Category Archives: AMOS

mô hình SEM, CFA, AMOS

Sự khác nhau giữa kiểm định anova và biến điều tiết

Khi làm bài luận, các biến dạng như độ tuổi, giới tính, nghề nghiệp là các biến kiểm soát control variable. Bài này sẽ giới thiệu đến bạn sự khác khau và giống nhau giữa một biến kiểm soát đó khi nào sử dụng trong anova, khi nào sử dụng trong quan hệ điều tiết, để bạn có cái nhìn thiết thực hơn và không bị nhầm lẫn khi làm bài nhé.

Ví dụ mô hình dùng anova

 
Thì biến GIỚI TÍNH sẽ được dùng anova, hoặc t-test để kiểm định

Ví dụ mô hình dùng biến điều tiết moderator

 
Thì biến GIỚI TÍNH này chính là biến điều tiết moderator. Cần dùng các phép thống kê điều tiết để xử lý biến điều tiết.

Vậy bản chất sự khác nhau giữa kiểm định anova và biến điều tiết là gì?

Anova là so sánh giữa một biến phân loại và 1 biến định lượng liên tục. Nghĩa là so sánh 2 biến với nhau. Cụ thể trong trường hợp mô hình này là dùng anova để so sánh xem có sự khác biệt về giới tính Nam/Nữ so với ý định mua hàng hay không. Nghĩa là ví dụ người Nam thì ý định mua hàng cao hơn người Nữ.
Quan hệ điều tiết là so sánh việc 1 biến tác động vào 1 mối quan hệ. Lưu ý ở đây mối quan hệ chính là mũi tên( mũi tên từ nhân tố “Hiểu biết về sản phẩm” tác động đến “Dự định mua hàng”). Cụ thể biến điều tiết là giới tính, có hai loại là Nam/Nữ. Thì giả thiết ở đây là : Giới tính tác động vào mối quan hệ “Hiểu biết về sản phẩm” tác động đến “Dự định mua hàng”. Ví dụ :
+ Độ lớn của hệ số hồi quy mối quan hệ “Hiểu biết về sản phẩm” tác động đến “Dự định mua hàng” của giới tính Nam là 0.2
+ Độ lớn của hệ số hồi quy mối quan hệ “Hiểu biết về sản phẩm” tác động đến “Dự định mua hàng” của giới tính Nữ là 0.4
Thì rõ ràng giới tính Nữ làm cho mối quan hệ này có giá trị cao gấp đôi giới tính Nam. Từ đó cũng tạo ra hàm ý quản trị nào đó để dùng làm kiến nghị trong việc tăng cường dự định mua hàng của người tiêu dùng Nam/Nữ. Dĩ nhiên không phải nhìn bằng mắt để kết luận giả thiết điều tiết này đạt hay không đạt. Mà phải qua kiểm định biến điều tiết.

Hiện tại có hai cách kiểm định biến điều tiết thông dụng, đó là:

-Dùng phương pháp phân tích đa nhóm multigroup analysis
-Dùng interaction effect. Đây là cách nhân hai biến độc lập và điều tiết với nhau. Chúng ta có thểm làm thủ công hoặc dùng phầm mềm process chuyên dụng trong Spss, hoặc dùng PLS để xử lý các giả thiết điều tiết này.

Sự giống nhau giữa kiểm định anova và biến điều tiết là gì?

Kiểm định anova và biến điều tiết có sự giống nhau, đó cùng là hai khác niệm dễ gây lúng túng cho các bạn khi mới bắt đầu nghiên cứu. Ngoài ra không có điểm nào giống nhau cả, vì đây là hai khái niệm khác nhau.

Kết luận anova và biến điều tiết

Khi bắt đầu vẽ mô hình, với việc vẽ mũi tên trong mô hình tác động vào đâu quyết định bản chất của mối quan hệ đó, các bạn nhớ vẽ cho đúng để không bị bắt bẻ nhé.

Bạn cứ trao đổi thêm với nhóm ở đây, hoặc comment bên dưới nhé

Liên hệ nhóm thạc sĩ Hỗ trợ SPSS.

– SMS, Zalo, Viber:

phone number

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

– Email:                 hotrospss@gmail.com

Tổng quan SPSS, AMOS, Smart PLS, Stata, Eviews, khi nào nên chọn phần mềm nào?

     Có quá nhiều phần mềm được nghe nói để làm bài, vậy phần mềm nào thích hợp nhất để xử lý bài nghiên cứu của bạn?

     Hiện tại các phần mềm SPSS, AMOS,Smart PLS, Stata, Eviews là thông dụng nhất để cho thực hiện các nghiên cứu trên thế giới và tại Việt Nam. Bài này nhóm thạc sĩ Bách Khoa sẽ cho các bạn một cái nhìn tổng quát, để nắm được phần mềm nào là phù hợp nhất với nghiên cứu của mình. Lưu ý là phù hợp nhất trong một số trường hợp nghiên cứu đặc thù, còn các chức năng cơ bản như thống kê mô tả, tính trung bình, giá trị nhỏ nhất lớn nhất….thì dĩ nhiên phần mềm nào ở trên đều có hết bạn nhé.

     Về tổng quát có 2 nhóm lớn, nhóm thứ 1 gồm SPSS, AMOS, Smart-PLS chuyên xử lý số liệu điều tra sơ cấp, nhóm thứ 2 gồm Stata và Eviews chuyên xử lý số liệu thứ cấp, chuỗi thời gian, dữ liệu bảng panel data…

Phần mềm SPSS

     Phần mềm SPSS: đây là phần mềm phổ biến bậc nhất trong nghiên cứu khoa học và viết bài báo, viết luận văn tại Việt Nam. Phần mềm này mạnh trong việc xử lý số liệu thu thập dạng sơ cấp, nghĩa là các thông tin được lấy bằng cấc phiếu khảo sát giấy, online để lấy ý kiến trực tiếp của người được khảo sát. Với những số liệu thứ cấp như là doanh thu, chi phí, dòng vốn bỏ ra trong 1 thời điểm cụ thể phần mềm này vẫn xử lý được. Phần mềm này chưa mạnh ở chỗ xử lý số liệu chuỗi thời gian, dữ liệu bảng vì SPSS không có tích hợp sẵn các công cụ kiểm định, ví dụ phương sai sai số thay đổi, tự tương quan của dữ liệu bảng panel. Phần mềm này cũng không xử lý được nhiều dạng hồi quy phức tạp, như hồi quy tobit…

Phần mềm AMOS

     Đây là phần mềm cũng của hãng IBM tương tự SPSS. AMOS bổ sung cho SPSS khi xử lý những mô hình cấu trúc SEM, những mô hình có nhiều hơn 1 biến phụ thuộc như hình sau:

     Về mặt loại số liệu, số liệu đưa vào AMOS chủ yếu là dạng thang đo likert nhập từ phiếu khảo sát tương tự phần mềm SPSS bạn nhé. Mục tiêu của AMOS chủ yếu là kiểm định độ phù hợp của mô hình model fit, như là các chỉ số chisquare/df, GFI,TLI,RMSEA, độ tin cậy tổng hợp, phương sai trích, và quan trọng nhất là kiểm định các giả thiết thống kê xem có đạt hay không đạt( nghĩa là bộ số liệu này có làm cho các giả thiết đặt ra lúc xây dựng mô hình nghiên cứu đạt hay không?)

Phần mềm Smart-PLS:

      Về chức năng thì phần mềm này tương tự phần mềm AMOS, nhưng Smart-PLS không có chức năng kiểm tra các chỉ số độ phù hợp mô hình đầy đủ như AMOS, vì Smart PLS tiếp cận xử lý vấn đề dựa trên thuật toán PLS, nên không tồn tại các khái niệm như GFI, TLI… Về mặt giao diện phần mềm này có ưu thế hơn AMOS với việc kéo thả bố trí giao diện dễ dàng hơn, các biến tự động co dãn trong mô hình chứ không bị gới hạn trong 1 tờ A3 hoặc A4 như AMOS. Ngoài ra các khái niệm reflective và formative constructs cũng được thể hiện rõ ràng và dễ dàng chuyển đổi qua lại chứ không như AMOS

Phần mềm Stata

     Nếu dữ liệu bạn nghiên cứu về các chỉ tiêu lợi nhuận, doanh thu của các doanh nghiệp trên thị trường chứng khoán trong vòng 5-10 năm thì đây là công cụ thích hợp nhất cho bạn. nói cho dễ hiểu, phần mềm Stata xử lý dữ liệu dạng như sau:

     Ngoài ra, Stata xử lý được rất nhiều khái niệm trong nghiên cứu dữ liệu bảng, dữ liệu chuỗi thời gian, như phương sai sai số thay đổi, tự tương quan, tính dừng của dữ liệu, sai phân bậc 1, bậc 2, bậc n, biến trễ bậc 1, bậc 2, bậc 2, hồi quy FEM, hồi quy REM, kiểm định hausman, Breusch and Pagan Lagrangian

Phần mềm Eviews

     Phần mềm Eviews có chức năng tương tự Stata nhưng các kiểm định bị hạn chế, ít loại kiểm định hơn. Nên bạn cứ xài Stata là ổn nhất.

Bạn cứ trao đổi thêm với nhóm ở đây, hoặc comment bên dưới nhé

Liên hệ nhóm thạc sĩ Hỗ trợ SPSS.

– SMS, Zalo, Viber:

phone number

– Chat Facebook: http://facebook.com/hoidapSPSS/

– Email:                 hotrospss@gmail.com

 

 

Cách chạy phân tích nhân tố EFA khi làm mô hình SEM với AMOS

Cách chạy phân tích nhân tố EFA khi làm mô hình SEM với AMOS cũng tương tự chạy EFA dùng để phân tích hồi quy SPSS. Tuy nhiên có ba lưu ý, một là dùng phép xoay promax thay cho varimax, hai là phép trích xuất pricipal axis factoring thay vì pricipal component analysis, ba là đưa tất cả các biến không phân biệt độc  lập, phụ thuộc, trung gian vào chạy tất cả một lần chung duy nhất.

Video chi tiết cách chạy EFA khi phân tích với AMOS, trước khi chạy CFA, SEM:

Chi tiết cách chạy phân tích nhân tố EFA khi làm mô hình SEM với AMOS

Vào chọn menu : Analyze-> Data Reduction(hoặc Dimension Reduction) ->Factor

Chọn tất cả các biến trong mô hình( độc lập, phụ thuộc, trung gian…) đưa vào cột Variables bên phải.

Nhấn vào Descriptives, chọn KMO and Bartlett's test of sphericity

Bấm vào nút Extraction, chọn Pricipal axis factoring

Bấm vào nút Rotation, chọn Promax

Bấm vào nút Options, chọn Sorted by size(để sắp xếp hệ số tải từ cao xuống thấp cho dễ đọc) và chọn Suppress absolute values less than, gõ vào .3 ( để loại bỏ khỏi pattern matrix những giá trị bé hơn 0.3 để dễ nhìn)

Sau đó nhấn OK, kết quả sẽ hiển thị khá dài, sẽ chỉ phân tích một số bảng cần thiết

Cách diễn giải kết quả phân tích nhân tố EFA khi làm mô hình SEM với AMOS

Kết quả phân tích EFA cho thấy: Chỉ số KMO = 0.924 > 0.5, điều này chứng tỏ dữ liệu dùng để phân tích nhân tố là hoàn toàn thích hợp.
Mức ý nghĩa Sig.=0.000<0.05 trong kiểm định KMO and Bartlett's chứng tỏ các biến quan sát có tương quan với nhau( bác bỏ giả thuyết H0: các biến quan sát không có tương quan với nhau trong tổng thể) như vậy giả thuyết về ma trận tương quan giữa các biến là ma trận đồng nhất bị bác bỏ, tức là các biến có tương quan với nhau và thỏa điều kiện phân tích nhân tố.


Tổng phương sai trích là 75.115 >50%, chứng tỏ 7 nhân tố này giải thích 75.115% biến thiên của dữ liệu.
Giá trị hệ số Eigenvalues của các nhân tố đều cao (>1), nhân tố thứ 7 có Eigenvalues nhỏ nhất = 1.215> 1.


Bảng Pattern Matrix cho ta biến 7 nhân tố này, mỗi nhân tố gồm những thành phần nào. Kết quả cho thấy các hệ số tải nhân tố factor loading đều lớn hơn 0.5 và không có hiện tượng xáo trộn hoặc tách, gộp nhân tố. Do đó có thể kết luận là kết quả efa phù hợp với mô hình ban đầu.

Một số lý thuyết liên quan về KMO, kiểm định Bartlett’s, giá trị Eigenvalue

  1. Trong phân tích nhân tố khám phá, chỉ số KMO dùng để xem xét sự thích hợp của phân tích nhân tố, nếu 0.5≤ KMO<1 thì phân tích nhân tố phù hợp với các dữ liệu.
  2. Kiểm định Bartlett’s xem xét giả thuyết H0: các biến không có tương quan trong tổng thể. Nếu kiểm định này có ý nghĩa thống kê (Sig <0.05) thì các biến đó tương quan với nhau trong tổng thể.
  3. Giá trị Eigenvalue dùng để xác định số lượng nhân tố, chỉ những nhân tố có eigenvalue lớn hơn 1 thì mới được giữ lại trong mô hình, những nhân tố có eigenvalue nhỏ hơn 1 sẽ bị loại vì không có tác dụng tóm tắt thông tin tốt hơn một biến gốc. Nghiên cứu này sử dụng phương pháp trích nhân tố Principal Axis Factoring với phép quay Promax, các biến có hệ số tải nhân tố (factor loading) nhỏ hơn 0.4 bị loại. Tuy nhiên để thang đo đảm bảo ý nghĩa thực tiễn thì trọng số EFA ≥ 0.5, do đó các biến có hệ số tải nhân tố <0.5 tiếp tục bị loại (Hair &ctg, 1998). Theo Gerbing và Anderson (1998), thang đo được chấp nhận khi tổng phương sai trích lớn hơn hoặc bằng 50%.

Liên hệ nhóm thạc sĩ Hỗ trợ SPSS.

– SMS, Zalo, Viber:

phone number

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

– Email:        hotrospss@gmail.com