Category Archives: AMOS

mô hình SEM, CFA, AMOS

PLS-SEM là gì, so sánh PLS-SEM với CB-SEM

PLS-Sem là gì?

Partial least squares structural equation modeling( mô hình cấu trúc bình phương nhỏ nhất từng phần, thường được gọi là PLS-SEM, là sự kết hợp của các kỹ thuật phụ thuộc và phụ thuộc lẫn nhau. Phương pháp mô hình thống kê tìm cách giải thích các mối quan hệ giữa nhiều biến đồng thời cùng lúc. Như với SEM dựa trên hiệp phương sai (CB-SEM), PLS-SEM bao gồm hai mô hình, mô hình đo lường (đại diện cho cách các biến đo lường đại diện cho các cấu trúc) và mô hình cấu trúc (cho biết cách các cấu trúc được liên kết với cấu trúc khác). Trong PLS-SEM, mô hình đo lường thường được gọi là mô hình bên ngoài (outer model) và mô hình cấu trúc được gọi là mô hình bên trong(inner model). Nhưng hai mô hình này về cơ bản hoạt động theo cùng một cách chính xác trong cả hai cách tiếp cận.  

Phần mềm để thực thi hiện tại phổ biến nhất là Smart-PLS nhé

So sánh PLS-SEM với CB-SEM

Mặc dù chúng ta đã thấy rằng CB-SEM và PLS-SEM có thể so sánh được về các yếu tố cơ bản của chúng, nhưng có một số khác biệt rõ ràng mà chúng ta sẽ trình bày chi tiết.Chúng ta giới thiệu mô hình cấu trúc bình phương nhỏ nhất từng phần như cách tiếp cận thứ hai của chúng ta đối với mô hình cấu trúc vì mục tiêu thống kê chính về cơ bản khác với mô hình cấu trúc dựa trên hiệp phương sai và có thể thu được các giải pháp không thể thực hiện được với CB-SEM. Sự khác biệt cơ bản giữa hai cách tiếp cận này là:

CB-SEM: Mặc dù có thể dự đoán với mô hình cấu trúc dựa trên hiệp phương sai, nhưng mục tiêu thống kê chính của CB-SEM đang xác nhận lý thuyết bằng cách ước tính một ma trận hiệp phương sai mới không khác biệt có ý nghĩa thống kê (not significantly different)so với ma trận hiệp phương sai quan sát ban đầu.

PLS-SEM: Ngược lại, mục tiêu thống kê chính của PLS-SEM là dự đoán tối đa hóa phương sai được giải thích trong (các) biến phụ thuộc.

Khi nào PLS-SEM và CB-SEM là phương pháp mô hình cấu trúc thích hợp?

PLS-SEM và CB-SEM là hai cách tiếp cận khác nhau để lập mô hình phương trình cấu trúc. Cả hai phương pháp SEM đều đánh giá hai mô hình:mô hình đo lường (cách các biến đo lường đại diện cho các cấu trúc) và mô hình cấu trúc (cho thấy cách các cấu trúc liên kết với nhau). Mặc dù CB-SEM và PLS-SEM có thể so sánh được về các yếu tố cơ bản của chúng, nhưng có một số khác biệt rõ ràng. Có thể dự đoán với mô hình cấu trúc dựa trên hiệp phương sai, nhưng mục tiêu thống kê chính của CB-SEM là xác nhận lý thuyết bằng cách ước tính một ma trận hiệp phương sai mới không khác biệt có ý nghĩa thống kê so với ma trận hiệp phương sai quan sát ban đầu. Ngược lại, mục tiêu thống kê chính của PLS-SEM là dự đoán tối đa hóa phương sai được giải thích trong (các) biến phụ thuộc. Phương pháp CB-SEM là tham số parametric và do đó yêu cầu phân phối chuẩn trong dữ liệu của bạn và các giả định hạn chế khác. Nhưng PLS-SEM là phi tham số và linh hoạt hơn nhiều trong việc đáp ứng các giả định cần thiết. Tính linh hoạt này có nghĩa là phân phối dữ liệu không chuẩn và độ lệch skewness không phải là vấn đề đối với các ứng dụng PLS-SEM, các thang đo nonmetric dễ dàng được cung cấp hơn và do đó có thể áp dụng rộng rãi hơn

Sự khác biệt cấu trúc tiềm ẩn và biến quan sát

Biến quan sát

Biến quan sát (còn được gọi là biến đo lường hoặc chỉ báo quan sát) được sử dụng để phản ánh một cấu trúc tiềm ẩn không thể đo lường trực tiếp. Nhà nghiên cứu phải chỉ rõ các chỉ báo nào được liên kết với mỗi cấu trúc tiềm ẩn.

Cấu trúc tiềm ẩn

Cấu trúc tiềm ẩn: Là cấu trúc không thể đo lường trực tiếp nhưng có thể được biểu diễn hoặc đo lường bằng một hoặc nhiều biến quan sát. Các biến quan sát kết hợp lại với nhau đưa ra một thước đo chính xác hợp lý về cấu trúc tiềm ẩn. SEM cũng có khả năng kết hợp các biến tiềm ẩn vào phân tích. Cấu trúc tiềm ẩn (còn được gọi là biến tiềm ẩn) là một khái niệm giả định, không quan sát được , có thể được biểu diễn bằng các biến quan sát hoặc đo lường. Các cấu trúc tiềm ẩn được đo lường gián tiếp bằng cách kết hợp nhiều biến được đo lường, đôi khi được gọi là biến biểu hiện hoặc chỉ số. Dưới bất kỳ tên gọi nào, các chỉ số là những biến đánh giá trực tiếp một số khía cạnh hoặc khái niệm cụ thể.

Lợi ích của việc sử dụng các cấu trúc tiềm ẩn

Tuy nhiên, tại sao chúng ta lại muốn sử dụng một biến tiềm ẩn mà chúng ta không thể đo lường trực tiếp thay vì các biện pháp trực tiếp do người trả lời cung cấp?

  • Đầu tiên, chúng tôi thực sự có thể biểu diễn các khái niệm lý thuyết, tiềm ẩn bằng cách sử dụng nhiều chỉ số của một khái niệm, điều này làm giảm sai số đo lường so với việc dựa vào một chỉ số duy nhất.
  • Thứ hai, SEM có thể giải thích sai số đo lường liên quan đến các cấu trúc tiềm ẩn và sửa sai số đo lường đó để đưa ra các ước tính thống kê chính xác hơn về mối quan hệ giữa các cấu trúc.

Hầu hết các khái niệm yêu cầu nhiều lần đánh giá để thể hiện đầy đủ. Từ góc độ lý thuyết, hầu hết các khái niệm đều tương đối phức tạp (ví dụ: lòng yêu nước, lòng tin của người tiêu dùng, bản thân) và có nhiều khía cạnh. Với sự phức tạp, nhà nghiên cứu cố gắng thiết kế các hạng mục tốt nhất để đo lường khái niệm khi biết rằng các cá nhân có thể diễn giải bất kỳ hạng mục đơn lẻ nào theo cách hơi khác nhau. Mục đích là để tập hợp các câu hỏi thể hiện khái niệm tốt hơn bất kỳ mục đơn lẻ nào.

Sai số đo lường tại sao lại xuất hiện?

Nhà nghiên cứu cũng phải biết về sai số đo lường xảy ra với bất kỳ hình thức đo lường nào. Mặc dù chúng ta có thể giảm thiểu nó bằng các khái niệm vật lý như thời gian (ví dụ: phép đo bằng đồng hồ nguyên tử), bất kỳ khái niệm lý thuyết hoặc trừu tượng nào cũng nhất thiết phải có sai số đo. Ở dạng cơ bản nhất của nó, sai số đo là do sự biểu diễn không chính xác của khái niệm. Nhưng, quan trọng hơn, lỗi đo lường xảy ra khi người trả lời có thể hơi không chắc chắn về cách trả lời hoặc có thể diễn giải câu hỏi theo cách khác với dự định của nhà nghiên cứu. Cuối cùng, nó có thể xuất phát từ mức độ không nhất quán tự nhiên của người trả lời khi chúng tôi sử dụng nhiều quan điểm hoặc nhiều mục để đo lường cùng một khái niệm. Tất cả những tình huống này đều làm phát sinh sai số đo. Nếu chúng ta biết mức độ của vấn đề, chúng ta có thể kết hợp mức độ sai số đo lường vào ước tính thống kê và cải thiện mô hình phụ thuộc của chúng ta.

Làm thế nào để chúng ta biểu diễn các khái niệm về mặt lý thuyết và tính toán được sai số đo lường? SEM bao gồm một mô hình đo lường xác định giữa các biến đo lường và biến  tiềm ẩn. Mô hình đo lường cho phép tính toán đại lượng đo lường của cấu trúc để đại diện cho bất kỳ cấu trúc phụ thuộc hoặc độc lập nào với nhiều hạng mục. Bằng cách kiểm tra sự phù hợp của mô hình đo lường lý thuyết so với thực tế, người ta có thể đánh giá mức độ sai số đo lường hiện tại.

Common method bias là gì?

Các nhà nghiên cứu đôi khi lo ngại rằng các câu trả lời khảo sát bị sai lệch dựa trên cách đặt câu hỏi. Ví dụ, có thể lập luận rằng thứ tự các câu hỏi được đặt ra có thể chịu trách nhiệm về hiệp phương sai giữa các mục được nhóm gần nhau( do khả năng là người được khảo sát đánh các câu gần nhau với giá trị na ná nhau). Tương tự, các nhà nghiên cứu thường phải đối mặt với việc giải quyết câu hỏi về sự sai lệch tiềm ẩn của các phương pháp phổ biến.

Common method bias (CMB) sẽ ngụ ý rằng hiệp phương sai giữa các mục được đo lường bị ảnh hưởng bởi thực tế là một số hoặc tất cả các câu trả lời được thu thập với cùng một loại thang đo. Do đó, hiệp phương sai có thể được giải thích bằng cách người trả lời sử dụng một loại thang đo nhất định thay vì căn cứ vào nội dung của các thang đo.

CMB là một ví dụ về những gì được gọi là một yếu tố phiền toái nuisance factor. Yếu tố gây phiền toái là thứ có thể ảnh hưởng đến các câu trả lời nhưng không được quan tâm hàng đầu đối với câu hỏi nghiên cứu. Đối với nhiều hiệu ứng thuộc loại này, người ta giả định rằng chúng chỉ được biểu diễn trong các thuật ngữ lỗi error terms. Nhưng nếu tác động của một yếu tố phiền toái đủ lớn hoặc có hệ thống để tác động đến kết quả, thì nó nên được đưa vào mô hình. Đầu tiên chúng ta thảo luận về các vấn đề đặc tả mô hình liên quan đến việc đánh giá tác động của một yếu tố phiền toái và sau đó xem xét các ước tính của mô hình để đánh giá mức độ ảnh hưởng.

Đặc tả CMB trong mô hình

Khái niệm về yếu tố phiền toái được sử dụng rộng rãi trong các thiết kế thử nghiệm, trong đó các yếu tố trong quá trình quản lý thử nghiệm (thời gian trong ngày, điều kiện phòng hoặc thậm chí đặc điểm của người quản lý) có thể có một số tác động và do đó cần được “kiểm soát” trong thiết kế. Cách tiếp cận phổ biến nhất là giới thiệu các yếu tố chặn hoặc hiệp biến để cố gắng kiểm soát các hiệu ứng gây nhiễu tiềm ẩn. Trong mô hình phương trình cấu trúc, chúng tôi thực hiện theo một cách tiếp cận tương tự. Để làm như vậy, chúng tôi tạo một cấu trúc tiềm ẩn để đại diện cho yếu tố phiền toái và sau đó giải thích nó trong mô hình. Với CMB, trọng tâm là các hiệu ứng liên quan đến thiết kế và quản lý bảng câu hỏi, nhưng cách tiếp cận có thể được mở rộng cho bất kỳ loại hiệu ứng phiền toái nào.

Trong nghiên cứu khảo sát, CMB có thể phát sinh do một loại thang đo phổ biến gây ra một phong cách phản hồi độc lập với nội dung của mục. Theo thuật ngữ SEM, điều này có nghĩa là một tác động bên ngoài (ví dụ: loại thang đo) tác động đến các biến được đo lường. Chúng ta có thể thể hiện tác động bên ngoài này trong SEM bằng cách tạo thêm một cấu trúc tiềm ẩn cho từng loại thang đo và liên hệ nó với các biến đo lường được thu thập bởi loại thang đo đó. Bởi vì “nguyên nhân” tác động đến các biến được đo lường, cấu trúc phản ánh (nghĩa là, các mũi tên đi từ cấu trúc đến các biến được đo lường) và hoạt động như bất kỳ cấu trúc nào khác thuộc loại này. Lưu ý rằng cấu trúc kiểu này vi phạm các nguyên tắc của lý thuyết đo lường tốt bởi vì nó tạo ra tải chéo cho các biến đo lường có liên quan và do đó tác động đến tính đơn hướng của cấu trúc.