VII Sự truyền miệng
3.7.4 Phân tích nhân tố khẳng định (CFA)
Phương pháp phân tích nhân tố khẳng định CFA được thực hiện thơng qua phần mềm phân tích cấu trúc tuyến tính AMOS. Trong kiểm định thang đo, phương pháp CFA trong phân tích cấu trúc tuyến tính có nhiều ưu điểm hơn so với phương pháp truyền thống như phân tích hệ số tương quan, phân tích nhân tố khám phá EFA,.... Bởi vì CFA cho phép kiểm định cấu trúc lý thuyết của các thang đo lường như mối quan hệ giữa một khái niệm nghiên cứu với các khái niệm khác mà không ị chệch do sai số đo lường (Steenkamp, 1991), b ên cạnh đó cịn có thể kiểm định được giá trị hội tụ, giá trị phân biệt của thang đo. Vì thế, trong nghiên cứu này tác giả sử dụng phân tích nhân tố khẳng định CFA để kiểm định mức độ phù hợp của mơ hình thang đo với dữ liệu thơng tin thị trường thu thập được sau khi đã đánh giá sơ bộ bằng hệ số tin cậy Cronb ach’s alpha và phân tích nhân tố khám phá (EFA). Trong kiểm định giả thuyết và mơ hình nghiên cứu, mơ hình cấu trúc tuyến tính cũng có lợi thế hơn các phương pháp truyền thống như hồi quy đa biến vì nó có thể tính được sai số đo lường, trong khi các phương pháp truyền thống phân tích đa iến thế hệ thứ nhất thường giả sử các iến độc lập được đo lường chính xác khơng có sai số đo lường, vì thế khơng có tính hiện thực vì trong thực tế sai số ln xuất hiện trong đo lường (Thọ & Trang, 2002). Để đo lường mức độ phù hợp của mơ hình với thơng tin thị trường, nghiên cứu này sử dụng Chi-square (CMIN); Chi-square điều chỉnh theo bậc tự do (CMIN/df); chỉ số thích
hợp so sánh (CFI_ Comparative Fit Index). Chỉ số TLI (Tucker & Lewis Index); Chỉ số RMSEA (Root Mean Square Error Approximation). Mơ hình được xem là thích hợp với dữ liệu thị trường khi kiểm định Chi-square có P-value > 0.05. Tuy nhiên Chi-square có nhược điểm là phụ thuộc vào kích thước mẫu, khi n càng lớn thì Chi-square càng lớn, điều này làm giảm mức độ phù hợp của mơ hình, khơng phản ánh đúng mức độ phù hợp thực sự của mơ hình khi kích thước mẫu lớn (Thọ & Trang, 2002). Nếu một mơ hình nhận các giá trị GFI, TLI, CFI > 0.9 (Bentler & Bonett, 1980); CMIN/df < 2, một số trường hợp CMIN/df < 3 (McIver & Carmines, 1981); RMSEA < 0.08, RMSEA < 0.05 được xem là rất tốt (Steiger, 1990), thì mơ hình được xem là phù hợp với dữ liệu thị trường hay tương thích với dữ liệu thị trường. Theo tác giả Nguyễn Đình Thọ & Nguyễn Thị Mai Trang (2011) cho rằng nếu mơ hình nhận được các giá trị TLI, CFI > 0.9, CMIN/df < 2, RMSEA < 0.08 thì mơ hình phù hợp (tương thích) với dữ liệu thị trường. Quy tắc này cũng được sử dụng để đánh giá mức độ phù hợp của mơ hình cấu trúc trong nghiên cứu. Các chỉ tiêu đánh giá là:
(1) Độ tin cậy thang được đánh giá thông qua hệ số tin cậy tổng hợp (pc) Composite reliability (Joreskog & Goldb erger, 1971), Phương sai trích (pvc) - Variance extracted (Fornell & Larcker, 1981), và hệ số tin cậy (a) - Cronb ach’s alpha (Cronb ach, 1951)
Ghi chú: Ài là trọng số chuẩn hoá của biến quan sát thứ I; 1-ÀĨ2 là phương sai của sai số đo lường biến quan sát thứ i, p là số biến quan sát của thang đo.
Trong đó: Phương sai trích phản ánh lượng biến thiên chung của các b iến quan sát được giải thích b ởi biến tiềm ẩn (Hair, Tatham, & William, 1998), độ tin cậy tổng hợp đo lường độ tin cậy của tập hợp các b iến quan sát đo lường một khái niệm (nhân tố); hệ số tin cậy Cronb ach’s alpha đo lường tính kiên định nội tại xuyên suốt tập hợp các b iến quan sát của các câu trả lời (Schumacker & Lomax, 2004). Tiêu chuẩn đánh giá mức độ phù hợp của
mơ hình b ởi độ tin cậy của thang đo là pc > 0.5; pvc > 0.5; a > 0.6
(2) Tính đơn hướng (Unidimensionality): Tính đơn hướng của một thang đo thể hiện mỗi một biến quan sát chỉ được sử dụng để đo lường duy nhất một biến tiềm ẩn (Harris, 1985). Để đạt được mức độ phù hợp của mơ hình với dữ liệu thị trường thì thang đo phải đạt được tính đơn hướng, nghĩa là khơng có sự tương quan giữa các sai số khác nhau, ngoại trừ trường hợp các sai số của các biến quan sát có tương quan với nhau (Steenkamp, 1991)
(3) Giá trị hội tụ (Convergent validity): Thể hiện giá trị đo lường một khái niệm tương quan chặt chẽ với nhau sau những đo lường được lặp lại. Để đạt được giá trị hội tụ thì có các trọng số chuẩn hóa (AVE) đều phải lớn hơn 0.5, có ý nghĩa thống kê khi P < 0.05 (Anderson & Gerbing, 1988).
(4) Giá trị phân b iệt (Discriminant validity): Có thể kiểm định giá trị phân b iệt của các khái niệm trong mơ hình tới hạn (saturated model) mơ hình mà các khái niệm nghiên cứu được tự do quan hệ với nhau). Thực hiện kiểm định hệ số tương quan xét trên phạm vi tổng thế giữa các khái niệm có thực sự khác b iệt so với 1 hay khơng. Nếu nó thực sự khác biệt khi P < 0.05 thì các thang đo đạt được giá trị phân biệt hay nói các khái niệm nghiên cứu đạt được giá trị phân biệt (Thọ & Trang, 2002).
(5) Giá trị liên hệ lý thuyết (Nomological validity): Thể hiện sự phù hợp giữa mơ hình nghiên cứu với cơ sở lý thuyết xây dựng nên mơ hình, giá trị liên hệ lý thuyết được đánh giá trong mơ hình lý thuyết (Anderson & D.W.Gerbing, 1988). Giá trị liên hệ lý thuyết được coi là phù hợp khi mỗi một đo lường có mối liên hệ với các đo lường khác như đã kỳ vọng về mặt lý thuyết (Churchill, 1995).
Trong quá trình đánh giá các tiêu chuẩn trên, phương pháp ước lượng thường được sử dụng là ML - Maximum Likelihood (Thọ & Trang, 2002). Theo Muthén và Kaplan (1985), vì phép kiểm định này khi kiểm định cho phép phân phối của các b iến quan sát lệch một ít so với phân phối chuẩn đa biến, nhung hầu hết các độ nhọn (kurtoses) và độ lệch (skewnesses) đều nằm trong giới hạn [-1, +1]. Tuy nhiên, ít có mơ hình đo luờng nào cùng đạt đuợc tất cả các tiêu chuẩn trên. Thực tế trong nhiều nghiên cứu, giá trị p-value và tính đơn huớng thuờng khó đạt đuợc trên tất cả các thang đo của các khái niệm nghiên cứu
(Thọ & Trang, 2002).