13. Hành vi mua sắm trực tuyến của khách hàng (Online shopping behavior)
3.4.2. Kiểm định mô hình đo lường
Kiểm định độ tin cậy và hội tụ
Khi sử dụng phần mềm SmartLPS để phân tích mô hình, có ba công cụ ước lượng được sử dụng để đánh giá độ tin cậy và tính hợp lệ của các yếu tố đo lường (Ringle và cộng sự, 2015). Các công cụ ước lượng này bao gồm Cronbach alpha
70 (CA), độ tin cậy tổng hợp (CR) và phương sai trích (AVE). Dưới đây sẽ thảo luận chi tiết về các công cụ này.
Cronbach alpha (CA): Cronbach alpha hay còn được gọi là hệ số alpha, là công cụ ước lượng được sử dụng rộng rãi nhất để xác định độ tin cậy nhất quán nội bộ (Hulland, 1999). Tuy nhiên, CA được coi là một công cụ ước tính không nhất quán và có xu hướng cho rằng tất cả các hạng mục đo lường một cấu trúc đều đáng tin cậy như nhau (Hair và cộng sự, 2014). Do đó, CA đánh giá thấp độ tin cậy thực sự của điểm số và được coi là ranh giới thấp hơn của độ tin cậy (Henseler và cộng sự, 2016). Hơn nữa, khi sử dụng hệ số alpha, giá trị được chấp nhận để chỉ ra đủ độ tin cậy của các hạng mục đo lường là 0,7 hoặc cao hơn (Litwin, 1995; Hair và cộng sự, 2014)
Độ tin cậy tổng hợp (CR): Độ tin cậy tổng hợp được đề xuất để cung cấp một thước đo phù hợp hơn về độ tin cậy nhất quán bên trong so với Cronbach alpha (Hair và cộng sự, 2014). Điều này không giống như Cronbach alpha, nó không giả định rằng tất cả các hạng mục của một cấu trúc đều đáng tin cậy như nhau (Hair và cộng sự, 2011). Tuy nhiên, tương tự như CA, độ tin cậy tổng hợp cũng được coi là một công cụ ước tính độ tin cậy không nhất quán vì nó có xu hướng đánh giá quá cao độ tin cậy thực sự của điểm số (Miltgen và cộng sự, 2016). Hơn nữa, giá trị ngưỡng khuyến nghị cho hệ số tin cậy tổng hợp là 0,7 hoặc lớn hơn (Hulland, 1999)
Phương sai trích (AVE): Phương sai trích đánh giá mức độ sai số đo liên quan đến các hạng mục đo lường của cấu trúc. Ngoài ra, nó là một trong những tiêu chí để đo lường tính hợp lệ hội tụ và phân biệt (Hair và cộng sự, 2014). Đây cũng là một cách đánh giá phần trăm phương sai được giải thích bằng các hạng mục đo lường của một cấu trúc (Miltgen và cộng sự, 2016). Hơn nữa, Henseler và cộng sự (2016) đề xuất rằng giá trị chấp nhận được cho hệ số AVE phải là 0,5 hoặc lớn hơn. Hơn nữa, các giá trị lớn hơn 0,5 cho thấy rằng phần lớn phương sai được tính bởi cấu trúc.
Xem xét nội dung trên, CA, rho_A, CR và AVE được sử dụng để cung cấp bằng chứng về độ tin cậy và tính hợp lệ. Các giá trị thu được cho mỗi cấu trúc sử dụng các công cụ ước lượng nêu trên đều đáp ứng các ngưỡng khuyến nghị. Do đó, kết quả này chỉ ra rằng phần lớn các cấu trúc được sử dụng cho nghiên cứu cuối cùng này là đáng tin cậy và hợp lệ. Bảng 3.18 sẽ trình bày kết quả.
71
Bảng 3.18. Kết quả kiểm định độ tin cậy của các thang đo
Thang đo CA CR AVE
DR 0.867 0.903 0.651 FIR 0.839 0.885 0.606 FUR 0.863 0.901 0.645 OSB 0.872 0.921 0.796 PPR 0.814 0.877 0.641 PR 1,000 1,000 1,000 RR 0.881 0.913 0.677 SI 0.835 0.890 0.668 TR 0.864 0.899 0.642 WP 0.895 0.920 0.656
Trong 10 hạng mục được đo lường, các kết quả đều đạt giá trị lớn hơn giá trị ngưỡng khuyến nghị của ba công cụ ước lượng Cronbach alpha (CA), độ tin cậy tổng hợp (CR) và phương sai trích (AVE). Do đó có thể kết luận các thang đo đều đạt được độ tin cậy và tính hội tụ.
Kiểm định độ phân biệt
Theo Henselser và cộng sự (2009), giá trị phân biệt là mức độ phân biệt một khái niệm của một biến tiềm ẩn cụ thể từ khái niệm của những biến tiềm ẩn khác. Bảng số liệu dưới đây cho thấy giá trị căn bậc 2 của phương sai trích trung bình (AVE) của mỗi khái niệm (phần giá trị đầu mỗi cột) đều lớn hơn các hệ số tương quan giữa các biến tương ứng (hệ số tương quan nằm ở phần dưới giá trị đầu tiên của cột).
Bảng 3.19 Kiểm định giá trị phân biệt của các nhân tố
DR FIR FUR OSB PPR PR RR SI TR WP
FIR 0.369 0.779 FUR 0.406 0.213 0.803 OSB -0.339 -0.321 -0.314 0.892 PPR 0.192 0.208 0.205 -0.421 0.801 PR 0.478 0.499 0.491 -0.712 0.489 1,000 RR 0.245 0.185 0.303 -0.530 0.414 0.510 0.823 SI 0.145 0.123 0.217 -0.410 0.216 0.402 0.376 0.818 TR 0.357 0.292 0.400 -0.428 0.387 0.540 0.358 0.219 0.801 WP 0.365 0.338 0.288 -0.530 0.238 0.482 0.250 0.181 0.327 0.810