Phân tích đường dẫn AMOS là kỹ thuật ước lượng đồng thời nhiều phương trình hồi quy giữa các biến quan sát, cho phép một biến vừa là kết quả vừa là nguyên nhân của biến khác. Nhờ đó, bạn kiểm định được cả tác động trực tiếp lẫn gián tiếp trong một mô hình duy nhất. Kỹ thuật này phù hợp khi các khái niệm đã được đo bằng điểm tổng hợp hoặc là biến quan sát đơn.
Bài viết đi qua bốn bước: xây dựng mô hình, ước lượng tham số, đánh giá giả thuyết và diễn giải hệ số. Mỗi bước kèm ví dụ minh họa với một đề tài giả định, giúp bạn biết nên mở bảng nào và viết nhận định ra sao.
Tóm tắt nhanh: mỗi mũi tên một chiều trên sơ đồ là một giả thuyết cần có cơ sở lý thuyết.
Kiểm định tác động gián tiếp bằng khoảng tin cậy bootstrap, và đừng quên rằng dữ liệu cắt ngang không chứng minh được quan hệ nhân quả.
Phân tích đường dẫn AMOS khác gì hồi quy và SEM đầy đủ?
Nhiều học viên băn khoăn khi nào dùng hồi quy bội, khi nào dùng mô hình đường dẫn và khi nào cần SEM với biến tiềm ẩn. Bảng dưới đây so sánh ba lựa chọn theo những tiêu chí hội đồng hay hỏi.
| Tiêu chí | Hồi quy bội | Phân tích đường dẫn | SEM có biến tiềm ẩn |
|---|---|---|---|
| Loại biến | Biến quan sát | Biến quan sát hoặc điểm tổng hợp | Biến tiềm ẩn đo bằng nhiều biến quan sát |
| Số biến phụ thuộc | Một | Nhiều, có thể nối tiếp nhau | Nhiều, có thể nối tiếp nhau |
| Sai số đo lường | Bỏ qua | Bỏ qua | Được mô hình hóa |
| Đánh giá phù hợp tổng thể | Không | Có, khi bậc tự do dương | Có |
| Trường hợp phù hợp | Một phương trình đơn | Chuỗi tác động, biến trung gian | Thang đo nhiều câu hỏi, cần kiểm soát sai số |
Vì bỏ qua sai số đo lường, hệ số đường dẫn tính từ điểm trung bình thường bị đánh giá thấp so với SEM toàn phần. Nếu dùng điểm tổng hợp, bạn nên báo cáo kết quả kiểm tra thang đo trước đó, như hướng dẫn trong bài đánh giá CR, AVE và giá trị phân biệt.
Xây dựng mô hình đường dẫn
Từ giả thuyết đến sơ đồ
Ví dụ minh họa: một đề tài giả định về khách hàng nhà hàng có bốn biến là chất lượng dịch vụ, giá trị cảm nhận, sự hài lòng và ý định quay lại. Các giả thuyết gồm chất lượng và giá trị tác động đến hài lòng, hài lòng tác động đến ý định, và chất lượng tác động trực tiếp đến ý định.
Trên AMOS, bạn vẽ bốn hình chữ nhật cho bốn biến quan sát rồi nối mũi tên một chiều theo đúng giả thuyết. Cách lập luận từ lý thuyết sang sơ đồ được trình bày kỹ hơn trong bài phát triển giả thuyết và mô hình nghiên cứu. Ba nguyên tắc khai báo cần nhớ:
- Biến ngoại sinh: nối hiệp phương sai hai chiều giữa chất lượng và giá trị, vì AMOS không tự giả định chúng tương quan.
- Biến nội sinh: hài lòng và ý định mỗi biến cần một sai số dư riêng, ví dụ d1 và d2.
- Tên biến: trùng khớp tuyệt đối với tên cột trong tệp dữ liệu, kể cả chữ hoa và chữ thường.
Bậc tự do và mô hình bão hòa
Với bốn biến quan sát, dữ liệu cung cấp 10 phương sai và hiệp phương sai. Mô hình ví dụ ước lượng 9 tham số gồm hai phương sai ngoại sinh, một hiệp phương sai, bốn hệ số đường dẫn và hai phương sai sai số dư, nên còn 1 bậc tự do. Nếu thêm đường từ giá trị đến ý định, mô hình thành bão hòa với bậc tự do bằng 0.
Mô hình bão hòa luôn cho chỉ số phù hợp hoàn hảo, nên không thể dùng các chỉ số này làm bằng chứng. Khi bậc tự do dương, hãy đọc chỉ số theo hướng dẫn trong bài diễn giải CFI, TLI, RMSEA và SRMR.
Ước lượng tham số
Thiết lập trước khi chạy
Trước khi bấm chạy phân tích đường dẫn AMOS, hãy mở Analysis Properties và kiểm tra ba thẻ sau:
- Thẻ Estimation: giữ phương pháp hợp lý cực đại (Maximum Likelihood).
- Thẻ Output: chọn Standardized estimates, Squared multiple correlations và Indirect, direct and total effects.
- Thẻ Bootstrap: bật Perform bootstrap, đặt số mẫu lặp như 2.000 hoặc 5.000, chọn khoảng tin cậy hiệu chỉnh độ lệch (bias-corrected) ở mức 95%.
Đọc bảng Regression Weights
Bảng này có bốn cột chính. Estimate là hệ số chưa chuẩn hóa, S.E. là sai số chuẩn, C.R. bằng Estimate chia S.E., còn P là giá trị p. Khi trị tuyệt đối C.R. lớn hơn 1,96, hệ số có ý nghĩa ở mức 5%. Ký hiệu ba dấu sao trong cột P nghĩa là p nhỏ hơn 0,001, khi báo cáo nên viết đúng như vậy thay vì ghi 0,000.
Nếu bạn chưa chắc đã thiết lập đúng hoặc đọc nhầm bảng hệ số, dịch vụ phân tích dữ liệu bằng AMOS của Luận Văn 360 có thể rà soát tệp mô hình cùng bạn. Bạn nhận ghi chú để tự chỉnh sửa và giữ toàn quyền quyết định về giả thuyết.
Đánh giá giả thuyết
Một giả thuyết được dữ liệu ủng hộ khi hệ số có ý nghĩa thống kê và cùng chiều với dự đoán. Bảng sau là ví dụ minh họa với số liệu giả định, chỉ để thể hiện cách trình bày.
| Giả thuyết | Đường dẫn | Hệ số chuẩn hóa | Giá trị p | Kết luận |
|---|---|---|---|---|
| H1 | Chất lượng đến hài lòng | 0,38 | Nhỏ hơn 0,001 | Được ủng hộ |
| H2 | Giá trị đến hài lòng | 0,29 | Nhỏ hơn 0,001 | Được ủng hộ |
| H3 | Hài lòng đến ý định | 0,45 | Nhỏ hơn 0,001 | Được ủng hộ |
| H4 | Chất lượng đến ý định | 0,07 | 0,21 | Không được ủng hộ |
Kiểm định tác động gián tiếp
Tác động gián tiếp của chất lượng đến ý định qua hài lòng bằng tích hai hệ số, trong ví dụ là khoảng 0,17. Để kết luận có ý nghĩa, hãy xem khoảng tin cậy bootstrap của tác động này: nếu khoảng không chứa 0, tác động gián tiếp có ý nghĩa. Giá trị p tương ứng nằm ở mục Two Tailed Significance (BC).
Zhao, Lynch và Chen (2010) khuyến nghị tập trung vào khoảng tin cậy của tác động gián tiếp thay vì các bước tuần tự của Baron & Kenny (1986). Khi mô hình có nhiều biến trung gian, kết quả mặc định của AMOS chỉ cho tổng tác động gián tiếp, muốn tách từng đường cần khai báo thêm qua chức năng User-defined estimands.
Diễn giải hệ số trong phân tích đường dẫn AMOS
Hệ số chưa chuẩn hóa và chuẩn hóa
Hệ số chưa chuẩn hóa cho biết khi biến nguyên nhân tăng một đơn vị thang đo, biến kết quả thay đổi bao nhiêu đơn vị. Hệ số chuẩn hóa tính theo độ lệch chuẩn nên dùng để so sánh mức tác động giữa các đường trong cùng mô hình. Hãy báo cáo cả hai, nói rõ bạn dựa vào loại nào khi so sánh.
R bình phương của biến nội sinh
Bảng Squared Multiple Correlations cho biết tỷ lệ phương sai của mỗi biến nội sinh được giải thích bởi các biến tác động đến nó. Ví dụ, R bình phương 0,42 cho sự hài lòng nghĩa là chất lượng và giá trị cùng giải thích khoảng 42% biến thiên của hài lòng trong mẫu.
Kinh nghiệm từ Luận Văn 360: lỗi diễn giải chúng tôi hay gặp là viết “chất lượng dịch vụ quyết định ý định quay lại” chỉ từ dữ liệu khảo sát một thời điểm.
Mô hình đường dẫn kiểm tra sự nhất quán của dữ liệu với giả thuyết, không tự chứng minh nhân quả. Các cụm như “có quan hệ cùng chiều” hoặc “dữ liệu ủng hộ giả thuyết” chính xác và an toàn hơn.
Lỗi thường gặp khi phân tích đường dẫn
Thêm đường tác động sau khi xem kết quả
Bổ sung mũi tên chỉ vì Modification Indices gợi ý, rồi trình bày như giả thuyết ban đầu, là sai về phương pháp. Nếu thực sự có lý do lý thuyết, hãy ghi rõ đó là phân tích khám phá bổ sung và báo cáo cả mô hình ban đầu.
Quên báo cáo sai số dư và hiệp phương sai
Người đọc cần biết biến ngoại sinh có được cho tương quan hay không và mô hình còn bao nhiêu bậc tự do. Những thông tin này nên xuất hiện trong phần mô tả mô hình, xem thêm danh mục trong bảng kiểm báo cáo CFA và SEM.
Kết luận
Phân tích đường dẫn AMOS giúp bạn kiểm định một chuỗi giả thuyết trong cùng một mô hình, nhưng chất lượng kết quả phụ thuộc vào sơ đồ được dựng từ lý thuyết, cách khai báo biến và kiểm định tác động gián tiếp đúng phương pháp. Diễn giải hệ số cần thận trọng, phân biệt rõ giữa ý nghĩa thống kê và kết luận nhân quả.
Để tìm hiểu thêm về tính năng của phần mềm, bạn có thể tham khảo trang giới thiệu IBM SPSS Amos. Khi cần một lượt góp ý độc lập cho mô hình và bảng giả thuyết, hãy xem dịch vụ hỗ trợ phân tích AMOS của Luận Văn 360.
