http://www.acrwebsite.org/volumes/display.asp?id=11765

SEM là gì?

SEM là một dạng mô hình thống kê nhằm giải thích mối quan hệ giữa nhiều biến.
Để làm điều đó, nó khảo sát cấu trúc của mối tương tác giữa một loạt các phương trình, tương tụ như các phương trình hồi quy bội.
Các phương trình nầy mô tả các mối quan hệ giữa các nhân tố (constructs) các biến phụ thuôc và độc lập liên quan đên việc nghiên cứu.
Nhân tố là nhân tố không quan sát được (unobservable) hay ẩn (latent) được đại diện bằng những biến quan sát.

Định nghĩa Mô hình
Một mô hình là sự trình bày một lý thuyết (a representation of a theory).
Lý thuyết có thể được xem là một tập hợp có tính hệ thống các mối quan hệ đưa ra một sự giải thích đầy đử và nhất quán về một hiện tượng.

Một mô hình SEM bình thường thực ra gồm hai mô hình, mô hình đo lường (chỉ các biến cùng nhay đại diện cho nhân tố như thế nào) và mô hình cấu trúc (chỉ mối quan hệ giữa các nhân tố)






Cần nhớ rằng trái với phân tích hồi quy và các kỹ thuật phân tích quan hệ phụ thuộc khác, vốn nhằm giải thích các quan hệ trong chỉ một phương trình, mục tiêu thống kê của SEM là kiểm định một tập hợp các mối quan hệ đại diện cho nhiều phương trình. Vì thế, đo lường sự phù hợp trong SEM khác với các kỹ thuật khác. Cái cần là đo độ phù hợp hay độ chính xác dự báo (predictive accuracy) để phản ánh toàn bộ mô hình, chứ không phải chỉ một quan hệ riêng lẻ. Nhà nghiên cứu phải 'chấp nhận hay bác bỏ" toàn bộ mô hình, quyết định có chấp nhận toàn bộ mô hình hay không trước khi khảo sát mối quan hệ cụ thể nào.

Do tâm điểm là toàn bộ mô hình, SEM dùng một loạt thước đo mô tả lý thuyết của nhà nghiên cứu giải thích dữ liệu đầu vào như thế nào - ma trân hệ số biến thiên quan sát của các biến quan sát. Độ phù hợp của mô hình là sự tương ứng giữa ma trận hệ số biến thiên quan sát và ma trận hệ số biến thiên tính toán có được từ mô hình đưa ra.

Một ví dụ SEM đơn giản

Câu hỏi nghiên cứu
Lý thuyết phải là nền tảng cho mô hình, cho dù là đơn giản nhất, vì các biến số luôn có thể nối với nhau theo nhiều cách. Phần lớn hoàn toàn vô nghĩa. Lý thuyết phải làm cho mô hình hợp lý. Nhà nghiên cứu không chỉ cẩn trọng với số lượng các nhân tố mà còn mối quan hệ dự kiến giữa các nhân tố.

Ma trận hệ số biến thiên quan sát

Nên nhớ rằng hệ số tương quan (correlation) là một trường hượp đặc biệt của hệ số biến thiên (covariance). Ma trận hệ số tương quan là ma trận hệ số biến thiên khi các biến chuẩn (standardized variables) được sử dụng.

Các bước SEM nhằm kiểm định hiệu lực của lý thuyết đo lường bằng CFA

Một lý thuyết đo lường dùng để chỉ rõ các tập hợp biến quan sát đại diện một tập hợp nhân tố như thế nào.
Các mối quan hệ chính là giữa nhân tố với biến quan sát (hệ số tải) và giữa các nhân tố với nhau (hệ số tương quan nhân tố).

Bước 1. Xác định các nhân tố riêng lẻ
Bước 2. Xây dựng mô hình đo lường tổng quát

Tính một thước đo
Mô hình đo lường cùng loại
Số lượng biến quan sát cho một nhân tố
Nhân tố chỉ có một biến quan sát
Nhân tố phản chiếu vs với hình thành

Bước 3. Thiết kế một nghiên cứu để tạo ra các kết quả thực nghiệm
Thước đo tỉ lệ trong CFA
SEM và lấy mẫu
Nêu rõ mô hình
Các vấn đề nhận biết
Tránh những sai sót nhận biết
Đáp ứng Điều kiện Trật tự và Xếp loại

Luật ba chỉ số
Nhận diện các vấn đề nhận biêt

Bước 4. Đánh giá tính hiệu lực của Mô hình đo lường
Đánh giá sự phù hợp
Tính toán đường dẫn
Kích thước đường dẫn và Ý nghĩa thống kê
Nhận biết vấn đề
Tính hiệu lực của nhân tố
Hiệu lực hội tụ
- Hệ số tải
- AVE
- Độ tin cậy

Sơ đồ

Lý thuyết đo lường thường được trình bày ở sơ đồ đường dẫn (path diagrams).
Trong CFA chỉ những hệ số tải nối biến quan sát với nhân tố tương ứng của nó được tính toán. Tất cả số khác đều bằng không. Đây là khác biệt chủ yếu so với EFA. Trong EFA tính hệ số tải cho tất cả các biến lên tất cả các nhân tố, nhưng trong EFA không có biến nào thuộc về hai nhân tố trở lên.

Trong CFA phải chỉ rõ năm yếu tố:
- nhân tố
- biến quan sát
- hệ số tải của biến quan sát lên nhân tố
- mối quan hệ giữa các nhân tố
- sai số cho mỗi chỉ số (indicator; chỉ số, biến số)

Lý thuyết đo lường thường được trình bày ở sơ đồ đường dẫn (path diagrams).
Trong CFA chỉ những hệ số tải nối biến quan sát với nhân tố tương ứng của nó được tính toán. Tất cả số khác đều bằng không. Đây là khác biệt chủ yếu so với EFA. Trong EFA tính hệ số tải cho tất cả các biến lên tất cả các nhân tố, nhưng trong EFA không có biến nào thuộc về hai nhân tố trở lên.

Mỗi biến số quan sát (measured indicator variable) có một sai số (erro term, e) là mức độ mà nhân tố không giải thích được biến quan sát.

Rules of Thumb1. Tính hiệu lực của Nhân tố (Construct Validity)

• Hệ số tải chuẩn hóa >=0.5, lý tưởng là >=0.7
• AVE nên >=0.5 để có được đọ hội tụ thích hợp
  
• AVE cho hai nhân tố nên lớn hơn bình phương của hệ số tương quan giữa hai nhân tố để cung cấp bằng chứng của tính hiệu lực phân biệt
• Độ tin cậy của nhân tố (construct reliability) nên >=0.7 để biểu thị sự hội tụ thích hợp hay sự nhất quán nội tại

CFA

•CFA cho chúng ta kiểm định các biến quan sát (mesured variables) đại diện cho các nhân tố (constructs) tốt đến mức nào.

•Tính hiệu lực của mô hình đo lường được kiểm định như thế nào khi dùng CFM và SEM.

EFA khám phá dữ liệu và cung cấp cho nhà nghiên cứu thông tin về việc cần có bao nhiêu nhân tố để đại diện tốt nhất cho dữ liệu.

Trong EFA, tất cả các biến quan sát liên hệ với tất cả các nhân tố bằng một hệ số tải nhân tố (factor loading estimate). Cấu trúc giản đơn đạt được khi mỗi biến quan sát có hệ số tải cao chỉ ở một nhân tố và có hệ số tải thấp ở các nhân tố khác (tức là hệ số tải (loadings) < .4) Đặc điểm nổi bật của EFA là các nhân tố được rút ra từ kết quả thống kê, không phải từ lý thuyết. Nhà nghiên cứu chạy phần mềm và để cho cấu trúc căn bản của ữ liệu quyết định cấu trúc nhân tố. Như thế, EFA đuxocj tiến hành mà không biết có bao nhiêu nhân tố và mỗi biến qua sát sẽ thuộc về nhân tố nào. Các nhân tố xuất hiện chỉ được đặt tên sau khi tiến hành phân tích nhân tố. CFA và EFA khác nhau ở điểm nầy.

CFA giống EFA về một số khía cạnh, nhưng rất khác về mặt triết học. Trong CFA, nhà nghiên cứu phải nêu rõ cả số lượng nhân tố có được cho một tập hơp biến quan sát và mỗi biến quan sát sẽ tải lên nhân tố nào trước khi tính toán kết quả. Như vậy, kỹ thuật thống kê không phân bổ các biến cho các nhân tố. Thay vào đó, nhà nghiên cứu thực hiện việc phân bổ nầy dựa trên lý thuyết đã được kiểm định trước khi thu được bất kỳ kết quả nào. Ngoài ra, mỗi biến được phân cho chỉ một nhân tố duy nhất, không có trường hợp một biến phân bổ cho hai nhân tố (cross-loadings).

CFA dùng để kiểm định mức độ một mô hình lý thuyết, có trước của các hệ số tải lên các nhân tố cho trước (biến quan sát tải lên nhân tố cụ thể) đại diện cho dữ liệu thực tế.

Như thế, thay vì để cho phương pháp thống kê quyết định số lượng nhân tố và hệ số tải như trong EFA, CFA cho chúng ta biết việc đưa ra các nhân tố về mặt lý thuyết phù hợp với hiện thực (dữ liệu thực tế) đến mức nào. CFA là công cụ để chúng ta "khẳng định" hay "bác bỏ" lý thuyết cho trước của mình.

CFA được dùng để đưa ra một kiểm định mang tính khẳng định lý thuyết đo lường của chúng ta. Một lý thuyết đo lường (a mesuarement theory) chỉ ra các biến quan sát đại diện cho các nhân tố liên quan một cách logic và hệ thống như thế nào trong một mô hình lý thuyết. Nói cách khác, lý thuyết đo lường nêu rõ một loạt các mối quan hệ cho thấy các biến quan sát đại diện như thế nào cho các nhân tố không đo được trực tiếp. Lý thuyết đo lường có thể kết hợp với một lý thuyết cấu trúc để nêu đầy đủ một mô hình SEM.

Lý thuyết đo lường đòi hỏi một nhân tố đuwocj xác định trước tiên. do đó, khác với EFA, trong CFA nhà nghiên cứu dùng lý thuyết đo lường để chỉ rõ trước số lượng nhân tố, cũng như các biến quan sát nào tải lên các nhân tố nầy.

Vijay Gupta- SPSS for Beginners

http://mediafire.com/?ln6jz7yvl82oxy0
password: library.nu

Arch Woodside - Case Study Research: Theory, Methods and Practice

http://mediafire.com/?2pceotfw7p07abe