4.6. Kiểm định mơ hình nghiên cứu và giả thuyết bằng phân tích SEM
4.6.2. Kiểm định Bootstraps
Sử dụng phương pháp Bootstraps để kiểm định các ước lượng của mơ hình được tính tốn từ dữ liệu khảo sát để đảm bảo độ tin cậy cho nghiên cứu. Bootstraps là phương pháp lấy mẫu lặp lại có thay thế, trong đó mẫu ban đầu đóng vai trị là đám đơng. Phương pháp này thích hợp để thay thế cho trường hợp đánh giá lại mẫu khảo sát có đảm bảo độ tin cậy cho các ước lượng của mơ hình (Schumacker và Lomax, 1996). Cụ thể, trong nghiên cứu, tác giả cho lặp lại 1000 nhằm kiểm định tính ổn định của các ước lượng.
Bảng 4.26: Bảng kiểm định Bootstraps Ước Ước lượng SE SE- SE Trung bình Bias SE- Bias CR hvst <--- mxh 0.120 0.077 0.002 0.120 -0.001 0.002 -0.500 gktc <--- mxh 0.233 0.080 0.002 0.235 0.003 0.003 1 hqlv <--- mxh -0.087 0.078 0.002 -0.089 -0.002 0.002 -1 hqlv <--- hvst 0.411 0.084 0.002 0.406 -0.005 0.003 -1.667
hqlv <--- gktc 0.367 0.092 0.002 0.371 0.004 0.003 1.333
Cột giá trị ước lượng cho thấy ước lượng bình thường với phương pháp ML, các cột cịn lại được tính từ phương pháp Bootstraps. Cột trung bình cho các ước lượng Bootstaps. Giá trị chệch bằng trung bình trừ ước lượng. Giá trị kiểm định bằng giá trị chệch chia cho sai số giá trị chệch. Kết quả ước lượng bằng phương pháp Bootstraps cho thấy, sự khác biệt từ các ước lượng ban đầu bằng phương pháp ML khơng có sự khác biệt lớn so với các ước lượng bằng phương pháp Bootstraps. Mọi sự khác biệt trong các ước lượng đều khơng có ý nghĩa thống kê. Vì vậy, có thể khẳng định, các ước lượng trong mơ hình đều đảm bảo độ tin cậy cho việc kiểm định mơ hình giả thuyết.