2.1. Phương pháp nghiên cứu
2.1.1. Phương pháp mô hình cấu trúc
Một trong những kỹ thuật phức hợp và linh hoạt nhất sử dụng để phân tích mối quan hệ phức tạp trong mô hình nhân quả là mô hình cấu trúc SEM. Mô hình cấu trúc SEM đã được sử dụng rộng rãi trong các lĩnh vực nghiên cứu tâm lý học, lĩnh vực xã hội học, lĩnh vực công nghiệp và trong lĩnh vực quản lý [15], [18], [33] [60], [63], [79].
Mô hình cấu trúc SEM là sự mở rộng của mô hình tuyến tính tổng quát (GLM) cho phép nhà nghiên cứu kiểm định một tập hợp phương trình hồi quy cùng một lúc. SEM có thể cho một mô hình phức hợp phù hợp với dữ liệu như các bộ dữ liệu khảo sát trong dài hạn, phân tích nhân tố khẳng định (CFA), các mô hình không chuẩn hoá, cơ sở dữ liệu có cấu trúc sai số tự tương quan, dữ liệu với các biến số không chuẩn, hay dữ liệu bị thiếu.
Lợi thế của mô hình cấu trúc SEM
Mô hình SEM phối hợp được tất cả các kỹ thuật như hồi quy đa biến, phân tích nhân tố và phân tích mối quan hệ hỗ tương (giữa các phần tử trong sơ đồ mạng) để cho phép chúng ta kiểm tra mối quan hệ phức hợp trong mô hình. Khác với những kỹ thuật thống kê khác chỉ cho phép ước lượng mối quan hệ riêng phần của từng cặp yếu tố trong mô hình cổ điển (mô hình đo lường), SEM cho phép ước lượng đồng thời các phần tử trong tổng thể mô hình, ước lượng mối quan hệ nhân quả giữa các yếu tố qua các chỉ số kết hợp cả đo lường và cấu trúc của mô hình lý thuyết, đo các mối quan hệ ổn định và không ổn định, đo các ảnh hưởng trực tiếp cũng như gián tiếp, kể cả sai số đo và tương quan phần dư. Với kỹ thuật phân tích CFA mô hình SEM cho phép linh động tìm kiếm mô hình phù hợp nhất trong các mô hình đề nghị.
Các dạng mô hình trong SEM.
Mô hình SEM gồm hai mô hình có liên quan với nhau là mô hình đo lường và mô hình cấu trúc:
Mô hình đo lường (còn gọi là mô hình nhân tố, mô hình ngoài) diễn tả cách các chỉ số thể hiện và giải thích các yếu tố tốt thế nào: tức là diễn tả cấu trúc của yếu tố KNTƯ với BĐKH, đồng thời diễn tả các đặc tính đo lường của các chỉ số KNTƯ với BĐKH. Các mô hình đo lường cho các biến độc lập (ví dụ biến KNTƯ với BĐKH) có thể đơn hướng, có thể tương quan hay có thể xác định các yếu tố bậc cao hơn. Mô hình đo lường (Hình 2.1) cho thấy các liên hệ thống kê giữa chỉ số quan sát V1, V2, V3...(hay gọi là biến quan sát, ví dụ như các chỉ số KNTƯ với BĐKH) với các yếu tố F1, F2...(hay gọi là biến tiềm ẩn, ví dụ yếu tố KNTƯ với BĐKH). Các yếu tố F1, F2...được nối kết bằng các quan hệ dạng hồi quy chuẩn hoá, tức là ước lượng các
36 giá trị cho các hệ số hồi quy.
Hình 2.1. Mô hình đo lường của cấu trúc SEM [17]
Mô hình đo lường dùng phân tích đánh giá mức độ mà chỉ số KNTƯ với BĐKH phản ánh các yếu tố KNTƯ với BĐKH của chúng từ đó cho thấy quan hệ giữa các yếu tố và chỉ số này. Nó cung cấp thông tin về thuộc tính đo lường của chỉ số KNTƯ với BĐKH. Để đánh giá (độ hội tụ và phân biệt) của các chỉ số KNTƯ với BĐKH sử dụng kỹ thuật phân tích CFA và ma trận Covariance dựa trên nền phần mềm AMOS [17], [29].
AMOS là chương trình phần mềm sử dụng để phân tích trung bình và cấu trúc phương sai - hiệp phương sai. Mặc dù được phát triển trong giao diện Windows của Microsoft, AMOS cho phép xác định mô hình bằng ba cách khác nhau. Cách tiếp cận đầu tiên là sử dụng AMOS Graphic, cách này cho phép vẽ trực tiếp sơ đồ Path, hai cách còn lại, AMOS VB.NET và AMOS C# sẽ sử dụng câu lệnh. Sử dụng AMOS Graphic sẽ tương đối thuận tiện bởi không đòi hỏi phải sử dụng thành thạo tiếng anh, phần mềm dễ dàng truy cập và download sử dụng. AMOS cung cấp đầy đủ các công cụ cần thiết để vẽ sơ đồ đường dẫn. Mỗi công cụ là một biểu tượng, các biểu tượng này có thể xuất hiện ngay trên giao diện ban đầu của thanh menu thả xuống hoặc bằng cách nhấn chuột phải. Quá trình xây dựng mô hình mô hình đường dẫn, đưa dữ liệu vào, hiệu chỉnh, sử dụng... sẽ sử dụng phối hợp chức năng của các biểu tượng trên [29].
Mô hình cấu trúc: chỉ rõ mối quan hệ giữa các yếu tố tiềm ẩn với nhau. Các mối quan hệ này có thể mô tả những dự báo mang tính lý thuyết mà các nhà nghiên cứu quan tâm. Xác định các liên kết (quan hệ nhân quả) giữa các yếu tố bằng mũi tên nối kết, và gán cho chúng các phương sai giải thích và chưa giải thích, tạo thành cấu trúc nhân quả cơ bản. Các yếu tố KNTƯ với BĐKH được ước lượng bằng hồi quy bội của các chỉ số KNTƯ với BĐKH. Mô hình cấu trúc SEM không cho phép sử dụng khái niệm biểu thị bởi chỉ số KNTƯ với BĐKH đơn. Thông thường yếu tố KNTƯ với BĐKH đo lường bởi ít nhất là từ 3 đến tối đa là 7 chỉ số KNTƯ với BĐKH [30]. Mô hình cấu trúc SEM có thể có nhiều dạng khác nhau:
Hình 2.2. Mô hình cấu trúc SEM và các phần tử cơ bản của nó [17] Sau đây là một mô hình cấu trúc SEM:
37
Hình 2.3. Mô hình đo lường và mô hình cấu trúc của SEM
(Structural Equation Modeling) [17]
X1 = λ11 ξ1 + δ1
X2 = λ22 ξ2 + δ2 (2.7)
X3 = λ31 ξ1 + λ32 ξ2 + δ3
Trong đó ξi là các yếu tố chung; Xi là các chỉ số; λ là các hệ số tải, các yếu tố chung ξi có thể có tương quan với nhau, các chỉ số xác định Xi cũng có thể tương quan với nhau. Phương sai của một yếu tố xác định là duy nhất.
Khi sử dụng phương pháp mô hình cấu trúc SEM để ước lượng mối quan hệ giữa các yếu tố với KNTƯ với BĐKH các tham số trong mô hình như Chi
- square/df, RMSEA, GFI, CFI, TLI… phải thỏa mãn các điều kiện được trình bày chi tiết hơn trong mục 2.1.3
Tuy nhiên để đảm bảo độ tin cậy của các kết quả tính toán mô hình cấu trúc SEM, cần phải có thêm các kiểm định giá trị độ tin cậy tổng hợp CR, phương sai trích AVE và kiểm định Boostrap.
Độ tin cậy tổng hợp được tính cho từng nhân tố đơn hướng, tương tự như cách áp dụng cronbach's alpha, sẽ chạy riêng cho từng nhân tố một. Giá trị độ tin cậy tổng hợp >= 0,7 [65].
Phương sai trích được tính cho từng nhân tố đơn hướng, sẽ chạy riêng cho từng nhân tố một. Giá trị phương sai trích >= 0,5 [65].
Boostrap là phương pháp lấy mẫu lại có thay thế trong đó mẫu ban đầu đóng vai trò đám đông. Phương pháp Boostrap thực hiện với số mẫu lặp lại là N lần. Kết quả ước lượng từ N mẫu được tính trung bình và giá trị này có xu hướng gần đến ước lượng của tổng thể. Khoảng chênh lệch giữa giá trị trung bình ước lượng bằng Boostrap và ước lượng mô hình với mẫu ban đầu càng nhỏ cho phép kết luận các ước lượng mô hình có thể tin cậy được. Sai lệch giữa giá trị ước lượng từ mẫu ban đầu và giữa giá trị trung bình các ước lượng từ Bootstrap gọi là độ lệch. Trị tuyệt đối các độ lệch này càng nhỏ và càng không có ý nghĩa thống kê thì càng tốt [29].
Ký hiệu của mô hình cấu trúc SEM [29]:
-Các chỉ số quan sát: hình chữ nhật hay hình vuông. -Các yếu tố tiềm ẩn: hình elip hay hình tròn.
38
Tham số của mô hình cấu trúc SEM [29]:
- Các chỉ số quan sát, trọng số hồi quy, phương sai, hiệp phương sai giữa các chỉ số. -Hiệp phương sai: biểu diễn bằng ký hiệu mũi tên hai đầu
-Phương sai: ký hiệu bằng số trong hộp vẽ biến.
- Các hệ số hồi quy: mũi tên một chiều chỉ đường dẫn mô tả mối quan hệ nhân quả được giả thiết giữa hai biến.
Dữ liệu đầu vào và đầu ra của mô hình cấu trúc SEM [29]:
- Dữ liệu đầu vào: là các dữ liệu điều tra phỏng vấn theo bảng hỏi sử dụng thang đo likert. Các dữ liệu này cần thỏa mãn các kiểm tra độ tin cậy bằng kiểm định Cronbach’s Alpha.
- Dữ liệu đầu ra: các sai số đo lường, các kết quả trọng số thể hiện mối quan hệ, vai trò ảnh hưởng của các chỉ số KNTƯ với BĐKH với yếu tố KNTƯ với BĐKH tiềm ẩn (ví dụ yếu tố CSHT, yếu tố xã hội, yếu tố tự nhiên, yếu tố nhân lực, yếu tố tài chính) và mối quan hệ của các yếu tố KNTƯ với BĐKH tiềm ẩn và biến KNTƯ với BĐKH độc lập ban đầu.
Luận án đã sử dụng phương pháp mô hình cấu trúc SEM để phân tích mối quan hệ của các chỉ số và yếu tố cũng như mối quan hệ của các yếu tố với KNTƯ của thành phố Đà Nẵng với BĐKH từ đó đánh giá vai trò các yếu tố ảnh hưởng đến KNTƯ của thành phố Đà Nẵng, hộ nghèo - cận nghèo, trung bình - khá giả với BĐKH và dựa vào các kết quả ước lượng trọng số hồi quy của các yếu tố CSHT, tự nhiên, xã hội, tài chính và nhân lực cho đối tượng thành phố, hộ nghèo - cận nghèo, trung bình - khá giả để xây dựng phương trình hồi quy tuyến tính mô tả mối quan hệ giữa các yếu tố đến KNTƯ với BĐKH của các đối tượng này.