Trong nghiên cứu định lượng, đặc biệt là các nghiên cứu sử dụng mô hình cấu trúc tuyến tính (SEM), việc đảm bảo thang đo đạt độ tin cậy (Reliability) và giá trị (Validity) là bước cực kỳ quan trọng. Sau khi thực hiện phân tích nhân tố khám phá (EFA), nhà nghiên cứu thường sử dụng phân tích nhân tố khẳng định (CFA – Confirmatory Factor Analysis) trong phần mềm AMOS để kiểm định lại cấu trúc thang đo.
Trong CFA, hai nhóm tiêu chí quan trọng cần đánh giá là Reliability (độ tin cậy) và Validity (giá trị thang đo). Bài viết này sẽ hướng dẫn chi tiết cách kiểm tra các tiêu chí này trong AMOS và cách đọc, diễn giải kết quả.
1. Tổng quan về Reliability và Validity trong CFA
Trong phần mềm AMOS, người nghiên cứu thường thực hiện hai bước phân tích chính là CFA (Confirmatory Factor Analysis) và SEM (Structural Equation Modeling). Trong đó, việc đánh giá độ tin cậy (Reliability), tính hội tụ (Convergent Validity) và tính phân biệt (Discriminant Validity) chỉ được thực hiện ở bước CFA, vì đây là giai đoạn kiểm định mô hình đo lường.
Theo Hair và cộng sự (2010, 2016), các chỉ số thường được sử dụng để đánh giá bao gồm:
CR (Composite Reliability) → đánh giá độ tin cậy tổng hợp
AVE (Average Variance Extracted) → đánh giá tính hội tụ
MSV (Maximum Shared Variance) và bảng Fornell–Larcker → đánh giá tính phân biệt
1.1. Đánh giá độ tin cậy (Reliability)
Độ tin cậy phản ánh mức độ nhất quán của các biến quan sát trong cùng một thang đo.
Tiêu chí đánh giá: Composite Reliability (CR) ≥ 0.7
Nếu CR lớn hơn 0.7, thang đo được xem là đạt độ tin cậy. Trong trường hợp CR thấp hơn ngưỡng, cần xem xét lại các biến quan sát, đặc biệt là các biến có hệ số tải thấp.
Trong thực tế, nếu CR không đạt, các công cụ hỗ trợ thường sẽ hiển thị cảnh báo tại phần Validity Concerns để người dùng dễ dàng nhận diện và xử lý.
1.2. Đánh giá tính hiệu lực Validity là gì?
Validity (giá trị) phản ánh mức độ mà thang đo đo đúng khái niệm cần đo. Trong CFA, giá trị thang đo được chia thành:
a. Giá trị hội tụ (Convergent Validity)
Tính hội tụ thể hiện mức độ các biến quan sát cùng đo lường một khái niệm có sự liên kết chặt chẽ với nhau.
Tiêu chí đánh giá: Average Variance Extracted (AVE) ≥ 0.5
Nếu AVE lớn hơn 0.5, thang đo đạt tính hội tụ. Ngược lại, nếu AVE nhỏ hơn 0.5, thang đo chưa đạt và cần được điều chỉnh.
Trong trường hợp vi phạm, cần xem xét loại bỏ biến có hệ số tải thấp nhất, chạy lại mô hình CFA sau khi điều chỉnh. Ví dụ, nếu một nhân tố có AVE < 0.5, công cụ có thể gợi ý loại bỏ một biến cụ thể để cải thiện AVE. Khi đó, người nghiên cứu cần xóa biến này khỏi mô hình và thực hiện CFA lại để kiểm tra kết quả mới.
b. Giá trị phân biệt (Discriminant Validity)
Tính phân biệt đảm bảo rằng các khái niệm trong mô hình là khác biệt với nhau và không bị trùng lặp. Việc đánh giá tính phân biệt được thực hiện thông qua hai tiêu chí:
(1) So sánh MSV và AVE: MSV < AVE
Nếu MSV nhỏ hơn AVE, thang đo đạt tính phân biệt. Ngược lại, nếu MSV lớn hơn hoặc bằng AVE, các khái niệm có thể bị trùng lặp.
(2) Bảng Fornell–Larcker
Tiêu chí: Căn bậc hai AVE (√AVE) của từng nhân tố phải lớn hơn hệ số tương quan giữa nhân tố đó với các nhân tố khác
Trong bảng Fornell–Larcker: Giá trị trên đường chéo: là √AVE của từng nhân tố, các giá trị còn lại: là hệ số tương quan giữa các nhân tố.
2. Kiểm tra Reliability và Validity bằng Tool online
Để đơn giản hóa quá trình tính toán và hạn chế sai sót khi xử lý thủ công, người nghiên cứu có thể sử dụng tool online kiểm tra Reliability và Validity trong CFA. Ưu điểm của công cụ này là có thể sử dụng với mọi phiên bản AMOS, không cần cài đặt plugin hay phụ thuộc vào phần mềm trung gian như Excel.
Bước 1: Truy cập công cụ
Bạn truy cập vào công cụ tại đường link sau: https://dichvuspss.net/cong-cu/reliability-validity-tool/
Sau khi truy cập, giao diện công cụ sẽ hiển thị với hai khu vực nhập dữ liệu chính.
Bước 2: Chuẩn bị và nhập dữ liệu từ AMOS
Sau khi thực hiện phân tích CFA trong AMOS, người nghiên cứu cần trích xuất hai bảng kết quả quan trọng:
- Standardized Regression Weights (hệ số tải chuẩn hóa)
- Correlations (ma trận tương quan giữa các nhân tố)
Trong giao diện công cụ:
- Khu vực (1): Dán bảng Standardized Regression Weights
- Khu vực (2): Dán bảng Correlations
Chúng ta chỉ cần thực hiện thao tác copy trực tiếp từ output AMOS và dán vào đúng vị trí tương ứng trong tool.
Bước 3: Thực hiện phân tích
Sau khi đã nhập đầy đủ dữ liệu, nhấn nút “Phân tích” để hệ thống tiến hành xử lý.
Công cụ sẽ tự động:
- Tính toán các chỉ số: CR, AVE, MSV
- Xây dựng bảng Fornell–Larcker
- Kiểm tra điều kiện Reliability, Convergent Validity, Discriminant Validity
Bước 4: Đọc kết quả và xuất bảng
Sau khi phân tích, công cụ sẽ trả về:
- Bảng kết quả đầy đủ các chỉ số
- Phần nhận xét tự động bên dưới
Trong trường hợp có vi phạm:
- Các giá trị không đạt sẽ được tô màu đỏ
- Công cụ sẽ hiển thị nội dung giải thích và gợi ý hướng xử lý (ví dụ: loại biến có loading thấp)
Người dùng có thể:
Nhấn nút “Copy bảng” ở góc trên bên phải
- Dán vào Excel để định dạng lại
- Sau đó đưa vào Word phục vụ trình bày bài nghiên cứu hoặc luận văn
Lưu ý khi sử dụng công cụ:
Sau khi thực hiện điều chỉnh mô hình (ví dụ: loại biến quan sát không đạt), người nghiên cứu cần:
- Chạy lại CFA trong AMOS
- Lấy lại hai bảng:
- Standardized Regression Weights
- Correlations
- Dán dữ liệu mới vào tool và thực hiện phân tích lại
Quy trình này cần lặp lại cho đến khi tất cả các tiêu chí về độ tin cậy và giá trị thang đo đều được đảm bảo.
3. Kiểm tra Reliability và Validity qua plugin Master Validity
Ngoài cách sử dụng tool online, chúng ta cũng có thể kiểm tra Reliability và Validity thông qua plugin Master Validity tích hợp vào AMOS. Tuy nhiên, cần lưu ý rằng plugin này không có sẵn trong AMOS mà phải cài đặt thêm từ bên ngoài.
Hiện tại, plugin Master Validity chỉ hỗ trợ từ AMOS phiên bản 23 trở lên. Nếu bạn đang sử dụng phiên bản thấp hơn, bạn cần cài đặt phiên bản AMOS mới hơn (ví dụ AMOS 24) kèm theo plugin để sử dụng đầy đủ chức năng.
Trước hết, cần lưu ý rằng việc đánh giá độ tin cậy, tính hội tụ và tính phân biệt chỉ được thực hiện trong CFA, không áp dụng cho SEM. Sau khi hoàn tất mô hình CFA, chúng ta thực hiện như sau. Trên thanh công cụ AMOS, chọn Plugins → Validity and Reliability Test.
Khi đó, phần mềm sẽ tự động xuất ra một file .html và mở trên trình duyệt mặc định của máy tính. File này chứa toàn bộ bảng kết quả cần thiết để đánh giá thang đo.
Khi một biến quan sát bị loại bỏ, chúng ta cần quay lại sơ đồ CFA (diagram) trong AMOS để xóa biến đó khỏi mô hình. Sau đó, tiến hành chạy lại phân tích CFA và thực hiện đánh giá lại tính hội tụ và tính phân biệt. Trong ví dụ này, sau khi loại bỏ biến QH1, chỉ số AVE của nhân tố QH đã được cải thiện và đạt ngưỡng yêu cầu.
4. Cách đọc kết quả bảng Reliability và Validity
Bảng kết quả kiểm định Reliability và Validity trong CFA thường bao gồm hai phần chính: (1) các chỉ số CR, AVE, MSV và (2) ma trận Fornell–Larcker.
- Đối với độ tin cậy (Reliability), chỉ số cần quan tâm là Composite Reliability (CR). Một thang đo được xem là đạt độ tin cậy khi CR lớn hơn hoặc bằng 0.7.
- Đối với tính hội tụ (Convergent Validity), chỉ số được sử dụng là Average Variance Extracted (AVE). Thang đo đạt tính hội tụ khi AVE lớn hơn hoặc bằng 0.5, cho thấy các biến quan sát giải thích tốt cho khái niệm tiềm ẩn.
- Đối với tính phân biệt (Discriminant Validity), có hai tiêu chí cần kiểm tra. Thứ nhất, giá trị Maximum Shared Variance (MSV) của từng nhân tố phải nhỏ hơn AVE tương ứng. Thứ hai, theo tiêu chuẩn Fornell–Larcker, căn bậc hai của AVE (√AVE) của mỗi nhân tố phải lớn hơn hệ số tương quan giữa nhân tố đó với các nhân tố còn lại trong mô hình.Trong bảng Fornell–Larcker, các giá trị nằm trên đường chéo chính (thường được in đậm) chính là √AVE, trong khi các giá trị ngoài đường chéo là hệ số tương quan giữa các nhân tố. Việc so sánh được thực hiện theo từng hàng hoặc từng cột để xác định tính phân biệt của các khái niệm.
Ví dụ với bảng kết quả sau:
Kết quả phân tích cho thấy các thang đo trong mô hình đều đạt yêu cầu về độ tin cậy. Cụ thể, các giá trị Composite Reliability (CR) của các nhân tố BH, TT, QH, KM, QC và NB đều lớn hơn 0.7, cho thấy các thang đo có mức độ nhất quán nội tại cao.
Về tính hội tụ, các giá trị Average Variance Extracted (AVE) của tất cả các nhân tố đều lớn hơn 0.5. Điều này chứng tỏ các biến quan sát có mức độ hội tụ tốt và giải thích được phần lớn phương sai của khái niệm mà chúng đo lường.
Đối với tính phân biệt, trước hết, tiêu chí MSV đều được thỏa mãn khi tất cả các giá trị MSV của các nhân tố đều nhỏ hơn AVE tương ứng. Điều này cho thấy các nhân tố không bị trùng lặp về phương sai chia sẻ.
Bên cạnh đó, kết quả từ bảng Fornell–Larcker cũng củng cố thêm kết luận này. Căn bậc hai AVE của từng nhân tố (các giá trị trên đường chéo) đều lớn hơn các hệ số tương quan giữa nhân tố đó với các nhân tố còn lại trong mô hình. Điều này chứng tỏ các khái niệm trong mô hình có sự phân biệt rõ ràng và đạt yêu cầu về giá trị phân biệt.
Kết luận: Từ các kết quả trên, có thể kết luận rằng mô hình đo lường đạt đầy đủ các tiêu chí về độ tin cậy, tính hội tụ và tính phân biệt. Do đó, thang đo được xem là phù hợp và có thể tiếp tục sử dụng cho các phân tích tiếp theo như SEM.
