Mô hình cấu trúc tuyến tính SEM (Structural equation modeling) là một kỹ thuật mô hình có thể xử lý một số lượng lớn các biến nội sinh và ngoại sinh cũng như sự kết hợp tuyến tính giữa biến tiềm ẩn và biến quan sát (Golob, 2003). Đây là một kỹ thuật có thể
chỉ rõ, ước lượng và đánh giá quan hệ tuyến tính giữa các biến quan sát (observed variables) theo hướng rút gọn thành các biến không quan sát (latent variables) (Shah & Goldstein, 2006). Mô hình cấu trúc tuyến tính SEM là một kỹ thuật thống kê mạnh, có thể kết hợp cả mô hình đo lường và mô hình cấu trúc vào một kiểm tra thống kê cùng một bước (one-step modeling) hoặc là hai bước khác nhau (two-step modeling). SEM có những ưu điểm vượt trội so với các kỹ thuật thống kê truyền thống khác, ví dụ: SEM cho biết cả sai số đo lường đối với các biến tiềm ẩn khi ước lượng quan hệ giữa các biến tiềm ẩn với nhau (Garver & Mentzer, 1999). Ước lượng của SEM được thực hiện bằng cách sử dụng phương pháp phân tích hiệp phương sai (covariance analysis method). Các phương pháp phân tích hiệp phương sai có thể dự báo chính xác cho các biến nội sinh. Kiểm tra phù hợp mô hình (Goodness-of-fit tests) được sử dụng để xác
136
định nếu một mô hình được chỉ ra bởi nhà nghiên cứu thì tương thích với nền tảng phương sai – hiệp phương sai (variance-covariances).
Nghệ thuật của việc xây dựng mô hình cấu trúc tuyến tính SEM là chỉ ra được một mô hình quá xác định (over-identified model), theo đó chỉ có thể một vài tham số là tự do và nhiều tham số khác giới hạn bằng 0. Bên cạnh mô hình quá xác định, mô hình vừa xác định (just identified model, hay còn gọi mô hình tới hạn: saturated model) có 0 bậc tự do và luôn phù hợp (fits perfectly). Nó có ý nghĩa như là một giới hạn cho chỉ tiêu phù hợp mô hình (goodness-of-fit) và mục đích cho việc tìm ra các tham sốđể giới hạn bằng 0 (Golob, 2003). Khi số lượng các tham số lớn hơn số lượng các phương trình, nghĩa là bậc tự do nhỏ hơn 0, mô hình gọi là dưới xác định (under-identified). Mô hình dưới xác định có thể không hội tụ trong suốt quá trình ước lượng và vì vậy tham sốước lượng không tin cậy và các tham số thống kê phù hợp mô hình không thể diễn dịch (Shah & Goldstein, 2006). Một phương cách thông thường nhất để làm giảm đi sự
phức tạp của mô hình là loại bỏ các quan hệ có hệ số hồi quy thấp, giảm các biến quan sát và hạn chếđến mức tối đa tương quan yếu giữa các loại sai sót.
Đối với mô hình cấu trúc tuyến tính SEM, mô hình đo lường nên phát triển trước; sau mới đến mô hình cấu trúc (two-step approach, Anderson & Gerbing, 1988) và điều này
được hưởng ứng bởi nhiều học giả khác (Garver & Mentzer, 1999; Golob, 2003). Bước
đầu tiên, nhà nghiên cứu kiểm tra và đánh giá mô hình đo lường thông qua kiểm tra tính đơn hướng, độ tin cậy, độ giá trị hội tụ và độ giá trị phân biệt. Một khi mô hình đo lường được kiểm tra, nhà nghiên cứu tiến hành bước thứ hai, ước lượng quan hệ cấu trúc giữa các biến tiềm ẩn, đây là bước mà mô hình lý thuyết có thể được kiểm định (Garver & Mentzer, 1999).