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. Như hình dưới thì FP3 là biến quan sát
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. Như hình trên thì FP là cấu trúc tiềm ẩn.
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.
- Sử dụng nhân tố bậc 2 Second Order Factor trong việc giảm giả thiết
- Bộ số liệu tốt để chạy cronbach’s alpha ra kết quả đẹp
- Định nghĩa moderator effects, phân tích kết quả về hiệu ứng điều tiết moderator effects
- Xử lý lỗi “Text value unmappable in the current server locale” như thế nào?
- Crosstabs – Thực hành cách phân tích bảng chéo Crosstabs trong SPSS