Phần này trình bày kết quả kiểm định các mô hình thang đo này bằng phƣơng pháp phân tích nhân tố khẳng định CFA thông qua phần mềm phân tích cấu trúc tuyến tính AMOS 22.0.
Trong kiểm định thang đo, phƣơng pháp CFA trong phân tích mô hình cấu trúc tuyến tính có nhiều ƣu điểm hơn so với phƣơng pháp truyền thống nhƣ phƣơng pháp hệ số tƣơng quan, phƣơng pháp phân tích nhân tố khám phá EFA, phƣơng pháp đa phƣơng pháp – đa khái niệm MTMM, vv.. Lý do là CFA cho phép chúng ta kiểm định cấu trúc lý thuyết của các thang đo lƣờng nhƣ mối quan hệ giữa một khái niệm nghiên cứu với các khái niệm khác mà không bị chệch do sai số đo lƣờng. Hơn nữa, chúng ta có thể kiểm định giá trị hội tụ và giá trị phân biệt của thang đo mà không cần dùng nhiều nghiên cứu nhƣ trong phƣơng pháp truyền thống MTMM.
Trong kiểm định giả thuyết và mô hình nghiên cứu, mô hình cấu trúc tuyến tính cũng có lợi thế hơn các phƣơng pháp truyền thống nhƣ hồi quy đa biến vì nó có thể tính đƣợc sai số đo lƣờng. Hơn nữa phƣơng pháp này cho phép chúng ta kết hợp đƣợc các khái niệm tiềm ẩn với đo lƣờng của chúng và có thể xem xét các đo lƣờng độc lập hay kết hợp chung với mô hình lý thuyết cùng một lúc. Chính vì vậy phƣơng pháp phân tích cấu trúc tuyến tính đƣợc sử dụng rất phổ biến trong marketing trong những năm gần đây và thƣờng đƣợc gọi là phƣơng pháp phân tích thông tin thế hệ thứ hai.
Để đo lƣờng mức độ phù hợp của mô hình với thông tin thị trƣờng, nghiên cứu này sử dụng các chỉ tiêu Chi-bình phƣơng, Chi-bình phƣơng điều chỉnh theo bậc tự do (Cmin/df), chỉ số thích hợp so sánh CFI (Comparative fit index), chỉ số TLI (Tucker & Lewis index) và chỉ số RMSEA (Root mean square error approximation). Mô hình đƣợc gọi là thích hợp khi phép kiểm định Chi-bình phƣơng có giá trị p>5%. Tuy nhiên vì Chi-bình phƣơng có nhƣợc điểm là nó phụ thuộc vào kích thƣớc mẫu. Khi n càng lớn thì giá trị thống kê Chi-bình phƣơng 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 mô hình khi kích thƣớc mẫu lớn. Do vậy, trong
bài nghiên cứu này tác giả coi mô hình nhận đƣợc giá trị TLI và CLI từ 0.9 đến 1, Cmin/df có giá trị bé hơn 2, RMSEA có giá trị bé hơn 0.08 thì mô hình đƣợc xem là phù hợp (tƣơng thích) với dữ liệu thị trƣờng.
Các chỉ tiêu đánh giá là (1) hệ số tin cậy tổng hợp (composite reliability), (2) tổng phƣơng sai trích đƣợc (Variance extracted), (3) tính đơn hƣớng (Unidimensionality), (4) giá trị hội tụ (convergent validity), (5) giá trị phân biệt (discriminant validity), và (6) giá trị liên hệ lý thuyết (nomological validity). Các chỉ tiêu từ 1 đến 5 đƣợc đánh giá trong mô hình thang đo. Riêng giá trị liên hệ lý thuyết đƣợc đánh giá trong mô hình lý thuyết.
Phƣơng pháp ƣớc lƣợng ML đƣợc sử dụng để ƣớc lƣợng các tham số trong mô hình. Lý do là khi kiểm định phân phối của các biến quan sát thì phân phối này lệch một ít so với phân phối chuẩn đa biến, tuy nhiên các Kurtoses and Skewnesses đều nằm trong khoảng [-1,+1] nên ML vẫn là phƣơng pháp ƣớc lƣợng thích hợp (82). Kết quả kiểm định phân phối trình bày trong phụ lục 3.