NGUYỄN KHÁNH DUY
Giảng viên Khoa Kinh tế Phát Triển
Trường ĐH Kinh tế TPHCM BÀI GIẢNG

(Bản thảo lần 1)
THỰC HÀNH MÔ HÌNH CẤU TRÚC TUYẾN TÍNH (SEM)
VỚI PHẦN MỀM AMOS
gs_gqs
gqs6
e9
gqs5
e8
gqs4
e7
gqs3
e6
gss6
e5
gss5
e4
gss4
e3
gss2
e2

cos5
e20
cos4
e19
cos3e18
.83
.81
.80
.77
.72
.76
lrs
lrs4e27
lrs3
e26
lrs2
e25
lrs1
e24
.78
.75
.66
.67
gts
gts6
e33
Chi-square= 1595.832
df= 1007
P-value= .000
Chi-square/df= 1.585

e38
gss7
e37
.75
.73
.74
.76
.79
.82
.80
.67
.67
.82
.79
.88
.86
.69
.71
.72
oss
oss3
e41
oss2
40
oss1
e39
.79
.90
.92
ls

.66
.54.79
.65
.34
.46
.21
.46
.38
.73
.40

.69 .41

Bài giảng này nhằm hỗ trợ các bạn bước đầu tiếp cận SEM dưới góc độ thực hành với
phần mềm AMOS được dễ dàng hơn, nhanh chóng hơn mà trước mắt là làm tài liệu học tập
mang tính trực quan phục vụ cho chương trình bồi dưỡng cử nhân tài năng do Đoàn Khoa
Kinh tế phát triển – Trường ĐH Kinh tế TPHCM tổ chức (chủ đề này học trong 2 buổi), hay
các khoá đào tạo ngắn hạn tại Trung tâm Tư vấn doanh nghiệp và Phát triển kinh tế vùng về
Phân tích dữ liệu và dự báo trong kinh doanh. Bên cạnh đó, trong quá trình học tập, các bạn
sinh viên/ học viên sẽ được phát các tài liệu đọc về mặt lý thuyết SEM, các bài báo khoa học,
công trình nghiên cứu có áp dụng SEM bằng tiếng Anh/ tiếng Việt khác…

Do SEM khá phức tạp dưới góc độ toán học và trình độ của tác giả còn hạn chế nên
những sai sót trong quá trình biên soạn là khó có thể tránh khỏi. Tác giả rất mong nhận được
sự đóng góp ý kiến, phê bình của bạn đọc để quyển bài giảng này trong lần tái bản tiếp theo
sẽ được hoàn thiện hơn, mang lại nhiều lợi ích hơn cho bạn đọc xa gần. Thư góp ý xin gửi về:

Nguyễn Khánh Duy
Khoa Kinh tế Phát triển – Trường ĐH Kinh tế TPHCM
Địa chỉ: 1A Hoàng Diệu – Quận Phú Nhuận - TPHCM
Email:
[email protected] hoặc [email protected]
Điện thoại: 098.900.1766

Mong rằng bạn đọc sẽ tiếp tục đón nhận những quyển sách tốt hơn liên quan đến chủ
đề kinh tế lượng, phân tích dữ liệu & dự báo nâng cao do các đồng nghiệp & tôi biên soạn
(được xuất bản chính thức) trong tương lai.

Xin chân thành cảm ơn và chúc các bạn thành công!

TP.Hồ Chí Minh, tháng 5 năm 2009
Tác giả


viên chúng tôi tìm tòi về nó. Tôi chân thành cảm ơn thầy Nguyễn Đình Thọ vì những gợi mở,
những hướng dẫn tận tình của thầy đã dành cho chúng tôi. Những nghiên cứu của thầy là
những tài liệu rất quý cho những người làm Marketing hay bất cứ ai đang làm nghiên cứu
ngành quản trị kinh doanh, và những ai tìm hiểu về SEM... Thời gian học tập ở bậc đại học,
sau đại học có biết bao kỷ niệm với bạn bè, và sự tri ân của học viên chúng tôi với tất cả quý
thầy cô đã tham gia giảng dạy.
Tôi muốn được gửi lời cảm ơn của mình đến thầy Hoàng Trọng vì những quyển sách
về phân tích dữ liệu bằng SPSS mà thầy đã tham gia biên soạn (từ 1997 đến nay). Nó là
những tài liệu thật quý giá đối với tôi cũng như những bạn đam mê, hay muốn tìm hiểu về
phân tích dữ liệu trong nghiên cứu; thật không ngờ quyển sách đầu tiên của thầy (viết cùng
với thầy Võ Văn Huy, cô Võ Thị Lan) mà tôi ngẫu nhiên tìm được ở nhà sách khi mới bước
chân vào giảng đường đại học đã hướng tôi đến việc làm nhiều nghiên cứu khoa học với
phương pháp định lượng khi còn là sinh viên.
Tôi xin được chân thành cảm ơn thầy Nguyễn Trọng Hoài, Thầy Cao Hào Thi đã tạo
điều kiện hỗ trợ, động viên, hướng dẫn tôi trong công việc giảng dạy về phân tích định lượng
từ những ngày đầu mùa thu năm 2007 ở chương trình giảng dạy Kinh tế Fulbright.
Xin gửi đến Thu Hương lời cảm ơn chân thành vì rất nhiều điều, bạn đã đồng hành,
chia sẻ, hỗ trợ tôi trong suốt thời gian học tập/ nghiên cứu ở bậc đại học, sau đại học…
Xin cảm ơn những bạn đồng nghiệp: anh Quốc Duy, anh Thanh Bình, anh Thanh Vũ
… và những người bạn khác luôn hỗ trợ, động viên, trao đổi, chia sẻ những kiến thức, kinh
nghiệm về phân tích dữ liệu, cũng như hỗ trợ tôi trong công việc, trong nghiên cứu.
Quyển bài giảng này viết ra chủ yếu dành cho các bạn sinh viên đại học khối kinh tế -
quản trị. Cũng nhờ sự ham học tập, sự khát khao khám phá và những tình cảm tốt đẹp mà các
bạn sinh viên đại học (mà tôi có dịp gặp gỡ ở Trường ĐH Kinh tế TPHCM, Trường ĐH
Ngoại Thương (CS2), Trường ĐH Ngân Hàng TPHCM, chương trình đào tạo đặc biệt của
Trường ĐH Mở TPHCM) đã dành cho tôi trong thời gian qua đã giúp tôi luôn có những niềm
vui trong công việc, và nghiên cứu. Xin chân thành cảm ơn các bạn!

3

4

MỤC LỤC
Lời nói đầu


5

1. TRAO ĐỔI VỚI CÁC BẠN SINH VIÊN LỚP BỒI DƯỠNG CỬ NHÂN TÀI NĂNG
& GIỚI THIỆU VỀ SEM, PHẦN MỀM AMOS

Từ đầu học kỳ đến nay, lớp chúng ta đã học về các chủ đề Tư duy sáng tạo (Thầy
Nguyễn Hoàng Bảo, trong 3 buổi), phương pháp nghiên cứu nâng cao – đi sâu vào khung
phân tích và nghiên cứu định tính (Thầy Trần Tiến Khai, trong 2 buổi), Mô hình Logit
(Thầy Lương Vinh Quốc Duy, trong 1 buổi), Các chủ đề của kinh tế lượng tài chính và dự
báo nâng cao ARIMA, SARIMA, ARCH-GARCH … (thầy Phùng Thanh Bình, trong 4
buổi), Phân tích kỹ thuật (Thầy Võ Thanh Sơn, trong 2 buổi). Cô Trương Công Thanh
Nghị đã chia sẻ với các bạn về kinh nghiệm làm nghiên cứu, và giới thiệu các giải thưởng
nghiên cứu khoa học sinh viên, kinh nghiệm học tập của một thủ khoa đầu vào cũng như đầu
ra Khoá 28 của trường ĐH Kinh tế TPHCM; anh Hoàng Anh (Kế hoạch đầu tư K31) đã chia
sẻ kinh nghiệm của anh trong việc học tập của một người đội trưởng đạt giải nhất cuộc thi
“Kinh tế học - tầm nhìn bạn và tôi” – cuộc thi do Khoa KTPT chúng ta tổ chức với hơn 5000
thí sinh từ 11 trường đại học ở phía Nam - cũng như những nghiên cứu mà anh đang nỗ lực
1
,
anh Nguyễn Ngọc Danh cũng đã trao đổi với các bạn về nghiên cứu của anh về sức khoẻ trẻ

tập, rèn luyện, thể hiện bản thân, và giao lưu! Chúc các bạn ấy may mắn, vui, và học tập được nhiều điều bổ
ích!
2
Tôi đã có ý định huấn luyện thêm cho lớp về một số chủ đề khác nữa, nhưng những chủ đề này chỉ có một vài
nhóm sử dụng và mất khá nhiều thời gian khi trình bày trên lớp: Mô hình hệ phương trình (một số nhóm có thể
sử dụng trong dự báo các chỉ tiêu vĩ mô), Kinh tế lượng với dữ liệu bảng (Nhóm bạn Mạnh Dũng, Thanh Hằng,
Thanh Thuý – lớp Thẩm định giá K32), Khai thác bộ dữ liệu VHLSS với phần mềm STATA (Nhóm của Thế
Hùng về bất bình đẳng trong thu nhập– KHĐT K32, Nhóm bạn Khương lớp Nhân lực K32) … các bạn có thể
liên hệ với tôi qua email, hoặc trao đổi trực tiếp tại phòng giáo viên H103 vào trưa thứ năm hàng tuần về những
vấn đề này. Và tôi cũng biết, lớp ta có khả năng tự học rất cao!

6

học cũng đã áp dụng SEM trong nghiên cứu của họ. Hai bạn sinh viên đại học Khoá 31 mà
tôi có dịp hướng dẫn cũng đã sử dụng trong việc đo lường chất lượng dịch vụ khách sạn ở
Nha Trang (khảo sát cả khách du lịch quốc tế và khách trong nước), các yếu tố tạo động lực
làm việc cho công nhân ở các Khu công nghiệp tại TPHCM, Bình Dương. Năm ngoái, một
bạn sinh viên ở Trường ĐH Kinh tế - ĐH Đà Nẵng cũng đã sử dụng trong đề tài NCKH sinh
viên của bạn, và tôi biết nhiều bạn sinh viên khác cũng đã làm, sẽ làm…

AMOS được viết tắt từ Analysis of MOment Structures (Phân tích cấu trúc mô
măng). Phần mềm này dùng để thực hiện một phương pháp chung trong phân tích dữ liệu là
Structural Equation Modeling (SEM_ mô hình cấu trúc tuyến tính). SEM cũng có những tên
gọi khác như Analysis of Covariance Structures (Phân tích cấu trúc hiệp phương sai), hay
Causal Modeling (mô hình nhân quả). Trên đường lên tham quan bức tượng Chúa giang tay ở
thành phố biển Vũng Tàu (Mũi Nghinh Phong), bạn sẽ thấy một hình ảnh của vị thánh cũng
có tên là AMOS!

Bạn hãy xem qua một ví dụ về CFA. Pont & Quilken (2002) đã khảo sát 348 khách
hàng ở các ngân hàng và sử dụng phân tích nhân tố khẳng định (viết tắt là CFA, Xem Hình

1
Avkiran, N.K, (1999), Developing an instrument to measure customer service quality in branch banking,
Internation Journal of Banking Marketing, 12 (6), 10-18
2
Bạn hãy để ý những đẳng thức được in đậm trong ngoặc đơn, nếu các chỉ tiêu tương ứng rơi vào trường hợp
như vậy thì mô hình đo lường (hay mô hình nghiên cứu mà bạn sẽ tiếp cận sau này) không phù hợp với thị
trường

7

Hình 1.1

Các biến trong sơ đồ trên được giải thích như sau:
8

Trong chủ đề này, người ta không chỉ nghĩ đến việc kiểm định mô hình đo lường
thông qua CFA, mà điều quan tâm hơn nữa là xây dựng, kiểm định mô hình nghiên cứu
1

thông qua mô hình nhân quả, hay thường gọi là mô hình cấu trúc (SEM).

Chị Mai Thuỳ Ninh (sinh viên đại học ngành kế hoạch đầu tư Khoá 31 mà tôi may
mắn có dịp hướng dẫn) đang làm đề tài tốt nghiệp về đánh giá mức độ thoả mãn của khách du
lịch đối với chất lượng dịch vụ khách sạn tại thành phố Nha Trang. Ninh đã phát triển thang
1
Mô hình thể hiện các quan hệ tương quan, và quan hệ nhân quả giữa các khái niệm. Nó thường được biểu diễn
bởi sơ đồ, phương trình.

9

Hình 1.2
chatluong
.51
che3
e2
.60
che1e1
.72
.77
.80
reab1e3
.90
.81

ser1e14
.89
.73
ser2e15
.85
.82
ser3e16
.91
.76
ser4e17
.87
.78
ser5e18
.88
.73
ser6e19
.85
.75
ser7e20
.86
.86
tang1e21
.93
.66
tang4e22
.81
.66
tang5e23
.81
vitri

.94
.35
foo2e30
.59
.89
thoa man
.87
sat1
e33
.91
sat2
e32
.93
sat3
e31
.95
.94
.62
trung thanh
.82
loy1
e34
.89
loy2
e35
.81
loy3
e36
.94
.91

10

Trong gần 100 em đang học ở đây, đề tài của nhóm em nào có thể áp dụng CFA, SEM?

Dĩ nhiên, sẽ có nhiều em có thể làm được, và nhiều đề tài có thể sử dụng SEM, bởi
các em học lớp này là để làm tốt hơn các nghiên cứu mà các em đang làm, để đóng góp một
điều gì đó có ý nghĩa cho xã hội ngay trong khoảng thời gian ở giảng đường đại học, và
chuẩn bị hành trang cho công việc/học tập sau khi tốt nghiệp đại học! Ví dụ những đề tài của
một số nhóm: chất lượng dịch vụ bệnh viện, ký túc xá, máy bán hàng tự động, dịch vụ vận
tải hành khách của tàu Thống Nhất, dịch vụ giáo dục; động lực làm việc của nhân viên trong
khu vực công, yếu tố ảnh hưởng đến kết quả làm việc của nhân viên, xu hướng mua, hành vi
của nhà đầu tư trên thị trường chứng khoán, văn hoá tổ chức, phong cách lãnh đạo …
1
.

Một số nhóm sử dụng kinh tế lượng với dữ liệu bảng (như đề tài các yếu tố ảnh ưởng
đến FDI vào các quốc gia đang phát triển), hay đề tài áp dụng kỹ thuật kinh tế lượng truyền
thống (ước lượng TFP, các yếu tố tác động đến thu nhập của lao động trẻ ở Việt Nam…), kỹ
thuật dự báo với ARIMA, SARIMA, VAR, ARCH-GARCH (dự báo giá vàng, khách du lịch,
FDI trong bối cảnh khủng hoảng… kiểm định tính hiệu quả của thị trường chứng khoán, thị
trường vàng …) hay chỉ áp dụng thống kê mô tả… cũng đừng lo lắng, và hãy tiếp tục hoàn
thiện nghiên cứu theo hướng đó! Phương pháp nghiên cứu nào, phương pháp phân tích dữ
liệu nào…tất cả chỉ là cách thức, công cụ để các em đạt được mục tiêu nghiên cứu! Vấn đề
quan trọng là lựa chọn phương pháp phù hợp để đạt được mục tiêu mà thôi!

Chúng ta còn nhớ vào giữa tháng 6/2009, Đoàn Khoa KTPT sẽ tổ chức hội thảo khoa học về “Các vấn đề
Kinh tế Xã hội của Việt Nam và thế giới qua phân tích định lượng”, mà người báo cáo, người tham dự chính là
các em, và một số bạn sinh viên NCKH của khoa bạn, trường bạn, và một số anh chị Khoá 31.

11

Hình 1.3

Mô hình trên có Chi-square=183.63, df=141, P=0.009; GFI=0.91, CFI=0.95

Trong mô hình những yếu tố ảnh hưởng đến ý định đầu tư ngắn hạn trên (bên cạnh đó, các tác
giả cũng nghiên cứu mô hình đối với ý định đầu tư dài hạn), một số biến quan sát để đo lường
các khái niệm được trình bày ở trang 13

12 13

Trong bài học này, có 1 ví dụ xun suốt; chúng ta sẽ sử dụng dữ liệu mà chị Nguyễn
Thị Mỹ Thuận
1
khảo sát để phục vụ cho đề tài NCKH sinh viên của chị để làm ví dụ phân
tích. Đề tài của chị Thuận sử dụng các cơng cụ phân tích EFA, Cronbach’s Alpha, Regression
(các chủ đề này các bạn đều đã được học trong mơn phân tích dữ liệu và dự báo). Và bây giờ,
các bạn hãy thử phát triển thêm bằng cách sử dụng CFA, SEM xem thế nào! Tình huống đơn
giản và gần gũi này sẽ giúp bạn dễ hiểu hơn về CFA, SEM – với các thao tác chính trên

4a. Khái niệm sự thoả mãn của nhân viên với cơng việc 1
Chị Thuận là sinh viên khố 30 ngành kế hoạch đầu tư khoa KTPT (mà tơi hướng dẫn đề tài NCKH sinh viên),
chị Thuận cũng là liên chi hội phó hội sinh viên của Khoa KTPT, đề tài của chị đạt giải khuyến khích cấp Bộ.
Hiện nay chị Thuận đã ra trường được 1 năm và đang làm việc tại ngân hàng ACB
2
Theo Gerbing & Anderson (1988), Phương pháp trích Principal Axis Factoring với phép xoay Promax
(Oblique) sẽ phản ánh cấu trúc dữ liệu chính xác hơn phương pháp trích Principal Components với phép xoay
Varimax (Orthogonal)
3
Theo Hair & ctg (1998,111), Factor loading là chỉ tiêu để đảm bảo mức ý nghóa thiết thực của EFA
(ensuring practical significance). Factor loading > 0.3 được xem là đạt được mức tối thiểu, Factor loading >
0.4 được xem là quan trọng, ≥ 0.5 được xem là có ý nghóa thực tiễn. Hair & ctg (1998,111) cũng khuyên bạn
đọc như sau: nếu chọn tiêu chuẩn factor loading > 0.3 thì cỡ mẫu của bạn ít nhất phải là 350, nếu cỡ mẫu của
bạn khoảng 100 thì nên chọn tiêu chuẩn factor loading > 0.55, nếu cỡ mẫu của bạn khoảng 50 thì Factor
loading phải > 0.75
4
KMO là một chỉ tiêu dùng để xem xét sự thích hợp của EFA, 0.5≤KMO≤1 thì phân tích nhân tố là thích hợp.
Kiểm định Bartlett xem xét giả thuyết về độ tương quan giữa các biến quan sát bằng khơng trong tổng thể. Nếu
kiểm định này có ý nghĩa thống kê (Sig < 0.05) thì các biến quan sát có tương quan với nhau trong tổng thể
(Trọng & Ngọc, 2008)

14

Bạn còn nhớ thao tác EFA trong phần mềm SPSS? Analyze\Data Reduction\Factor

prom4
.651

work4
.436

sup6

.811

sup5

.784

sup3

.758

sup7

.664
.325

sup4

.482

sup2 .351
.411


.293

pay1

.485

.271

cow1

.814

cow3

.810

cow2

.810

.207
cow4 .432

.454

ben3

.982

ben2

env1

-.279
.478
env4

.213

.232
Extraction Method: Principal Axis Factoring.
Rotation Method: Promax with Kaiser Normalization.

a. Rotation converged in 7 iterations.

Các con số trong
bảng này gọi là các
Factor loading (hệ số
tải nhân tố)

Env4 bị loại đầu tiên
vì con số này nhỏ
hơn 0.5, và “tệ” nhất

Lần lượt loại từng biến không đạt yêu cầu (biến nào “tệ” nhất bị loại trước):
Env4, env3, sup1, sup2, work4, cow4, env2, env1, pay3, pay1, pay2,
Và ben1



prom1

.899

prom2

.707

prom3

.670

prom4

.602

cow1

.913

cow2

.795

cow3

.768

pay4

Extraction Method: Principal Axis Factoring.
Rotation Method: Promax with Kaiser Normalization.

a. Rotation converged in 6 iterations.

Các con số trong
bảng này gọi là các
Factor loading (hệ
số tải nhân tố)

Bạn có nhận xét gì từ kết quả EFA?

Có 6 nhân tố được rút ra.

Nhân tố 1: gồm các biến quan sát sup3-sup7 Æ được đặt tên là “Lãnh đạo”
Nhân tố 2: gồm prom1-prom4 Æ “Thăng tiến”
Nhân tố 3: gồm cow1-cow3 Æ “Đồng nghiệp”
Nhân tố 4: gồm pay4, pay5, ben4 Æ “lương-thưởng”
Nhân tố 5: gồm ben2, ben3 Æ “bảo hiểm”
Nhân tố 6: gồm work1-work4 Æ “bản chất công việc”

17

Total Variance Explained


12
.395 1.973 90.146

13
.365 1.826 91.971

14
.341 1.704 93.676

15
.306 1.530 95.206

16
.252 1.260 96.466

17
.244 1.221 97.687

18
.212 1.062 98.749

19
.182 .911 99.660

20
.068 .340 100.000

Extraction Method: Principal Axis Factoring.



Khái niệm lòng trung thành là 1 khái niệm đơn hướng (khi EFA, các biến quan sát rút thành 1
nhân tố), nên có thể thử sử dụng phương pháp trích Principal Component Analysis vì phương
pháp trích này sẽ làm cho tổng phương sai trích tốt hơn.

Bạn có nhận xét gì nếu có kết quả từ EFA cho các biến quan sát thuộc khái niệm lòng
trung thành như sau?

KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy.
.701
Approx. Chi-Square 188.787
df 3
Bartlett's Test of Sphericity
Sig.
.000

Total Variance Explained
Initial Eigenvalues Extraction Sums of Squared Loadings
Compo
nent
Total % of Variance Cumulative % Total % of Variance Cumulative %
1 2.146 71.523 71.523 2.146 71.523
71.523
2 .487 16.230 87.753

3 .367 12.247 100.000

Extraction Method: Principal Component Analysis.


nghiên cứu sau này. Đó là

• “Lãnh đạo” được đo lường bởi các biến quan sát sup3-sup7
• “Thăng tiến” được đo lường bởi các biến quan sát prom1-prom4
• “Đồng nghiệp” được đo lường bởi các biến quan sát cow1-cow3
• “Lương-thưởng” được đo lường bởi các biến quan sát pay4, pay5, ben4
• “Bảo hiểm” được đo lường bởi các biến quan sát ben2, ben3
• “Bản chất cơng việc” được đo lường bởi các biến quan sát work1-work4
• “Lòng trung thành”: được đo lường bởi loy1, loy2, loy3

6 khái niệm đầu tiên là các khái niệm thành phần của khái niệm “Sự thoả mãn của nhân viên
với cơng việc”. Cấu trúc của thang đo “Sự thoả mãn nhân viên với cơng việc” gồm có 6 khái
niệm thành phần như trên, và các biến quan sát tương ứng cho từng khái niệm cũng đã được
liệt kê như trên. Các biến quan sát quan sát sup3-sup7; prom1-prom4; cow1-cow3; pay4,
pay5, ben4; ben2, ben3; work1-work4 tạo thành một thang đo để đo lường khái niệm “Sự
thoả mãn của nhân viên với cơng việc”. Các biến quan sát loy1, loy2, loy3 tạo thành một
thang đo để đo lường khái niệm “lòng trung thành”.

Những điều trên tạo thành một mơ hình đo lường các khái niệm sử dụng trong nghiên cứu
của bạn. Và bây giờ Chúng ta cần kiểm định xem Mơ hình đo lường này có đạt được u cầu
khơng? Các thang đo có đạt được u cầu của một thang đo tốt khơng? Việc này chúng ta cần
sử dụng đến phân tích nhân tố khẳng định (CFA)

Trong CFA ta có thể thực hiện cho từng khái niệm, một số khái niệm, hoặc thực hiện với tất
cả các khái niệm có trong mơ hình (gọi là mơ hình tới hạn)

Về mặt lý thuyết, trong CFA, chúng ta chú ý đến một số vấn đề sau:

Để đo lường mức độ phù hợp của mô hình với thông tin thò trường, người ta thường sử
dụng Chi-square (CMIN); Chi-square điều chỉnh theo bậc tự do (CMIN/df); chỉ số thích

)
(Fornell & Larcker 1981) được tính theo công thức sau:
∑
=
−+
∑
=
∑
=
=
p
i
C
i
p
i
i
p
i
i
1
2
2
2
)1(
1
1
)(
)(
λ

Trong đó
λ
i
là trọng số chuẩn hoá của biến quan sát thứ i; 1-
λ
i
2
là phương sai của sai
số đo lường biến quan sát thứ i, p là số biến quan sát của thang đo.
Chỉ tiêu
ρ
C
,
ρ
VC
phải đạt yêu cầu từ 0.5 trở lên

Theo Hair (1998, 612):”phương sai trích (Variance Extracted) của mỗi khái niệm nên vượt
quá 0.5”; và phương sai trích cũng là một chỉ tiêu đo lường độ tin cậy. Nó phản ánh lượng
biến thiên chung của các biến quan sát được tính toán bởi biến tiềm ẩn

Schumacker & Lomax (2006, 178) cho rằng trong CFA, một vấn đề quan trọng cần phải
quan tâm khác là độ tin cậy của tập hợp các biến quan sát đo lường một khái niệm (nhân
tố); và như truyền thống, hệ số tin cậy Cronbach’s Alpha vẫn thường được sử dụng. Nó đo
lường tính kiên đònh nội tại xuyên suốt tập hợp các biến quan sát của các câu trả lời

Trong kiểm đònh Cronbach’s Alpha, các biến quan sát có hệ số tương quan biến-tổng
(item-total correlation) nhỏ hơn 0.3 sẽ bò loại và tiêu chuẩn chọn thang đo khi hệ số
Cronbach’s Alpha từ 0.6 trở lên (Nunnally & Burnstein, 1994). Tuy nhiên, cũng cần lưu ý
rằng nếu Cronbach’s Apha quá cao (>0.95) thì có khả năng xuất hiện biến quan sát thừa
r SE=SQRT((1-r
2
)/(n-2)) (1-r)/SE P-value
spatial <--> verbal
0.487
0.104 4.949 0.000

TINV(0.05,71)=1.993
TDIST(4.95,71,2)=0.000 (<0.05) bác bỏ giả thuyết cho rằng
ρ
(spatial,verbal)
=1

Ghi chú quy tắc kiểm đònh
1
:
H
o
:
ρ
=
ρ
o

H
1
:
ρ

, −
α
thì bác bỏ H
o

(5) Giá trò liên hệ lý thuyết (Nomological validity)

- Các vấn đề từ 1 đến 4 được đánh giá thông qua mô hình đo lường. Riêng giá trò liên hệ lý
thuyết được đánh giá trong mô hình lý thuyết (Anderson & Gerbing, 1988)

Khi các vấn đề trên thoả mãn thì mô hình đo lường là tốt. Tuy nhiên, rất hiếm mô hình đo
lường nào đạt được tất cả các vấn đề trên! Ví dụ, mô hình đo lường vẫn có thể được sử
dụng khi thang đo không đạt được tính đơn hướng…
1
Xem Hoài (2001)

22Amos Graphics
1

Dùng để vẽ biến tiềm ẩn
Dùng để vẽ biến quan sát
Vẽ hệ số đường dẫn, hệ số hồi quy
Vẽ hiệp phương sai, hệ số tương quan
1
Trong AMOS, ngồi AMOS Graphics có một cách thức khác nữa là gõ các lệnh VB.NET hay C#

23

Tạo file mới? File\New

Mở file dữ liệu?
File\Data Files (Ctrl-D)
Æ
Chọn File Name
Æ
Chọn kiểu file và chỉ đến
file cần mở
Æ
OK
Hình 3.2 Hiển thị danh sách biến?

Bước 5
. Nhấp nút này để Chỉnh sửa
kích cỡ của đối tượng sao cho đẹp Hình 3.7 Copy đối tượng?
Hiện nay chỉ có một Biến tiềm ẩn với 5 biến quan sát như Hình 3.7. Đầu tiên bạn sẽ chọn đối
tượng cần Copy bằng cách nhấp nút bàn tay dài, rồi nhấp cái máy Photocopy, sau đó rê chuột
đến vị trí cần dán đối tượng được copy. Bạn sẽ có Hình như Hình 3.8 25