Thực hành mô hình cấu trúc tuyến tính với phần mềm Amos

NGUYỄN KHÁNH DUY
Giảng viên Khoa Kinh tế Phát Triển
Trường ĐH Kinh tế TPHCM





BÀI GIẢNG

(Bản thảo lần 1)
THỰC HÀNH MÔ HÌNH CẤU TRÚC TUYẾN TÍNH (SEM)
VỚI PHẦN MỀM AMOS
gs_gqs
gqs6
e9
gqs5
e8
gqs4
e7
gqs3
e6
gss6
e5
gss5
e4
gss4
e3
gss2
e2

gss1
e1
.80
lcs
cos2
e17
cos1
e16
cgss4
e15
cgss1
e14
lcs5
e13
lcs3
e12
lcs2
e11
lcs1
e10
.77
.71
.63
.69
cs
cos8
e23
cos7e22
cos6
e21

cos5
e20
cos4
e19
cos3e18
.83
.81
.80
.77
.72
.76
lrs
lrs4e27
lrs3
e26
lrs2
e25
lrs1
e24
.78
.75
.66
.67
gts
gts6
e33
Chi-square= 1595.832
df= 1007
P-value= .000
Chi-square/df= 1.585

TLI= .915
CFI= .921
IFI=.922
RMSEA= .053

gts5e32
gts4
e31
gts3
e30
gts2
e29
gts1
e28
2.7
.63
.76
.77
.79
.77
aws
aws3
e36
aws2
e35
aws1
e34
.78
cfls
gss8

e38
gss7
e37
.75
.73
.74
.76
.79
.82
.80
.67
.67
.82
.79
.88
.86
.69
.71
.72
oss
oss3
e41
oss2
40
oss1
e39
.79
.90
.92
ls

ls1
e42
ls2 e43
ls3
e44
ls4
e45
ls5 e46
ls6 e47
.81
.95
.95
.88
.87
.65
z2
z3
z1
.20
.15
.24
.50
-.11
.84
.32
.50
.74
.54
.69
.59

.66
.54


.79
.65
.34
.46
.21
.46
.38
.73
.40




.69





.41

.36



.60




Tháng 5/2009
TRƯỜNG ĐẠI HỌC KINH TẾ TP.HCM
(Lưu hành nội bộ)

1


LỜI NÓI ĐẦU

Mô hình cấu trúc tuyến tính (SEM) được các nhà nghiên cứu trên thế giới sử dụng từ
rất lâu. Ở Việt Nam, khoảng từ năm 2000 trở lại đây, SEM đã được nhiều nhà nghiên cứu sử
dụng trong các công trình nghiên cứu hàn lâm, cũng như các nghiên cứu ứng dụng phục vụ
các chương trình tư vấn doanh nghiệp, tư vấn chính sách cho các Tỉnh/thành phố.

Gần đây, việc học tập / áp dụng mô hình cấu trúc tuyến tính (SEM) nói riêng cũng
như các kỹ thuật phân tích định lượng nói chung trong kinh tế, quản trị kinh doanh, tài chính-
ngân hàng … được đông đảo bạn trẻ gồm sinh viên đại học, học viên cao học, nghiên cứu
sinh quan tâm để giải quyết tốt nhất những mục tiêu nghiên cứu đã đặt ra.

Bài giảng này nhằm hỗ trợ các bạn bước đầu tiếp cận SEM dưới góc độ thực hành với
phần mềm AMOS được dễ dàng hơn, nhanh chóng hơn mà trước mắt là làm tài liệu học tập
mang tính trực quan phục vụ cho chương trình bồi dưỡng cử nhân tài năng do Đoàn Khoa
Kinh tế phát triển – Trường ĐH Kinh tế TPHCM tổ chức (chủ đề này học trong 2 buổi), hay
các khoá đào tạo ngắn hạn tại Trung tâm Tư vấn doanh nghiệp và Phát triển kinh tế vùng về
Phân tích dữ liệu và dự báo trong kinh doanh. Bên cạnh đó, trong quá trình học tập, các bạn
sinh viên/ học viên sẽ được phát các tài liệu đọc về mặt lý thuyết SEM, các bài báo khoa học,
công trình nghiên cứu có áp dụng SEM bằng tiếng Anh/ tiếng Việt khác…

Do SEM khá phức tạp dưới góc độ toán học và trình độ của tác giả còn hạn chế nên
những sai sót trong quá trình biên soạn là khó có thể tránh khỏi. Tác giả rất mong nhận được
sự đóng góp ý kiến, phê bình của bạn đọc để quyển bài giảng này trong lần tái bản tiếp theo
sẽ được hoàn thiện hơn, mang lại nhiều lợi ích hơn cho bạn đọc xa gần. Thư góp ý xin gửi về:

Nguyễn Khánh Duy
Khoa Kinh tế Phát triển – Trường ĐH Kinh tế TPHCM
Địa chỉ: 1A Hoàng Diệu – Quận Phú Nhuận - TPHCM
Email:
hoặc
Điện thoại: 098.900.1766

Mong rằng bạn đọc sẽ tiếp tục đón nhận những quyển sách tốt hơn liên quan đến chủ
đề kinh tế lượng, phân tích dữ liệu & dự báo nâng cao do các đồng nghiệp & tôi biên soạn
(được xuất bản chính thức) trong tương lai.

Xin chân thành cảm ơn và chúc các bạn thành công!

TP.Hồ Chí Minh, tháng 5 năm 2009
Tác giả

Nguyễn Khánh Duy








2


LỜI CẢM ƠN

Tài liệu học tập này không đồ sộ và chặt chẽ như những quyển sách khác, bởi nó được
viết dưới góc độ trực quan, ứng dụng… Nó được hoàn thành trong thời gian rất ngắn nhằm
phục vụ trước mắt cho chương trình bồi dưỡng cử nhân tài năng do Đoàn Khoa Kinh tế Phát
Triển tổ chức, cũng như các khoá học ngắn hạn về “Phân tích dữ liệu và dự báo trong kinh
doanh”. Tuy vậy, quyển bài giảng này cũng là một kết quả của sự tích luỹ lâu dài từ trong quá
trình học tập, giảng dạy, công việc, nghiên cứu từ trước tới nay. Và quá trình ấy, tác giả đã
được sự hỗ trợ tận tình của quý thầy cô giáo, bạn bè, các em sinh viên, và những người thân
trong gia đình.
Năm 2004, khi AMOS, tài liệu về SEM còn rất hiếm; cô Trần Kim Dung, thầy Đinh
Thái Hoàng (Khoa QTKD, Khoa Toán-Thống Kê-ĐH Kinh tế TPHCM) đã giới thiệu, khuyến
khích, động viên tôi trong quá trình tìm hiểu về SEM, và gửi tặng tôi những tài liệu, phần
mềm có liên quan. Nhờ sự giúp đỡ của quý thầy cô mà việc tìm hiểu về SEM của tôi những
thời gian đầu rất thuận lợi. Tôi xin được gửi lời cảm ơn đến Thầy Nguyễn Hữu Lam; thầy đã
nhiệt tình hướng dẫn luận văn tốt nghiệp bậc thạc sĩ – nghiên cứu đầu tiên mà tôi sử dụng
SEM (năm 2006). Trong môn phương pháp nghiên cứu, Thầy Lê Nguyễn Hậu với câu nói
“SEM thật đơn giản!”, “SEM dễ hơn mô hình hồi quy nhiều!” đã khuyến khích nhiều học

viên chúng tôi tìm tòi về nó. Tôi chân thành cảm ơn thầy Nguyễn Đình Thọ vì những gợi mở,
những hướng dẫn tận tình của thầy đã dành cho chúng tôi. Những nghiên cứu của thầy là
những tài liệu rất quý cho những người làm Marketing hay bất cứ ai đang làm nghiên cứu
ngành quản trị kinh doanh, và những ai tìm hiểu về SEM... Thời gian học tập ở bậc đại học,
sau đại học có biết bao kỷ niệm với bạn bè, và sự tri ân của học viên chúng tôi với tất cả quý
thầy cô đã tham gia giảng dạy.
Tôi muốn được gửi lời cảm ơn của mình đến thầy Hoàng Trọng vì những quyển sách
về phân tích dữ liệu bằng SPSS mà thầy đã tham gia biên soạn (từ 1997 đến nay). Nó là
những tài liệu thật quý giá đối với tôi cũng như những bạn đam mê, hay muốn tìm hiểu về
phân tích dữ liệu trong nghiên cứu; thật không ngờ quyển sách đầu tiên của thầy (viết cùng
với thầy Võ Văn Huy, cô Võ Thị Lan) mà tôi ngẫu nhiên tìm được ở nhà sách khi mới bước
chân vào giảng đường đại học đã hướng tôi đến việc làm nhiều nghiên cứu khoa học với
phương pháp định lượng khi còn là sinh viên.
Tôi xin được chân thành cảm ơn thầy Nguyễn Trọng Hoài, Thầy Cao Hào Thi đã tạo
điều kiện hỗ trợ, động viên, hướng dẫn tôi trong công việc giảng dạy về phân tích định lượng
từ những ngày đầu mùa thu năm 2007 ở chương trình giảng dạy Kinh tế Fulbright.
Xin gửi đến Thu Hương lời cảm ơn chân thành vì rất nhiều điều, bạn đã đồng hành,
chia sẻ, hỗ trợ tôi trong suốt thời gian học tập/ nghiên cứu ở bậc đại học, sau đại học…
Xin cảm ơn những bạn đồng nghiệp: anh Quốc Duy, anh Thanh Bình, anh Thanh Vũ
… và những người bạn khác luôn hỗ trợ, động viên, trao đổi, chia sẻ những kiến thức, kinh
nghiệm về phân tích dữ liệu, cũng như hỗ trợ tôi trong công việc, trong nghiên cứu.
Quyển bài giảng này viết ra chủ yếu dành cho các bạn sinh viên đại học khối kinh tế -
quản trị. Cũng nhờ sự ham học tập, sự khát khao khám phá và những tình cảm tốt đẹp mà các
bạn sinh viên đại học (mà tôi có dịp gặp gỡ ở Trường ĐH Kinh tế TPHCM, Trường ĐH
Ngoại Thương (CS2), Trường ĐH Ngân Hàng TPHCM, chương trình đào tạo đặc biệt của
Trường ĐH Mở TPHCM) đã dành cho tôi trong thời gian qua đã giúp tôi luôn có những niềm
vui trong công việc, và nghiên cứu. Xin chân thành cảm ơn các bạn!

3

Bài giảng này cũng hướng đến nhiều đối tượng bạn đọc khác, đặc biệt hướng đến các
bạn sinh viên Khoa Kinh tế phát triển đang tham dự lớp bồi dưỡng cử nhân tài năng do Đoàn
Khoa tổ chức. Lớp học này khó có thể thành công nếu không được sự hỗ trợ, tạo điều kiện
của rất nhiều thầy cô giáo, của các bạn trong ban tổ chức, các anh chị em phòng quản trị thiết
bị, tổ chức hành chính, phòng công nghệ thông tin, phòng điều phối giảng đường – thời khoá
biểu, chi đoàn, chi hội, ban cán sự các lớp và sự nỗ lực của từng bạn sinh viên.
Các ví dụ trong quyển bài giảng này; các bài tập/ tình huống kèm theo và các quyển
sách trong tương lai sẽ có những chất liệu, nguồn dữ liệu từ các nghiên cứu không chỉ của tôi,
mà còn của các bạn bè, của các bạn sinh viên, cũng như rất nhiều tác giả khác. Xin chân
thành cảm ơn bạn Nguyễn Thị Mỹ Thuận, bạn Mai Thuỳ Ninh, anh Võ Đức Thọ, anh Lê Văn
Khoa … về những dữ liệu mà các bạn, các anh đã khảo sát rất công phu. Xin cảm ơn các tác
giả của các quyển sách, tạp chí, bài viết … mà tôi đã tham khảo; vì sự đam mê và nghiên cứu
nghiêm túc của họ đã giúp tôi hiểu rõ hơn và nhanh hơn những vấn đề chưa biết. Xin cảm ơn
anh Phạm Đức Kỳ và thầy Bùi Nguyên Hùng ở Khoa Quản lý công nghiệp – ĐH Bách Khoa
TPHCM về các bài viết mà quyển bài giảng này đã giới thiệu trong phụ lục để các bạn sinh
viên tham khảo thêm.
Cuối cùng, tôi không quên gửi lời cảm ơn chân thành đến bố, mẹ, em Khánh Hùng và
những người thân về tất cả!

Nguyễn Khánh Duy

4




MỤC LỤC



Lời nói đầu

Lời cảm ơn
Mục lục
Trang
1. Trao đổi với các bạn sinh viên lớp bồi dưỡng cử nhân tài năng &
giới thiệu mô hình cấu trúc tuyến tính (SEM), phần mềm AMOS......................................6
2. Phân tích nhân tố khám phá (EFA_ Exploratory Factor Analysis) ..............................14
3. Phân tích nhân tố khẳng định (CFA_Confirmatory Factor Analysis) ..........................20
4. Mô hình cấu trúc (SEM_Structural Equation Modeling) .............................................48
5. Kiểm định Bootstrap .....................................................................................................54
6. Phân tích cấu trúc đa nhóm ...........................................................................................57

Lời kết
Tài liệu tham khảo
Phụ lục

5

1. TRAO ĐỔI VỚI CÁC BẠN SINH VIÊN LỚP BỒI DƯỠNG CỬ NHÂN TÀI NĂNG
& GIỚI THIỆU VỀ SEM, PHẦN MỀM AMOS

Từ đầu học kỳ đến nay, lớp chúng ta đã học về các chủ đề Tư duy sáng tạo (Thầy
Nguyễn Hoàng Bảo, trong 3 buổi), phương pháp nghiên cứu nâng cao – đi sâu vào khung
phân tích và nghiên cứu định tính (Thầy Trần Tiến Khai, trong 2 buổi), Mô hình Logit
(Thầy Lương Vinh Quốc Duy, trong 1 buổi), Các chủ đề của kinh tế lượng tài chính và dự
báo nâng cao ARIMA, SARIMA, ARCH-GARCH … (thầy Phùng Thanh Bình, trong 4
buổi), Phân tích kỹ thuật (Thầy Võ Thanh Sơn, trong 2 buổi). Cô Trương Công Thanh
Nghị đã chia sẻ với các bạn về kinh nghiệm làm nghiên cứu, và giới thiệu các giải thưởng
nghiên cứu khoa học sinh viên, kinh nghiệm học tập của một thủ khoa đầu vào cũng như đầu
ra Khoá 28 của trường ĐH Kinh tế TPHCM; anh Hoàng Anh (Kế hoạch đầu tư K31) đã chia
sẻ kinh nghiệm của anh trong việc học tập của một người đội trưởng đạt giải nhất cuộc thi
“Kinh tế học - tầm nhìn bạn và tôi” – cuộc thi do Khoa KTPT chúng ta tổ chức với hơn 5000
thí sinh từ 11 trường đại học ở phía Nam - cũng như những nghiên cứu mà anh đang nỗ lực
1
,
anh Nguyễn Ngọc Danh cũng đã trao đổi với các bạn về nghiên cứu của anh về sức khoẻ trẻ

em với phương pháp 2SLS (là luận văn tốt nghiệp chương trình cao học Việt Nam-Hà Lan
của anh Danh) …

Bên cạnh đó, những bạn sinh viên lớp nhân lực, một số bạn lớp KHĐT, Thẩm định
giá cũng đã từng nghe nói về SEM cũng như biết được sự phổ biến của nó trong các nghiên
cứu khi tham dự buổi báo cáo chuyên đề “Ứng dụng phương pháp định lượng trong nghiên
cứu quản trị nguồn nhân lực và hành vi tổ chức” do cô Trần Kim Dung báo cáo. Sáng nay,
và chiều nay, một ngày chủ nhật, chúng ta sẽ tìm hiểu những vấn đề quan trọng nhất, cơ bản
nhất của SEM, CFA… và thử tìm hiểu xem người ta đã vận dụng nó trong nghiên cứu về
quản trị, Marketing, nhân lực, hành vi trong lĩnh vực tài chính – chứng khoán, tâm lý học …
ở khu vực tư cũng như khu vực công như thế nào để từ đó các bạn có thể tự học sâu hơn về
SEM và vận dụng một cách sáng tạo vào những nghiên cứu mà các bạn đang ấp ủ. Giờ ra
chơi sáng nay, Anh Hoàng Nam (Sachvang), là admin và cũng là giảng viên trẻ của Khoa
Quản trị Kinh Doanh sẽ giới thiệu với các bạn Forum caohockinhte.info là một diễn đàn rất
hấp dẫn và sôi động của cộng đồng cao học kinh tế ở Việt Nam, và trên ấy cũng có một mục
dành riêng cho các bạn sinh viên đại học yêu thích hoạt động nghiên cứu khoa học (mục Cử
nhân và thạc sĩ tài năng tương lai).

Trong những năm gần đây, không chỉ nhiều người nghiên cứu trên thế giới và Việt
Nam có áp dụng SEM
2
(Các bạn xem thêm trong phụ lục, tài liệu phát, các file đã gửi qua
email… về nghiên cứu của thầy Nguyễn Đình Thọ, cô Mai Trang, cô Kim Dung, nghiên cứu
của tôi, và nghiên cứu của các tác giả khác) mà một số bạn sinh viên đại học, học viên cao

1
Tối ngày mai, thứ hai (11/5/09), 4 bạn thuộc lớp chúng ta (Hoàng – NLK32, Phương – BĐSK32, Hải & Cần
TĐG K32) sẽ là 1 đội đại diện cho trường ta tham gia vòng chung kết cuộc thi “Nhà kinh tế tương lai” do
trường bạn – ĐH Ngoại Thương (CS2) tổ chức tại Nhà văn hoá thanh niên. Tuy mảng quản trị kinh doanh
không phải thế mạnh của các bạn SV khoa KTPT, nhưng tham gia cuộc thi này cũng là một môi trường để học

tập, rèn luyện, thể hiện bản thân, và giao lưu! Chúc các bạn ấy may mắn, vui, và học tập được nhiều điều bổ
ích!
2
Tôi đã có ý định huấn luyện thêm cho lớp về một số chủ đề khác nữa, nhưng những chủ đề này chỉ có một vài
nhóm sử dụng và mất khá nhiều thời gian khi trình bày trên lớp: Mô hình hệ phương trình (một số nhóm có thể
sử dụng trong dự báo các chỉ tiêu vĩ mô), Kinh tế lượng với dữ liệu bảng (Nhóm bạn Mạnh Dũng, Thanh Hằng,
Thanh Thuý – lớp Thẩm định giá K32), Khai thác bộ dữ liệu VHLSS với phần mềm STATA (Nhóm của Thế
Hùng về bất bình đẳng trong thu nhập– KHĐT K32, Nhóm bạn Khương lớp Nhân lực K32) … các bạn có thể
liên hệ với tôi qua email, hoặc trao đổi trực tiếp tại phòng giáo viên H103 vào trưa thứ năm hàng tuần về những
vấn đề này. Và tôi cũng biết, lớp ta có khả năng tự học rất cao!

6

học cũng đã áp dụng SEM trong nghiên cứu của họ. Hai bạn sinh viên đại học Khoá 31 mà
tôi có dịp hướng dẫn cũng đã sử dụng trong việc đo lường chất lượng dịch vụ khách sạn ở
Nha Trang (khảo sát cả khách du lịch quốc tế và khách trong nước), các yếu tố tạo động lực
làm việc cho công nhân ở các Khu công nghiệp tại TPHCM, Bình Dương. Năm ngoái, một
bạn sinh viên ở Trường ĐH Kinh tế - ĐH Đà Nẵng cũng đã sử dụng trong đề tài NCKH sinh
viên của bạn, và tôi biết nhiều bạn sinh viên khác cũng đã làm, sẽ làm…

AMOS được viết tắt từ Analysis of MOment Structures (Phân tích cấu trúc mô
măng). Phần mềm này dùng để thực hiện một phương pháp chung trong phân tích dữ liệu là
Structural Equation Modeling (SEM_ mô hình cấu trúc tuyến tính). SEM cũng có những tên
gọi khác như Analysis of Covariance Structures (Phân tích cấu trúc hiệp phương sai), hay
Causal Modeling (mô hình nhân quả). Trên đường lên tham quan bức tượng Chúa giang tay ở
thành phố biển Vũng Tàu (Mũi Nghinh Phong), bạn sẽ thấy một hình ảnh của vị thánh cũng
có tên là AMOS!

Bạn hãy xem qua một ví dụ về CFA. Pont & Quilken (2002) đã khảo sát 348 khách
hàng ở các ngân hàng và sử dụng phân tích nhân tố khẳng định (viết tắt là CFA, Xem Hình

1.1 – cái sơ đồ “lằng nhằng” với mấy cái móc hai đầu ở trên) để kiểm định thang đo chất
lượng dịch vụ ngân hàng (BANKSERV) do Avkiran đề xuất năm 1994 ở nước Úc (kế thừa
17 item đo lường chất lượng dịch vụ ngân hàng của Avkiran
1
). Trong phân tích nhân tố
khẳng định, Pont và Quilken đã chỉ ra rằng thang đo này hiện nay không phù hợp, vì Chi-
square=419.15; P=0.001 (<0.05), df = 113, CMIN/df=3.7 (>2), Các chỉ tiêu TLI=0.86,
CFI=0.88, GFI=0.87 (đều <0.9)
2

Tuy nhiên, Theo bạn vì sao kết quả lại như thế? Làm thế nào để tốt hơn?
(bạn hãy đọc kỹ lại nghiên cứu của Pont và Quilken trong file đã gửi vào email chung!)

Bạn có thấy rằng: năm 2002, Pont & Quilken (có lẽ 2 bạn này đang là học viên sau
đại học) áp dụng y nguyên thang đo BANKSERV do Avkiran đề xuất từ năm 1994 mà không
có sự điều chỉnh nào cả? Pont không bổ sung biến quan sát nào, không hiệu chỉnh gì, không
EFA lại … Không cần làm nghiên cứu này cũng biết là áp dụng y nguyên thì nó sẽ không còn
phù hợp, bởi qua thời gian mọi điều đã thay đổi. Trong CFA, bạn cũng có thể có cách hiệu
chỉnh mô hình, cải thiện mức độ phù hợp với thị trường bằng cách thêm các tương quan giữa
sai số … Trong CFA ta còn quan tâm đến nhiều điều khác 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 những đẳng thức được in đậm trong ngoặc đơn, nếu các chỉ tiêu tương ứng rơi vào trường hợp
như vậy thì mô hình đo lường (hay mô hình nghiên cứu mà bạn sẽ tiếp cận sau này) không phù hợp với thị
trường

7

Hình 1.1

Các biến trong sơ đồ trên được giải thích như sau:



8

Trong chủ đề này, người ta không chỉ nghĩ đến việc kiểm định mô hình đo lường
thông qua CFA, mà điều quan tâm hơn nữa là xây dựng, kiểm định mô hình nghiên cứu
1

thông qua mô hình nhân quả, hay thường gọi là mô hình cấu trúc (SEM).

Chị Mai Thuỳ Ninh (sinh viên đại học ngành kế hoạch đầu tư Khoá 31 mà tôi may
mắn có dịp hướng dẫn) đang làm đề tài tốt nghiệp về đánh giá mức độ thoả mãn của khách du
lịch đối với chất lượng dịch vụ khách sạn tại thành phố Nha Trang. Ninh đã phát triển thang

đo chất lượng dịch vụ khách sạn (Qualification of Hotel Service) của Saleh and Ryan (1990)
và thang đo chất lượng dịch vụ du lịch của Kanampully (2001) với một số thành phần mới
như vị trí, thông tin, và quan tâm đến yếu tố giá cả. Khảo sát 107 khách du lịch quốc tế và 73
khách nội địa, sau khi EFA, Ninh đã làm CFA và đạt yêu cầu, sau đó thực hiện mô hình cấu
trúc để xem xét ảnh hưởng của chất lượng, vị trí, giá cả …đến sự thoả mãn và lòng trung
thành thì một kết quả ban đầu như Hình 1.2:

Bạn nhận xét sơ bộ gì về mức độ phù hợp của mô hình? Có cách nào để cải thiện mô
hình được tốt hơn?

- Bạn sẽ nhận định rằng mô hình này chưa tốt, chưa phù hợp phải không? Đúng thế!

- Có nhiều cách thức để hiệu chỉnh mô hình. Ví dụ như: thêm vào các hệ số tương quan giữa
các sai số; điều chỉnh mối quan hệ giữa các khái niệm; bỏ bớt một số biến quan sát, một số
khái niệm trong mô hình nghiên cứu không đạt yêu cầu; thực hiện lại các phân tích trước đó -
EFA …

- Còn cách nào khác nữa không? Khi tôi đang viết bài giảng này, các em có biết chị Ninh
đang làm gì không? Mặc dù chuyên đề tốt nghiệp đã xong, chị cũng đang chuẩn bị để bảo vệ,
và tham gia đề tài NCKH sinh viên, mô hình đã tạm được (Không phải là mô hình như Hình
1.2), nhưng chị đang trên chuyến tàu về Nha Trang để khảo sát thêm khoảng 100 khách quốc
tế, 100 khách nội địa nữa tại các khách sạn, phòng chờ ở sân bay, một số khu du lịch và chú
trọng hơn chất lượng của cuộc phỏng vấn… ngoài ra, chị cũng chú trọng thêm về khảo sát
định tính. Tôi nghĩ, có lẽ chị ấy muốn khám phá, và khẳng định một điều gì đó, muốn đóng
góp một điều gì đó có ý nghĩa, muốn nghiên cứu này không chỉ bỏ vào trong thư viện để các
khoá sau tham khảo, hay chỉ đăng trên các tạp chí hàn lâm!

1
Mô hình thể hiện các quan hệ tương quan, và quan hệ nhân quả giữa các khái niệm. Nó thường được biểu diễn
bởi sơ đồ, phương trình.

9

Hình 1.2
chatluong
.51
che3
e2
.60
che1e1
.72
.77
.80
reab1e3
.90
.81

reab2e4
.90
.74
reab3e5
.86
.79
reab4e6
.89
.79
res1e7
.89
.83
res2e8
.91
.78
res3e9
.88
.77
res4e10
.88
.74
res5e11
.86
.85
res6e12
.92
.88
res7e13
.94
.80

ser1e14
.89
.73
ser2e15
.85
.82
ser3e16
.91
.76
ser4e17
.87
.78
ser5e18
.88
.73
ser6e19
.85
.75
ser7e20
.86
.86
tang1e21
.93
.66
tang4e22
.81
.66
tang5e23
.81
vitri

.76
loc1e26
.72
loc2e27
.85
.87
chi-square= 2406.583 ; df= 534 ; p= .000 ;
chi-square/df= 4.507 ;
cfi= .811 ; tli= .790 ;
rmsea= .140
.63
.53
.46
.12
.23
.29
.30
.15
.15
.23
.32
.25
.06
.25
gia ca
.88
pri1e28
.88
pri2e29
.94

.94
.35
foo2e30
.59
.89
thoa man
.87
sat1
e33
.91
sat2
e32
.93
sat3
e31
.95
.94
.62
trung thanh
.82
loy1
e34
.89
loy2
e35
.81
loy3
e36
.94
.91

.90
.67
loy4
e37
.82
e38
e39
.67
.97
.79
.13
.32
.33
.53
.48
.83
.24
.11
-.63
.18




Sau khi học xong chủ đề này, bạn sẽ không chỉ có những hiểu biết căn bản về mô hình
cấu trúc, những thao tác trên AMOS, mà còn giúp bạn biết cách xây dựng, hiệu chỉnh, hoàn
chỉnh mô hình. Và bạn có đủ kiến thức nền tảng để có thể dễ dàng hiểu được các nghiên cứu
(có áp dụng SEM) mà các tác giả trong và ngoài nước đã làm! Điều này giúp bạn đi nhanh,
và xa hơn trong tiếp cận những tri thức mới, và tạo ra tri thức mới trong khoa học.

10

Trong gần 100 em đang học ở đây, đề tài của nhóm em nào có thể áp dụng CFA, SEM?

Dĩ nhiên, sẽ có nhiều em có thể làm được, và nhiều đề tài có thể sử dụng SEM, bởi
các em học lớp này là để làm tốt hơn các nghiên cứu mà các em đang làm, để đóng góp một
điều gì đó có ý nghĩa cho xã hội ngay trong khoảng thời gian ở giảng đường đại học, và
chuẩn bị hành trang cho công việc/học tập sau khi tốt nghiệp đại học! Ví dụ những đề tài của
một số nhóm: chất lượng dịch vụ bệnh viện, ký túc xá, máy bán hàng tự động, dịch vụ vận
tải hành khách của tàu Thống Nhất, dịch vụ giáo dục; động lực làm việc của nhân viên trong
khu vực công, yếu tố ảnh hưởng đến kết quả làm việc của nhân viên, xu hướng mua, hành vi
của nhà đầu tư trên thị trường chứng khoán, văn hoá tổ chức, phong cách lãnh đạo …
1
.

Một số nhóm sử dụng kinh tế lượng với dữ liệu bảng (như đề tài các yếu tố ảnh ưởng
đến FDI vào các quốc gia đang phát triển), hay đề tài áp dụng kỹ thuật kinh tế lượng truyền
thống (ước lượng TFP, các yếu tố tác động đến thu nhập của lao động trẻ ở Việt Nam…), kỹ
thuật dự báo với ARIMA, SARIMA, VAR, ARCH-GARCH (dự báo giá vàng, khách du lịch,
FDI trong bối cảnh khủng hoảng… kiểm định tính hiệu quả của thị trường chứng khoán, thị
trường vàng …) hay chỉ áp dụng thống kê mô tả… cũng đừng lo lắng, và hãy tiếp tục hoàn
thiện nghiên cứu theo hướng đó! Phương pháp nghiên cứu nào, phương pháp phân tích dữ
liệu nào…tất cả chỉ là cách thức, công cụ để các em đạt được mục tiêu nghiên cứu! Vấn đề
quan trọng là lựa chọn phương pháp phù hợp để đạt được mục tiêu mà thôi!

Thời gian gần đây, trong một buổi huấn luyện về phân tích dữ liệu với SPSS cho các
bạn SV nghiên cứu khoa học của Khoa Thương Mại – Du Lịch – Marketing do Đoàn Khoa
bên ấy tổ chức, một nhóm bạn sinh viên có trao đổi với tôi về nghiên cứu sự thoả mãn của
khách hàng đi xe bus với mô hình Kano (sử dụng EFA, và thống kê mô tả)... Hay một số bạn
sinh viên ở các Khoa trong trường chúng ta tham gia khoá huấn luyện về phân tích dữ liệu
nghiên cứu với SPSS do Đoàn Trường tổ chức cũng trao đổi về những nghiên cứu: Các yếu
tố ảnh hưởng đến tình hình phá sản (anh Bảo - Khoa TCDN, áp dụng phân tích phân biệt),
các yếu tố ảnh hưởng đến xác suất rơi vào tình hình nợ xấu của các doanh nghiệp (anh Thành
– Khoa TCDN, áp dụng Logit), đề tài về ngân hàng điện tử (EFA, Hồi quy), Marketing địa
phương (anh Chinh – Khoa KTPT, áp dụng Thống kê mô tả, nghiên cứu định tính), định vị
thương hiệu Vĩnh Tiến (chị Phương Linh, khoa KTPT, áp dụng EFA, Hồi quy, MDS) … Rất
nhiều bạn bè (Khoá 32), các anh chị sinh viên (Khoá 31) trong trường cũng đang làm các
nghiên cứu như các em!


Một gợi ý nghiên cứu dành cho các bạn sinh viên kế hoạch đầu tư, bất động sản, thẩm
định giá…?

Hãy xem qua bài viết “Investment Management and personality type” của Mayfield,
Perdue, Wooten vừa đăng trên tạp chí Financial Service Review, số 17 năm 2008 (đã được
gửi qua email). Hình 1.3 thể hiện một mô hình mà các tác giả đã làm ở Hoa Kỳ. Các bạn thử
nghiên cứu vấn đề này ở Việt Nam! Một một ngân hàng có mở sàn giao dịch vàng cũng đặt
hàng tôi nghiên cứu hành vi của các nhà đâu tư trên thị trường vàng ở Việt Nam, các bạn thử
xem xem liệu rằng nghiên cứu của Mayfield & ctg (2008) này có hỗ trợ gì không?




1

Chúng ta còn nhớ vào giữa tháng 6/2009, Đoàn Khoa KTPT sẽ tổ chức hội thảo khoa học về “Các vấn đề
Kinh tế Xã hội của Việt Nam và thế giới qua phân tích định lượng”, mà người báo cáo, người tham dự chính là
các em, và một số bạn sinh viên NCKH của khoa bạn, trường bạn, và một số anh 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 những yếu tố ảnh hưởng đến ý định đầu tư ngắn hạn trên (bên cạnh đó, các tác
giả cũng nghiên cứu mô hình đối với ý định đầu tư dài hạn), một số biến quan sát để đo lường
các khái niệm được trình bày ở trang 13

12





13

Trong bài học này, có 1 ví dụ xun suốt; chúng ta sẽ sử dụng dữ liệu mà chị Nguyễn
Thị Mỹ Thuận
1
khảo sát để phục vụ cho đề tài NCKH sinh viên của chị để làm ví dụ phân
tích. Đề tài của chị Thuận sử dụng các cơng cụ phân tích EFA, Cronbach’s Alpha, Regression
(các chủ đề này các bạn đều đã được học trong mơn phân tích dữ liệu và dự báo). Và bây giờ,
các bạn hãy thử phát triển thêm bằng cách sử dụng CFA, SEM xem thế nào! Tình huống đơn
giản và gần gũi này sẽ giúp bạn dễ hiểu hơn về CFA, SEM – với các thao tác chính trên

AMOS. Những tình huống với các mơ hình rất phức tạp khác mà bạn sẽ tìm hiểu, sẽ làm
được sau này cũng tương tự như thế thơi!

2. PHÂN TÍCH NHÂN TỐ KHÁM PHÁ (Nhắc lại sơ lược vì đã học)

Bảng câu hỏi của chị Thuận (xem phụ lục) dựa trên nghiên cứu của Dung (2005) đã
hiệu chỉnh cho Việt Nam. Từ nghiên cứu định tính, chị Thuận đã hiệu chỉnh một số biến
quan sát (Item), bỏ đi một số Item khơng phù hợp với nhân viên trong lĩnh vực Tài chính-
ngân hàng, bất động sản, cơng nghệ thơng tin (những ngành mũi nhọn của TPHCM) mà chị
đang quan tâm…

Chị Thuận đã phải EFA lại, vì cấu trúc của thang đo trong tình huống của chị Thuận
chưa chắc đã giống với nghiên cứu trước của Dung và Nam (2005), và dĩ nhiên có thể càng
khơng giống với kết quả nghiên cứu của Stanton và Crossley (2000) cũng như của Crossman
và Bassem (2003) mà Dung đã kế thừa. Chị Thuận với mục tiêu là sau EFA sẽ chạy
Regression vì thế khi EFA cho thang đo JDI (Thoả mãn của nhân viên với cơng việc) chị có
thể sử dụng phương pháp Principal Components với phép xoay Varimax cũng được. Còn bạn,
sau EFA bạn sẽ làm tiếp CFA và SEM nên rất quan tâm đến cấu trúc của thang đo, các khái
niệm sau khi rút ra có thể tương quan với nhau, và cũng rất quan tâm đến sự phân biệt rõ ràng
giữa các nhân tố. Vì vậy bạn nên làm EFA với những đổi mới sau:
• Sử dụng phương pháp trích Principal Axis Factoring với phép xoay Promax
2

• Quan tâm đến tiêu chuẩn
3
: |Factor Loading| lớn nhất của mỗi Item >=0.5
• Quan tâm đến tiêu chuẩn: Tại mỗi Item, chênh lệch |Factor Loading| lớn nhất và
|Factor Loading| bất kỳ phải >=0.3 (Jabnoun & Al-Tamimi, 2003)
• Tổng phương sai trích >=50% (Gerbing & Anderson, 1988)
• KMO>=0.5, Kiểm định Bartlett có ý nghĩa thống kê (Sig<0.05)

4


a. Khái niệm sự thoả mãn của nhân viên với cơng việc


1
Chị Thuận là sinh viên khố 30 ngành kế hoạch đầu tư khoa KTPT (mà tơi hướng dẫn đề tài NCKH sinh viên),
chị Thuận cũng là liên chi hội phó hội sinh viên của Khoa KTPT, đề tài của chị đạt giải khuyến khích cấp Bộ.
Hiện nay chị Thuận đã ra trường được 1 năm và đang làm việc tại ngân hàng ACB
2
Theo Gerbing & Anderson (1988), Phương pháp trích Principal Axis Factoring với phép xoay Promax
(Oblique) sẽ phản ánh cấu trúc dữ liệu chính xác hơn phương pháp trích Principal Components với phép xoay
Varimax (Orthogonal)
3
Theo Hair & ctg (1998,111), Factor loading là chỉ tiêu để đảm bảo mức ý nghóa thiết thực của EFA
(ensuring practical significance). Factor loading > 0.3 được xem là đạt được mức tối thiểu, Factor loading >
0.4 được xem là quan trọng, ≥ 0.5 được xem là có ý nghóa thực tiễn. Hair & ctg (1998,111) cũng khuyên bạn
đọc như sau: nếu chọn tiêu chuẩn factor loading > 0.3 thì cỡ mẫu của bạn ít nhất phải là 350, nếu cỡ mẫu của
bạn khoảng 100 thì nên chọn tiêu chuẩn factor loading > 0.55, nếu cỡ mẫu của bạn khoảng 50 thì Factor
loading phải > 0.75
4
KMO là một chỉ tiêu dùng để xem xét sự thích hợp của EFA, 0.5≤KMO≤1 thì phân tích nhân tố là thích hợp.
Kiểm định Bartlett xem xét giả thuyết về độ tương quan giữa các biến quan sát bằng khơng trong tổng thể. Nếu
kiểm định này có ý nghĩa thống kê (Sig < 0.05) thì các biến quan sát có tương quan với nhau trong tổng thể
(Trọng & Ngọc, 2008)

14

Bạn còn nhớ thao tác EFA trong phần mềm SPSS? Analyze\Data Reduction\Factor

Hình 1.4

Hình 1.5

Hình 1.7 Hình 1.6

Hình 1.8



15

Kết quả ban đầu
Pattern Matrix
a

Factor

1 2 3 4 5 6 7
prom1
.863



prom3
.753

prom2
.689

prom4
.651

work4
.436

sup6

.811

sup5

.784

sup3

.758

sup7

.664
.325

sup4

.482

sup2 .351
.411

sup1 .268
.378
-.282

.283

pay4

.889

pay5

.770

pay2

.607

.297

ben4 .331

.549

.211

pay3 -.301

.488

.293

pay1

.485

.271

cow1

.814

cow3

.810

cow2

.810

.207
cow4 .432

.454

ben3

.982

ben2

.977

ben1

.334

.592

env3

.264

work3

.768

work2

.541

work1 .246

.223

.514

env2

.541

env1

-.279
.478
env4

.213

.232
Extraction Method: Principal Axis Factoring.
Rotation Method: Promax with Kaiser Normalization.

a. Rotation converged in 7 iterations.

Các con số trong
bảng này gọi là các
Factor loading (hệ số
tải nhân tố)

Env4 bị loại đầu tiên
vì con số này nhỏ
hơn 0.5, và “tệ” nhất

Lần lượt loại từng biến không đạt yêu cầu (biến nào “tệ” nhất bị loại trước):
Env4, env3, sup1, sup2, work4, cow4, env2, env1, pay3, pay1, pay2,
Và ben1

16


Kết quả EFA lần cuối
Pattern Matrix
a

Factor

1 2 3 4 5 6
sup6
.841

sup5
.826

sup3
.758

sup7
.628

.278

sup4
.520

prom1

.899

prom2

.707

prom3

.670

prom4

.602

cow1

.913

cow2

.795

cow3

.768

pay4

.907

pay5

.817

ben4

.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.

Các con số trong
bảng này gọi là các
Factor loading (hệ
số tải nhân tố)

Bạn có nhận xét gì từ kết quả EFA?

Có 6 nhân tố được rút ra.

Nhân tố 1: gồm các biến quan sát sup3-sup7 Æ được đặt tên là “Lãnh đạo”
Nhân tố 2: gồm prom1-prom4 Æ “Thăng tiến”
Nhân tố 3: gồm cow1-cow3 Æ “Đồng nghiệp”
Nhân tố 4: gồm pay4, pay5, ben4 Æ “lương-thưởng”
Nhân tố 5: gồm ben2, ben3 Æ “bảo hiểm”
Nhân tố 6: gồm work1-work4 Æ “bản chất công việc”







17

Total Variance Explained

Initial Eigenvalues Extraction Sums of Squared Loadings
Rotation
Sums of
Squared
Loadings
a
Factor
Total % of Variance Cumulative % Total % of Variance Cumulative % Total
1 7.378 36.889 36.889 7.016 35.080 35.080 5.210
2 1.880 9.401 46.290 1.726 8.632 43.712 5.142
3 1.752 8.759 55.049 1.428 7.138 50.849 4.015
4 1.512 7.560 62.609 1.167 5.835 56.685 3.801
5 1.359 6.794 69.403 1.022 5.109 61.793 2.615
6 1.067 5.334 74.737 .712 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

Extraction Method: Principal Axis Factoring.

a. When factors are correlated, sums of squared loadings cannot be added to obtain a total
variance.
Tổng phương sai
trích/ hay tổng
biến thiên được
giải thích bởi các
nhân tố

KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy.
.847
Approx. Chi-Square 2327.451
df 190
Bartlett's Test of Sphericity
Sig.
.000

Hai bảng trên cho bạn nhận xét gì?

- Tổng phương sai trích (hay tổng biến thiên được giải thích) bằng 65.35% (>50%)
- KMO = 0.847 (>0.5) và kiểm định Bartlett có ý nghĩa thống kê (Sig<0.05)
Nên EFA là phù hợp.





18

b. Khái niệm lòng trung thành

Khái niệm lòng trung thành là 1 khái niệm đơn hướng (khi EFA, các biến quan sát rút thành 1
nhân tố), nên có thể thử sử dụng phương pháp trích Principal Component Analysis vì phương
pháp trích này sẽ làm cho tổng phương sai trích tốt hơn.

Bạn có nhận xét gì nếu có kết quả từ EFA cho các biến quan sát thuộc khái niệm lòng
trung thành như sau?

KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy.
.701
Approx. Chi-Square 188.787
df 3
Bartlett's Test of Sphericity
Sig.
.000

Total Variance Explained
Initial Eigenvalues Extraction Sums of Squared Loadings
Compo
nent
Total % of Variance Cumulative % Total % of Variance Cumulative %
1 2.146 71.523 71.523 2.146 71.523
71.523
2 .487 16.230 87.753

3 .367 12.247 100.000

Extraction Method: Principal Component Analysis.

Component Matrix
a

Component

1
loy1 .874
loy3 .834
loy2 .829
Extraction Method: Principal Component
Analysis.
a. 1 components extracted.
Bảng này chỉ có 1 cột, cho
thấy loy1, loy2, loy3 rút
thành 1 nhân tố

- Chỉ có 1 nhân tố được rút ra, nhân tố này cũng được đặt tên là “Trung thành”
- EFA cũng phù hợp vì Tổng phương sai trích bằng 71.53 (>50%), KMO = 0.701 (>0.5), Sig
của kiểm định Bartlett=0.000 (<0.05)
Mô hình cấu trúc tuyến tính (SEM) bao gồm nhiều kỹ thuật thống kê khác nhau như
phân tích đường dẫn (Path Analysis), phân tích nhân tố khẳng định (Confirmatory Factor
Analysis), Mô hình nhân quả với các biến tiềm ẩn (Causal modeling with Latent variable, và
cũng thường gọi là SEM), và thậm chí cả phân tích phương sai (Analysis of Variance), mô
hình hồi quy tuyến tính bội (Multiple Linear Regression). Chúng ta sẽ tìm hiểu CFA, SEM.

19

3. PHÂN TÍCH NHÂN TỐ KHẲNG ĐỊNH (CFA)
Từ kết quả của EFA, giờ bạn thấy rằng ta có 7 khái niệm chính sử dụng trong mơ hình

nghiên cứu sau này. Đó là

• “Lãnh đạo” được đo lường bởi các biến quan sát sup3-sup7
• “Thăng tiến” được đo lường bởi các biến quan sát prom1-prom4
• “Đồng nghiệp” được đo lường bởi các biến quan sát cow1-cow3
• “Lương-thưởng” được đo lường bởi các biến quan sát pay4, pay5, ben4
• “Bảo hiểm” được đo lường bởi các biến quan sát ben2, ben3
• “Bản chất cơng việc” được đo lường bởi các biến quan sát work1-work4
• “Lòng trung thành”: được đo lường bởi loy1, loy2, loy3

6 khái niệm đầu tiên là các khái niệm thành phần của khái niệm “Sự thoả mãn của nhân viên
với cơng việc”. Cấu trúc của thang đo “Sự thoả mãn nhân viên với cơng việc” gồm có 6 khái
niệm thành phần như trên, và các biến quan sát tương ứng cho từng khái niệm cũng đã được
liệt kê như trên. Các biến quan sát quan sát sup3-sup7; prom1-prom4; cow1-cow3; pay4,
pay5, ben4; ben2, ben3; work1-work4 tạo thành một thang đo để đo lường khái niệm “Sự
thoả mãn của nhân viên với cơng việc”. Các biến quan sát loy1, loy2, loy3 tạo thành một
thang đo để đo lường khái niệm “lòng trung thành”.

Những điều trên tạo thành một mơ hình đo lường các khái niệm sử dụng trong nghiên cứu
của bạn. Và bây giờ Chúng ta cần kiểm định xem Mơ hình đo lường này có đạt được u cầu
khơng? Các thang đo có đạt được u cầu của một thang đo tốt khơng? Việc này chúng ta cần
sử dụng đến phân tích nhân tố khẳng định (CFA)

Trong CFA ta có thể thực hiện cho từng khái niệm, một số khái niệm, hoặc thực hiện với tất
cả các khái niệm có trong mơ hình (gọi là mơ hình tới hạn)

Về mặt lý thuyết, trong CFA, chúng ta chú ý đến một số vấn đề sau:

Để đo lường mức độ phù hợp của mô hình với thông tin thò trường, người ta thường sử
dụng Chi-square (CMIN); Chi-square điều chỉnh theo bậc tự do (CMIN/df); chỉ số thích

hợp so sánh (CFI_ Comparative Fit Index). Chỉ số Tucker & Lewis (TLI_ Tucker & Lewis
Index); Chỉ số RMSEA (Root Mean Square Error Approximation). Mô hình được xem là
thích hợp với dữ liệu thò trường khi kiểm đònh Chi-square có P-value > 0.05. Tuy nhiên
Chi-square có nhược điểm là phụ thuộc vào kích thước mẫu. Nếu một mô hình nhận được
các giá trò GFI, TLI, CFI ≥0.9 (Bentler & Bonett, 1980); CMIN/df ≤ 2, một số trường hợp
CMIN/df có thể ≤ 3 (Carmines & McIver, 1981); RMSEA ≤ 0.08, RMSEA ≤ 0.05 được
xem là rất tốt (Steiger, 1990); thì mô hình được xem là phù hợp với dữ liệu thò trường, hay
tương thích với dữ liệu thò trường. Thọ & Trang (2008) cho rằng Nếu mô hình nhận được
các giá trò TLI, CFI ≥0.9, CMIN/df ≤ 2, RMSEA ≤ 0.08 thì mô hình phù hợp (tương thích)
với dữ liệu thò trường. Quy tắc này cũng được sử dụng để đánh giá mức độ phù hợp của
mô hình cấu trúc ở mục 4.

Khi CFA, nên thực hiện các đánh giá khác như
1
:

1
Xem thêm Thọ & Trang (2008)

20

(1) Đánh giá độ tin cậy của thang đo thông qua: (a) Hệ số tin cậy tổng hợp (composite
reliability) và (b) Tổng phương sai trích được (variance extracted), (c) Hệ số Cronbach’s
Alpha
Độ tin cậy tổng hợp (
ρ
C
) (Joreskog 1971 ), và tổng phương sai trích (
ρ
VC

)
(Fornell & Larcker 1981) được tính theo công thức sau:
∑
=
−+
∑
=
∑
=
=
p
i
C
i
p
i
i
p
i
i
1
2
2
2
)1(
1
1
)(
)(
λ

λ
λ
ρ

∑∑
∑
==
=
−+
=
p
i
p
i
p
i
VC
ii
i
1
2
1
2
1
2
)1(
λλ
λ
ρ

Trong đó
λ
i
là trọng số chuẩn hoá của biến quan sát thứ i; 1-
λ
i
2
là phương sai của sai
số đo lường biến quan sát thứ i, p là số biến quan sát của thang đo.
Chỉ tiêu
ρ
C
,
ρ
VC
phải đạt yêu cầu từ 0.5 trở lên

Theo Hair (1998, 612):”phương sai trích (Variance Extracted) của mỗi khái niệm nên vượt
quá 0.5”; và phương sai trích cũng là một chỉ tiêu đo lường độ tin cậy. Nó phản ánh lượng
biến thiên chung của các biến quan sát được tính toán bởi biến tiềm ẩn

Schumacker & Lomax (2006, 178) cho rằng trong CFA, một vấn đề quan trọng cần phải
quan tâm khác là độ tin cậy của tập hợp các biến quan sát đo lường một khái niệm (nhân
tố); và như truyền thống, hệ số tin cậy Cronbach’s Alpha vẫn thường được sử dụng. Nó đo
lường tính kiên đònh nội tại xuyên suốt tập hợp các biến quan sát của các câu trả lời

Trong kiểm đònh Cronbach’s Alpha, các biến quan sát có hệ số tương quan biến-tổng
(item-total correlation) nhỏ hơn 0.3 sẽ bò loại và tiêu chuẩn chọn thang đo khi hệ số
Cronbach’s Alpha từ 0.6 trở lên (Nunnally & Burnstein, 1994). Tuy nhiên, cũng cần lưu ý
rằng nếu Cronbach’s Apha quá cao (>0.95) thì có khả năng xuất hiện biến quan sát thừa

(Redundant items) ở trong thang đo. Biến quan sát thừa là biến đo lường một khái niệm
hầu như trùng với biến đo lường khác, tương tự như trường hợp cộng tuyến (collinearity)
trong hồi quy, khi đó biến thừa nên được loại bỏ.


(2) Tính đơn hướng/ đơn nguyên (unidimensionality)

- Theo Steenkamp & Van Trijp (1991), mức độ phù hợp của mô hình với dữ liệu thò trường
cho chúng ta điều kiện cần và đủ để cho tập biến quan sát đạt được tính đơn hướng, trừ
trường hợp các sai số của các biến quan sát có tương quan với nhau.

(3) Giá trò hội tụ (Convergent validity)

- Gerbring & Anderson (1988) cho rằng thang đo đạt được giá trò hội tụ khi các trọng số
chuẩn hoá của thang đo đều cao (>0.5); và có ý nghóa thống kê (P <0.05)


21

(4) Giá trò phân biệt (Discriminant validity)

- Có thể kiểm đònh giá trò phân biệt của các khái niệm trong mô hình tới hạn (saturated
model) mô hình mà các khái niệm nghiên cứu được tự do quan hệ với nhau). Có thể thực
hiện kiểm đònh hệ số tương quan xét trên phạm vi tổng thế giữa các khái niệm có thực sự
khác biệt so với 1 hay không. Nếu nó thực sự khác biệt thì các thang đo đạt được giá trò
phân biệt.

Ví dụ: Một thang đo có 2 khái niệm spatial và verbal, số quan sát
= 73

r SE=SQRT((1-r
2
)/(n-2)) (1-r)/SE P-value
spatial <--> verbal
0.487
0.104 4.949 0.000

TINV(0.05,71)=1.993
TDIST(4.95,71,2)=0.000 (<0.05) bác bỏ giả thuyết cho rằng
ρ
(spatial,verbal)
=1

Ghi chú quy tắc kiểm đònh
1
:
H
o
:
ρ
=
ρ
o

H
1
:
ρ

≠

ρ
o

Tính T =
2
1
||
2
−
−
−
n
r
r
o
ρ
; Tra bảng phân phối Student
t
n 2,
2
, −
α

Nếu T >
t
n 2,
2

, −
α
thì bác bỏ H
o

(5) Giá trò liên hệ lý thuyết (Nomological validity)

- Các vấn đề từ 1 đến 4 được đánh giá thông qua mô hình đo lường. Riêng giá trò liên hệ lý
thuyết được đánh giá trong mô hình lý thuyết (Anderson & Gerbing, 1988)

Khi các vấn đề trên thoả mãn thì mô hình đo lường là tốt. Tuy nhiên, rất hiếm mô hình đo
lường nào đạt được tất cả các vấn đề trên! Ví dụ, mô hình đo lường vẫn có thể được sử
dụng khi thang đo không đạt được tính đơn hướng…









1
Xem Hoài (2001)

22


Amos Graphics
1

Về mặt thực hành, ta sử dụng phần mềm AMOS v
ới cách thức
Khởi động AMOS?
Start Program AMOS 16 Amos Graphics
Ỉ Ỉ Ỉ

Cơng dụng của các nút?






Hình 3.1

Dùng để vẽ biến tiềm ẩn và các biến quan sát
Di chuyển đối tượng
Ngón tay: chọn 1 đối tượng
Bàn tay dài: Chọn tất cả đối tượng
Bàn tay ngắn: Khơng chọn nữa
Xố đối tượng
Máy phơ tơ: Copy đối tượng
Xoay đối tượng
Chỉnh kích cỡ đối tượng
Copy sơ đồ đường dẫn vào Clipboard
Tính tốn các ước lượng
Xem kết quả dạng văn bản/ bảng biểu
Di chuyển các tham số ước lượng
Liệt kê danh sách biến
Dùng để vẽ yếu tố sai số

Dùng để vẽ biến tiềm ẩn
Dùng để vẽ biến quan sát
Vẽ hệ số đường dẫn, hệ số hồi quy
Vẽ hiệp phương sai, hệ số tương quan






1
Trong AMOS, ngồi AMOS Graphics có một cách thức khác nữa là gõ các lệnh VB.NET hay C#

23

Tạo file mới? File\New

Mở file dữ liệu?
File\Data Files (Ctrl-D)
Æ
Chọn File Name
Æ
Chọn kiểu file và chỉ đến
file cần mở
Æ
OK
Hình 3.2


Hiển thị danh sách biến?

Chọn nút sau
Hình 3.3


Khi đó bạn sẽ thấy một hộp thoại nhỏ xuất hiện, liệt kê các biến có trong dữ liệu
Hình 3.4


Vẽ các biến tiêm ẩn, các biến quan sát tương ứng?
Bước 1
. Chọn nút
Hình 3.5


24


Bước 2
. Rê đến vị trí tương ứng để vẽ ra 1 vòng tròn, nhấp chuột 5 trái năm cái, bạn sẽ có đối
tượng như Hình 3.6
Hình 3.6

Bước 3
. Nhấp bàn tay dài, để chọn cả đối tượng
Bước 4
. Nhấp nút này để xoay đối
tượng sao cho như Hình 3.7
Bước 6
. Nhấp ô tô để di chuyển đối
tượng sao cho đẹp

Bước 5
. Nhấp nút này để Chỉnh sửa
kích cỡ của đối tượng sao cho đẹp








Hình 3.7


Copy đối tượng?
Hiện nay chỉ có một Biến tiềm ẩn với 5 biến quan sát như Hình 3.7. Đầu tiên bạn sẽ chọn đối
tượng cần Copy bằng cách nhấp nút bàn tay dài, rồi nhấp cái máy Photocopy, sau đó rê chuột
đến vị trí cần dán đối tượng được copy. Bạn sẽ có Hình như Hình 3.8


25