ĐÁNH GIÁ TÍNH HỘI TỤ, TÍNH PHÂN BIỆT TRONG PHÂN TÍCH CFA AMOS

Kiểm định tính hội tụ và tính phân biệt là hai khái niệm quan trọng trong phân tích nhân tố khẳng định (CFA) và kiểm tra tính hợp lý của mô hình đo lường trong phương pháp SEM.

Tính hội tụ (convergent validity) là khả năng của các chỉ số đo lường đo lường chung một khía cạnh của biến được đo lường. Nó được kiểm tra bằng cách đo độ tin cậy của các chỉ số đo lường và bằng cách kiểm tra mức độ tương đồng giữa các chỉ số đo lường. Nếu các chỉ số đo lường tương đồng và có độ tin cậy cao, thì tính hội tụ được xác nhận.

Tính phân biệt (discriminant validity) là khả năng của các chỉ số đo lường đo đạc các khía cạnh riêng biệt của biến được đo lường. Nó được kiểm tra bằng cách so sánh độ tương đồng giữa các chỉ số đo lường của các biến khác nhau. Nếu các chỉ số đo lường khác nhau, thì tính phân biệt được xác nhận.

Nếu mô hình đo lường không đáp ứng được cả tính hội tụ và tính phân biệt, điều này có thể cho thấy rằng mô hình đo lường không phù hợp và cần được sửa đổi hoặc chỉnh sửa lại. Nếu mô hình đo lường không đáp ứng được tính hội tụ, điều này có thể cho thấy rằng các chỉ số đo lường không đo lường chung một khía cạnh của biến được đo lường, hay nói cách khác biến tiềm ẩn trong mô hình không được giải thích rõ bởi các biến quan sát của nó, khả năng đây là lỗi trong việc xác định thang đo của Nhà nghiên cứu, và để khắc phục điều này Nhà nghiên cứu cần kiểm định lại cơ sở xây dựng thang đo, và tất nhiên độ tin cậy trong vấn đề khảo sát số liệu cũng gốp phần tạo ra lỗi này. Nếu mô hình đo lường không đáp ứng được tính phân biệt, điều này có thể cho thấy rằng các chỉ số đo lường đo đạc các khía cạnh giống nhau của các biến khác nhau, nói dễ hiểu, biến tiềm ẩn được giải thích bởi các quan sát bên ngoài tốt hơn các quan sát của chính nó.

Để đánh giá các kiểm định trên, Hair và cộng sự (2010) đã đưa ra các tiêu chí như sau:

Tính hội tụ (Convergent Validity)

         + Độ tin cậy tổng hợp Composite Reliability (CR) ≥ 0.7.

         + Phương sai trung bình được trích Average Variance Extracted (AVE) ≥ 0.5.

Tính phân biệt (Discriminant Validity)

         + Phương sai chia sẻ lớn nhất Maximum Shared Variance (MSV) < Average Variance Extracted (AVE)

         + Căn bậc hai phương sai trung bình được trích Square Root of AVE (SQRTAVE) > Tương quan giữa các cấu trúc Inter-Construct Correlations trong bảng Fornell and Larcker.

Để tính toán được các chỉ số này trong AMOS, chúng ta sử dụng phần mềm AMOS 28. Quá trình thực hiện anh chị có thể xem video bên dưới nhé, hoặc thực hiện theo các bước sau đây.

Kết quả sẽ xuất ra một tệp ở dạng .html, trong đó thể hiện các kết quả về Độ tin cậy tổng hợp (CR); Phương sai trung bình (AVE); giá trị MSV (Maximum Shared Variance); MaxR(H).

Anh chị lưu ý, các giá trị đường chéo chính là căn bậc 2 của AVE nhé, các phần tử còn lại của ma trận chính là hệ số correlations khi chạy CFA nhé.

Đang update tiếp...

Tài liệu tham khảo:

Hair, J., Black, W., Babin, B., and Anderson, R. (2010). Multivariate data analysis (7th ed.): Prentice-Hall, Inc. Upper Saddle River, NJ, USA.

Malhotra N. K., Dash S. (2011). Marketing Research an Applied Orientation. London: Pearson Publishing.

Video hướng dẫn cách chạy các kiểm định trên dưới đây.