Slide hướng dẫn Mô hình SEM trên STATA

Slide hướng dẫn Mô hình SEM trên STATA (i) Nhập liệu, Khai báo biến (nếu có) Thống kê dữ liệu (ii) Đánh giá độ tin cậy Cronbach’s Alpha (iii) Phân tích nhân tố khám phá EFA (iv) Phân tích nhân tố khẳng định CFA (v) Phân tích tương quan Pearson (nếu có) (vi) Mô hình cấu trúc tuyến tính SEM

Trang 1

(i) Nhập liệu, Khai báo biến (nếu có) & Thống kê dữ liệu (ii) Đánh giá độ tin cậy Cronbach’s Alpha

(iii) Phân tích nhân tố khám phá EFA (iv) Phân tích nhân tố khẳng định CFA (v) Phân tích tương quan Pearson (nếu có) (vi) Mô hình cấu trúc tuyến tính SEM

Đăng ký học trực tuyến 0905.39.2489

https://www.youtube.com/@spssamosstata

PHÂN TÍCH DỮ LIỆU KHOA HỌC

Trình bày: NKH NGÔ ĐỨC CHIẾN

Trang 2

Thống kê mô tả Frequencies

(Đọc & Giải thích kết quả sau khi thực hiện Thống kê mô tả Frequencies)

Đăng ký học trực tuyến 0905.39.2489

https://www.youtube.com/@spssamosstata

Trang 3

Hướng dẫn thực hiện Mô hình Cấu trúc tuyến tính SEM

(Nhập liệu, Khai báo biến, Thống kê, Cronbach’s Alpha, EFA, CFA, Tương quan, Mô hình SEM)

Trang 4

Có rất nhiều phương pháp và công cụ dùng để tóm tắt và trình bày dữ liệu Trong phần này, chúng ta sẽ cùng nhau tiến hành thống kê các chỉ tiêu cơ bản của một dữ liệu số với các kết quả như:

Trang 6

Các câu lệnh thực hiện:

✓ tab biến cần thống kê

✓ sum các biến cần thống kê

✓ sum các biến cần thống kê ,detail

Trang 7

Mr Corn’s Official

Tư vấn nội dung:

Trung tâm Đào tạo Phân tích SPSS, AMOS, STATA, SMART PLS

Thiết kế & Trình bày ý tưởng:

Trang 8

Đánh giá độ tin cậy Cronbach’s Alpha (Đọc & Giải thích kết quả sau khi thực hiện Đánh giá độ tin cậy Cronbach’s Alpha)

Trang 9

Trang 10

STT Cronbach’s Alpha Ý nghĩa

Đối với các nghiên cứu, thông thường áp dụng hệ số Cronbach’s Alpha từ 0,6 trở lên

và những thang đo/biến nào có tương quan biến tổng < 0,3 sẽ bị loại bỏ (biến rác)

Trang 12

Trang 13

Phân tích nhân tố khám phá EFA

(Đọc & Giải thích kết quả sau khi thực hiện Phân tích nhân tố khám phá EFA)

Trang 14

Trang 15

Phân tích EFA được sử dụng trong các trường hợp sau:

✓ Nhận diện các khía cạnh hay nhân tố giải thích được các liên hệ tương quan trong một tập hợp biến

✓ Nhận diện một tập hợp gồm một số lượng biến mới tương đối ít không có tương quan với nhau để thay thế tập hợp biến gốc có tương quan với nhau để thực hiện một phân tích đa biến tiếp theo

✓ Để nhận ra một tập hợp gồm một số ít các biến nổi trội từ một tập hợp nhiều biến để sử dụng trong các phân tích đa biến kế tiếp

Trang 16

Các chỉ số cần lưu ý khi phân tích EFA:

✓ Trị số của KMO lớn (từ 0,5 đến 1) là điều kiện đủ để phân tích nhân tố thích hợp Kiểmđịnh Barlett có ý nghĩa (Sig < 0,05)

✓ Điểm dừng khi trích các yếu tố Eigenvalue > 1 và tổng phương sai trích > 50%

✓ Các biến có hệ số tải nhân tố (factor loading) < 0,5 sẽ tiếp tục bị loại

Trang 17

✓ factortest các biến cần đánh giá

✓ factor các biến cần đánh giá ,pcf mineigen(1) blanks(0.5)

Trang 18

Trang 19

Phân tích nhân tố khẳng định CFA

(Đọc & Giải thích kết quả sau khi thực hiện Phân tích nhân tố khẳng định CFA)

Trang 20

Trang 21

CFA là bước tiếp theo của EFA nhằm kiểm định xem có một mô hình lý thuyết có trước làm nền tảng cho một tập hợp các quan sát không

CFA cũng là một dạng của SEM

Phương pháp phân tích nhân tố khẳng định CFA chấp nhận các giả thuyết của các nhà nghiên cứu, được xác định căn cứ theo quan hệ giữa mỗi biến và một hay nhiều hơn một nhân tố

Bên cạnh đó, kết quả phân tích CFA còn cho thấy mối quan hệ/tương quan giữa các biến/nhân tố

Trang 22

Để đo lường mức độ phù hợp của mô hình với thông tin thị trường, các nhà nghiên cứuthường sử dụng các chỉ số:

✓ Mô hình được xem là thích hợp với dữ liệu thị trường khi kiểm định Chi – square có value < 0,05 (tức 5%)

P-✓ Giá trị Chi – square/df nhỏ hơn 3 là tốt và nhỏ hơn 5 là chấp nhận được

✓ Mô hình nhận được các giá trị GFI, CFI, TLI lớn hơn 0,95 là rất tốt, lớn hơn 0,9 là tốt và lớn hơn 0,8 là chấp nhận được

✓ Chỉ số RMSEA bé hơn 0,05 là rất tốt, từ 0,05 đến 0,1 là tốt và lớn hơn 0,1 là xấu

Trang 23

✓ Vẽ sơ đồ quan hệ giữa các biến/nhân tố

Tại thanh Menu chọn SEM (structural equation modeling)/Model building and estimation/Thực hiện các thao tác vẽ sơ đồ

✓ estat gof, stats(all)

Trang 24

Trang 25

Phân tích tương quan Pearson

(Đọc & Giải thích kết quả sau khi thực hiện Phân tích tương quan Pearson)

Trang 26

Trang 27

Hệ số tương quan Pearson, được kí hiệu bằng chữ “r”, giá trị trong khoảng -1 ≤ r ≤ +1 Nếu r

> 0 thể hiện tương quan đồng biến, ngược lại, r < 0 thể hiện tương quan nghịch biến, giá trị r = 0chỉ ra rằng hai biến không có mối liên hệ tuyến tính (Hair & cộng sự, 2014)

✓ r → +/-1: quan hệ giữa hai biến càng chặt

✓ r → 0: quan hệ giữa hai biến càng yếu

Trang 28

Ý nghĩa của hệ số tương quan Pearson “r”:

✓ +/- 0,01 đến +/-0,1: Mối tương quan quá thấp, không đáng kể

✓ +/- 0,2 đến +/-0,3: Mối tương quan thấp

✓ +/- 0,4 đến +/-0,5: Mối tương quan trung bình

✓ +/- 0,6 đến +/-0,7: Mối tương quan cao

✓ +/- 0,8 trở lên: Mối tương quan rất cao

Ví dụ: r = 0,525 thể hiện mối tương quan dương/tích cực ở mức độ trung bình

Trang 29

Hệ số tương quan biểu thị trên đồ thị phân tán Scatter

Trang 30

Mức ý nghĩa “Sig.” của hệ số tương quan, cụ thể như sau:

✓ Sig < 5 %: mối tương quan khá chặt chẽ

✓ Sig < 1 %: mối tương quan rất chặt chẽ

✓ Sig > 5 %: không có mối tương quan

Thông thường các nhà nghiên cứu chọn mức ý nghĩa 5% để đánh giá!

Trang 31

✓ gen tên biến mới=công thức tạo biến (Tính giá trị trung bình đại diện các nhân tố)

Ví dụ: gen ht=(ht1+ht2+ht3+ht4)/4

✓ pwcorr các biến cần phân tích ,sig

✓ corr các biến cần phân tích

✓ pwcorr các biến cần phân tích

✓ pwcorr các biến cần phân tích ,print(0.05)

✓ pwcorr các biến cần phân tích ,print(0.05) star(0.01)

Trang 32

Trang 33

Mô hình cấu trúc tuyến tính SEM

(Đọc & Giải thích kết quả sau khi thực hiện Mô hình cấu trúc tuyến tính SEM)

Trang 34

Trang 35

Mô hình SEM phản ánh mối quan hệ giữa các biến/nhân tố.

Để đo lường mức độ phù hợp của mô hình với thông tin thị trường, các nhà nghiên cứuthường sử dụng các chỉ số:

✓ Mô hình được xem là thích hợp với dữ liệu thị trường khi kiểm định Chi – square có value < 0,05 (tức 5%)

P-✓ Giá trị Chi – square/df nhỏ hơn 3 là tốt và nhỏ hơn 5 là chấp nhận được

✓ Mô hình nhận được các giá trị GFI, CFI, TLI lớn hơn 0,95 là rất tốt, lớn hơn 0,9 là tốt và lớn hơn 0,8 là chấp nhận được

✓ Chỉ số RMSEA bé hơn 0,05 là rất tốt, từ 0,05 đến 0,1 là tốt và lớn hơn 0,1 là xấu

Trang 36

✓ Vẽ sơ đồ quan hệ giữa các biến/nhân tố

Tại thanh Menu chọn SEM (structural equation modeling)/Model building and estimation/Thực hiện các thao tác vẽ sơ đồ

✓ estat gof, stats(all)

Trang 37

Mô hình cấu trúc tuyến tính SEM

Kết quả Mô hình Cấu trúc tuyến tính SEM

Trang 38

Trang 39

Chuyên gia Phân tích dữ liệu định lượng

Dịch vụ Phân tích và Đào tạo

SPSS, AMOS, STATA, SMART PLS

Hình thức Online hoặc Offline

Trang 40

“Chúng tôi rất tự hào được đồng hành cùng các bạn trong việc tìm hiểu và chia

sẻ các kiến thức Phân tích định lượng Đó sẽ luôn luôn là nguồn cảm hứng cho

sự hoàn thiện bản thân của chúng tôi!”

Trang 41

Trang 42

THANK YOU!!!

(1) Dịch vụ Phân tích và Đào tạo trực tuyến SPSS, AMOS, STATA, SMART PLS (2) Hotline liên hệ: 0905.39.2489

(3) Theo dõi tại: https://www.youtube.com/@spssamosstata

Tiêu đề	Hướng Dẫn Thực Hiện Mô Hình Cấu Trúc Tuyến Tính SEM
Tác giả	NKH. Ngô Đức Chiến
Thể loại	Tài Liệu Hướng Dẫn

Định dạng
Số trang	42
Dung lượng	0,91 MB