6. Tổng quan về tài liệu nghiên cứu
3.4.1 Đánh giá độ phù hợp chung của mô hình
Để đánh giá mức độ phù hợp chung của mô hình với thông tin thị trường, người ta thường sử dụng một số chỉ tiêu sau:
Chi-square
Biểu thị mức độ phù hợp tổng quát của toàn bộ mô hình tại mức ý nghĩa 5%. Điều thực tế rất khó xảy ra bởi vì chi-square rất nhạy với kích thước mẫu lớn và độ mạnh của kiểm định, nên thực tế người ta dùng Chi-square/df đểđánh giá với df là bậc tự do. Chi-square/df = χ2df Chỉ số này cũng dùng để đo mức độ phù hợp một cách chi tiết hơn của các mô hình. Một số tác giả đề nghị 1< df 2 χ < 3 [Hair et al (1998)] và một số khác đề nghị càng nhỏ càng tốt [Segar, Grover, (1993)].
GFI (Goodness - of - fit - index): đo độ phù hợp tuyệt đối của mô hình cấu trúc và mô hình với bộ dữ liệu khảo sát.
AGFI (Adjust GFI): điều chỉnh giá trị GFI theo bậc tự do trong mô hình
RMR: đánh giá phương sai phần dư của biến quan sát, đánh giá tương quan phần dư của một biến quan sát này với tương quan phần dư của biến quan sát khác. Giá trị RMR càng lớn nghĩa là phương sai phần dư càng cao nó phản ánh một mô hình có độ phù hợp không tốt.
RMSEA (Root Mean Square Error of Approximation): là một chỉ tiêu quan trọng, xác định mức độ phù hợp với mô hình tổng thể.
RMSEA, RMR < 0.05 thì mô hình phù hợp tốt. GFI, CFI (Comparative Fit Index), AGFI, TLI >0.9 được xem là mô hình có độ phù hợp tốt. Nếu giá trị này bằng 1 thì mô hình hoàn hảo. [Chin & Told, 1995]
Theo Carmines & McIver, 1981 thì CMIN/df <=3 và RMSEA <=0.08, theo Bentler & Bonett, (1980) TLI, CFI >=0.9 thì mô hình được xem là phù hợp với dữ liệu thị trường. Kết quả chạy mô hình cho thấy Chi-square/df = 2.239 <=3; CFI = 0.931, TLI = 0.919(>0.9) và RMSEA = 0.075 < 0.08 nên có thể kết luận mô hình được xem là phù hợp với dữ liệu thị trường.