ảnh hưởng của ấn tượng nước xuất xứ đối với giá trị hàng Việt Nam tại thị trường Nhật 6

-43-
Chương : Ⅴ PHÂN TÍCH DỮ LIỆU VÀ BÁO CÁO KẾT QUẢ
5.1. TỔNG QUAN VỀ DỮ LIỆU ĐƯC THU THẬP
Dữ liệu phục vụ cho nghiên cứu này được thu thập thông qua cuộc điều tra
với khung mẫu người tiêu dùng của công ty goo Research trên Internet. Cuộc
điều tra này bắt đầu từ ngày 4 tháng 12 năm 2003 với tên cuộc điều tra là
“Điều tra về ngoại quốc”, và gửi 1150 thư điện tử mời tham gia (Phụ lục A.5)
vào cuộc điều tra này cho các người monitor được truy xuất từ khung mẫu
người tiêu dùng một cách hoàn toàn ngẫu nhiên, để nhằm thu được 300 câu
trả lời. 3 ngày sau, đã thu thập được hơn 300 trả lời, cuộc điều tra ngừng việc
thu thập dữ liệu trên trang Web và kết thúc.
Sau khi thu thập dữ liệu thông qua Internet, dữ liệu được kiểm tra về mặt
tính hữu hiệu. Cuối cùng, 314 câu trả lời do người tiêu dùng ở Nhật được sử
dụng trong việc phân tích dữ liệu. Một số đặc tính của người trả lời về nhân
khẩu học được trình bày ở trang 93 trong phụ lục C. Trong đó, chúng ta nhận
thấy một số đặc điểm của tập hợp mẫu đã thu được như sau đây:

Tỷ lệ Nữ hơi cao hơn so với tỷ lệ của tổng thể nhân dân Nhật. Có
thể là vì tên điều tra là “điều tra về ngoại quốc”. Thông thường
phụ nữ quan tâm nhiều hơn về văn hoá, du lòch ngoại quốc.
(Cụ thể là Nam: 43.6%, Nữ: 56.4%)

Tỷ lệ theo tuổi của tập hợp mẫu tương tự như khung mẫu của
người tiêu dùng của công ty goo Research, tức là tập hợp mẫu
bao gồm nhiều người tuổi trẻ hơn tổng thể người tiêu dùng ở thò
trường Nhật. (Cụ thể, tập hợp mẫu có Ave.: 36.2 tuổi, Min.: 15
tuổi, Max.: 69 tuổi)
Như vậy, chúng ta không thể nói là tập hợp mẫu của nghiên cứu này đủ đại
diện cho các đặc tính nhân khẩu học của tổng thể người tiêu dùng Nhật.
Nhưng ở đây không quan tâm đến ảnh hưởng do sự khác biệt nhân khẩu học
giữa tập hợp mẫu và tổng thể lên mô hình. nh hưởng sự khác biệt về nhân

khẩu học được đánh giá sơ bộ ở phần sau.
Về kinh nghiệm của người tiêu dùng Nhật tiếp xúc trực tiếp với đất nước
Việt Nam, thì hơn 95 % người tiêu dùng trong tập hợp mẫu không có kinh
nghiệm đến Việt Nam (Xin xem chi tiết ở trang 94 trong phụ lục C). Tỷ lệ đã
-44-
có kinh nghiệm đến Việt Nam chỉ là dưới 5 %, tương đối thấp, và ảnh hưởng
của yếu tố này lên mô hình là nhỏ (Balabanis et al., 2001), cho nên trong
nghiên cứu này không quan tâm đến sự ảnh hưởng lên mô hình do sự khác
biệt về kinh nghiệm đến Việt Nam trong quá trình phân tích kết quả.
Nghiên cứu này còn thu thập rất nhiều thuộc tính của người tiêu dùng nhờ
hệ thống quản lý người Monitor do công ty goo Research. Các thuộc tính khác
cũng có thể ảnh hưởng đến mô hình, nhưng sự ảnh hưởng đó không nằm phạm
vi của mô hình và nghiên cứu, cho nên nghiên cứu này không quan tâm đến
chúng.
5.2. KIỂM TRA VỀ TÍNH PHÂN PHỐI CHUẨN CỦA DỮ LIỆU
Lý thuyết về phương pháp Structual Equation Modeling (SEM) và các phần
mềm như Amos được thiết lập dựa trên giả thiết phân phối chuẩn đa biến
(Multivariate normality) cho dữ liệu được phân tích. Do đó, nghiên cứu này
kiểm tra về tính phân phối chuẩn của dữ liệu trước khi chuyển sang phân tích
nhân tố khám phá.
Trong nghiên cứu này dữ liệu chủ yếu được đo lường bằng thang đo 5 điểm.
Dữ liệu do thang đo 5 điểm không phải là dữ liệu liên tục để hình thành phân
phối chuẩn về mặt ý nghóa chính xác. Nhưng trong nghiên cứu gần đây, “các
dữ liệu do thang đo trên 5 điểm có thể được coi là dữ liệu liên tục để phục vụ
cho các phân tích đa biến” (Hagyuda, 1996; Kano and Miura, 2002). Vì vậy, ở
đây coi các dữ liệu đã được thu thập là dữ liệu liên tục, và kiểm tra về tính
phân phối chuẩn của các biến, dựa trên hai chỉ số là độ méo (skewness)” và
hệ số nhọn của đỉnh (kurtosis). Các hệ số mô tả chỉ số thống kê được trình bày
ở C.2 trang 95 trong phụ lục C.
Thông thường, chúng ta có thể nói hệ số skewness nằm trong phạm vi từ –

1.0 đến 1.0 thì phân phối dữ liệu không bò méo (Hair et al., 1992). Tất cả các
hệ số skewness cho các biến trong nghiên cứu này đều nằm trong khoảng từ -
1.0 đến 1.0, cho nên kết luận rằng, về mặt skewness các dữ liệu đã được thu
thập đạt yêu cầu của tính phân phối chuẩn. Còn đối với tính kurtosis, thì một
số biến có giá trò hệ số kurtosis hơi lớn như câu 3-3, 3-6 trong bảng
Questionnaire. Nhưng chúng ta có thể kết luận rằng dữ liệu cho các biến trong
nghiên cứu này không vi phạm với giả thiết phân phối chuẩn đa biến, và sự
ảnh hưởng do hệ số Kurtosis hơi lớn cho một số biến được đánh giá sau khi
-45-
thực hiện phân tích nhân tố. Sự ảnh hưởng do kurtosis được đánh giá thông
qua Bootstrap (1000 lần) trong phần mềm Amos 4.0 và đã xác nhận được là
kurtosis trong dữ liệu nghiên cứu này không ảnh hưởng nhiều đến kết quả
nghiên cứu.
5.3. PHÂN TÍCH NHÂN TỐ KHÁM PHÁ
Trước khi phân tích phương pháp SEM, nghiên cứu này thực hiện phân tích
nhân tố khám phá, để đánh giá sơ bộ độ đúng đắn (validity) và độ tin cậy
(Reliability) cho bộ thang đo của mô hình. Quá trình này nhằm xem xét các
biến trong bộ thang đo có thực sự hình thành các nhân tố của mô hình nghiên
cứu hay không, tức là 4 nhân tố trong mô hình (Hình 2.4), ấn tượng nước xuất
xứ về con người (People), ấn tượng nước xuất xứ về sản phẩm (Products),
niềm tin vào sản phẩm (Beliefs), thái độ người tiêu dùng (Attitudes).
Joreskog-Lawley (1968), người đề xuất sự quan trọng của việc phân tích nhân
tố khẳng đònh, cho rằng “trong phân tích nhân tố khám phá, chúng ta nên lấy
các biến đạt hệ số loading > | 0.3 | để hình thành mô hình cho việc phân tích
tiếp theo và sau đó kiểm chứng sự phù hợp của mô hình trong phân tích khẳng
đònh”.
Vì độ tin cậy là điều kiện tiên quyết phải xét trước, cho nên trong quá trình
này cũng phân tích trước cho độ tin cậy, cụ thể là tính hệ số Cronbach alpha
và Item-total correlation, cho các bộ thang đo của mỗi nhân tố trong mô hình
nghiên cứu đã được thiết kế. Các kết quả phân tích độ tin cậy trên SPSS được

trình bày chi tiết ở C.3 trang 96 trong phụ lục C. Hệ số Cronbach alpha cho
mỗi thang đo là: thang đo cho People: 0.8752, cho Products: 0.8049, cho
Beliefs: 0.9083, cho Attitudes: 0.9596, và các giá trò Item-total colleration của
mọi biến đều lớn hơn 0.4, do đó, kết luận là độ tin cậy của các bộ thang đo đủ
cao. Tức là thang đo đủ nhất quan và ổn đònh.
Tiếp theo, thực hiện hai kiểm đònh là “KMO and Bartlett's Test”. Kết quả
chứng tỏ là việc sử dụng phân tích nhân tố trong trường hợp là thích hợp
(Bảng 5.1). Phân tích nhân tố cho tất cả mọi biến trong mô hình được thực
hiện với phương pháp rút trích nhân tố là “Principal axis factoring” và phương
pháp xoay là “Promax”. Còn tiêu chuẩn rút trích là Eigenvalues > 1. Trong đó
tôi hy vọng rằng kết quả truy xuất 4 nhân tố đúng như mô hình nghiên cứu.
Kết quả phân tích nhân tố được trình bày ở bảng 5.2.
-46-
Baỷng 5.1: KMO and Bartlett's Test
.932
8074.531
561
.000
Kaiser-Meyer-Olkin Measure of Sampling
Adequacy.
Approx. Chi-Square
df
Sig.
Bartlett's Test of
Sphericity
Baỷng 5.2' Pattern Matrix cho taỏt caỷ moùi bieỏn trong moõ hỡnh
a
.954
.929
.911

.900
.887
.836
.785
.769
.737
.636
.919
.916
.774
.734
.669
.594
.568 .398
.521 .441
.787
.784
.763
.756
.588
.531
.506 .316
.747
.499 .354 .337
.691
.355 .424
.391
.368
.315 .305 .367
.395 .573

.414 .490
4-10Thai do hang VN=tat ca yeu to
4-8Thai do hang VN=C.luong T.Bo
4-4Thai do hang VN=An toan
4-9Thai do hang VN=C.luong va Gia
4-5Thai do hang VN=Suc khoe
4-6Thai do hang VN=Dinh duong
4-2Thai do hang VN=Uy tin
4-1Thai do hang VN=T.bo Ky Thuat
4-7Thai do hang VN=Ngon
4-3Thai do hang VN=Gia ban
3-5Nhan xet T.san VN-Suc Khoe
3-4Nhan xet T.san VN-An Toan
3-8Nhan xet T.san VN-C.luongTBTot
3-2Nhan xet T.san VN-Uy tin Tot
3-6Nhan xet T.san VN-Dinh Duong
3-1Nhan xet T.san VN-T.bo ky thuat
2-7Thuc pham VN an toan
3-7Nhan xet T.san VN-Ngon
1-1Nguoi VN duoc giao duc tot
1-6Ky nang cua lucluong LD cao
1-3Nguoi VN sieng nang
1-4Nguoi VN sang tao
1-5Nguoi VN than thien va thu vi
1-2Dao tao KT duoc chu trong
1-7VN tich cuc tham gia XH Q.te
2-6Muc do pho bien cua SP VN cao
2-2SP VN duoc p.phoi tren the gioi
3-3Nhan xet T.san VN-Gia re
1-8Nguoi VN nang cao chuan muc SH

2-5Thuc an VN ngon
2-4VN la noi cung cap thuy san lon
2-3VN huu nghi trong XH quoc te
2-1SP VN duoc lam voi ky nang cao
1-9Nguoi VN SX san pham KT cao
1 2 3 4 5 6
Factor
Extraction Method: Principal Axis Factoring.
Rotation Method: Promax with Kaiser Normalization.
Rotation converged in 9 iterations.
a.
-47-
Như vậy, bảng Pattern Matrix cho thấy là các nhân tố trích được đại diện
cho sáu thành phần, trong khi mô hình nghiên cứu chứa bốn thành phần. Ba
nhân tố đầu trong bảng 5.2 đại diện cho ba thành phần là Attitudes, Beliefs,
People, và các biến trong bộ thang đo có hệ số Loading có giá trò ý nghóa, tức
là > 0.3 với nhân tố của mình, chỉ trừ câu 3-3. Nhưng đối với Products thì hệ
số Loading của các biến chia thành 3 nhân tố nhỏ với sự kết hợp với một số
biến của thành phần khác, đặc biệt với một số biến của thành phần People.
Như vậy, chúng ta đánh giá được là bộ thang đo cho Products có tính đúng đắn
không cao, kể cả tính đúng đắn hội tụ (Convergent validity) và tính đúng đắn
khác biệt (Discriminant validity). Còn bộ thang đo cho People có tính đúng
đắn khác biệt không cao. Điều này cho thấy thành phần về ấn tượng nước
xuất xứ giữa về con người và sản phẩm có sự khác biệt nhỏ. Trong trường hợp
này, chúng ta nghó đến khái niệm về ấn tượng nước xuất xứ thì có thể hình
dung được là khái niệm ấn tượng về một quốc gia chứa rất nhiều nội dung và
phức tạp. Do đó, khi khái niệm về ấn tượng một quốc gia được chuyển thành
hai thành phần một cách đơn giản, con người và sản phẩm, chúng ta rất khó
phân biệt là nội dung nào sẽ phụ thuộc vào ấn tượng về con người hoặc ấn
tượng về sản phẩm. Như vậy, kết quả ở đây cho thấy điều mà tính đúng đắn

phân biệt không cao cũng là một điều hợp lý.
Để phân tích thêm cho kết quả nghiên cứu này, chúng ta cần phải phân biệt
nhân tố cho hai thành phần là ấn tượng về con người và ấn tượng về sản
phẩm. Cho nên thực hiện một cuộc phân tích nhân tố, bao gồm hai bộ thang
đo cho People và Products, để truy xuất hai nhân tố. Kết quả được trình bày ở
bảng 5.3. Trong phân tích nhân tố này sử dụng tiêu chuẩn rút trích là “A Priori
Criterion”, tức là trong phần mềm SPSS, tôi chỉ đònh số nhân tố rút trích là
hai. “A Priori Criterion” là một tiêu chuẩn rút trích mà có thể áp dụng khi nào
nhà phân tích đã biết số nhân tố được trích ra trước khi thực hiện phân tích
nhân tố. Tiêu chuẩn này hữu ích nếu nhà phân tích đang kiểm tra một lý
thuyết hoặc giả thiết về số nhân tố được truy xuất. Còn việc sử dụng tiêu
chuẩn này vào trường hợp đang thực hiện việc sao chép lại nghiên cứu trước
đây và rút trích đúng số nhân tố mà đã được thiết lập, được chứng tỏ là đúng
(Hair et al., 1992). Trong trường hợp nghiên cứu này, điều kiện sử dụng tiêu
chuẩn rút trích không đúng lắm so với các điều trên, vì một là bộ thang đo
được sử dụng trong nghiên cứu này đã được dòch chuyển từ tiếng Anh sang
tiếng Nhật, hai là các câu hỏi trong bộ thang đo đã được phát triển và sữa đổi
cho trường hợp nghiên cứu này. Nhưng vì hai thành phần cho ấn tượng quốc
-48-
gia có tính đúng đắn khác biệt không cao và khó phân biệt biến nào hình
thành nhân tố nào, cho nên ở đây sử dụng điều kiện rút trích này để phân biệt
hai nhân tố này và sự không hợp lý của việc sử dụng điều kiện này sẽ được
hiệu chỉnh lại trong quá trình phân tích nhân tố khẳng đònh tiếp theo.
Bảng 5.3' Pattern Matrix cho People và
Products
a
.848
.802
.745
.689

.580
.573
.568
.526
.438
.391
.347
.764
.703
.617
.585
.503
1-3Nguoi VN sieng nang
1-1Nguoi VN duoc giao duc tot
1-5Nguoi VN than thien va thu vi
1-6Ky nang cua lucluong LD cao
1-2Dao tao KT duoc chu trong
1-8Nguoi VN nang cao chuan muc SH
1-4Nguoi VN sang tao
2-3VN huu nghi trong XH quoc te
2-5Thuc an VN ngon
2-4VN la noi cung cap thuy san lon
1-7VN tich cuc tham gia XH Q.te
2-6Muc do pho bien cua SP VN cao
2-2SP VN duoc p.phoi tren the gioi
2-1SP VN duoc lam voi ky nang cao
1-9Nguoi VN SX san pham KT cao
2-7Thuc pham VN an toan
1 2
Factor

Extraction Method: Principal Axis Factoring.
Rotation Method: Promax with Kaiser Normalization.
Rotation converged in 3 iterations.
a.
Bảng 5.3 trình bày các hệ số Loading của mỗi biến với hai nhân tố là
People: Factor 1 và Products: Factor 2. Trong đó có một số biến nhảy qua
nhân tố khác từ vò trí đã được thiết kế, như 1-9 (chuyển vào Products), 2-3,
2-4, 2-5 (Chuyển sang People). Nhưng ngoài trừ câu 2-3, các biến ở đây
không được coi là có tính đúng đắn nội dung (Face validity) vì ý nghóa của
những câu này không chứa nội dung của nhân tố mà chúng có hệ số loading
cao trong bảng 5.3. Thí dụ, câu 1-9 có hệ số loading khá với nhân tố Products
nhưng câu này nói đến con người chứ, không mô tả về sản phẩm. Vì vậy,
những câu này đều được loại bỏ, do vi phạm về tính đúng đắn nội dung. Còn
câu 2-3 thì câu này được xếp loại vào nhân tố Products do nghiên cứu trước
đây của Knight et al. (1999), nhưng kết quả trong bảng 5.3 chứng tỏ nó có
quan hệ chặt với nhân tố People, và nội dung của câu này hoàn toàn không
mô tả về sản phẩm, mà mô tả về con người và quốc gia như các câu khác
trong bộ thang đo People. Vì vậy, có thể kết luận là việc xếp câu này vào
-49-
thang đo Products trong nghiên cứu trước đây là sai lầm do sự ảnh hưởng của
một số yếu tố nằm bên ngoài mô hình, và trong quá trình phân tích nhân tố
khám phá này xếp câu 2-3 vào nhân tố People. Kết quả ở đây cũng không
mâu thuẫn với kết quả trong bảng 5.2.
Như vậy, phân tích nhân tố khám phá đến đây đã rút trích 4 nhân tố trong
mô hình nghiên cứu với các biến như sau:

Attitudes: tất cả mọi biến từ 4-1 đến 4-10

Beliefs: tất cả mọi biến từ 3-1 đến 3-8, chỉ trừ câu 3-3.


People: tất cả mọi biến từ 1-1 đến 1-8 và biến 2-3

Products: 4 biến, 2-1, 2-2, 2-6, 2-7
Tiếp theo, thực hiện phân tích độ tin cậy và phân tích nhân tố cho mỗi nhân
tố đã được rút trích với thành phần đã được trình bày trên (Xin xem kết quả
chi tiết ở trang 100 và 103, phần C.4 và C.5 trong phụ lục C). Kết quả cho
thấy các nhân tố đã được trích ra đều tốt về mặt độ tin cậy, vì các hệ số
Cronbach alpha đều đủ lớn và không có giá trò Item-total correlation nào nhỏ
hơn 0.4. Còn về mặt tính đúng đắn thì các biến trong bốn nhân tố đều có hệ số
loading đủ lớn. Nhưng phương sai tích lũy của một số nhân tố không lớn như
People (51.177%) và Products (58.580%). Thông thường phương sai tích lũy
được yêu cầu > 60%, nhưng > 50% cũng có thể chấp nhận được. Như vậy,
trong quá trình phân tích nhân tố khám phá đã trích ra đủ 4 nhân tố cho mô
hình nghiên cứu, và tiếp theo, mô hình được phân tích và hiệu chỉnh lại trong
quá trình phân tích nhân tố khẳng đònh.
5.4. PHÂN TÍCH NHÂN TỐ KHẲNG ĐỊNH
Trước khi chuyển vào phân tích nhân tố khẳng đònh bằng phương pháp
Structural equation modeling(SEM), tên gọi biến cho các nhân tố trong mô
hình SEM được đặt như sau:

Attitudes: Từ câu 4-1 đến 4-10 được đặt là [attitu01] đến [attitu10]

Beliefs: Từ câu 3-1 đến 3-8, ngoại trừ 3-3, được gọi là [belief01] đến
[belief08]

People: Từ câu 1-1 đến 1-8 được gọi [people01] đến [people08], và
2-3 được gọi [produc03]

Products: câu 2-1, 2-2, 2-6, 2-7, được gọi là [produc01], [produc02],
[produc06], [produc07]

-50-
Phần mềm được sử dụng là “Amos 4.0” và sử dụng phương pháp ước tính là
Maximum likelihood Estimation (MLE). Dựa trên kết quả phân tích nhân tố
khám phá, mô hình nghiên cứu đã nhập vào phần mềm Amos 4.0 như sau đây
(Hình 5.1).
people
PEOPLE08e18
1
1
PEOPLE06e16
1
PEOPLE03e13
1
PEOPLE02e12
1
PEOPLE01e11
1
product
PRODUC06e26
PRODUC01e21
1
1
1
beliefs
BELIEF04e34
BELIEF05e35
BELIEF06e36
BELIEF07e37
BELIEF08e38
1

1
1
1
1
1
attitudes
ATTITU01
e41
ATTITU02 e42
ATTITU04 e44
ATTITU05 e45
1
1
1
1
1
1
COI
BELIEF02e32
1
BELIEF01e31
1
ATTITU06 e46
1
ATTITU07 e47
1
ATTITU08 e48
1
ATTITU09 e49
1

res3
1
res2
1
res1
1
res4
1
PRODUC07e27
1
PEOPLE04e14
1
PEOPLE05e15
1
PEOPLE07e17
1
PRODUC02e22
1
ATTITU10 e40
1
PRODUC03e23
ATTITU03 e43
1
1
Hinh 5.1: Flexiblemodel
Model Specification
Nghiên cứu này sử dụng một số chỉ số thống kê để đánh giá độ thích hợp
của mô hình với dữ liệu thực tế (Measure of fit). Ở đây giới thiệu ý nghóa của
các chỉ số thống kê và tiêu chuẩn đánh giá (tham khảo Amos 4.0 User’s
Guide, 1999):


CMIN: giá trò chi-square

P: p-value cho kiểm đònh giả thiết là mô hình hoàn toàn phù hợp với
dữ liệu thực tế

DF: Degree of freedom

CMIN/DF: Chi-square chia cho DF;
Rule of Thumb: Chỉ số nằm từ 2 đến 1, hoặc 3 đến 1 thì độ thích hợp
có thể được chấp nhận (Carmines and McIver, 1981); Chỉ số thấp như
-51-
2 hoặc cao như 5, chỉ rằng sự phù hợp (Marsh and Hocevar, 1985). Chỉ
số > 2.00 chứng tỏ rằng độ thích hợp không đủ (Byrne, 1989).

RMSEA: “root mean square error of approximation”
Rule of Thumb: <0.05 chỉ rằng gần phù hợp mô hình, <0.08 chỉ rằng
sai số của phương pháp tính gần đúng được chấp nhận, > 0.10 thì
không phù hợp (Browne and Cudeck, 1993).

CFI: “The comparative fit index”, sẽ có giá trò từ 0 đến 1. Chỉ số gần
đến 1 thì thích hợp.
Rule of Thumb: > 0.9 thì mô hình thích hợp với dữ liệu (Tanaka, 1987;
Toyota, 1992)

GFI: “goodness of fit index”, sẽ có giá trò từ 0 đến 1. Chỉ số gần đến 1
thì thích hợp.
Rule of Thumb: > 0.9 thì mô hình thích hợp với dữ liệu (Tanaka, 1987;
Toyota, 1992)


AGFI: “adjusted goodness of fit index”, tương tự như GFI, nhưng hiệu
chỉnh với độ tự do mô hình. Có quan hệ GFI > AGFI.

HOELTER: số mẫu lớn nhất cho giả thiết là mô hình đúng. Hoelter
(1983) cho rằng giá trò > 200 chỉ sự thoả mãn về độ thích hợp, thông
thường sử dụng với mức ý nghóa là 0.05.
Riêng về CMIN và P của nó thì có một điều cần quan tâm. Đó là, Chi-
square và p-value thường không được các nhà nghiên cứu quan tâm nhiều
trong việc đánh giá độ thích hợp của mô hình khi sử dụng cỡ mẫu lớn. Vì “...,
Đối với mẫu lớn, gần như tất cả mô hình sẽ bò bác bỏ do sự không được ứng
hộ về mặt thống kê,...” (Bentler and Bonett, 1980). Như vậy, một số tác giả
đề nghò việc sử dụng tỷ số CMIN/DF như tiêu chuẩn đánh giá độ thích hợp mô
hình (Amos 4.0 User’s Guide, 1999). Cỡ mẫu của nghiên cứu này (314 mẫu)
cũng có thể được coi là cỡ mẫu lớn, so với cỡ mẫu thích hợp của phương pháp
ước tính MLE là 100 – 200 mẫu. Vì vậy, nghiên cứu này cũng sử dụng tỷ số
CMIN/DF để đánh giá độ thích hợp mô hình mà không quan tâm nhiều đến
giá trò CMIN và p-value.
Kết quả chạy mô hình ban đầu (Hình 5.1) trên phần mềm Amos 4.0 cho
thấy là mô hình không phù hợp với dữ liệu, vì các chỉ số thống kê có kết quả
như sau: