Dùng phân tích gì để đo lường và đánh giá mô hình lý thuyết. Trong nghiên
Confirmatory Factor Analysis), là một trong các kỹ thuật thống kê của mô hình cấu trúc tuyến tính SEM. Phương pháp CFA cho phép chúng ta kiểm định các biến quan sát đại diện cho các nhân tố tốt đến mức độ nào, chúng có đủ độ tin cậy để đại diện và có tác động tới nhân tố tổng hay không. Phương pháp CFA phù hợp khi chúng ta đã chắc chắn về mặt lý thuyết, về các biến quan sát phản ánh cùng một biến tiềm ẩn, ta đã thừa nhận mối quan hệ giữa các biến quan sát và biến tiềm ẩn đại diện cho nó.
CFA cho phép nhà nghiên cứu kiểm tra hoặc khẳng định mô hình lý thuyết là có giá trị. Phân tích EFA chỉ cho phép tìm ra những biến quan sát cấu thành nhân tố tiềm ẩn tổng hợp, chưa khẳng định tính giá trị của mô hình cấu trúc. Đánh giá tính giá trị của mô hình, tức là đánh giá sự phù hợp của mô hình lý thuyết với số liệu đo lường được. Đánh giá xem mô hình lý thuyết phù hợp ra sao với số liệu nghiên cứu.
Lượng biến cho một cấu trúc phân tích. Theo Hair và các cộng sự (2010) số
biến quan sát cho một nhân tố tổng tối thiểu là 3, nếu được 4 biến quan sát là tốt nhất. Nhiều biến quan sát không có nghĩa là tốt hơn, vì đôi khi nhiều biến quan sát sẽ phát sinh một số yếu tố không phù hợp khác, cùng một thông tin hoặc sai lệch hướng giữa các biến quan sát.
Để đánh giá độ tin cậy, giá trị hội tụ, độ phân biệt, tính đơn hướng của giữ liệu đo lường cũng như ý nghĩa thống kê khi phân tích, ta thường sử dụng các chỉ số như: Đô tin cậy Acobach Alpha (R); Độ tin cậy tổng hợp (CR_Composite Reliability); Tổng phương sai trích(%) (AVE_ Average Variance Extracted); Phương sai chia tối đa MSV_Maximum Shared Variance và Phương sai chia trung bình ASV_ Average Shared Variance.
Đánh giá độ tin cậy của thang đo (Reability). Hệ số Acobach Alpha (R) được
sử dụng để đo lường tính kiên định nội tại xuyên suốt tập hợp các biến quan sát của các câu trả lời. Hệ số R càng lớn thì độ tin cậy của các biến quan sát càng cao, các biến quan sát có tính đồng hướng cao cùng phản ảnh một biến quan sát tiềm ẩn. Một số trường hợp có các biên quan sát có R>0.95 thì cũng cần phải chú ý, có thể là thừa biến trong đánh giá.
Giá trị hội tụ (Convergent validity), kết quả cho thấy tất cả các giá trị AVE đều
lơn hơn 0.5 nói lên ý nghĩa rằng các biến quan sát cùng phản ánh một cấu trúc thì chúng sẽ có hệ số tương quan cao và phương sai lớn. Hai hệ số phản ánh giá trị hội tụ của các biến quan sát: Hệ số tin cậy R(>0.5 tốt, lý tưởng là >0.7), hệ số tương quan tổng CR (>0.6), hệ số tổng phương sai trích trung bình AVE (>0.5)
Tính đơn hướng của các biến có nghĩa là tập hợp các biến quan sát được giải thích bởi một cấu trúc duy nhất. mỗi biến quan sát chỉ được tải trên một nhân tố tiềm ẩn duy nhất, không có hiện tượng tải chéo (mọi tải khác đều bằng 0). Theo Andrew M Farrell (2009) thì mức độ phù hợp của mô hình với dữ liệu quan sát được cho chúng ta điều kiện cần và đủ để tập quan sát đạt được tính đơn hướng.
Giá trị phân biệt (Discriminant validity), nói lên sự khác biệt giữa các cấu trúc khác
nhau. Giá trị phân biệt càng cao đồng nghĩa với các cấu trúc trong mô hình là đúng và hợp lý. Tham số so sánh: AVE>MSV và AVE>ASV. Hệ số tương quan giữa các biến quan sát thành phần phải <0.9 thì mới đạt giá trị phân biệt.
Quy tắc để đánh giá: Đạt độ tin cậy với CR>0.5; Đạt giá trị hội tụ nếu
AVE>0.5 và đạt giá trị phân biệt nếu MSV<AVE và ASV<AVE. Thông thường, các nhà nghiên cứu chỉ dừng ở chỉ số CR, chỉ số AVE được coi là chỉ số đánh giá tốt hơn cho độ tin cậy của số liệu và đánh giá có ý nghĩa hơn khi phân tích thống kê, giảm thiểu được sai số khi đánh giá kết quả phân tích (Malhotra and Dash, 2011).
Đánh giá này được tham khảo từ tài liệu Multivariate data analysis (7th ed.): Prentice-Hall, Inc. Upper Saddle River, NJ, USA, kết quả nghiên cứu của Hair, J., Black, W., Babin, B., and Anderson, R. (2010).
Điều chỉnh hợp lý mô hình lý thuyết qua hệ số MI trong bảng hiệp phương sai
giữa các phần dư. Trong trường hợp hiệp phương sai giữa các sai số của các biến trong cùng một nhân tố tồn tại quá lớn, tức là sự biến thiên cùng chiều giữa chúng làm sai lệch kết quả ước lượng, giữa hai biến không có sự độc lập về mặt thống kê, lúc đó sẽ đề xuất một phương pháp chỉnh sửa mô hình cho phù hợp hơn bằng cách đưa một đường hồi quy vào giữa chúng đảm bảo tính độc lập thống kê giữa các biến quan sát trong cùng một nhân tố. Căn cứ để điều chỉnh dựa vào bảng hiệp phương sai giữa các sai số tiềm ẩn là Bảng Covariances trong phần Modification Indices của kết quả phân tích CFA). Trong các hình vẽ của kết quả phân tích, ta có thể thấy các đường nối mũi tên hai chiều giữa các phần dư để thực hiện thủ tục chỉnh sửa mô hình cho kết quả tốt hơn và chính xác hơn.
Chỉ số điều chỉnh để cải thiện mô hình (Modification Indices). Trong kết quả CFA, có chỉ số điều chỉnh dựa vào hiệp phương sai giữa các biến quan sát hoặc giữa các phần dư. Về nguyên tắc điều chỉnh là điều chỉnh trong cùng một bậc của cấu trúc, Bảng Covariances có chỉ số điều chỉnh MI, nếu đưa hàm hồi quy giữa các biến có hiệu phương sai lớn thì giá trị “Khi bình phương” sẽ nhỏ đi và hệ số CMIN/df sẽ ngày càng nhỏ đi, mô hình sẽ phù hợp hơn.
4.2.3.1. Thang đo “Chất lượng hệ thống thông tin trực tuyến-OISQ”
Bảng 4.3. Kết quả đánh giá độ tin cậy, độ hội tụ và giá trị phân biệt của – OISQ. Biến Phần tổ thành phần Độ tin cậy AVE(%) MSV ASV
R CR
ACC Tính chính xác 0.888 0.725 0.644 0.673
ATT Hình ảnh lôi cuấn 1
CON Chất lượng thông tin 0.967 0.649 1.049 0.875
SEC Bảo mật 0.814 0.726 0.620 0.691
EOU Dễ dàng sử dụng 0.860 0.706 0.649 0.555
TIM Tính cập nhật 1
STSA Sự hài lòng của sinh viên 0.852 0.770 0.687 0.643
STLO Mức độ trung thành của SV 0.851 0.764 0.687 0.612
Đánh giá độ tin cậy của thang đo. Các hệ số độ tin cậy tổng hợp của các thang
đo cho 6 nhân tố thành phần của thang đo Chất lượng hệ thống thông tin trực tuyến đạt giá trị độ tin cậy cao,đều trên 0.5, thể hiện tính kiên định nội tại xuyên suốt tập hợp các biến quan sát của các câu trả lời. Hệ số CR càng lớn thì độ tin cậy của các biến quan sát càng cao, các biến quan sát có tính đồng hướng cao cùng phản ảnh một biến quan sát tiềm ẩn. Một số trường hợp có các biến quan sát có R>0.95 thì cũng cần phải chú ý, có thể là thừa biến trong đánh giá (theo kết quả nghiên cứu của Hair, J., Black, W., Babin, B., and Anderson, R. ,2010). 3 nhân tố thành phần ATT, CON, TIM có hệ số tin cậy bằng CR>0.95. Ta có thể nhận định rằng biến CON có lẽ không phù hợp trong mô hình hoặc thang đo không đạt độ tin cậy như mong muốn. Hai biến ATT và TIM được cấu thành bởi 1 biến quan sát thì đương nhiên có độ tin cậy bằng 1, chấp nhận được.
Giá trị hội tụ, các nhân tố thành phần có hệ số tổng phương sai trích AVE đều
lớn hơn 0.5, thể hiện các biến giải thích giải thích được trên 50% giá trị thay đổi của biến tiềm ẩn. Các biến quan sát giải thích duy nhất một biến tiềm ẩn và đạt giá trị hội tụ. Bảng trọng số hồi quy chuẩn hóa cho kết quả các giá trị hồi quy giữa biến quan sát với biến tổng đều đạt giá trị lớn, trên 0.75, cho thấy các biến quan sát đánh giá các nhân tố thành phần về chất lượng hệ thống thông tin trực tuyến có giá trị hội tụ lớn.
Giá trị phân biệt, so sánh các chỉ số AVE với MSV và ASV ta cho kết quả trên
tất cả các nhân tố thành phần đều có AVE>MSV và AVE>ASV, do vậy theo nghiên cứu của James Gaskin năm 2011 thì các nhân tố thành phần có giá trị như vậy thì các biến quan sát cho đại diện cho nhân tố đó đạt giá trị phân biệt. Chỉ duy nhất thang đo
về CON (Chất lượng thông tin) có giá trị AVE<MSV và AEV<ASV, có thể kết luận là các biến quan sát cho nhân tố CON là không đạt giá trị phân biệt, có thể nhận định cấu trúc trong mô hình trên là chưa hợp lý với nhân tố CON.
Chạy kết quả CFA nhiều lần với các tình huống sau:
(1). Loại bỏ biến CON ra khỏi mô hình (Hình8. Kết quả CFA chất lượng hệ thống thông tin trực tuyến khi loại bỏ biến CON)
(2). Điều chỉnh hợp lý khi tồn tại các hệ số hiệp phương sai giữa các phần dư của các biến quan sát quá lớn. Trong phân tích CFA mỗi một lần nối các hàm tương quan giữa các phần dư là một lần chạy lại CFA, tồn tại các hiệp phương sai lớn như cov(e8,e9), cov(e10,e11), cov(e12,e13), cov(e16,e17), cov(e18,e19), cov(e18,e21), cov(e17,e20), cov(e26,e27), cov(e22,e25). Sau khí có sự điều chỉnh bằng cách nối giữa các phần dư bởi một hàm tương quan để điều chỉnh tính hợp lý tính cấu trúc của mô hình phân tích.
Kết luận: Các biến quan sát đo lường các nhân tố ACC, ATT, SEC, EOU, TIM
đều đạt độ tin cậy, giá trị hội tụ và giá trị phân biệt, có ý nghĩa thống kê khi đo lường một nhân tố tổng là nhân tố Chất lượng hệ thống thông tin trực tuyến. Nhân tố CON có các biến quan sát không đảm bảo giá trị phân biệt. Điều này có thể giả thích trong thiết kế bảng hỏi, có sự trùng lắp thông tin về nhân tố này và có một phần gây hiểu nhầm cho sinh viên khi trả lời. 3 biến quan sát CON1, CON2, CON3 có thể làm cho các sinh viên có những cách hiểu khác nhau, chúng không đồng nhất tạo nên một nhân tố tiềm ẩn. Có thể loại biến này trong phân tích ở phần sau. Căn cứ vào hệ số MI trong kết quả CFA phần bảng hiệp phương sai giữa các phần dư để điều chỉnh quan hệ trong mô hình phân tích một cách hợp lý hơn. Kết quả CFA sau điều chỉnh cuối đạt độ phù hợp nhất định với mô hình có df=250, Giá trị kiểm định Chi_square = 1151.723 với
Pvalue=0.000, Cmin/Df=4.603, tạm chấp nhận được. Ta sẽ điều chỉnh mô hình tiếp sau
4.2.3.2. Thang đo “Chất lượng đội ngũ giảng viên hướng dẫn–INSQ”
Hình 4.2. Phân tích CFA về Chất lượng đội ngũ giảng viên hướng dẫn
Tương tự với đánh giá kết quả CFA đối với nhân tố Chất lượng hệ thống thông tin trực tuyến, ta đi vào đánh giá độ tin cậy, giá trị hội tụ, giá trị phân biệt và hiệu chỉnh bước 1 về nhân tố đánh giá Chất lượng giảng viên hướng dẫn.
Bảng 4.4. Kết quả đánh giá độ tin cậy, độ hội tụ và giá trị phân biệt của INSQ Biến Phần tổ thành phần CR AVE (%) MSV ASV
INT Trình độ giảng viên chuyên môn 0.938 0.835 0.782 0.798 INS Tính tương tác của giảng viên 0.942 0.801 0.747 0.801 PRA Tính thực tiễn của giảng viên doanh nghiệp 0.904 0.702 0.782 0.743
TES Kiểm tra đánh giá 0.879 0.784 0.764 0.702
STSA Sự hài lòng của sinh viên 0.852 0.770 0.687 0.643 STLO Mức độ trung thành của sinh viên 0.851 0.764 0.687 0.612
Đánh giá độ tin cậy của thang đo. Các hệ số độ tin cậy tổng hợp (CR) của các
nhân tố đều đạt yêu cầu (>0.5). Các biến quan sát đồng hướng đo một nhân tố tiềm ẩn và đại diện duy nhất cho một nhân tố tiềm ẩn. Với các hệ số CR>0.8 cho thấy tính đồng hướng của các biến quan sát rất cao.
Giá trị hội tụ. Các hệ số AVE đều ở mức trên 0.5, chứng tỏ sự thay đổi của các
biến quan sát giải thích được trên 50% sự thay đổi của biến tiềm ẩn. Mức dao động của chỉ số AVE đạt từ 0.702 đến 0.835, có thể thấy sự thay đổi của biến quan sát giải thích được cao nhất là 83,5% sự thay đổi của biến tiềm ẩn. Các biến quan sát đạt giá trị hội tụ. Bảng trọng số hồi quy chuẩn hóa cho kết quả các giá trị hồi quy giữa biến quan sát với biến tổng đều đạt giá trị lớn, trên 0.75, cho thấy các biến quan sát có giá trị hội tụ lớn.
Giá trị phân biệt. Khi phân tích các nhân tố thành phần đánh giá chất lượng đội
ngũ giảng viên, các hệ số MSV và ASV đều nhỏ hơn AVE, theo nghiên cứu của James Gaskin năm 2011(http://statwiki.kolobkreations.com/wiki/Main_Page) thì kết qủa cho thấy các biến quan sát cho nhân tố thành phần đánh giá chất lượng giảng viên đạt giá trị phân biệt.
Điều chỉnh tính hợp lý cấu trúc mô hình. Khi phân tích CFA lần 1, trong bảng
hiệp phương sai giữa các phần dư của các biến quan sát tồn tại một số hiệp phương sai lớn, gây ra sai số lớn của phép đo, do vậy sẽ xử lý bằng cách cho một hàm tương quan giữa các phần dư tồn tại hiệp phương sai lớn để cải tiến mô hình phù hợp hơn. Cụ thể là các cov(4,6), cov(8,9), cov(14,15), cov(15,18), cov(20,21), cov(22,25). Kết quả CFA sau điều chỉnh cuối cùng đạt độ phù hợp nhất định với mô hình có df=251, Giá trị kiểm định Chi_square = 1121.132 với Pvalue=0.000, Cmin/Df=4.503, tạm chấp nhận được. Ta sẽ điều chỉnh mô hình tiếp sau khi phân tích mô hình SEM.
Để cải tiến tiếp mô hình đánh giá, ta nhìn kết quả của bảng Hiệp phương sai phần dư chuẩn hóa “Standardized Residual Covariances” từ kết quả phân tích CFA. Có 2 biến quan sát TES1 và TES2 có giá trị hiệp phương sai giữa phần dư tương ứng
Kết quả đánh giá sự phù hợp của mô hình theo đánh giá của Hu và Bentler (1999) cho thấy, với mô hình có df=239 bậc tự do, các chỉ số CMIN/DF= 4,207; RMR=0.025<0.1; GFI=0.910 gần tới 1 và AGFI=0.887 >0.8 chỉ ra rằng đó là một mô hình phù hợp với dữ liệu đang nghiên cứu.
Các chỉ số đánh giá mức độ tin cậy và phù hợp của mô hình cho thấy: NFI=0.942, RFI=0.971, IFI=0.908, TLI=0.938 và CFI=0.900 cho thấy mô hình đánh giá rất tốt và hoàn toàn phù hợp với dữ liệu quan sát, phản ánh đúng sự thay đổi và chiều tác động của các biến quan sát. Với mức ý nghĩa 5% (độ tin cậy 95%), giá trị RMSEA=0.039<0.05 và tham số kiểm định RMSEA=0.000<0.05 cho thấy mô hình hoàn toàn phù hợp với dữ liệu nghiên cứu.
Đánh giá mối quan hệ giữa các biến:
Bảng 4.18. Kiểm định mối quan hệ giữa các biến quan sát trong mô hình tổng quát
Mối quan hệ r S.E. C.R. Pvalue
STSA <--- OISQ .648 .091 7.121 *** STSA <--- INSQ .718 .064 11.219 *** STSA <--- TSSQ .856 .085 10.071 *** STLO <--- STSA .941 .034 27.849 *** EOUM <--- OISQ 1.000 *** ATTM <--- OISQ 1.002 .038 26.479 *** ACCM <--- OISQ 1.089 .027 40.033 *** SECM <--- OISQ 1.034 .033 31.753 *** TIMM <--- OISQ 1.077 .036 29.576 *** INSM <--- INSQ 1.000 *** INTM <--- INSQ 1.005 .017 59.411 *** PRAM <--- INSQ .979 .018 53.310 *** TANM <--- TSSQ 1.000 *** RELM <--- TSSQ 1.025 .051 19.934 *** RESM <--- TSSQ 1.011 .052 19.322 *** EMPM <--- TSSQ 1.073 .051 20.904 ***
Kết quả kiểm định từ bảng trọng số hồi quy chưa chuẩn hóa cho thấy:
Với mức ý nghĩa 5% (độ tin cậy 95%), Chất lượng hệ thống thông tin trực tuyến (OISQ) được đánh giá bởi 5 nhân tố (ACCM, ATTM, EOUM, SECM, TIMM); Chất lượng đội ngũ giảng viên (INSQ) được đánh giá bởi 3 nhân tố (INSM, INTM, PRAM); Chất lượng dịch vụ hỗ trợ (TSSQ) được đánh giá bởi bốn nhân tố (TANM, RELM, RESM và EMPM). Các hệ số hồi quy chưa chuẩn hóa đều lớn hơn 0.5 và giá