Kiểm định độ tin cậy thang đo bằng Cronbach’s Alpha là một trong những bước quan trọng trong quy trình phân tích dữ liệu định lượng. Trước khi tiến hành các phân tích như EFA, CFA, hồi quy hay SEM, nhà nghiên cứu cần đánh giá mức độ nhất quán nội tại của các biến quan sát để đảm bảo thang đo phản ánh chính xác khái niệm nghiên cứu. Trong số các phần mềm thống kê hiện nay, SPSS là công cụ được sử dụng phổ biến nhất để thực hiện kiểm định Cronbach’s Alpha nhờ giao diện trực quan và thao tác đơn giản.
Tuy nhiên, không ít người mới bắt đầu vẫn gặp khó khăn trong việc lựa chọn tiêu chuẩn đánh giá, xử lý các biến có hệ số tương quan biến – tổng thấp hoặc diễn giải kết quả sao cho đúng với yêu cầu của luận văn và bài báo khoa học. Chính vì vậy, trong bài viết này Xử Lý Định Lượng sẽ hướng dẫn chi tiết toàn bộ quy trình từ cơ sở lý thuyết, cách chạy trên SPSS, cách đọc kết quả, tiêu chuẩn đánh giá, xử lý các trường hợp thường gặp đến những lưu ý quan trọng giúp bạn áp dụng Cronbach’s Alpha một cách chính xác và hiệu quả trong nghiên cứu.
1. Cronbach’s Alpha là gì và vai trò trong nghiên cứu định lượng?
1.1 Độ tin cậy của thang đo được hiểu như thế nào?
Độ tin cậy của thang đo phản ánh mức độ nhất quán giữa các biến quan sát cùng đo lường một khái niệm nghiên cứu. Khi nhiều phát biểu khác nhau cùng hướng đến một nội dung chung, các biến này thường có xu hướng tương quan với nhau và tạo nên một cấu trúc đo lường ổn định.
Ví dụ, thang đo về sự hài lòng của khách hàng có thể bao gồm các phát biểu liên quan đến chất lượng sản phẩm, mức giá, dịch vụ hỗ trợ và ý định tiếp tục sử dụng. Nếu tất cả các biến đều phản ánh cùng khái niệm “sự hài lòng”, mức độ nhất quán nội tại của thang đo sẽ cao hơn.
Ngược lại, nếu một biến quan sát mang nội dung khác biệt hoặc người trả lời hiểu theo một hướng khác, biến đó có thể làm giảm độ tin cậy chung của toàn bộ thang đo.
1.2 Cronbach’s Alpha đo lường điều gì?
Cronbach’s Alpha là chỉ số được đề xuất bởi Lee J. Cronbach nhằm đánh giá mức độ nhất quán nội tại giữa các biến quan sát trong cùng một thang đo. Giá trị của hệ số này chịu ảnh hưởng bởi mức độ tương quan giữa các biến và số lượng biến quan sát được sử dụng.
Một hệ số Alpha cao cho thấy các biến quan sát có xu hướng phản ánh cùng một cấu trúc tiềm ẩn. Tuy nhiên, điều này không đồng nghĩa với việc thang đo chắc chắn chỉ bao gồm một nhân tố duy nhất. Vì vậy, Cronbach’s Alpha không thể thay thế hoàn toàn cho các kỹ thuật kiểm định cấu trúc như EFA hoặc CFA.
Trong thực tế nghiên cứu, Cronbach’s Alpha nên được hiểu là công cụ đánh giá tính nhất quán của thang đo thay vì một chỉ số xác nhận giá trị lý thuyết của mô hình.
1.3 Vai trò của Cronbach’s Alpha trong quy trình xử lý dữ liệu
Đối với các nghiên cứu sử dụng SPSS, Cronbach’s Alpha thường được thực hiện ở giai đoạn đầu của quá trình xử lý dữ liệu. Một quy trình phổ biến bao gồm:
- Kiểm định độ tin cậy bằng Cronbach’s Alpha.
- Phân tích nhân tố khám phá EFA.
- Phân tích tương quan Pearson.
- Hồi quy tuyến tính hoặc mô hình cấu trúc.
- Kiểm định các giả thuyết nghiên cứu.
Việc đánh giá độ tin cậy trước khi thực hiện EFA giúp loại bỏ những biến quan sát chưa phù hợp, từ đó nâng cao chất lượng của các nhân tố được hình thành ở bước tiếp theo.
Tuy nhiên, cần lưu ý rằng không tồn tại một quy tắc cứng nhắc áp dụng cho mọi nghiên cứu. Đối với những thang đo đã được kiểm định nhiều lần hoặc các nghiên cứu sử dụng phương pháp phân tích khác, trình tự triển khai có thể thay đổi tùy theo mục tiêu nghiên cứu và yêu cầu học thuật cụ thể.
2. Điều kiện áp dụng và tiêu chuẩn đánh giá độ tin cậy thang đo
2.1 Khi nào nên sử dụng Cronbach’s Alpha?
Cronbach’s Alpha phù hợp với các thang đo bao gồm nhiều biến quan sát cùng phản ánh một khái niệm tiềm ẩn. Trong lĩnh vực kinh tế, quản trị, giáo dục và khoa học xã hội, phương pháp này thường được sử dụng cho các thang đo Likert năm mức hoặc bảy mức.
Một số ví dụ phổ biến gồm:
- Sự hài lòng của khách hàng.
- Chất lượng dịch vụ.
- Ý định mua hàng.
- Lòng trung thành thương hiệu.
- Động lực làm việc.
- Hiệu quả tổ chức.
- Mức độ chấp nhận công nghệ.
Đối với các biến định danh hoặc các câu hỏi độc lập không cùng đo lường một khái niệm chung, việc áp dụng Cronbach’s Alpha thường không phù hợp.
2.2 Tiêu chuẩn Cronbach’s Alpha theo các tài liệu học thuật
Các tài liệu nghiên cứu hiện nay không đưa ra một ngưỡng duy nhất áp dụng cho mọi trường hợp. Việc đánh giá hệ số Alpha cần phụ thuộc vào bối cảnh nghiên cứu, mục tiêu sử dụng thang đo và mức độ phát triển của công cụ đo lường.
Theo Nunnally (1978), hệ số tin cậy từ 0.70 trở lên được xem là có thể chấp nhận được trong các nghiên cứu cơ bản. Đối với những công cụ phục vụ mục đích ứng dụng hoặc ra quyết định quan trọng, yêu cầu về độ tin cậy có thể cao hơn.
Hair và cộng sự cho rằng các giá trị từ 0.60 đến dưới 0.70 đôi khi vẫn được chấp nhận trong các nghiên cứu mang tính khám phá, đặc biệt khi thang đo mới được xây dựng hoặc áp dụng trong bối cảnh nghiên cứu mới. Trong khi đó, các giá trị nằm trong khoảng từ 0.70 đến 0.90 thường phản ánh mức độ nhất quán nội tại tốt.
Ngược lại, hệ số Alpha quá cao, chẳng hạn vượt quá 0.95, có thể cho thấy sự trùng lặp nội dung giữa các biến quan sát. Khi đó, nhà nghiên cứu cần xem xét lại mức độ đa dạng của các phát biểu trong thang đo thay vì chỉ tập trung vào việc tối đa hóa hệ số thống kê.
2.3 Ý nghĩa của Corrected Item–Total Correlation và Alpha if Item Deleted
Bên cạnh hệ số Alpha tổng thể, SPSS còn cung cấp hai chỉ số quan trọng khác là Corrected Item–Total Correlation và Cronbach’s Alpha if Item Deleted.
Corrected Item–Total Correlation phản ánh mức độ liên hệ giữa từng biến quan sát với tổng điểm của toàn bộ thang đo sau khi loại trừ chính biến đó. Trong nhiều giáo trình phương pháp nghiên cứu, giá trị 0.30 thường được sử dụng như một tiêu chí tham khảo để xem xét việc giữ hoặc loại biến quan sát. Tuy nhiên, đây không phải là một quy tắc tuyệt đối áp dụng cho mọi nghiên cứu.
Trong khi đó, Cronbach’s Alpha if Item Deleted cho biết hệ số Alpha của toàn bộ thang đo sẽ thay đổi như thế nào nếu một biến cụ thể bị loại bỏ. Nếu việc loại biến giúp hệ số Alpha tăng lên đáng kể và đồng thời biến đó có mức tương quan biến tổng thấp, nhà nghiên cứu có thể cân nhắc loại biến khỏi mô hình.
Dẫu vậy, quyết định cuối cùng vẫn cần dựa trên cả cơ sở lý thuyết và nội dung của biến quan sát. Một biến mang ý nghĩa khái niệm quan trọng đôi khi vẫn nên được giữ lại, ngay cả khi các chỉ số thống kê chưa thực sự tối ưu.
Tóm lại, khi kiểm định độ tin cậy Cronbach’s Alpha trên SPSS, cần dựa vào hai tiêu chuẩn sau:
- Tiêu chuẩn 1: Hệ số Cronbach’s Alpha của thang đo ≥ 0.7; đối với nghiên cứu khám phá sơ bộ, ngưỡng ≥ 0.6 có thể chấp nhận.
- Tiêu chuẩn 2: Các biến quan sát phải có Corrected Item–Total Correlation ≥ 0.3.
3. Chuẩn bị dữ liệu trước khi thực hiện kiểm định
3.1 Kiểm tra cấu trúc thang đo trước khi đưa vào SPSS
Trước khi chạy Cronbach’s Alpha, nhà nghiên cứu cần xác định rõ các biến quan sát nào thuộc cùng một khái niệm nghiên cứu. Việc gộp nhầm các biến thuộc nhiều nhân tố khác nhau vào cùng một lần kiểm định sẽ làm giảm độ tin cậy của thang đo và dẫn đến kết quả khó diễn giải.
Ví dụ, thang đo “Chất lượng dịch vụ” gồm năm biến CLDV1 đến CLDV5 cần được kiểm định riêng biệt, thay vì gộp chung với các biến thuộc “Sự hài lòng” hoặc “Lòng trung thành”. Mỗi khái niệm tiềm ẩn nên được xem như một đơn vị phân tích độc lập trong giai đoạn đánh giá độ tin cậy.
Đối với các nghiên cứu kế thừa thang đo từ tài liệu trước đó, việc giữ nguyên cấu trúc lý thuyết ban đầu thường giúp quá trình kiểm định trở nên nhất quán hơn. Ngược lại, nếu nghiên cứu tự xây dựng thang đo mới, nhà nghiên cứu cần rà soát kỹ nội dung từng phát biểu để bảo đảm tính đồng nhất về mặt khái niệm.
3.2 Làm sạch dữ liệu trước khi phân tích
Bên cạnh việc kiểm tra cấu trúc thang đo, dữ liệu khảo sát cũng cần được làm sạch trước khi đưa vào SPSS. Một số nội dung cần rà soát gồm:
- Kiểm tra các giá trị bị thiếu (Missing Values).
- Xác nhận việc mã hóa thang đo Likert theo cùng một chiều.
- Đảo chiều các biến nghịch đảo nếu có.
- Loại bỏ các bảng trả lời không hợp lệ hoặc điền thiếu thông tin quan trọng.
Đặc biệt, đối với các câu hỏi đảo ngược, việc quên thực hiện thao tác Reverse Coding có thể làm hệ số Cronbach’s Alpha âm hoặc giảm mạnh mặc dù nội dung thang đo hoàn toàn phù hợp về mặt lý thuyết. Đây là một trong những lỗi phổ biến nhất của người mới bắt đầu sử dụng SPSS.
4. Cách chạy Cronbach’s Alpha trên SPSS từng bước
Bước 1: Mở chức năng Reliability Analysis
Sau khi hoàn thành quá trình nhập liệu, từ thanh công cụ của SPSS, chọn Analyze → Scale → Reliability Analysis
Đây là chức năng chuyên dùng để kiểm định độ tin cậy của thang đo thông qua hệ số Cronbach’s Alpha.
Khi cửa sổ Reliability Analysis xuất hiện, người dùng sẽ tiến hành lựa chọn các biến quan sát thuộc cùng một nhân tố để thực hiện phân tích.
Bước 2: Đưa các biến quan sát vào mô hình
Chọn toàn bộ các biến thuộc cùng một thang đo và đưa sang ô Items.
Ví dụ, nếu nghiên cứu có thang đo “Tiền lương” gồm bốn biến TL1, TL2, TL3 và TL4, toàn bộ bốn biến này cần được đưa vào cùng một lần phân tích.
Tại mục Model, giữ nguyên lựa chọn Alpha. Đây là thiết lập mặc định của SPSS và cũng là phương pháp được sử dụng phổ biến nhất trong các nghiên cứu định lượng.
Mỗi nhân tố cần được kiểm định riêng biệt. Không nên đưa toàn bộ các biến của nhiều thang đo khác nhau vào cùng một mô hình Cronbach’s Alpha.
Bước 3: Thiết lập các tùy chọn cần thiết
Nhấn nút Statistics và lựa chọn các tùy chọn sau:
- Item.
- Scale.
- Scale if item deleted.
- Correlations.
Các tùy chọn này giúp SPSS xuất ra đầy đủ các chỉ số cần thiết để đánh giá độ tin cậy của thang đo, bao gồm hệ số Cronbach’s Alpha tổng thể, Corrected Item–Total Correlation và Cronbach’s Alpha if Item Deleted.
Sau khi hoàn tất thiết lập, nhấn Continue để quay trở lại cửa sổ chính.
Bước 4: Thực hiện phân tích và xuất kết quả
Nhấn OK để chạy mô hình.
SPSS sẽ xuất ra một số bảng kết quả quan trọng, trong đó hai bảng thường được sử dụng nhiều nhất là:
- Reliability Statistics.
- Item-Total Statistics.
Trong thực tế viết luận văn, phần lớn nội dung nhận xét Cronbach’s Alpha đều được xây dựng dựa trên hai bảng này. Kết quả kiểm định độ tin cậy Cronbach’s Alpha của thang đo TL được hiện thị như sau:
4. Cách đọc và diễn giải kết quả Cronbach’s Alpha
a. Đánh giá hệ số Alpha của toàn bộ thang đo
Bảng Reliability Statistics cung cấp hệ số Cronbach’s Alpha tổng thể và số lượng biến quan sát được đưa vào phân tích.
Ở bước này, nhà nghiên cứu cần đối chiếu giá trị Alpha với tiêu chuẩn đã lựa chọn trong phần phương pháp nghiên cứu. Việc sử dụng cùng một hệ quy chiếu xuyên suốt toàn bộ luận văn giúp đảm bảo tính nhất quán trong quá trình diễn giải kết quả.
Ví dụ câu nhận xét cho thang đo TL ở trên: Kết quả kiểm định cho thấy hệ số Cronbach’s Alpha = 0.795 > 0.7, thang đo TL đáp ứng yêu cầu về độ tin cậy.
b. Kiểm tra từng biến quan sát trong thang đo
Bảng Item-Total Statistics là cơ sở quan trọng để đánh giá từng biến quan sát riêng lẻ.
Nhà nghiên cứu cần xem xét đồng thời cột hệ số Corrected Item–Total Correlation và cả Cronbach’s Alpha if Item Deleted. Tuy nhiên, giá trị trọng tâm để nhận xét là Corrected Item–Total Correlation, còn Cronbach’s Alpha if Item Deleted là chỉ số phụ hỗ trợ.
Nếu một biến có hệ số tương quan biến tổng thấp dưới 0.3 là dấu hiệu cho thấy biến chưa phù hợp với cấu trúc thang đo. Tuy nhiên, việc loại biến không nên thực hiện một cách tự động. Nội dung của biến, nguồn gốc thang đo và ý nghĩa lý thuyết vẫn cần được cân nhắc trước khi đưa ra quyết định cuối cùng.
Ví dụ câu nhận xét cho thang đo TL ở trên: Kết quả kiểm định độ tin cậy cho thấy các biến quan sát đều có hệ số Corrected Item-Total Correlation lớn hơn 0.3. Như vậy, các biến quan sát này đều có ý nghĩa đo lường cho biến tiềm ẩn TL trong thang đo.
c. Viết nhận xét Cronbach’s Alpha trong luận văn
Một đoạn nhận xét phổ biến thường bao gồm ba nội dung:
- Giá trị Cronbach’s Alpha của toàn bộ thang đo.
- Khoảng dao động của Corrected Item–Total Correlation.
- Kết luận giữ lại hoặc loại bỏ biến quan sát.
Ví dụ:
“Kết quả kiểm định độ tin cậy thang đo TL cho thấy hệ số Cronbach’s Alpha đạt 0.795 (> 0.7), đáp ứng yêu cầu về độ tin cậy. Hệ số tương quan biến – tổng của các biến quan sát dao động từ 0.585 đến 0.631, đều lớn hơn 0.3, cho thấy không cần loại bỏ biến nào. Do đó, toàn bộ 4 biến quan sát TL1, TL2, TL3 và TL4 được giữ lại để tiếp tục phân tích.”
Việc trình bày ngắn gọn, nhất quán và bám sát tiêu chuẩn phương pháp nghiên cứu sẽ giúp phần kết quả trở nên thuyết phục hơn.
5. Những lưu ý và sai lầm thường gặp khi loại biến quan sát
Loại biến chỉ để làm tăng Cronbach’s Alpha
Một sai lầm phổ biến là cố gắng loại bỏ nhiều biến quan sát nhằm tối đa hóa hệ số Alpha. Trong một số trường hợp, việc tăng Alpha có thể làm mất đi những khía cạnh quan trọng của khái niệm nghiên cứu.
Mục tiêu của Cronbach’s Alpha không phải tạo ra một con số cao nhất có thể mà là đảm bảo thang đo phản ánh đầy đủ và nhất quán nội dung cần đo lường.
Bỏ qua ý nghĩa lý thuyết của biến quan sát
Các quyết định thống kê cần được đặt trong bối cảnh lý thuyết.
Nếu một biến được kế thừa từ nhiều nghiên cứu trước đó và mang ý nghĩa quan trọng đối với mô hình nghiên cứu, việc loại bỏ biến chỉ vì một chỉ số chưa tối ưu đôi khi không phải lựa chọn phù hợp.
Trong nhiều trường hợp, nhà nghiên cứu có thể giữ lại biến và giải thích rõ cơ sở học thuật của quyết định này trong phần phương pháp nghiên cứu.
Nhầm lẫn giữa độ tin cậy và giá trị thang đo
Cronbach’s Alpha chỉ phản ánh tính nhất quán nội tại của thang đo, không phản ánh giá trị hội tụ, giá trị phân biệt hay cấu trúc nhân tố.
Do đó, một thang đo có hệ số Alpha cao vẫn cần tiếp tục được kiểm định bằng EFA, CFA hoặc các phương pháp phù hợp khác để đánh giá toàn diện chất lượng đo lường.
6. Câu hỏi thường gặp
Câu hỏi 1: Có bắt buộc phải chạy Cronbach’s Alpha trước EFA hay không?
Đây là một trong những câu hỏi được nhiều học viên quan tâm khi xử lý dữ liệu khảo sát bằng SPSS. Trên thực tế, không tồn tại một quy định bắt buộc rằng mọi nghiên cứu đều phải thực hiện Cronbach’s Alpha trước EFA.
Tuy nhiên, trong phần lớn luận văn và đề tài nghiên cứu tại Việt Nam, Cronbach’s Alpha thường được sử dụng như bước sàng lọc ban đầu nhằm loại bỏ những biến quan sát chưa phù hợp trước khi tiến hành phân tích nhân tố khám phá. Cách tiếp cận này giúp cải thiện cấu trúc nhân tố và làm cho quá trình diễn giải kết quả EFA thuận lợi hơn.
Đối với những thang đo được kế thừa nguyên vẹn từ các nghiên cứu trước hoặc đã được kiểm định nhiều lần, trình tự triển khai có thể linh hoạt hơn tùy theo mục tiêu nghiên cứu và yêu cầu học thuật cụ thể.
Câu hỏi 2: Hệ số Cronbach’s Alpha càng cao có phải càng tốt?
Không hoàn toàn như vậy.
Hệ số Alpha cao phản ánh mức độ nhất quán nội tại giữa các biến quan sát, nhưng giá trị quá cao đôi khi lại cho thấy sự trùng lặp về nội dung giữa các phát biểu. Hair và cộng sự lưu ý rằng hệ số vượt quá 0.95 có thể là dấu hiệu cho thấy các biến quan sát chưa đảm bảo tính đa dạng cần thiết của thang đo.
Do đó, thay vì theo đuổi một giá trị Alpha lớn nhất có thể, nhà nghiên cứu cần cân bằng giữa tính nhất quán thống kê và khả năng phản ánh đầy đủ các khía cạnh của khái niệm nghiên cứu.
Câu hỏi 3: Có nên loại ngay biến có Corrected Item–Total Correlation nhỏ hơn 0.30?
Giá trị 0.30 thường được sử dụng như một tiêu chí tham khảo trong nhiều giáo trình phương pháp nghiên cứu và tài liệu hướng dẫn SPSS. Tuy nhiên, đây không phải là một quy tắc tuyệt đối.
Nếu biến quan sát có ý nghĩa lý thuyết quan trọng, được kế thừa từ các nghiên cứu uy tín hoặc phản ánh một khía cạnh đặc biệt của khái niệm nghiên cứu, nhà nghiên cứu hoàn toàn có thể cân nhắc giữ lại và giải thích rõ quyết định của mình trong luận văn.
Nói cách khác, việc giữ hay loại biến cần dựa trên sự kết hợp giữa bằng chứng thống kê và cơ sở lý thuyết.
Câu hỏi 4: Có thể sử dụng Cronbach’s Alpha cho dữ liệu danh nghĩa hay không?
Cronbach’s Alpha phù hợp với các thang đo bao gồm nhiều biến quan sát cùng đo lường một cấu trúc tiềm ẩn, thường được biểu diễn dưới dạng thang Likert hoặc các thang đo thứ bậc.
Đối với các biến định danh như giới tính, nghề nghiệp, khu vực sinh sống hoặc những câu hỏi độc lập không cùng phản ánh một khái niệm chung, việc áp dụng Cronbach’s Alpha thường không phù hợp và không mang nhiều ý nghĩa về mặt phương pháp luận.
Câu hỏi 5: Khi sử dụng SMARTPLS có cần chạy Cronbach’s Alpha trên SPSS trước không?
Điều này phụ thuộc vào mục tiêu nghiên cứu và cách tiếp cận phương pháp luận.
Nếu nghiên cứu sử dụng các thang đo đã được kiểm định rộng rãi và triển khai trực tiếp bằng PLS-SEM, nhiều tác giả cho rằng hoàn toàn có thể đánh giá mô hình đo lường thông qua Composite Reliability, rho_A và AVE mà không nhất thiết phải thực hiện Cronbach’s Alpha trên SPSS trước đó.
Tuy nhiên, trong bối cảnh luận văn tại Việt Nam, nhiều giảng viên vẫn yêu cầu trình bày đầy đủ các bước Cronbach’s Alpha, EFA và sau đó mới chuyển sang SMARTPLS hoặc AMOS. Vì vậy, nhà nghiên cứu nên tham khảo yêu cầu cụ thể của đơn vị đào tạo trước khi lựa chọn quy trình phân tích.
7. Kết luận
Kiểm định độ tin cậy bằng Cronbach’s Alpha là một bước quan trọng trong quá trình xử lý dữ liệu khảo sát, giúp đánh giá mức độ nhất quán nội tại của các biến quan sát trước khi tiến hành những phân tích chuyên sâu hơn. Bên cạnh việc nắm vững thao tác trên SPSS, người nghiên cứu cần hiểu rõ ý nghĩa của từng chỉ số, đồng thời kết hợp giữa bằng chứng thống kê và cơ sở lý thuyết khi đưa ra quyết định giữ hoặc loại biến.
Cũng cần lưu ý rằng Cronbach’s Alpha chỉ phản ánh độ tin cậy của thang đo chứ không thay thế cho các bước kiểm định giá trị hội tụ, giá trị phân biệt hay cấu trúc nhân tố. Vì vậy, việc tiếp tục thực hiện EFA, CFA hoặc các phương pháp phân tích phù hợp vẫn là yêu cầu cần thiết trong quy trình nghiên cứu định lượng.
Nếu bạn muốn tìm hiểu thêm về các kỹ thuật xử lý dữ liệu, phân tích SPSS, AMOS hoặc SMARTPLS, có thể tham khảo thêm các bài viết chuyên sâu tại Xử Lý Định Lượng. Trường hợp cần hỗ trợ xử lý dữ liệu khảo sát, xây dựng mô hình nghiên cứu hoặc hoàn thiện chương kết quả luận văn, Xử Lý Định Lượng hiện cũng cung cấp dịch vụ hỗ trợ phân tích SPSS phù hợp cho sinh viên, học viên cao học và nghiên cứu sinh.
Tài liệu tham khảo gợi ý
Cronbach, L. J. (1951). Coefficient alpha and the internal structure of tests. Psychometrika, 16(3), 297–334.
Hair, J. F., Hult, G. T. M., Ringle, C. M., & Sarstedt, M. (2022). A Primer on Partial Least Squares Structural Equation Modeling (PLS-SEM) (3rd ed.). Sage Publications.
Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2019). Multivariate Data Analysis (8th ed.). Cengage.
Nunnally, J. C. (1978). Psychometric Theory (2nd ed.). McGraw-Hill.
DeVellis, R. F. (2016). Scale Development: Theory and Applications (4th ed.). Sage Publications.
