hàng cũ c ũng đạt đạt đượ c giá tr ị hội tụ tụ và tính đơ n nguyên [8]. Kiểm nghiệm độ phù hợ p của mô hình lý thuy ết bằng SEM: K ết quả quả kiể kiểm định định CFA bằ bằng phầ phần mềm AMOS thự thực hiệ hiện theo nguyên tắ t ắc điều chỉ chỉnh các quan hệ hệ có MI > 4 (MI-Indice Modification, là h ệ số điều chỉ ch ỉnh ứng vớ  v ớ i sự s ự thay đổi đổi củ c ủa χ 2 trên mộ một bậ bậc tự tự do) như nhưng sự sự điều chỉ chỉnh này phả phải đảm đảm bả bảo phù hợ  hợ  p về về mặt cơ  cơ ssở lý ở  lý thuyế thuyết và  bao hàm ý ngh ĩ  ngh ĩ a về về mặt thự thực tiễ tiễn. Sau khi thự thực hiệ hiện điều chỉ chỉnh, k ết quả quả CFA cho thấ thấy các chỉ chỉ 2 số đánh giá độ phù hợ  hợ  p củ của mô hình lý thuyế thuy ết đều đều đượ c cả cải thiệ thiện đáng k ể như như hình 1 ( χ  /df = 2.37; GFI=.94; TLI=.94; CFI=.95; RMSEA = .039). Vì vậ v ậy mô hình này phù hợ  h ợ  p vớ  vớ i dữ dữ liệ liệu thị thị tr ườ  ườ ng. ng. Hơ  Hơ n nữ nữa các hệ h ệ số hồi quy giữ giữa khái niệ ni ệm Sự Sự thỏ thỏa mãn và Sự Sự trung thành, các hệ hệ số hồi quy giữ giữa Sự thỏ thỏa mãn , Sự S ự trung thành vớ  vớ i các thành phầ ph ần của chúng là Chấ Ch ất lượ ng ng dịch vụ vụ và Rào cả cản chuyể chuyển đổi đổi đều đều nhỏ nhỏ hơ n 1 và khác 0 mộ m ột cách có ý ngh ĩ  ngh ĩ a về về mặt thố thống kê 96

(Hình 1). Vì vậ v ậy, có thể thể k ết luậ luận là các thành phầ ph ần đo lườ ng ng Sự thỏ thỏa mãn, Rào cả cản và Sự Sự trung thành vớ  v ớ i các thành phầ ph ần củ của chúng đạt đạt đượ c giá tr ị phân biệ biệt[8].

Hình 1: K ết quả quả kiể kiểm định định mô hình lý thuyế thuy ết

Kiểm nghiệm ướ c lượ ng ng mô hình bằng phân tích BOOSTRAP Để đánh giá tính bề b ền vữ v ững củ c ủa mô hình lý thuyế thuy ết, phươ  phươ ng ng pháp phân tích Boostrap đượ c sử sử dụng. Đây là phươ  ph ươ ng ng pháp lấ lấy mẫ mẫu lặ lặ p lạ lại có thay thế th ế từ mẫu ban đầu đầu (N=917), trong đó mẫ mẫu  ban đầu đầu đóng vai trò đám đông (Schumacker& Lomax, 1996). Số S ố lần lấy mẫu lặ p lại trong nghiên cứ cứu đượ c chọ chọn là B = 1.500 lầ l ần, k ết quả quả ướ c lượ ng ng vớ i B lần từ N mẫu đượ c tính trung bình và giá tr ị này có xu hướ  h ướ ng ng gầ g ần vớ  v ớ i ướ c lượ  l ượ ng ng củ của tổ t ổng thể thể. K ết quả qu ả độ chệ chệnh củ của ướ c lượ  lượ ng ng (bias) và sai lệ l ệch chuẩ chuẩn củ của nó có giá tr ị nhỏ nhỏ và ổn định định cho phép k ết luậ luận r ằng các ướ c lượ  l ượ ng ng ML áp dụ d ụng trong mô hình là tin cậ c ậy và đượ c dùng cho các kiể ki ểm định định giả giả thuyế thuyết tiế tiế p theo. 3.5 Kiểm định mô hình hồi quy cấu trúc Kiểm định giả thuyết tươ ng ng quan K ết quả qu ả kiể kiểm định định mô hình lý thuyế thuy ết (Hình 2) cho thấ th ấy giữ gi ữa các khái niệ ni ệm (thành phầ phần) có quan hệ hệ (tươ  (tươ ng ng quan) vớ  vớ i nhau mộ một cách ý ngh ĩ  ngh ĩ a như nhưng vẫ v ẫn đạt đạt độ giá tr ị phân biệ biệt, ngh ĩ  ngh ĩ a là 97

c K iểm định giả thuyết quan hệ nhân quả

Hình 2: K ết quả quả kiể kiểm định định mô hình cấ c ấu trúc quả kiể kiểm định định giả giả thuyế thuyết củ của mô hình cấ c ấu trúc (hình 2) cho thấ th ấy Nhận xét: Từ k ết quả - Các thành phầ ph ần Chấ Chất lượ  lượ ng ng dị dịch vụ vụ có tác động động tích cự c ực (tr ực tiế tiế p) lên Sự S ự thỏ thỏa mãn và tích cực (gián tiế ti ế p) lên Sự Sự trung thành là: Chấ Ch ất lượ  lượ ng ng cuộ cuộc gọ gọi (.40), Giá cướ  c ướ c(.23) c(.23) và Dị Dịch vụ vụ khách hàng (.11), - Sự Sự thu thuậận tiệ tiện và Chi phí thích nghi tác động động tích cự cực (tr ực tiế tiế p) lên Sự Sự trung thành và Rào cản. - Sự Sự hấ p dẫ dẫn củ của mạ mạng khác có tác động động tiêu cự c ực (tr ực tiế tiế p) làm giả giảm đồng đồng thờ  thờ i cả cả Sự thỏ thỏa mãn, Sự Sự trung thành và Rào cả c ản, - Sự Sự trung thành đượ c giả giải thích bở  b ở i sự sự tho thoảả mãn (.66) và Rào cả c ản (.17) tươ  tươ ng ng ứng vớ  vớ i 79% và 21%. 3.6. Đánh giá sự khác biệt có ý ngh ĩ a giữ a các nhóm khách hàng (B ảng 2) Bảng 2: K ết quả quả phân tích ANOVA giữ gi ữa các nhóm khách hàng YẾU TỐ TỐ CHẤ CHẤT LƯỢ LƯỢ NG CUỘ CUỘC GỌ GỌI GIÁ CƯỚ CƯỚC C

ĐÁNH GIÁ CAO/R Ẻ - Vinaphone, MobiFone - Nhân viên, họ h ọc sinh-sinh viên - Nam, Lớ  Lớ n tuổ tuổi, Họ Học vấ vấn thấ thấ p,Vị  p,Vị trí xã hộ hội thấ thấ p. - Viettel Mobile - Thuê bao tr ả tr ướ  ướ c DỊCH VỤ VỤ KHÁCH - Lớ  Lớ n tuổ tuổi HÀNG THUẬ THUẬ N TIỆ TIỆ N - Thuê bao tr ả tr ướ  ướ c CHI PHÍ - VinaPhone THÍCH NGHI - Thuê bao tr ả sau

ĐÁNH GIÁ THẤ THẤP/ P/ĐẮ ĐẮT T

- Viettel Mobile - Nhà quả quản lý - Nữ, Tr ẻ tuổ tuổi, Họ Học vấ vấn cao, Vị V ị trí xã hội cao. - MobiFone, VinaPhone - Thuê bao tr ả sau tuổi - Tr ẻ tuổ - Thuê bao tr ả sau - MobiFone - Thuê bao tr ả tr ướ  ướ c 98

THỎ THỎA MÃN TRUNG THÀNH

- MobiFone - VinaPhone - Thờ  Thờ i gian sử sử dụng dị dịch vụ vụ dài

- VinaPhone - MobiFone - Thờ  Thờ i gian sử sử dụng dị dịch vụ vụ ngắ ngắn.

IV. K ẾT LUẬN 4.1. K ết quả nghiên cứ u Đóng góp củ của nghiên cứ c ứu này là xây dự d ựng mô hình lý thuyế thuy ết, kiể kiểm định định các giả gi ả thuyế thuyết và cung cấ cấ p mộ một thang đo mớ  mớ i trong l ĩ   ĩ nh nh vự vực TTDĐ TTDĐ tại Việ Việt Nam, lượ  lượ ng ng hoá cườ  cườ ng ng độ tác động động của các yế yếu tố t ố thành phầ phần, trong đó đáng chú ý là: thành phầ ph ần Chấ Ch ất lượ  l ượ ng ng dị d ịch vụ v ụ vẫn đóng vai trò quan tr ọng (0.4) so vớ  vớ i Giá cướ  cướ c (0.23) và Dị Dịch vụ v ụ khách hàng (0.11); Sự S ự thu thuậận tiệ ti ện tác động động tr ực tiế tiế p lên Sự Sự trung thành mà không thông qua sự s ự tho thoảả mãn, Sự Sự hấ p dẫ dẫn củ của mạ mạng khác có tác động động tiêu cự c ực đến đến cả sự tho thoảả mãn và sự sự trung thành củ của khách hàng mạ m ạng hiệ hiện tại; tác động động củ c ủa nhân tố t ố Sự tho thoảả mãn chiế chiếm 79% so vớ  vớ i Rào cả cản chuyể chuyển mạng chiế chiếm 21% lên Sự Sự trung thành. K ết quả quả nghiên cứ cứu cũng phù hợ  hợ  p vớ i một số nghiên cứ cứu tại các thị th ị tr ườ  ườ ng ng Đài Loan[13] và Hàn Quố Qu ốc[7]. K ết quả qu ả phân tích ANOVA đượ c tổ t ổng k ết tạ t ại Bả B ảng 2 còn cung cấ c ấ p một số s ố thông tin hữ h ữu ích cho các nhà quả qu ản lý trong xây dự d ựng chiế chiến lượ c theo  phân khúc thị thị tr ườ  ườ ng. ng. 4.2. Hàm ý đối nhà quản trị dịch vụ K ết quả qu ả nghiên cứ cứu cho thấ th ấy: để tăng cườ  c ườ ng ng sự s ự trung thành củ c ủa khách hàng thì tă t ăng sự s ự thỏ thỏa mãn củ của họ họ đối đối vớ  vớ i chấ chất lượ  lượ ng ng dị dịch vụ vụ là chư chưa đủ mà còn phả phải tă t ăng rào cả cản chuyể chuyển mạ mạng để giữ giữ khách hàng bằ bằng cách tă t ăng rào cả cản nộ n ội sinh (chi phí thích nghi) và gi ảm ảnh hưở  h ưở ng ng củ c ủa thành phầ phần ngoạ ngoại sinh (sự (s ự hấ p dẫ d ẫn của mạng khác). Về Về nguyên tắ tắc, doanh nghiệ nghi ệ p (DN) cầ cần  phố  phối hợ  h ợ  p thự thực hiệ hi ện các giả gi ải pháp theo như nh ư mô hình cấ cấu trúc (Hình 2). Đây chính là các đặc đặc tính thứ thứ hai củ của mô hình Kano[2] mà các nhà quả qu ản tr ị cần quan tâm. Một k ết quả quả đáng đượ c lưu ý nữa là: khách hàng VinaPhone mặ m ặc dù có mứ m ức độ thỏ thỏa mãn thấ thấ p như nhưng lại có mứ mức độ trung thành khá cao. Điều này đượ c giả giải thích bằ b ằng: a) “Chi phí thích nghi” đượ c khách hàng đánh giá cao từ t ừ k ết quả quả thố thống kê mô tả tả và từ phân tích ANOVA; b) “Sự “Sự thu thuậận tiệ tiện” do đang đượ c thừ thừa hưở ng ng kênh bán hàng và chă ch ăm sóc khách hàng tạ tại các Bư B ưu điện tỉ tỉnh, thành (BĐ (BĐTT). Chi phí thích nghi và S ự thu thuậận tiệ tiện đượ c đánh giá cao chính là nguyên nhân làm t ăng Sự trung thành. Mặ M ặc dù yế yếu tố Chi phí thích nghi hiệ hi ện đang đượ c đánh giá cao (khách hàng ng ại chuyể chuyển sang mạ mạng khác) như nhưng yếu tố này sẽ sẽ bị suy giả giảm r ất nhiề nhiều trong tươ  tươ ng ng lai khi Bộ B ộ BCVT cho phép các mạ m ạng liên k ết cơ s ơ  sở d ở  dữ liệ liệu chung và khách hàng chuyể chuy ển mạ mạng đượ c giữ giữ nguyên số số điện thoạ thoại. Còn Sự Sự thu thuậận tiệ tiện cũ cũng sẽ sẽ  bị  bị hạn chế chế khi VinaPhone tiế ti ến hành cổ cổ phầ phần hoá không còn dự d ựa vào kênh phân phố ph ối củ c ủa các BĐTT như như hiệ hiện nay. Do vậ v ậy, Vinaphone cầ c ần chủ ch ủ động động xây dự d ựng rào cả cản mang tính tính cự c ực và bề bền vữ vững hơ  hơ n. n. Ngượ  Ngượ c lạ lại, Sự Sự hấ p dẫ dẫn củ của mạ mạng khác có tác động động tiêu cự c ực làm giả giảm cả cả Sự thoảả mãn và Sự tho Sự trung thành. Cho nên, để làm giả giảm hiệ hiệu ứng Sự Sự hấ p dẫ dẫn củ của mạ mạng khác, các DN cầ cần nỗ nỗ lực thự thực hiệ hiện giả giải pháp tạ t ạo lợ  lợ i thế thế cạnh tranh như như sau:

4.3. Hàm ý đối vớ i việc hoạch định chính sách Từ k ết quả quả nghiên cứ cứu, có mộ một số đề xuấ xuất đối đối vớ i việ việc hoạ hoạch định định chính sách: a) Kiế Kiến nghị nghị chính phủ phủ rút ngắ ngắn thờ  thờ i gian khấ khấu hao thiế thi ết bị bị để phù hợ  hợ  p vớ  vớ i chu k ỳ công nghệ nghệ 99

v   b) Có mức phạ phạt hành chính đối đối vớ i DN chỉ chỉ tậ  p trung phát triể triển thuê bao bằ b ằng giả giảm giá/khuyế giá/khuy ến mãi mà không đảm đảm bảo chấ chất lượ ng ng dịch vụ và công khai k ết quả quả thanh tra chấ ch ất lượ ng ng dịch vụ của các nhà cung cấ c ấ  p trên các phươ ng ng tiệ tiện thông tin đại đại chúng. c) Giám sát quy trình quả qu ản lý chấ chất lượ  l ượ ng ng dị d ịch vụ v ụ theo Quyế Quyết định định 33/2006/QĐ 33/2006/Q Đ-BBCVT củ của Bộ BCVT đối đối vớ  vớ i chỉ chỉ tiêu chấ chất lượ  lượ ng ng đăng đăng ký củ của các nhà cung cấ c ấ p dị dịch vụ vụ TTDĐ TTDĐ bảo vệ vệ lợ i ngườ i tiêu dùng, đảm đảm bả bảo thị thị tr ườ  ườ ng ng phát triể tri ển bề bền vữ vững, ích cho ngườ  d) Khuyế Khuyến khích các nhà cung c ấ p dịch vụ sử dụng chung hạ h ạ tầng mạng và cơ  cơ  sở  dữ liệ liệu khách hàng như nh ư kinh nghiệ nghiệm tạ tại mộ một số số nướ c trên thế thế giớ  giớ i và khu vự vực (Hàn Quố Quốc, Đài Loan) nhằ nhằm tiế tiết kiệ kiệm tài nguyên viễ vi ễn thông, giả gi ảm tỷ tỷ lệ khách hàng chuyể chuy ển mạ mạng, giả giảm lãng phí đầu đầu tư và tă tăng sứ sức mạ mạnh cho toàn ngành tr ướ  ướ c khi mở  mở ccửa thị thị tr ườ  ườ ng ng để hội nhậ nhậ p. TÀI LIỆU THAM KHẢO [1]. Bollen, K.A (1989), Structural Equation with Latent Variables, New York: John Wiley & Sons. [2]. Bùi Nguyên Hùng, Nguyễ Nguy ễn Thúy Quỳ Quỳnh Loan (2004), Quả Qu ản lý chấ chất lượ  lượ ng, ng, NXB Đại Đại họ học Quố Quốc gia TP.HCM, [3]. Hair et al (2000), Applied Multivariate Statistics, Week 11, chap 11. [4]. Hoàng Tr ọng (2005), Phân tích dữ d ữ liệ liệu nghiên cứ c ứu vớ  vớ i SPSS, NXB thố thống kê. [5]. James L. Arbuckle(2005), Amos 6.0 User’s Guide, Copyright © 1995–2005 by Amos Development Corporation, http://amosdevelopment.com [6]. J.J. Hox (2003), An Introduction to Structural Equation Modeling, Family Family Science Review, 11, 354-373. [7]. M-K. Kim et al., (2004), The effects of customer satisfaction satisfaction and switching barrier on customer loyalty in Korean mobile telecommunication services, Telecommunications Policy 28, (145-159) [8]. Nguyễ Nguyễn Đình Thọ Thọ và các thành viên (2003), Đo lườ  lườ ng ng chấ chất lượ  lượ ng ng dị dịch vụ vụ vui chơ  chơ i giả giải trí ngoài tr ờ  ời  TP.HCM, Đề tài nghiên cứ c ứu khoa họ học, mã số số CS2003-19 [9]. Ofir Turel & Alexander Serenko (2004), User Satisfaction with Mobile Services in Canada, Proceedings of the Third International Conference on Mobile Business, [10]. Phạ Phạm Đức Đức K ỳ, Bùi Nguyên Hùng, Nghiên cứ c ứu mô hình sự s ự trung thành củ c ủa khách hàng trong l ĩ   ĩ nh nh vự vực dị dịch vụ vụ TTDĐ TTDĐ tại Việ Việt Nam”, Tạ Tạ p chí BCVT&CNTT, 02/2007 [11]. Rich Zimmerman & Olga Dekhtyar (2004), AMOS-Analysis of Moment Structures, University of Kentucky. [12]. Scott MacLean, Kevin Gray (1998), Structural Equation Modeling in Marketing Research, Jounal of the Australian Market Research Society. [13]. Shih-Ping JENG (2003), Customer Loyalty in Competitive Competitive Market: Alternative Attractiveness, Switching Cost, and Satisfaction Effects, Fu Jen Catholic University [14]. Tr ần Xuân Kiêm, Nguyễ Nguyễn Vă Văn Thi (2004), Nghiên cứ c ứu tiế tiế p thị thị, NXB Thố Thống kê. Tạ p chí BCVT&CNTT tháng 4/2007 http://opac.lrc.ctu.edu.vn/p http://opac.lrc.c tu.edu.vn/pdoc/15/4-Nghien doc/15/4-Nghiencuusutrung cuusutrungthanhcuakh thanhcuakhachhang.pdf  achhang.pdf 

Xem http://www.mba-15.com

100