Category Archives: AMOS

mô hình SEM, CFA, AMOS

Xử lý lỗi AMOS: In order to analyse data with missing observations, you must explicitly estimate means and intercepts

Hôm nay nhóm ThS QTKD ĐH Bách Khoa Hỗ Trợ AMOS hướng dẫn các bạn cách xử lý một lỗi khá khó chịu trong AMOS.

Lỗi hiển thị như sau:

 

Khi phân tích CFA sẽ gặp lỗi này, việc này ngăn cản không thể tính toán các bước tiếp theo được.

An error occurred while attempting to fit the model. In order to analyse data with missing observations, you must explicitly estimate means and intercepts. In amos graphics, place a check next to "Estimate means and intercepts" in the "Analysis Properties" window. In programming the Amos engine ,use the ModelMeansAndIntercepts

Ý nghĩa thông báo lỗi:

Khi phân tích với dữ liệu bị thiếu, cần phải chỉ định trực tiếp trung bình và hệ số chặn. Tuy nhiên không nên làm theo hướng dẫn này, vì không có liên quan gì đến bài cả, nếu làm theo hướng dẫn này thì càng làm sẽ càng sai, không giải quyết được bản chất vấn đề( do chương trình nghĩ mình đang thực sự cần phân tích với dữ liệu không đầy đủ)

Cách xử lý lỗi:

Tìm xem chỗ nào dữ liệu bị thiếu, điền thêm dữ liệu vào, hoặc xóa luôn dòng đó. Dữ liệu bị thiếu trong SPSS là khi ô dữ  liệu đó bị trống( hiển thị bằng dấu chấm như hình dưới), không có số, nguyên nhân do nhập sót, hoặc file excel gốc bị thiếu dẫn đến data bị thiếu trong SPSS.

Sau khi đã tìm được tất cả dữ liệu bị thiếu, bạn xử lý nó, lưu file lại và chạy AMOS lại sẽ hết bị lỗi nhé.

Như vậy nhóm MBA Bách Khoa HCM đã hướng dẫn xử lý xong lỗi: In order to analyse data with missing observations, you must explicitly estimate means and intercepts. Các bạn liên hệ nhóm để được tư vấn, đào tạo, khảo sát dữ liệu,xử lý bài cho tốt hơn nhé.

Liên hệ:

-Viber/zalo qua số điện thoại so-alo

-Facebook: http://facebook.com/hoidapSPSS/

-Email: hotrospss@gmail.com

Cách đối diện với dữ liệu bị thiếu Missing values khi phân tích dữ liệu

Nhóm MBA Bách Khoa thảo luận về missing values, các bạn có cần thảo luận cứ comment bên dưới nhé.

Dữ liệu bị thiếu missing values là gì?

– Nếu khảo sát bằng phiếu khảo sát giấy: thì những câu hỏi khảo sát mà người được khảo sát họ không đánh vào bất cứ lựa chọn nào cả, thì đó là missing values.

– Nếu khảo sát online: do thiếu ràng buộc khi thiết kế bảng khảo sát, người được khảo sát không cần chọn hết tất cả các câu hỏi vẫn bấm Submit được.

Cả hai cách trên đều làm cho file dữ liệu sẽ xuất hiện những ô không có giá trị.

Hậu quả của missing values

Nếu bạn có dữ liệu bị thiếu (missing values), điều này có thể gây ra một số vấn đề. Vấn đề rõ ràng nhất là không có đủ dữ liệu để chạy phân tích. Các phân tích EFA, CFA và mô hình  đường dẫn SEM đòi hỏi một số lượng nhất định các mẫu quan sát dữ liệu để tính các ước tính. Con số này tăng cùng với sự phức tạp của mô hình của bạn. Nếu dữ liệu thiếu một số giá trị, phân tích sẽ không chạy.

Một số người có thể không trả lời được những câu hỏi cụ thể trong cuộc khảo sát vì một số vấn đề phổ biến. Ví dụ: nếu bạn hỏi về giới tính, và phụ nữ ít có khả năng báo cáo giới tính của họ hơn nam giới, thì bạn sẽ có dữ liệu nam giới bị chệch . Có lẽ chỉ có 50% phụ nữ báo cáo về giới tính của họ, nhưng 95% nam giới cho biết giới tính. Nếu bạn sử dụng giới tính trong các mô hình nhân quả, thì bạn sẽ có kết quả bị chệnh đối với nam giới, nghĩa là số lượng nam nhiều hơn nữ (bởi vì bạn sẽ không sử dụng các phiếu phản hồi không có đầy đủ dữ liệu)

Hiển thị số lượng quan sát missing như thế nào?

Để tìm hiểu xem có bao nhiêu giá trị bị thiếu trong mỗi biến, trong SPSS chuyển đến Analyze -> Descriptive Statistics -> Frequencies. Nhập các biến trong danh sách các biến. Sau đó nhấn OK. Bảng trong đầu ra sẽ hiển thị số lượng các giá trị còn thiếu cho mỗi biến.

Ngưỡng thiếu dữ liệu rất linh hoạt, nhưng nói chung, nếu bạn thiếu hơn 10% phản hồi đối với một biến cụ thể hoặc từ một người trả lời cụ thể thì biến đó hoặc người trả lời có thể là vấn đề. Có một số cách để đối phó với các biến có vấn đề:

– Chỉ cần không sử dụng biến đó( ý là bỏ luôn biến đó không xài nữa)

– Sử dụng luôn các giá trị còn thiếu, bằng cách chế số cho các giá trị này. Điều này chỉ nên được thực hiện cho dữ liệu liên tục hoặc khoảng thời gian (như Độ tuổi hoặc thang Likert) chứ không phải cho dữ liệu phân loại (như Giới tính).

– Nếu tập dữ liệu của bạn đủ lớn, chỉ cần không sử dụng câu trả lời có các giá trị thiếu cho biến đó. Điều này có thể tạo ra một sự chệnh như nói ở trên, tuy nhiên nếu số lượng phản hồi bị missing lớn hơn 10% thì lúc đó mới có sự chệnh đáng kể.

Chế số cho missing values

Để chế số giá trị trong SPSS cho các missing values, trong SPSS vào Transform, Replace Missing Values; Sau đó chọn các biến mà cần điền dữ liệu trống, và nhấn OK. Xem ảnh chụp màn hình bên dưới. Trong ảnh chụp màn hình này, sử dụng phương pháp thay thế Trung bình.  Có nghĩa là sẽ tính giá trị trung bình cộng của cá giá trị không bị thiếu, và lấy giá trị đó điền vào các ô bị thiếu.

     Nếu một người trả lời không trả lời được phần lớn các câu hỏi, có thể là vô ích khi thử nghiệm các mô hình nhân quả. Ví dụ, nếu họ trả lời các câu hỏi về chế độ ăn kiêng, nhưng không trả lời các câu hỏi ở mục giảm cân, đối với cá nhân này không thể kiểm tra mô hình nhân quả cho rằng chế độ ăn uống có ảnh hưởng tích cực đến việc giảm cân. Chỉ đơn giản là không có dữ liệu cho người đó. Khuyến nghị là xác định trước những biến nào sẽ được sử dụng trong mô hình của bạn (thường chúng ta thu thập dữ liệu về nhiều biến hơn chúng ta thực sự sử dụng trong mô hình của chúng ta), sau đó xác định xem người trả lời có vấn đề không. Nếu vậy, hãy loại bỏ người trả lời đó khỏi phân tích.

Trên đây là bài giới thiệu sơ lược về dữ liệu missing values. Các bạn liên hệ nhóm MBA ĐH Bách Khoa HCM tại http://phantichspss.com/lien-he-gioi-thieu  để được hỗ trợ tư vấn/ khảo sát/ thu thập/xử lý số liệu nhé.

Những điểm cần chú ý khi chạy EFA trong phân tích SEM AMOS

Khi chạy EFA trong phân tích SEM AMOS cần có những lưu ý, do tính chất khác với chạy EFA trong hồi quy. Bài này sẽ cho bạn thấy sự khác nhau đó nhé.

Hiện tại có hai dạng làm luận văn định lượng chính. Dạng thứ 1 là chạy mô hình hồi quy tuyến tính thông thường, phần này chỉ sử dụng phần mềm SPSS. Dạng thứ 2 là sử dụng phần mềm AMOS để chạy mô hình phức tạp hơn. Phức tạp ở đây có nghĩa là mô hình có nhiều hơn 1 biến phụ thuộc. Ví dụ mô hình bên dưới, biến YDINH vừa là biến độc lập vừa là biến phụ thuộc

Khi đó quy trình chạy sẽ khác, cụ thể các bước chạy như sau:
1.Kiểm định độ tin cậy cronbach’s alpha
2.Phân tích nhân tố EFA
3.Phân tích CFA, tính độ phù hợp mô hình, chỉ số CR,AVE…
4.Phân tích SEM

Có hai điểm cần chú ý khi chạy EFA trong phân tích SEM AMOS:

– Thứ nhất: Cần đưa tất cả các biến độc lập và phụ thuộc vào chạy 1 lần duy nhất. Tại sao phải làm như thế. Vì trong SEM, một số nhân tố vừa đóng vai trò là nhân tố độc lập trong mối quan hệ này, đồng thời cũng đóng vai trò phụ thuộc trong mối quan hệ khác. Do đó cần đưa vào chạy hết 1 lần xem các biến tách nhóm được không.

– Thứ nhì: Cần chọn phương pháp trích xuất Principal Axis Factoring và phép quay Promax. 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)

Sau khi xoay nếu kết quả ra tương tự như sau, patttern matrix sắp xếp ổn thì chúc mừng các bạn nhé. Còn nếu chưa ổn thì bạn liên hệ nhóm tại đây http://phantichspss.com/lien-he-gioi-thieu   để hướng dẫn xử lý.

Trên đây là những điểm cần chú ý khi chạy EFA trong phân tích SEM AMOS. Chúc các bạn làm đúng thao tác và đạt điểm cao khi bảo vệ.

Nhóm MBA ĐH Bách Khoa-  Hỗ Trợ SPSS