Sau khi đã hoàn thành bước phân tích nhân tố khám phá EFA, chúng ta có bảng ma trận xoay Pattern Matrix. Sử dụng kết quả ma trận xoay này, chúng ta đi tới bước phân tích nhân tố khẳng định CFA (Confirmatory Factor Analysis).
Trước khi đi vào phần hướng dẫn, bạn cần đảm bảo rằng phần mềm AMOS của bạn đã có plugin Pattern Matrix Builder. Nếu chưa có plugin, bạn hãy tải và cài đặt theo hướng dẫn bên dưới:
– Plugin Pattern Matrix Builder dành cho AMOS 20: link tại đây
– Plugin Pattern Matrix Builder dành cho AMOS 24: link tại đây
VIDEO:
AMOS đã có, plugin đã được cài đặt, chúng ta cùng đi vào phần hướng dẫn phân tích CFA nhé. Khởi động phần mềm AMOS, click chọn vào biểu tượng Select Data file như hình bên dưới:
Tại cửa sổ hiện ra, chọn File Name, sau đó chọn file dữ liệu SPSS đã hoàn thiện các bước Cronbach Alpha, EFA. Trong hình ảnh là file DATA AMOS.sav.
Tiếp tục nhấp vào OK để AMOS nhận file dữ liệu SPSS.
Quay về cửa sổ chính phần mềm AMOS. Vào Plugins > Pattern Matrix Model Buider.
Copy bảng ma trận xoay Pattern Matrix từ output SPSS dán vào cửa sổ Pattern Matrix Input, nhấp vào Create Diagram.
AMOS sẽ tự động tạo ra hình vẽ các biến, phần dư, các mối liên hệ…. một cách tự động, đều, đẹp thay vì chúng ta phải vẽ thủ công khi không có plugin Pattern Matrix Builder. Tiến hành đổi các tên biến tiền ẩn 1,2,3,4,5… thành ký hiệu nhân tố cho dễ đọc kết quả.
Chèn các macro để xem nhanh các chỉ số Model Fit, dưới đây là một số macro chính cần dùng:
Chi-square=\cmin
df=\df
Chi-square/df=\cmindf
GFI=\gfi
CFI=\cfi
RMSEA=\rmsea
PCLOSE=\pclose
Sau khi chèn xong macro, hãy lưu lại file CFA bằng cách nhấn Ctrl + S hoặc vào File > Save. Sau khi đã lưu file, chọn vào biểu tượng Analysis Properties.
Tích chọn vào các mục từ 1 đến 5, mục số 6 nhập vào giá trị 15. Sau đó nhấp vào nút X ở góc trên bên phải để xác nhận tùy chọn và thoát khỏi giao diện.
Chọn vào biểu tượng Calculate Estimates để tiến hành chạy phân tích CFA.
Nhấp vào nút View Text để xem các bảng kết quả trong output.
Với CFA, các bạn quan tâm đến kết quả ở phần Model Fit và kiểm định các Validity như tính đơn hướng, tính hội tụ, tính phân biệt,… Phần kiểm định các Validity & Reliability các bạn vui lòng xem tại đây. Còn trong bài viết này, chúng ta sẽ đi vào đọc kết quả phân tích CFA phần các chỉ số phù hợp mô hình Model Fit.
Có rất nhiều bảng, nhiều thông số, nhưng chúng ta sẽ chỉ chú ý tới những giá trị quan trọng. Ngưỡng chấp nhận chỉ số độ phù hợp mô hình Model Fit có sự chênh lệch nhau theo mỗi tác giả dựa trên công trình nghiên cứu riêng của tác giả đó. Do vậy, khi tra ngưỡng chấp nhận các chỉ số của Model Fit, bạn cần dẫn nguồn cụ thể là ngưỡng đó lấy từ tác giả nào. Dưới đây là 2 công trình nghiên cứu được trích dẫn nguồn phổ biến nhất hiện nay:
– Theo Hu & Bentler (1999), Cutoff criteria for fit indexes in covariance structure analysis: Conventional criteria versus new alternatives, Structural Equation Modeling các chỉ số được xem xét để đánh giá Model Fit gồm:
- CMIN/df ≤ 3 là tốt, CMIN/df ≤ 5 là chấp nhận được
- CFI ≥ 0.9 là tốt, CFI ≥ 0.95 là rất tốt, CFI ≥ 0.8 là chấp nhận được
- GFI ≥ 0.9 là tốt, GFI ≥ 0.95 là rất tốt
- RMSEA ≤ 0.06 là tốt, RMSEA ≤ 0.08 là chấp nhận được
- PCLOSE ≥ 0.05 là tốt, PCLOSE ≥ 0.01 là chấp nhận được
– Theo Hair et al. (2010), Multivariate Data Analysis, 7th edition các chỉ số được xem xét để đánh giá Model Fit gồm:
- CMIN/df ≤ 2 là tốt, CMIN/df ≤ 5 là chấp nhận được
- CFI ≥ 0.9 là tốt, CFI ≥ 0.95 là rất tốt, CFI ≥ 0.8 là chấp nhận được
- GFI ≥ 0.9 là tốt, GFI ≥ 0.95 là rất tốt
- RMSEA ≤ 0.08 là tốt, RMSEA ≤ 0.03 là rất tốt
** Thông tin thêm: Cả Hair et al. (2010) và Hu & Bentler (1999) đều đồng ý rằng các ngưỡng chấp nhận chỉ số Model Fit sẽ khác nhau dựa trên cỡ mẫu, số nhóm nhân tố, số biến quan sát,… Và cả 2 nghiên cứu cũng đều đưa ra cỡ mẫu N = 250 là điểm phân cách ngưỡng chấp nhận. Tuy nhiên, để tránh sự rối rắm, khó hiểu, các tác giả đã đưa ra ngưỡng chung có thể áp dụng cho nhiều trường hợp. Với Hair et al. (2010), các tác giả chia 2 trường hợp nhỏ, còn với Hu & Bentler (1999) cho tất cả các trường hợp.
– Ngoài ra, một số đề tài do sự giới hạn về cỡ mẫu nên trị số GFI khó đạt được mức 0.9. Chính vì vậy, mức giá trị tối thiểu 0.8 vẫn được chấp nhận theo Baumgartner and Homburg (1995), and Doll, Xia, and Torkzadeh (1994).
Nguồn chi tiết hơn:
1. Baumgartner, H., Homburg, C.: Applications of Structural Equation Modeling in Marketing and
Consumer Research: a review. International Journal of Research in Marketing 13(2), 139-161 (1996)
2. Doll, W.J., Xia, W., Torkzadeh, G.: A confirmatory factor analysis of the end-user computing
satisfaction instrument, MIS Quarterly 18(4), 357–369 (1994)
