Luận văn Cao học Quản trị doanh nghiệp - Chương 2 pot

CHƯƠNG II.
CƠ SỞ LÝ THUYẾT







PHẦN A. CÁC MÔ HÌNH NGHIÊN CỨU TRƯỚC ĐÂY
I. MÔ HÌNH CHẤP THUẬN CÔNG NGHỆ (TAM)
Trong nửa cuối thế kỷ 20, nhiều lý thuyết đã được hình thành và được kiểm
nghiệm nhằm nghiên cứu sự chấp thuận công nghệ của người sử dụng.
Fishbein và Ajzen (1975) đã đề xuất Thuyết Hành Động Hợp Lý (Theory of
Reasoned Action - TRA), Ajzen (1985) đề xuất Thuyết Hành Vi Dự Định
(theory of planned behavior - TPB), và Davis (1986) đã đề xuất Mô Hình
Chấp Nhận Công Nghệ (Technology Acceptance Model - TAM). Các lý
thuyết này đã được công nhận là các công cụ hữu ích trong việc dự đoán thái
độ của người sử dụng. Đặc biệt, TAM đã được công nhận rộng rãi là một mô
hình tin cậy và mạnh trong việc mô hình hóa việc chấp nhận IT của người sử
dụng. "Mục tiêu của TAM là cung cấp một sự giải thích các yếu tố xác định
tổng quát về sự chấp nhận computer, những yếu tố này có khả năng giải
thích hành vi người sử dụng xuyên suốt các loại công nghệ người dùng cuối
sử dụng computer và cộng đồng sử dụng" (Davis et al. 1989, trang 985). Do
đó, mục đích chính của TAM là cung cấp một cơ sở cho việc khảo sát tác
động của các yếu tố bên ngoài vào các yếu tố bên trong là tin tưởng (beliefs),
thái độ (attitudes), và ý định (intentions). TAM được hệ thống để đạt mục

đích trên bằng cách nhận dạng một số ít các biến nền tảng (fundamental
variables) đã được các nghiên cứu trước đó đề xuất, các biến này có liên
quan đến thành phần cảm tình (affective) và nhận thức (cognitive) của việc
chấp thuận computer [16].
TMĐT là sản phẩm của phát triển công nghệ thông tin (Information
Technology - IT), do đó, mô hình khảo sát các yếu tố tác động vào việc chấp
thuận IT cũng được áp dụng thích hợp cho việc nghiên cứu vấn đề tương tự
trong TMĐT. TAM được trình bày trong Hình 1.
I.1. Các kiến trúc chính




I.1.1 Nhận thức sự hữu ích
“Là cấp độ mà một người tin rằng sử dụng một hệ thống đặc thù sẽ nâng cao
kết quả thực hiện của họ” (Davis 1989, trang 320).
I.1.2 Nhận thức tính dễ sử dụng
“Là cấp độ mà một người tin rằng sử dụng một hệ thống đặc thù sẽ không
cần nỗ lực” (Davis 1989, trang 320).
I.1.3 Thái độ hướng đến việc sử dụng
“Là cảm giác tích cực hay tiêu cực (có tính ước lượng) về việc thực hiện
hành vi mục tiêu” (Fishbein và Ajzen 1975, trang 216). Định nghĩa này lấy
từ Thuyết hành động hợp lý (Theory of Reasoned Action - TRA)
I.2. Mô hình TAM
TAM được trình bày trong Hình 1 là mô hình được giới thiệu lần đầu của
Davis (1986). Sau này, các nghiên cứu bổ sung của Thompson et al. (1991)
và Davis (1993) đề xuất nên bỏ thành phần Dự Định Sử Dụng và nối trực
tiếp Thành Phần Thái Độ sang Thành Phần Hành Vi. Thompson et al. (1991)
đã chứng tỏ Dự Định Sử Dụng nên được loại trừ bởi vì chúng ta quan tâm
vào hành vi thực sự (sử dụng hệ thống). Hành vi như vậy đã xảy ra trong quá

khứ, trong khi Dự Định Hành Vi là “xác suất chủ quan mà người sử dụng sẽ
thực hiện hành vi này trong chủ đề” (Fishbein và Ajzen 1975, trang 12) và
do đó nó liên quan tới hành vi tương lai. Do đó, nếu nghiên cứu có dự định
khảo sát hành vi chấp thuận công nghệ trong quá khứ thì nên bỏ thành phần
Dự Định Hành Vi [16].
Dựa trên các nghiên cứu thực nghiệm sau khi mô hình TAM đầu tiên được
công bố, kiến trúc thái độ (Attitude construct - A) đã được bỏ ra khỏi mô
hình TAM nguyên thủy (Davis, 1989; Davis et al., 1989) vì nó không làm
trung gian đầy đủ cho sự tác động của PU lên hành vi dự định (behavioral
intention - BI) (Venkatesh, 1999). Hơn nữa, một vài nghiên cứu sau đó




(Adams et al., 1992; Fenech, 1998; Gefen and Straub, 1997; Gefen và Keil,
1998; Igbaria et al., 1997; Karahanna và Straub, 1999; Lederer et al., 2000;
Mathieson, 1991; Straub et al., 1995; Teo et al., 1999; Venkatesh và Morris,
2000) đã không xem xét tác động của PEU/PU lên Thái Độ (attitude - A)
và/hoặc BI. Thay vào đó, họ tập trung vào tác động trực tiếp của PEU
và/hoặc PU lên việc Sử Dụng Hệ Thống Thực Sự [6].
Trong đề tài này, tôi có ý định khảo sát cả hành vi trong quá khứ và quan
trọng là dự định hành vi trong tương lai nên sẽ sử dụng kiến trúc BI (hành vi
dự định) và bỏ đi kiến trúc A (thái độ) theo như kết quả trong các nghiên cứu
trước đây.

II. MÔ HÌNH CHẤP NHẬN SỬ DỤNG THƯƠNG MẠI ĐIỆN TỬ (e-
CAM)
1

II.1. Các kiến trúc chính
II.1.1 Nhận thức rủi ro liên quan đến sản phẩm/dịch vụ (Perceived
Risk with Product/Service - PRP)
Bauer (1960) đề cập rằng niềm tin về nhận thức rủi ro như là yếu tố chủ yếu
đối với hành vi người tiêu dùng có thể là 1 yếu tố chính ảnh hưởng việc hoán
chuyển của người duyệt web đến người mua hàng thực sự. Cox and Rich
(1964) đề cập đến nhận thức rủi ro như tổng của nhận thức bất định bởi
người tiêu dùng trong 1 tình huống mua hàng đặc thù. Cunningham (1967)
nhận thức rủi ro từ kết quả thực hiện tồi, nguy hiểm, rủi ro sức khỏe, và chi
phí. Roselius (1971) nhận dạng 4 loại mất mát liên quan đến các loại rủi ro:
thời gian, sự may rủi, bản ngã, và tiền bạc. Jacoby và Kaplan (1972) phân
loại nhận thức rủi ro của người tiêu dùng thành 5 loại rủi ro sau: vật lý, tâm
lý học, xã hội, tài chính, và kết quả thực hiện (chức năng) (physical,

1
Trong từ điển điện tử Oxford Advanced Learner’s Dictionary định nghĩa từ Adoption: [U] the decision
to start using sth such as an idea, a plan or a name, với ví dụ cụ thể: the adoption of new technology. Nên
trong bài này, tôi dịch e-CAM là: Mô hình chấp nhận sử dụng thương mại điện tử. Cụm từ này sẽ được sử
dụng thống nhất trong suốt đề tài, viết tắt là e-CAM.
Các bi
ế
n

ngoại sinh

Nh
ậ
n th
ứ
c

sự hữu ích
Nh
ậ
n th
ứ
c

tính dễ sử dụng
Thái
độ

hướng đến sử dụng
D
ự

đị
nh

sử dụng
S
ử
d
ụ
ng

hệ thống thực sự
Tin t
ưở
ng

(Thành phần nhận thức)
Thái
độ

(Thành phần cảm tình)
Thành ph
ầ
n

Hành vi
Hình II. 1. Mô hình khái niệm




psychological, social, financial, and performance (functional)) được liệt kê
trong Bảng II.1. Taylor (1974) đề nghị rằng sự bất định và nhận thức rủi ro
có thể sinh ra băn khoăn rằng các ảnh hưởng tiến trình ra quyết định tiêu
dùng. Murphy và Enis (1986) định nghĩa nhận thức rủi ro như sự đánh giá
chủ quan của người tiêu dùng về kết quả tạo ra 1 sai lầm mua hàng. [6]


Bảng II. 1. Các loại rủi ro
Risk Type Definition

Financial Risk Rủi ro mà sản phẩm không đáng giá tài chính
Psychological
Risk
Rủi ro mà sản phẩm sẽ thấp hơn hình ảnh tự khách hàng hình dung
Physical Risk Rủi ro về sự an toàn của người mua hay những người khác trong việc sử dụng sản phẩm
Functional Risk Rủi ro mà sản phẩm sẽ không thực hiện như kỳ vọng
Social Risk Rủi ro mà 1 sự lựa chọn sản phẩm có thể mang lại kết quả bối rối trước bạn bè/gia
đình/nhóm làm việc của người ta
Time Risk Rủi ro về tốn thời gian chuẩn bị bản liệt kê mua hàng, di chuyển, tìm thông tin, mua sắm
(Non-monetary) và chờ đợi giao sản phẩm
Khi chúng ta không thể thấy hay chạm trực tiếp sản phẩm/dịch vụ trong thị
trường điện tử (nghĩa là, các đặc tính vô hình), người tiêu dùng có thể cảm
thấy băn khoăn hay không chắc chắn khi họ có giao dịch với những người
bán hàng trực tuyến. Ví dụ, sản phẩm/dịch vụ được giao cho người tiêu dùng
có thể không thực hiện như được mong đợi. Hơn nữa, người tiêu dùng có thể
được yêu cầu chịu chi phí như vận chuyển và bốc dỡ, khi trả lại hay trao đổi
sản phẩm/dịch vụ. Các tác giả nhận định mất chức năng và mất tài chính
(functional loss and financial loss) như các loại rủi ro liên quan đến sản
phẩm/dịch vụ hạn chế người tiêu dùng thực hiện các giao dịch trực tuyến. [6]
Hơn nữa, khi việc mua sản phẩm/dịch vụ thất bại, chúng ta có thể mất thời
gian, sự thuận tiện và nỗ lực lấy sản phẩm/dịch vụ điều chỉnh hay thay thế.
Mặc dầu thời gian là nỗ lực phi tiền bạc và biến động giữa các cá nhân, các




tác giả nhận định thời gian như một chi phí mà người tiêu dùng phải trả cho
sản phẩm/dịch vụ. Do đó, các tác giả nhận định tốn thời gian (time loss) như
1 rủi ro tăng thêm với sản phẩm/dịch vụ. [6]
Sau khi mua sản phẩm/dịch vụ qua Internet, người tiêu thụ có thể tìm thấy 1

sản phẩm/dịch vụ chất lượng bằng hoặc cao hơn với mức giá thấp hơn. Do
đó, các tác giả nhận định 1 loại rủi ro khác, mất cơ hội (opportunity loss), là
rủi ro thực hiện 1 hành động mà người tiêu dùng sẽ bỏ lỡ thực hiện điều gì
khác mà họ thực sự muốn làm. [6]
Do đó, các tác giả định nghĩa nhận thức rủi ro với sản phẩm/dịch vụ (PRP)
như tổng chung của bất định hay băn khoăn được nhận thức bởi 1 người tiêu
dùng trong 1 sản phẩm/dịch vụ đặc trưng khi mua hàng trực tuyến. Các tác
giả nhận định 5 loại PRP như sau: mất chức năng, mất tài chính, tốn thời
gian, mất cơ hội và nhận thức rủi ro toàn bộ với sản phẩm/dịch vụ
(functional loss, financial loss, time loss, opportunity loss, và overall
perceived risk with product/service). [6]
II.1.2 Nhận thức rủi ro liên quan đến giao dịch trực tuyến (Perceived
Risk in the Context of Online Transaction)
Vài nghiên cứu trong phạm vi giao dịch trực tuyến (Hoffman et al., 1999;
Jarvenpaa and Tractinsky, 1999; Jarvenpaa et al., 2000; Ratnasingham, 1998;
Swaminathan et al., 1999) cho rằng sự tin cậy hay tín nhiệm của khách hàng
sẽ được cải thiện bằng cách gia tăng tính trong suốt của tiến trình giao dịch
(ví dụ, phơi bày toàn bộ đặc tính, nguồn gốc, và nghĩa vụ của nhà cung cấp),
giữ lại dữ liệu cá nhân tối thiểu yêu cầu từ người tiêu dùng, và bởi việc tạo ra
trạng thái rõ ràng và hợp pháp của bất kỳ thông tin nào được cung cấp. [6]
Bhimani (1996) chỉ ra sự đe dọa đối với việc chấp nhận TMĐT có thể biểu
lộ từ những hành động không hợp pháp như việc nghe trộm, lộ password,
chỉnh sửa dữ liệu, đánh lừa, và quịt nợ. Do đó, Bhimani (1996) và




Ratnasingham (1998) đề nghị các yêu cầu căn bản cho TMĐT là làm thỏa
mãn những vấn đề sau: sự chứng thực (authentication), sự cấp phép
(authorization), sự sẵn sàng (availability), sự tin cẩn (confidentiality), toàn

vẹn dữ liệu (data integrity), không khước từ (nonrepudiation), và các dịch vụ
ứng dụng có khả năng chọn (selective application services). [6]
Swaminathan et al. (1999) khẳng định rằng người tiêu dùng đánh giá những
người bán hàng trực tuyến trước khi họ thực hiện giao dịch trực tuyến và do
đó các đặc tính của người bán hàng đóng vai trò quan trọng trong việc xúc
tiến giao dịch. [6]
Rose et al. (1999) nhận dạng các trở ngại kỹ thuật và chi phí liên quan của
chúng và những giới hạn đặc thù đối với TMĐT B2C, bao gồm trì hoãn
download, giới hạn của giao diện (limitations of the interface), các vấn đề dò
tìm (search problems), đo lường thành công ứng dụng Web không thích hợp,
an toàn yếu, và thiếu các tiêu chuẩn Internet. Do đó, họ phát biểu rằng nếu
người ta thực hiện những giao dịch kinh doanh với các thương gia không
thành thật hoặc nếu những thông tin nhạy được lưu trong những cơ sở dữ liệu
không an toàn, sự đe dọa an toàn tồn tại ngay cả khi dữ liệu được bảo vệ
hoàn hảo trong giao dịch. [6]
Do đó, các tác giả định nghĩa nhận thức rủi ro trong phạm vi giao dịch trực
tuyến (PRT) như 1 rủi ro giao dịch khả dĩ mà người tiêu dùng có thể đối đầu
khi bộc lộ những phương tiện điện tử của việc thực hiện thương mại. Bốn
loại PRT được nhận định như sau: sự bí mật (privacy), sự an toàn-chứng thực
(security- authentication), không khước từ (nonrepudiation), và nhận thức
rủi ro toàn bộ về giao dịch trực tuyến (overall perceived risk on online
transaction). [6]
II.2. Mô hình e-CAM




Joongho Ahn, Jinsoo Park, và Dongwon Lee (Risk-Focused E-Commerce
Adoption Model - A Cross Country Study, Jun 2001) đã tích hợp TAM và
thuyết nhận thức rủi ro (theories of perceived risk - TPR) trong một nghiên

cứu thực nghiệm trong cả hai nước Mỹ và Hàn Quốc để giải thích sự chấp
nhận sử dụng TMĐT (Xem Hình 2). Nghiên cứu này đã cung cấp kiến thức
về các yếu tố tác động đến việc chuyển người sử dụng Internet thành khách
hàng tiềm năng. Nhận thức tính dễ sử dụng (perceived ease of use - PEU) và
nhận thức sự hữu ích (perceived usefulness - PU) phải được nâng cao, trong
khi nhận thức rủi ro liên quan đến sản phẩm/dịch vụ (perceived risk relating
to product/service - PRP) và nhận thức rủi ro liên quan đến giao dịch trực
tuyến (perceived risk relating to online transaction - PRT) phải được giảm đi.
Tuy kết quả kiểm tra mô hình e-CAM ở Mỹ và Hàn Quốc cho kết quả khác
nhau (thậm chí trái ngược nhau – xem Hình 3 và Hình 4), nhưng không vì
thế mà mô hình giảm giá trị, ngược lại, nó cho thấy các yếu tố tác động lên
việc chấp thuận sử dụng TMĐT của từng vùng văn hóa khác nhau là khác
nhau đáng kể [6]. Do đó, tôi dự định sử dụng mô hình e-CAM tích hợp với
TAM trong nghiên cứu này nhằm kiểm tra thực nghiệm cụ thể tại Việt Nam.
N
h
ậ
n th
ứ
c

tính dễ sử dụng (PEU)

Nh
ậ
n th
ứ
c

sự hữu ích (PU)

Hành vi mua

(PB)
Nh
ậ
n th
ứ
c
r
ủ
i ro trong

phạm vi giao dịch (PRT)
Nh
ậ
n th
ứ
c
r
ủ
i ro v
ớ
i

sản phẩm/dịch vụ (PRP)
Theo TAM
Hình II. 2. Mô hình e-CAM

Hình II. 3. Kết quả kiểm tra e-CAM tại Mỹ


Hình II. 4. Kết quả kiểm tra e-CAM tại Hàn Quốc





III. MÔ HÌNH KẾT HỢP VỀ CHẤP THUẬN VÀ SỬ DỤNG CÔNG NGHỆ
(UTAUT)
III.1. Các kiến trúc chính
III.1.1 Kỳ vọng kết quả thực hiện (Performance Expectancy)
Kỳ vọng kết quả thực hiện được định nghĩa là cấp độ mà một cá nhân tin
rằng sử dụng hệ thống đặc thù nào đó sẽ giúp họ đạt được lợi ích trong thực
hiện công việc. Kiến trúc này được tổng hợp từ 5 kiến trúc khác có liên quan
trong các mô hình nổi bật đã được thực nghiệm trước đó, các kiến trúc khác
đã được tích hợp trong kiến trúc này là: Nhận thức sự hữu ích (từ mô hình
TAM), Động Cơ Bên Ngoài (từ mô hình MM), thích hợp công việc (từ mô
hình MPCU), lợi thế có liên quan (từ mô hình IDT), và Kỳ Vọng Kết Quả (từ
mô hình SCT). Các kiến trúc này được đánh giá là tương tự nhau và các tác
giả đã chọn lọc các thang đo từ đó cho kiến trúc Kỳ Vọng Kết Quả Thực
Hiện này. [19]
III.1.2 Kỳ vọng nỗ lực (Effort Expectancy)
Kỳ vọng nỗ lực được định nghĩa là mức độ dễ kết hợp với việc sử dụng hệ
thống (thông tin). Kiến trúc này cũng được tích hợp từ 3 kiến trúc được xem
là tương tự trong các mô hình nổi bật hiện tại để lựa chọn thang đo phù hợp.
Các kiến trúc khác đã được tích hợp trong kiến trúc này là: Nhận Thức Tính

Dễ Sử Dụng (từ mô hình TAM/TAM2), sự phức tạp (từ mô hình MPCU), và
Dễ Sử Dụng (từ mô hình IDT). [19]
III.1.3 Ảnh hưởng xã hội (Social Influence)
Ảnh hưởng xã hội được định nghĩa là mức độ mà một cá nhân nhận thức
rằng những người quan trọng khác tin rằng anh/cô ta nên sử dụng hệ thống
mới. Ảnh hưởng xã hội được tích hợp từ các kiến trúc khác tương tự nhau là:
Tiêu Chuẩn Chủ Quan (Subjective Norm, lấy từ mô hình TRA, TAM2,




TPB/DTPB và C-TAM-TPB), Các Nhân Tố Xã Hội (Social Factors, lấy từ
mô hình MPCU), và Hình Ảnh (Image, lấy từ mô hình IDT). [19]
III.1.4 Các điều kiện thuận tiện (Facilitating Conditions)
Các điều kiện thuận tiện được định nghĩa là mức độ mà một cá nhân tin rằng
cơ sở hạ tầng tổ chức và kỹ thuật tồn tại để hỗ trợ việc sử dụng hệ thống.
Định nghĩa này lấy từ các khái niệm nổi bật với 3 kiến trúc khác nhau: Nhận
Thức Kiểm Soát Hành Vi (lấy từ mô hình TPB, DTPB, C-TAM-TPB), Các
Điều Kiện Thuận Tiện (lấy từ mô hình MPCU), và Sự Tương Thích (lấy từ
mô hình IDT). [19]
III.2. Mô hình UTAUT
Viswanath Venkatesh, Michael G. Moris, Gordon B. Davis, và Fred D. Davis
đã thiết lập mô hình UTAUT (Unified Theory of Acceptance and Use of
Technology). Mô hình này là sự kết hợp một số thành phần của 8 lý
thuyết/mô hình trước đó với mục tiêu thiết lập một quan điểm chung nhất
phục vụ cho việc nghiên cứu sự chấp thuận của người sử dụng về hệ thống
thông tin mới [19]. Tám mô hình/lý thuyết thành phần đã được xem xét là:
- TRA (Theory of Reasoned Action)
- TAM (Technology Acceptance Model)
- MM (Motivation Model)

- TPB (Theory of Planned Behavior)
- C-TAM-TPB (a model combining TAM and TPB)
- MPCU (Model of PC Utilization)
- IDT (Innovation Diffusion Theory)
- SCT (Social Cognitive Theory)




Mô hình UTAUT là một mô hình kết hợp từ các lý thuyết đã được biết đến
và cung cấp nền tảng hướng dẫn cho các nghiên cứu trong tương lai ở lĩnh
vực công nghệ thông tin. Bằng cách chứa đựng các sức mạnh khám phá được
kết hợp của từng mô hình riêng biệt và các ảnh hưởng chủ yếu, UTAUT đưa
ra các lý thuyết tích lũy trong khi vẫn duy trì cấu trúc chi tiết. Sơ đồ cấu trúc
mô hình UTAUT được trình bày như sau:
PHẦN B. LẬP MÔ HÌNH PHƯƠNG TRÌNH CẤU TRÚC (SEM –
STRUCTURAL EQUATION MODELLING)
I. GIỚI THIỆU
Phần này tóm tắt ngắn gọn và không thiên về đặc tính kỹ thuật của
các vấn đề căn bản có liên quan trong SEM, bao gồm các vấn đề ước
lượng, thích hợp mô hình, và các giả thiết thống kê.
SEM (Structural Equation Modelling) là một kỹ thuật mô hình thống
kê rất tổng quát, được sử dụng rộng rãi trong khoa học nghiên cứu
hành vi. Nó có thể được xem là sự kết hợp của phân tích nhân tố và
hồi quy hay phân tích đường dẫn. Sự quan tâm trong SEM thường là
vào các kiến trúc lý thuyết, được trình bày bởi các nhân tố ngầm. Các
Performance

Expectancy
Facilitating

Conditions
Age
Behavioral

Intention
Use

Behavior
Gender Experience

Effort

Expectancy
Social

Influence
Voluntariness
Of Use
Hình II. 5. Mô hình UTAUT




quan hệ giữa các kiến trúc lý thuyết được trình bày bởi các hệ số hồi
quy hay hệ số đường dẫn giữa các nhân tố. SEM ám chỉ 1 cấu trúc
của các hiệp tương quan (covariances) giữa các biến được quan sát,
các quan hệ này cho ra một tên khác là mô hình hóa cấu trúc hiệp
tương quan (covariance structure modeling). Tuy nhiên, mô hình có
thể được mở rộng thêm bao gồm trung bình của các biến quan sát
được hoặc các nhân tố trong mô hình, làm cho tên mô hình hóa cấu

trúc hiệp tương quan ít chính xác. Nhiều nhà nghiên cứu chỉ đơn giản
nghĩ mô hình loại này là “các mô hình Lisrel,” điều này cũng ít chính
xác. LISREL là chữ viết tắt của Linear Structural RELations (các
quan hệ cấu trúc tuyến tính), và tên này được Jưreskog sử dụng cho
một trong những chương trình SEM đầu tiên thông dụng nhất. Các
mô hình phương trình cấu trúc ngày nay không nhất thiết phải tuyến
tính, và khả năng mở rộng của SEM xa hơn phương trình Lisrel ban
đầu. Ví dụ, Browne (1993) thảo luận khả năng làm thích hợp các
đường cong phi tuyến.
SEM cung cấp một khung thuận tiện và rất tổng quát cho các phân
tích thống kê bao gồm các thủ tục đa biến truyền thống, ví dụ các
trường hợp đặc biệt là phân tích nhân tố, phân tích hồi quy, phân tích
phân biệt, và tương quan canonical. SEM thường được minh họa
bằng biểu đồ đường dẫn. Phương trình thống kê này thường được
trình bày trong một hệ phương trình ma trận. Trong đầu thập niên 70,
khi kỹ thuật này được giới thiệu lần đầu trong nghiên cứu xã hội và
nghiên cứu hành vi, phần mềm thường yêu cầu cài đặt chỉ rõ mô hình
theo điều kiện của những ma trận này. Do đó, các nhà nghiên cứu đã
phải lọc việc trình bày ma trận từ biểu đồ đường dẫn, và cung cấp
phần mềm với 1 chuỗi ma trận cho các tập hợp tham số khác nhau,
như là hệ số nhân tố và các hệ số hồi quy. Các phần mềm được phát




triển gần đây cho phép các nhà nghiên cứu chỉ định trực tiếp mô hình
như là 1 biểu đồ đường dẫn. Việc này hiệu quả với các vấn đề đơn
giản, nhưng có thể gây mệt mỏi đối với các mô hình có tính phức tạp
hơn. Vì lý do này, phần mềm SEM hiện tại cũng vẫn hỗ trợ các đặc
tính kỹ thuật của mô hình loại câu lệnh-hay ma trận.

Path analysis (phân tích đường xu hướng) là kỹ thuật thống kê dùng
để kiểm tra quan hệ nhân quả giữa hai hay nhiều biến. Dựa trên hệ
thống phương trình tuyến tính.
Path analysis là thành phần phụ của SEM, một thủ tục đa biến mà
theo định nghĩa của Ullman (1996), “cho phép kiểm tra một tập quan
hệ giữa một hay nhiều biến độc lập, hoặc là liên tục hoặc là rời rạc,
và một hay nhiều biến phụ thuộc, hoặc là liên tục hoặc là rời rạc.”
SEM liên quan đến các biến đo lường được (measured variable) và
các biến ngầm (latent variable). Một measured variable là một biến
có thể được quan sát trực tiếp và được đo lường. Biến đo lường được
cũng được biết đến như biến quan sát được (observed variable), biến
chỉ báo hay biến biểu thị (indicator or manifest variables). Một latent
variable là một biến không thể được quan sát trực tiếp và phải được
suy ra từ measured variable. Latent variables được ám chỉ bởi hiệp
tương quan (covariances) giữa hai hay nhiều measured variables.
Chúng cũng được biết đến như là các nhân tố (nghĩa là, phân tích
nhân tố), các biến kiến trúc hay các biến không quan sát được
(constructs or unobserved variables). SEM là sự kết hợp giữa hồi quy
đa biến và phân tích nhân tố. Path analysis chỉ liên quan đến các biến
đo lường (measured variables).
II. CÁC THÀNH PHẦN CỦA SEM
Có hai thành phần: mô hình đo lường (measurement model) và mô
hình cấu trúc (structural model).




 Measurement model: liên quan đến quan hệ giữa measured variables và
latent variables.
 Structural model: chỉ liên quan đến các quan hệ giữa các latent variables

mà thôi.
Ký hiệu trong SEM:
- Các biến đo lường được: hình chữ nhật hay vuông
- Các biến ngầm: elíp hay hình tròn
- Các khoản sai số: (“nhiễu” của các biến ngầm) được đưa vào biểu đồ
SEM, đại diện bởi “E’s” cho các biến đo lường và “D’s” cho các biến
ngầm. Các khoản sai số đại diện phương sai phần dư trong các biến không
được tính cho các đường dẫn (pathways) được giả thiết trong mô hình.
Tham số của SEM:
- Là các biến, hệ số hồi quy và hiệp tương quan giữa các biến.
- Phương sai có thể được chỉ ra bằng mũi tên hai đầu kết thúc tại cùng một
biến, hoặc đơn giản hơn, ký hiệu bằng số trong hộp vẽ biến hay cung tròn.
- Các hệ số hồi quy được trình bày dọc theo mũi tên một chiều chỉ ra đường
dẫn được giả thiết giữa hai biến (có trọng số được áp dụng cho các biến
trong các phương trình hồi quy tuyến tính)
- Hiệp phương sai được kết hợp với các mũi tên vòng cung hai đầu giữa hai
biến hoặc các sai số và biểu thị vô hướng (no directionality). Data cho
SEM là các phương sai mẫu và hiệp phương sai mẫu lấy từ tổng thể (ký
hiệu S, phương sai mẫu quan sát được và ma trận hiệp phương sai).
III. KIẾN TRÚC SEM
Mục tiêu trong việc xây dựng 1 biểu đồ xu hướng (path diagram) hay mô
hình phương trình cấu trúc, là tìm một mô hình đủ thích hợp với dữ liệu (S)




để phục vụ như là 1 đại diện có ích của độ tin cậy và giải thích chi tiết dữ
liệu.
Có 5 bước trong kiến trúc SEM:
1. Chỉ định mô hình (Model Specification)

2. Nhận dạng mô hình (Model Identification)
3. Ước lượng mô hình (Model Estimation)
4. Đánh giá độ thích hợp của mô hình (Assesing Fit of the Model)
5. Hiệu chỉnh mô hình (Model Modification)
III.1. Chỉ định mô hình (Model Specification)
Là việc chính thức bắt đầu một mô hình. Trong bước này, các tham số được
xác định là cố định hay tự do. Tham số cố định (fixed parameters) không
được ước lượng từ dữ liệu và được gán một cách tiêu biểu bằng 0 (chỉ ra
không có quan hệ giữa các biến). Các đường dẫn của các tham số cố định
được gắn nhãn số (trừ khi được gán giá trị là 0, trong trường hợp này không
có đường dẫn nào được vẽ) trong biểu đồ SEM. Tham số tự do (Free
parameters) được ước lượng từ dữ liệu quan sát và được người điều tra tin
rằng nó khác 0. Việc xác định tham số nào là cố định hay tự do trong SEM là
rất quan trọng vì nó xác định tham số nào sẽ được sử dụng để so sánh biểu
đồ giả thuyết với ma trận hiệp phương sai và phương sai tổng thể mẫu trong
việc kiểm tra tính thích hợp của mô hình (bước 4). Việc chọn tham số nào là
cố định và tham số nào là tự do tùy thuộc vào người nghiên cứu. Sự lựa chọn
này trình bày một giả thuyết tiền đề về đường xu hướng trong hệ thống là
quan trọng trong thế hệ của cấu trúc liên quan của hệ thống được quan sát (ví
dụ, phương sai mẫu được quan sát và ma trận hiệp phương sai).
III.2. Nhận dạng mô hình (Model Identification)
Việc nhận dạng quan tâm đến việc có hay không giá trị duy nhất cho mỗi và
mọi tham số tự do có thể thu thập được từ dữ liệu quan sát. Nó phụ thuộc vào




việc lựa chọn mô hình và đặc tính kỹ thuật của các tham số cố định, ràng
buộc và tự do. Một tham số bị ràng buộc khi nó trong một tập hợp với các
tham số khác. Các mô hình cần phải được nhận dạng hoàn chỉnh để có thể

ước lượng được (bước 3) và để kiểm định giả thuyết về quan hệ giữa các
biến.
Có các dạng mô hình có cấu trúc là just-identified, overidentified, hay
underidentified.
- just-identified model: trong đó tương ứng 1-1 giữa data và các tham số
cấu trúc. Nghĩa là, số phương sai dữ liệu và số hiệp phương sai bằng với
số tham số được ước lượng. Tuy nhiên, mặc dầu khả năng của mô hình là
đạt được một giải pháp duy nhất cho tất cả các tham số, just-identified
model không có sự quan tâm của khoa học gia vì bởi nó không có độ tự
do và do đó không thể bị loại bỏ.
- Overidentified model: là mô hình trong đó số tham số có thể ước lượng
được thì nhỏ hơn số điểm dữ liệu (data points) (nghĩa là, phương sai, hiệp
tương quan của các biến quan sát được). Tình trạng này tạo kết quả ra độ
tự do dương cho phép loại bỏ mô hình, do đó được sử dụng một cách khoa
học hơn. Mục đích của SEM là chỉ ra một mô hình như vậy đáp ứng các
tiêu chuẩn của overidentification.
- Underidentified model: là mô hình trong đó số tham số được ước lượng
vượt quá số phương sai và hiệp tương quan. Như vậy, mô hình bao gồm
thông tin không ý nghĩa (từ dữ liệu đầu vào) cho việc đạt được 1 giải pháp
xác định về ước lượng tham số; nghĩa là, vô số các giải pháp là khả dĩ cho
1 underidentified model.
III.3. Ước luợng mô hình (Model Estimation)
Trong bước này, các giá trị khởi đầu của tham số tự do được chọn để sinh ra
1 ma trận hiệp tương quan tổng thể được ước lượng (estimated population




covariance matrix), (), từ mô hình. Các giá trị khởi đầu có thể được chọn
bởi người nghiên cứu từ thông tin ban đầu, bởi các chương trình máy tính

được sử dụng để xây dựng SEM, hay từ phân tích hồi quy đa biến. Mục tiêu
của ước lượng là để sinh ra một () hội tụ trên ma trận hiệp tương quan
tổng thể quan sát được, S, với ma trận phần dư (residual matrix) (khác biệt
giữa () và S) trở nên tối thiểu. Nhiều phương pháp có thể được sử dụng để
sinh ra (). Việc chọn các phương pháp được hướng dẫn bằng đặc tính của
data bao gồm kích thước và phân phối mẫu. Hầu hết các tiến trình được sử
dụng là lặp. Hình thức tổng quát của hàm tối thiểu là:
Q = (s - ())’W(s - ())
Trong đó:
s = vector bao gồm phương sai và hiệp phương sai của các biến quan
sát được.
() = vector bao gồm các phương sai corresponding và hiệp phương
sai như được dự đoán bởi mô hình.
W = ma trận trọng số
(một vài tác giả xem Q như là F)
Ma trận trọng số, W, trong hàm trên, phù hợp với phương pháp ước lượng
được chọn. W được chọn để tối thiểu Q, và Q(N-1) cho việc thích hợp hàm,
trong hầu hết các trường hợp một thống kê phân phối X
2
. Kết quả thực hiện
của X
2
bị ảnh hưởng bởi kích thước mẫu, sai số phân phối, nhân tố phân
phối, và giả thiết rằng các nhân tố và sai số là độc lập (Ullman 1996). Một
vài phương pháp ước luợng được sử dụng thông dụng nhất là:
Generalized Least squares (GLS)
FGLS = ½ tr[([S - ()]W
-1
)
2

]
Trong đó:




tr = toán tử theo dõi (trace operator), cộng các yếu tố trên đường chéo
chính của ma trận
W
-1
= ma trận trọng số tối ưu, phải được chọn bởi nhà nghiên cứu
(chọn lựa thông thường nhất là S
-1
)
Maximum Likelihood (ML)
FML = log|| - log|S| + tr(S
-1
) - p
Trong trường hợp này, W = S
-1
và p = số lượng biến được đo lường

Asymptotically Distribution Free (ADF) Estimator (Hàm ước lượng tự
do phân phối tiệm cận)
F
ADF
= [S - ()]’W
-1
[S - ()]
W, trong hàm này, bao gồm các yếu tố xem xét trong kurtosis.

Ullman (1996) và Hoyle (1995) thảo luận về các thuận lợi và giới hạn của
các hàm ước lượng trên đây.
ML và GLS hữu ích cho dữ liệu phân phối chuẩn khi các nhân tố và sai số là
độc lập, ADF hữu ích cho các dữ liệu không phân phối chuẩn, nhưng chỉ có
giá trị khi kích thước mẫu lớn hơn 2.500. Ullman chỉ ra hàm ước lượng tốt
nhất cho dữ liệu không phân phối chuẩn và/hoặc phụ thuộc giữa các nhân tố
và sai số là Scaled ML. Bất kể hàm nào được chọn, kết quả mong đợi của
tiến trình ước lượng là đạt được một hàm thích hợp gần đến 0. Một hàm thích
hợp với số điểm là 0 chỉ ra rằng ma trận hiệp phương sai được ước lượng của
mô hình và ma trận hiệp phương sai mẫu nguyên thủy là tương đương.
III.4. Đánh giá độ thích hợp của mô hình (Assesing Fit of the Model)
Như đã phân tích, giá trị hàm thích hợp gần đến 0 được mong đợi cho độ
thích hợp mô hình. Tuy nhiên, nói chung, nếu tỷ số giữa X
2
và bậc tự do nhỏ
hơn 3, mô hình là thích hợp tốt (Ullman 1996).




Để có độ tin cậy trong kiểm định độ thích hợp mô hình, kích thước mẫu từ
100 đến 200 được yêu cầu (Hoyle 1995).
Ullman (1996) thảo luận sự đa dạng của các hàm thích hợp phân phối không-
X
2
, mà ông ta gọi là “các chỉ số thích hợp so sánh (comparative fit indices.)”
Hoyle (1995) đề cập đến điều này như “các chỉ số thích hợp phụ thuộc
(adjunct fit indices).” Một cách căn bản, những phương pháp này so sánh độ
thích hợp của một mô hình độc lập (một mô hình khẳng định không có quan
hệ giữa các biến) để thích hợp mô hình được ước lượng. Kết quả của việc so

sánh này thì thường là một số giữa 0 và 1, với 0.90 hoặc lớn hơn được chấp
nhận như là các giá trị chỉ ra độ thích hợp. Cả Hoyle và Ullman đề nghị sử
dụng nhiều chỉ số khi xác định các độ thích hợp mô hình.
III.5. Hiệu chỉnh mô hình (Model Modification)
Nếu ma trận phương sai/hiệp phương sai được ước lượng bằng mô hình
không mô phỏng một cách thích hợp ma trận phương sai/hiệp phương sai
mẫu, các giả thuyết có thể được hiệu chỉnh và mô hình được kiểm định lại.
Để điều chỉnh 1 mô hình, các đường dẫn mới được vẽ thêm hay các đường
dẫn cũ được bỏ đi. Nói cách khác, các tham số được thay đổi từ cố định tới
tự do hoặc từ tự do đến cố định. Điều quan trọng để nhớ là khi trong các thủ
tục thống kê khác, là việc hiệu chỉnh mô hình sau việc kiểm định lần đầu làm
gia tăng cơ hội của vấp phải sai lầm loại I.
Các thủ tục thông thường được sử dụng cho việc hiệu chỉnh mô hình là
Lagrange Multiplier Index (LM) và Kiểm định Wald. Cả hai loại kiểm
định này báo cáo các thay đổi trong giá trị X
2
khi các đường dẫn được điều
chỉnh.
LM yêu cầu dù có hay không việc gia tăng các tham số tự do gia tăng sự
thích hợp của mô hình. Kiểm định Wald yêu cầu có hay không việc xóa bỏ
các tham số tự do gia tăng sự thích hợp mô hình.




Để điều chỉnh tỷ lệ sai lầm loại 1 gia tăng, Ullman (1996) yêu cầu sử dụng
một giá trị xác suất thấp (p<0.01) khi tăng thêm hay bỏ các tham số. Ullman
cũng yêu cầu so sánh giá trị chéo (cross-validation) với các mẫu khác. Vì trật
tự của các tham số tự do có thể ảnh hưởng đến việc lựa chọn của các tham số
khác, LM nên được áp dụng trước kiểm định Wald (nghĩa là, cộng thêm vào

tất cả các tham số trước khi bắt đầu xóa chúng) (MacCullum 1986, đã trích
dẫn của Ullman 1996).
III.6. Trình bày mô hình cuối cùng (Final Presentation of Model)
Khi mô hình đã đạt được độ thích hợp chấp nhận được, các ước lượng riêng
biệt về các tham số tự do được đánh giá. Các tham số tự do được so sánh với
giá trị rỗng (null value), sử dụng thống kê phân phối z. Thống kê z đạt được
bằng cách chia tham số ước lượng cho sai số chuẩn của ước lượng đó. Tỷ lệ
của kiểm định này phải vượt +/-1.96 để quan hệ trở nên có ý nghĩa. Sau khi
các quan hệ riêng biệt trong mô hình được đánh giá, các ước lượng tham số
được chuẩn hóa cho việc trình bày mô hình cuố cùng. Khi các ước lượng
tham số được chuẩn hóa, chúng có thể được giải thích tham chiếu với các
tham số khác trong mô hình và cường độ của đường xu hướng có liên quan
trong mô hình có thể được so sánh.