Phân tích CFA mô hình có biến bậc hai second-order AMOS

Phân tích CFA với biến bậc hai cần lưu ý một điểm cực kỳ quan trọng là mô hình biến bậc hai đó theo dạng kết quả (reflective) hay nguyên nhân (formative). Trước khi đi vào phần CFA, chúng ta cần nắm được lý thuyết về cách chạy EFA tại bài viết Phân tích nhân tố EFA cấu trúc biến bậc hai (second order).

Theo Zainudin, A. (2012). A handbook on SEM: Structural equation model- ling using amos graphics (2th ed.). Kelantan: University Technology MARA Press, để xử lý biến bậc hai trong CFA, chúng ta sẽ đánh giá:

#1: Tính hội tụ các biến bậc một

#2: Ý nghĩa của các biến bậc một trong biến bậc hai

#3: Đánh giá mô hình tổng thể của nghiên cứu. Các tiêu chí đánh giá gồm: độ phù hợp tổng thể mô hình; chất lượng biến quan sát; tính hội tụ, tính phân biệt của biến bậc hai với các biến khác trong mô hình tổng thể.

2.1 Đánh giá tính hội tụ các biến bậc một

Để đánh giá tính hội tụ các biến bậc một, chúng ta vẽ diagram chỉ biểu diễn mối quan hệ giữa các biến bậc một thuộc một biến bậc hai với nhau.

Sử dụng plugin Validity and Reliability Test để đánh giá tính hội tụ, tính phân biệt theo hướng dẫn tại bài viết Đánh giá tính hội tụ, tính phân biệt trong phân tích CFA.

→ Giá trị CR đều lớn hơn 0.7 và AVE đều lớn hơn 0.5, như vậy các thang đom biến bậc một đều đảm bảo tính hội tụ.

2.2 Ý nghĩa của các biến bậc một trong biến bậc hai

Để đánh giá ý nghĩa của các biến bậc một trong biến bậc hai, chúng ta vẽ diagram biểu diễn mối quan hệ giữa biến bậc hai với biến bậc một thành phần như bên dưới.

Những chú ý khi biểu diễn biến bậc hai trên CFA AMOS:

Từ output kết quả, chúng ta vào Estimates > Scalars > Regression Weights.

→ Giá trị P-value các mối tác động từ biến bậc hai lên biến bậc một thành phần đều nhỏ hơn 0.05. Như vậy, các biến bậc một đều có ý nghĩa giải thích cho biến bậc hai. Với biến PP là biến có hệ số tải 1.000 là giá trị tham chiếu nên sẽ không có chỉ số.

Tiếp tục vào Estimates > Scalars > Standardized Regression Weights.

→ Giá trị hệ số tải (factor loading – trong amos lúc này là standardized regression weights) của các biến bậc một thành phần cao đáng kể so với mức 0.5 (Hair và cộng sự (2009). Như vậy, các biến bậc một đều đóng góp vào biến bậc hai rất tốt. Hệ số tải nào lớn hơn sẽ cho thấy biến bậc một đó đóng góp nhiều hơn vào biến bậc hai.

2.3 Đánh giá CFA mô hình tổng thể của nghiên cứu

Trong diagram này, chúng ta sẽ đánh giá độ phù hợp mô hình tổng thể của biến bậc hai. Xét diagram quan hệ biến bậc hai với các biến khác trong mô hình.

Thêm một chú ý khi biểu diễn biến bậc hai trên CFA AMOS với mô hình tổng thể:

a. Đánh giá độ phù hợp tổng thể

Đánh giá độ phù hợp tổng thể mô hình qua các chỉ số model fit, chi tiết các đánh giá bạn xem tại bài viết Kiểm định độ phù hợp mô hình Model Fit trong CFA.

→ Các chỉ số độ phù hợp mô hình đều vượt ngưỡng chấp nhận:

Như vậy mô hình đạt được độ phù hợp tốt.

b. Chất lượng biến quan sát

Để đánh giá chất lượng biến quan sát trong CFA, chúng ta dựa vào hai bảng kết quả là Regression Weights và Standardized Regression Weights. Từ giao diện bên trái của output, nhấp vào Regression Weights.

→ Giá trị P-value các biến quan sát đều nhỏ hơn 0.05. Như vậy, các biến quan sát đều có ý nghĩa trong mô hình.

→ Hệ số tải nhân tố factor loading (standardized regression weights) của các biến quan sát đều lớn hơn 0.5 (Hair và cộng sự, 2009). Như vậy các biến quan sát đều có ý nghĩa trong mô hình.