Kiểm tra mô hình đo lường SEM là bước xác nhận các thang đo đủ tin cậy và có giá trị trước khi bạn ước lượng quan hệ giữa các khái niệm. Việc này gồm bốn phần: đặc tả đúng, rà soát dữ liệu, đánh giá độ tin cậy cùng giá trị hội tụ và phân biệt, sau đó mới cân nhắc điều chỉnh. Bỏ qua bước này, mọi hệ số đường dẫn phía sau đều khó bảo vệ.
Bài viết giải thích lý do cần tách riêng phần đo lường, các tiêu chí đánh giá kèm nguồn, cách tự tính CR và AVE từ đầu ra AMOS, và nguyên tắc ra quyết định khi một biến quan sát hoặc một nhân tố không đạt yêu cầu.
Tóm tắt nhanh: đánh giá thang đo trước, kiểm định giả thuyết sau, theo phương pháp hai bước của Anderson & Gerbing (1988).
Một nhân tố cần đồng thời đạt độ tin cậy, giá trị hội tụ và giá trị phân biệt; đạt một tiêu chí chưa đủ.
Vì sao phải kiểm tra mô hình đo lường SEM trước?
Anderson & Gerbing (1988) đề xuất phương pháp hai bước: ước lượng mô hình đo lường bằng CFA, chỉ khi thang đo đạt yêu cầu mới chuyển sang mô hình cấu trúc. Lý do rất thực tế. Nếu chạy gộp ngay từ đầu, khi chỉ số kém bạn không biết lỗi nằm ở cách đo hay ở giả thuyết.
Tách hai bước còn giúp phần thảo luận rõ ràng hơn. Khi một giả thuyết không được ủng hộ, bạn có thể loại trừ khả năng thang đo yếu, vì nó đã được kiểm chứng ở bước trước. Hội đồng thường hỏi trình tự này, nên hãy mô tả rõ trong chương phương pháp.
Đặc tả mô hình đo lường
Thang đo kết quả hay thang đo nguyên nhân
AMOS và CB-SEM nói chung mặc định các biến quan sát là biểu hiện của nhân tố, tức thang đo kết quả (reflective). Khi đó các câu hỏi có thể thay thế cho nhau và cần tương quan cao. Nếu các biến là thành phần tạo nên khái niệm, tức thang đo nguyên nhân (formative), cách đánh giá hoàn toàn khác. Bài so sánh hai trường phái CB-SEM và PLS-SEM giúp bạn chọn cách tiếp cận phù hợp.
Số biến quan sát và cấu trúc bậc hai
Mỗi nhân tố nên có từ ba biến quan sát trở lên. Với khái niệm đa hướng, chẳng hạn chất lượng dịch vụ gồm nhiều thành phần, bạn có thể dùng nhân tố bậc hai, nhưng chỉ khi lý thuyết gốc mô tả khái niệm theo cách đó. Nhân tố bậc hai cần ít nhất ba thành phần bậc một để được nhận diện độc lập.
Kiểm tra dữ liệu trước khi đánh giá thang đo
Phương pháp hợp lý cực đại giả định dữ liệu tuân theo phân phối chuẩn đa biến và không có quan sát quá bất thường. Vì vậy, bước rà dữ liệu không thể bỏ qua:
- Giá trị thiếu: ghi số lượng, cách xử lý và lý do lựa chọn.
- Ngoại lai đa biến: xem bảng khoảng cách Mahalanobis trong AMOS, đối chiếu với câu trả lời gốc trước khi loại.
- Phân phối từng biến: Kline (2016) xem độ lệch tuyệt đối trên 3 và độ nhọn trên 10 là bất thường nghiêm trọng.
- Phân phối đa biến: hệ số Mardia lớn gợi ý nên dùng bootstrap để kiểm chứng kết quả.
Nếu muốn nắm cơ sở thống kê của các kiểm tra phân phối và ngoại lai, sổ tay thống kê kỹ thuật của NIST là nguồn tham khảo miễn phí, trình bày dễ hiểu.
Độ tin cậy và giá trị của mô hình đo lường SEM
Bảng dưới đây tổng hợp các tiêu chí thường dùng. Đây là ngưỡng tham khảo phổ biến, bạn vẫn cần đối chiếu yêu cầu của giảng viên hướng dẫn hoặc tạp chí dự định gửi bài.
| Khía cạnh | Chỉ số | Ngưỡng tham khảo | Nguồn |
|---|---|---|---|
| Độ tin cậy | Cronbach’s Alpha | Từ 0,7 | Nunnally (1978) |
| Độ tin cậy | Độ tin cậy tổng hợp (CR) | Từ 0,7 | Hair và cộng sự |
| Giá trị hội tụ | Hệ số tải chuẩn hóa | Từ 0,5, lý tưởng từ 0,7 | Hair và cộng sự |
| Giá trị hội tụ | Phương sai trích trung bình (AVE) | Từ 0,5 | Fornell & Larcker (1981) |
| Giá trị phân biệt | Căn bậc hai AVE | Lớn hơn tương quan với nhân tố khác | Fornell & Larcker (1981) |
| Giá trị phân biệt | MSV | Nhỏ hơn AVE | Hair và cộng sự |
| Giá trị phân biệt | HTMT | Dưới 0,85 hoặc 0,90 | Henseler và cộng sự (2015) |
Độ tin cậy
Cronbach’s Alpha giả định mọi biến có hệ số tải bằng nhau, điều hiếm khi đúng. CR dùng chính hệ số tải ước lượng từ CFA nên phản ánh sát hơn. Nhiều luận văn báo cáo cả hai: Alpha từ giai đoạn SPSS như trong bài phân tích Cronbach’s Alpha trên SPSS, và CR từ kết quả CFA.
Giá trị hội tụ và giá trị phân biệt
Giá trị hội tụ cho biết các biến của cùng một nhân tố có thực sự đo chung một khái niệm. Giá trị phân biệt cho biết hai nhân tố có thực sự khác nhau. Khi tương quan giữa hai nhân tố gần 0,9, cần xem lại định nghĩa khái niệm, không chỉ xem con số.
Cách tự tính CR và AVE từ đầu ra AMOS
Lấy hệ số tải chuẩn hóa của từng biến trong bảng Standardized Regression Weights. AVE bằng trung bình cộng bình phương các hệ số tải của nhân tố. CR bằng bình phương tổng hệ số tải, chia cho chính đại lượng đó cộng tổng phương sai sai số, với phương sai sai số của mỗi biến bằng 1 trừ bình phương hệ số tải.
Ví dụ minh họa: một nhân tố có bốn hệ số tải 0,78; 0,81; 0,72 và 0,69. Tổng hệ số tải là 3,00 nên bình phương bằng 9,00; tổng phương sai sai số bằng 1,74. CR khoảng 0,84 và AVE khoảng 0,56, cả hai đều vượt ngưỡng tham khảo. Hãy lập bảng tính một lần rồi dùng lại cho mọi nhân tố.
Khi các con số không khớp hoặc bạn chưa chắc nên dùng tiêu chí phân biệt nào, dịch vụ phân tích dữ liệu bằng AMOS của Luận Văn 360 có thể đối chiếu bảng tính với đầu ra của bạn. Bạn tự quyết định cách xử lý dựa trên góp ý nhận được.
Xem xét điều chỉnh có cơ sở
Khi một tiêu chí chưa đạt, đừng vội xóa biến. Hãy chẩn đoán theo trình tự: biến nào có hệ số tải thấp, biến nào có chỉ số điều chỉnh lớn với nhân tố khác, cặp biến nào có phần dư chuẩn hóa lớn. Sau đó đọc lại nguyên văn câu hỏi để tìm nguyên nhân về nội dung.
Khi nào có thể nối sai số
Nối hiệp phương sai giữa hai sai số chỉ hợp lý khi hai biến thuộc cùng nhân tố và có chung một nguồn sai lệch giải thích được. Ví dụ là hai câu hỏi đảo chiều, hai câu dùng cùng cấu trúc ngữ pháp hoặc cùng hỏi về một tình huống hẹp. Lý do này phải được viết ra, không chỉ dựa vào chỉ số MI.
Khi nào có thể loại biến quan sát
- Hệ số tải chuẩn hóa thấp rõ rệt so với ngưỡng, kể cả sau khi đã kiểm tra lỗi nhập liệu.
- Nội dung câu hỏi mơ hồ, trùng lặp hoặc lệch khỏi định nghĩa khái niệm.
- Sau khi loại, nhân tố vẫn còn ít nhất ba biến và vẫn bao phủ đủ các khía cạnh chính.
- Việc loại được ghi nhận trong bảng so sánh mô hình trước và sau.
Kinh nghiệm từ Luận Văn 360: chúng tôi từng rà soát những mô hình mà sau nhiều vòng loại biến, một nhân tố chỉ còn hai câu hỏi gần giống nhau.
Chỉ số khi đó trông đẹp, nhưng khái niệm đã bị thu hẹp đáng kể so với lý thuyết gốc. Giữ một biến có hệ số tải hơi thấp và giải thích trong phần hạn chế đôi khi là lựa chọn đúng hơn.
Câu hỏi thường gặp
Có cần đánh giá lại thang đo khi đã chạy EFA trên SPSS?
Có. EFA chỉ gợi ý cấu trúc, còn CFA kiểm định cấu trúc đó với các ràng buộc cụ thể. Hai kết quả có thể khác nhau, đặc biệt với biến có hệ số tải chéo. Các bước thực hiện được trình bày trong bài hướng dẫn chạy CFA trên AMOS.
Chỉ số phù hợp đạt có nghĩa thang đo đã đạt yêu cầu?
Chưa chắc. Một mô hình đo lường SEM có thể đạt CFI và RMSEA nhưng vẫn có nhân tố với AVE dưới 0,5 hoặc hai nhân tố không phân biệt được. Cần xem cả độ phù hợp tổng thể, được phân tích trong bài mốc tham chiếu cho chỉ số model fit, và các tiêu chí trong bảng trên.
Kết luận
Một mô hình đo lường SEM vững chắc cần đặc tả đúng loại thang đo, dữ liệu đã được rà soát, đạt đồng thời độ tin cậy, giá trị hội tụ và giá trị phân biệt. Mọi điều chỉnh, dù là nối sai số hay loại biến, phải có lý do về lý thuyết hoặc nội dung câu hỏi và được báo cáo minh bạch.
Khi đã hoàn tất phần đo lường, bạn có thể chuyển sang mô hình cấu trúc với sự tự tin hơn. Nếu cần một lượt kiểm tra độc lập cho bảng CR, AVE và giá trị phân biệt, hãy tìm hiểu dịch vụ hỗ trợ CFA, SEM bằng AMOS của Luận Văn 360.
