Để đánh giá độ tin cậy của các ước lượng, trong các phương pháp nghiên cứu định lượng bằng phương pháp lấy mẫu, thông thường chúng ta phải chia mẫu ra làm hai mẫu con. Một nữa dùng để ước lượng các tham số mô hình và một nữa dùng để đánh giá lại. Cách khác là lặp lại nghiên cứu bằng một mẫu khác. Hai cách trên đây thường không thực tế vì phương pháp phân tích cấu trúc tuyến tính thường đòi hỏi mẫu lớn nên việc làm này tốn kém nhiều thời gian và chi phí (Anderson & Gerbing, 1988). Trong những trường hợp như vậy thì bootstrap là phương pháp phù hợp để thay thế (Schumacker & Lomax, 1996). Bootstrap là phương pháp lấy mẫu lại có thay thế trong đó mẫu ban đầu đóng vai trò là đám đông (được dẫn bởi Nguyễn Đình Thọ & Nguyễn Thị Mai Trang, 2011).
Bảng 4.17: Kết quả ước lượng bằng bootstrap với N = 1000
Mối quan hệ Ước lượng ML Ước lượng Bootstrap
ML SE M SE SE(SE) BS SE(BS) IB <--- PP 0.55 0.122 0.071 0.002 0.55 -0.003 0.002 IB <--- PS 0.26 0.110 0.117 0.003 0.26 -0.001 0.004 IB <--- PV 0.33 0.093 0.110 0.002 0.33 0.002 0.003 PD <--- IB 0.34 0.068 0.083 0.002 0.32 -0.004 0.003 PD <--- IV 0.63 0.073 0.080 0.002 0.63 0.005 0.003 PD <--- SN 0.42 0.070 0.074 0.003 0.54 0.002 0.003
Ghi chú: ML: giá trị ước lượng ML; M: trung bình ước lượng bootstrap; SE: sai lệch chuẩn; SE-SE: sai lệch chuẩn của sai lệch chuẩn; BS: độ chệch;
SE-Bias: sai lệch chuẩn của độ chệch.
Nghiên cứu này sử dụng phương pháp bootstrap với số lượng mẫu lặp lại N = 1000. Kết quả ước lượng từ 1000 mẫu được tính trung bình kèm theo độ chệch cho thấy đa số các độ chệch không có ý nghĩa thống kê. Vì vậy, chúng ta có thể kết luận là các ước lượng trong mô hình có thể tin cậy được.