Thang đo được tiến hành đánh giá thơng qua nghiên cứu sơ bộ định lượng với một mẫu cĩ kích thước là N=100. Các thang đo này được được điều chỉnh thơng qua các kỹ thuật chính như (1) phương pháp hệ số tin cậy Cronbach alpha và (2) phương pháp phân tích nhân tố khám phá EFA (exploratory factor analysis). Hệ số α của Cronbach alpha là một phép kiểm định thống kê về mức độ chặt chẽ mà các mục hỏi trong thang đo tương quan với nhau được sử dụng để loại các biến rác trước. Theo quy ước thì một tập hợp các mục hỏi dùng để đo lường được đánh giá tốt phải cĩ hệ số α lớn hơn hoặc bằng 0,8. Tuy nhiên các nhà nghiên cứu đồng ý rằng khi Cronbach alpha từ 0,8 trở lên đến gần 1 thì thang đo lường là tốt, từ 0,7 đến gần 0,8 là sử dụng được. Cũng cĩ nhà nghiên cứu đề nghị rằng Cronbach alpha từ 0,6 trở lên là cĩ thể sử dụng được trong trường hợp khái niệm đang nghiên cứu là mới hoặc mới đối với người trả lời trong bối cảnh nghiên cứu (Nunnally, 1978; Peterson, 1994; Slater,1995). Trong nghiên cứu này ta sẽ chọn đặt tiêu chuẩn cho thang đo là khi nĩ đồng thời cĩ độ tin cậy từ 0,6 trở lên. Sau đĩ tiếp tục tiến hành phân tích nhân tố, nhân tố nào cĩ cĩ eigenvalue lớn hơn 1 thì giữ lại. Các biến thỏa mãn điều kiện (thang đo hồn chỉnh) sẽ được đưa vào bảng câu hỏi dùng cho nghiên cứu chính thức.
Thang đo nghiên cứu chính thức được dùng cho thực hiện nghiên cứu kiểm định mơ hình lý thuyết. Bằng cách phân tích dữ liệu nghiên cứu với SPSS như kiểm định t và phân tích phương sai (ANOVA). Đại lượng được sử dụng trong phân tích kiểm định này là mức ý nghĩa Sig, tùy theo giá trị độ tin cậy của phép kiểm định mà ta khẳng định kết quả kiểm định. Cơng việc tiếp theo là sử dụng phần mềm AMOS 5.0 để phân tích và các nhà nghiên cứu thường đánh giá độ phù hợp của mơ hình chung bằng các đo lường sau:
- Thống kê Chi – bình phương: Thống kê Chi – bình phương là một đo lường về độ phù hợp tuyệt đối, nĩ cung cấp cơ sở để tin rằng sự khác biệt giữa ma trận dự báo và ma trận đầu vào là khơng cĩ ý nghĩa. Yêu cầu là mức ý nghĩa (p) phải lớn hơn 0.05 thì mơ hình được xem là cĩ thể chấp nhận. Tuy nhiên, thống kê này rất nhạy với kích cỡ mẫu, việc sử dụng nĩ để đánh giá độ phù hợp chỉ thích hợp khi cỡ mẫu từ 100 đến 200. Khi cỡ mẫu lớn hơn mức này thì thống kê này thường cĩ ý nghĩa (p < 0.05) mà nếu căn cứ vào nĩ để đánh giá thì dẫn đến một kết luận sai lầm là mơ hình chung khơng phù hợp.
- Chỉ số độ phù hợp tốt GFI (Goodness of Fit Index): GFI là một chỉ số đo lường độ phù hợp tuyệt đối. Nĩ là một đo lường phi thống kê cĩ giá trị trải dài từ 0 (độ phù hợp tồi) đến 1 (độ phù hợp hồn hảo). Giá trị của GFI càng cao mơ hình càng phù hợp, các nhà nghiên cứu (Browne và Cudek, 1992) đề nghị rằng GFI lớn hơn 0,9 thì mơ hình được xem là cĩ thể chấp nhận.
- Chỉ số RMSEA (Root Mean Square Error of Approximation): Chỉ số này dùng để khắc phục cho khuynh hướng bác bỏ mơ hình của thống kê Chi – bình phương do kích cỡ mẫu lớn. RMSEA cũng là một chỉ số đo lường độ phù hợp tuyệt đối, giá trị của RMSEA càng nhỏ thể hiện độ phù hợp của mơ hình càng cao, thơng thường RMSEA rơi vào khoảng 0,05 đến 0,08 thì mơ hình dường như cĩ thể chấp nhận được.
- Chỉ số CFI (Comparative Fit Index): Là chỉ số đo lường độ phù hợp tăng thêm của mơ hình, nĩ cho biết một so sánh giữa mơ hình đề xuất với một mơ hình “null” (cĩ bậc tự do bằng 0) hay một mơ hình độc lập (cĩ bậc tự do lớn nhất). Giá trị CFI nằm trong khoảng từ 0 đến 1. Giá trị của CFI càng cao thì mơ hình càng phù hợp. Tương tự GFI, Browne và Cudek (1992) đề nghị CFI lớn hơn 0,9 thì mơ hình được xem là cĩ thể chấp nhận.
Độ phù hợp của mơ hình cấu trúc: Đánh giá hiển nhiên nhất đối với mơ hình cấu trúc liên quan đến mức ý nghĩa của các hệ số ước lượng, cũng như sai số chuẩn và giá trị thống kê student cho mỗi hệ số. Thơng thường mức ý nghĩa được xác định cho thống kê student là 0,05, tuy nhiên các mức ý nghĩa thấp hơn 0,025, hoặc 0,01 cũng được khuyến khích sử dụng, đặc biệt khi sử dụng phương pháp ước lượng hợp lý tối đa (ML) với kích thước mẫu nhỏ. Ngồi ra độ phù hợp của mơ hình cấu trúc cịn được xem xét bởi hệ số xác định R2, tương tự như phương pháp hồi quy.
Việc định dạng lại mơ hình nhằm mục đích cải thiện độ phù hợp của mơ hình đối với lý thuyết nền tảng của nĩ. Việc định dạng lại mơ hình thường là thêm vào hay bớt đi một hay một số các tham số ước lượng, điều này sẽ tạo ra một loạt các mơ hình cạnh tranh trong cùng một khung lý thuyết tức xem xét phần dư chuẩn hĩa và các chỉ số hiệu chỉnh. Các phần dư chuẩn hĩa cĩ trị tuyệt đối lớn hơn 2,58 được xem là cĩ ý nghĩa thống kê ở mức 5%, điều này thường xảy ra khi các biến đo lường vi phạm giả thuyết phân phối chuẩn. Các chỉ số hiệu chỉnh được tính tốn cho các hệ số chưa được ước lượng, và những chỉ số này cho biết mức độ giảm tối thiểu trong thống kê Chi – bình phương nếu như hệ số tương ứng được ước lượng. Một giá trị của chỉ số hiệu chỉnh từ 3,84 trở lên thể hiện một mức giảm cĩ ý nghĩa thống kê trong thống kê Chi-bình phương nếu hệ số tương ứng được ước lượng.
Chương 4: KẾT QUẢ NGHIÊN CỨU
Nội dung và mục đích của chương 4 là trình bày kết quả kiểm định thang đo và các giả thuyết đưa ra trong mơ hình nghiên cứu.