Kiểm định Bootstrap trong SEM bằng AMOS là kỹ thuật lấy mẫu lại phi tham số giúp kiểm định độ ổn định của các ước lượng khi dữ liệu không phân phối chuẩn hoặc cỡ mẫu hạn chế. Bài viết này trình bày cơ sở lý thuyết, quy trình thực hiện Bootstrap trong AMOS và cách diễn giải kết quả đúng chuẩn luận văn, đồng thời làm rõ và bác bỏ cách hiểu sai về công thức CR thường gặp trong các nghiên cứu SEM.
Trong AMOS, chỉ số MI (Modification Indices) được sử dụng để nhận diện những điểm chưa hợp lý trong cấu trúc thang đo và mô hình nhân tố, đặc biệt là các hiện tượng chồng chéo, trùng lặp giữa các biến đo lường, có thể làm suy giảm độ phù hợp tổng thể của mô hình nghiên cứu.
Trình tự thực hiện: Cronbach’s Alpha: Đảm bảo độ tin cậy của các biến quan sát. EFA: Khám phá cấu trúc nhân tố. CFA: Xác nhận cấu trúc nhân tố. SEM: Kiểm định các mối quan hệ giữa các nhân tố. Trình tự này giúp đảm bảo rằng các biến quan sát và cấu trúc nhân tố đều được kiểm định kỹ lưỡng trước khi kiểm định các mối quan hệ phức tạp trong mô hình lý thuyết
Trong phân tích AMOS, độ phù hợp mô hình (Model Fit) là một khía cạnh quan trọng để đánh giá sự phù hợp giữa mô hình dự đoán và dữ liệu thực tế. Có rất nhiều bảng, nhiều thông số, nhưng chúng ta sẽ chỉ chú ý tới những giá trị quan trọng. Dưới đây là một số chỉ số thường được sử dụng để đo độ phù hợp mô hình:
Kiểm định độ tin cậy thang đo (Cronbach’s Alpha) Phân tích nhân tố khám phá (EFA): EFA 1 lần cho tất các các khái niệm, dùng phép quay Promax với Method : Principal Axis factoring Phân tích nhân tố khẳng định (CFA): Kiểm định mức độ phù hợp chung của mô hình, độ tin cậy tổng hợp (C.R); phương sai trích (AVE); độ hội tựu; tính phân biệt. Kiểm định mô hình lý thuyết (SEM) Kiểm định Bootstrap (nếu có yêu cầu) Xử lý biến trung gian Xử lý biến điều tiết
CÁC BƯỚC PHÂN TÍCH DỮ LIỆU TRONG AMOS Kiểm định độ tin cậy thang đo (Cronbach’s Alpha) Phân tích nhân tố khám phá (EFA): EFA 1 lần cho tất các các khái niệm, dùng phép quay Promax với Method : Principal Axis factoring Phân tích nhân tố khẳng định (CFA): Kiểm định mức độ phù hợp chung của mô hình, độ tin cậy tổng hợp (C.R); phương sai trích (AVE); độ hội tựu; tính phân biệt. Kiểm định mô hình lý thuyết (SEM) Kiểm định Bootstrap (nếu có yêu cầu) Xử lý biến trung gian Xử lý biến điều tiết
Trong phân tích dữ liệu bằng SPSS, AMOS và SmartPLS, hệ số Sig (Significance) hay còn gọi là P-value là chỉ số được sử dụng rất phổ biến để kiểm định giả thuyết nghiên cứu. Việc hiểu sai hoặc đọc nhầm Sig có thể dẫn đến kết luận sai toàn bộ mô hình, đặc biệt trong các nghiên cứu định lượng, luận văn và bài báo khoa học. Bài viết này giúp bạn hiểu Sig là gì, P-value là gì, cách đọc Sig đúng chuẩn, và cách áp dụng trong từng phần mềm thống kê.
Việc đánh giá Model Fit trong CFA là cực kỳ quan trọng. Các thang đo và các biến tiềm ẩn tạo thành một mô hình đo lường các khái niệm sử dụng trong nghiên cứu. Với một tập dữ liệu thu thập được, chúng ta cần kiểm định xem mô hình đo lường này với dữ liệu đầu vào có đạt được yêu cầu không. Các thang đo có đạt được yêu cầu của một thang đo tốt không, có biến quan sát nào không đóng góp vào mô hình không.
