Phần này đánh giá lại các thang đo trên thông qua phân tích nhân tố khẳng định (CFA). Lý do là CFA cho phép chúng ta kiểm định cấu trúc của các thang đo cũng như
mối quan hệ giữa các khái niệm nghiên cứu với nhau mà không bị chệch do sai sốđo lường. Mặt khác trong CFA chúng ta có thể đánh giá độ tin cậy tổng hợp, phương sai
trích, giá trị hội tụ, giá trị phân biệt.
Để đo lường mức độ phù hợp của mô hình với dữ liệu thị trường, nghiên cứu này sử dụng các tiêu chí: Chi-bình phương, CFI (Comparative Fit Index), GFI (Goodness Fit Index), AGFI(Adjusted Goodness of Fit Index), RMSEA (Root Mean Square Error
Approximation) mô hình được gọi là phù hợp với giữ liệu thị trường khi phép kiểm
định Chi-bình phương có giá trị P>0.05.
Tuy nhiên Chi- bình phương = (n-1)FRMLR ; trong đó FRML R: là hàm tương thích khi dùng ước lượng ML(Maximum Likelihood) và n là kích thước mẫu. như vậy khi n càng lớn thì giá trị thống kê Chi- bình phương càng lớn. Điều này làm giảm mức độ
phù hợp của mô hình. Nghĩa là nó không phản ánh đúng mức độ phù hợp thực sự của
59
CFI > 0.95. GFI > 0.9 , AGFI >0.8, RMSEA < 0.1 thì mô hình được gọi là phù hợp với dữ liệu thị trường (trích theo Hu and Bentler (1999).
Phương pháp ước lượng ML được sử dụng đểước lượng các tham số trong mô hình với các giảđịnh(Kích thước mẫu lớn, dữ liệu liên tục, phân phối chuẩn đa biến) Hui Bian (2012). Lý do là các điều kiện đều phù hợp để sử dụng phương pháp này.
Mặt khác khi kiểm định phân phối của các biến quan sát thì các phân phối này lệch một ít so với phân phối chuẩn đa biến, tuy nhiên hầu hết các kurtoses và skewnesses
đều nằm trong khoảng [-1,1] nên ML là phương pháp thích hợp (Muthen & Kaplan 1985).