❖ Tính xác định của mơ hình SEM
Tính xác định có nghĩa là có ít nhất một lời giải độc nhất cho mỗi ước lượng thơng
Để xác định mơ hình nghiên cứu thuộc loại mơ hình nào trong ba loại mơ hình “Vừa xác định- Just Identification”; “Kém xác định- Under Identification” hay “Q xác định- Over Identification” thì cần phải tính tốn số bậc tự do của mơ hình.
Bậc tự do là sự khác biệt giữa tổng số dữ liệu quan sát đầu vào (data points) và tổng số các thông số ước lượng trong SEM , được xác định bằng công thức sau:
df = 1/2[(p + q)(p + q +1)] - t
Trong đó:
P= số các biến chỉ báo nội sinh q= số các biến chỉ báo ngoại sinh (p+q = số biến quan sát)
t= Số các thơng số ước lượng
½[(p+q)(p+q+1) = Số quan sát hay hiệp phương sai trong ma trận (data points)
- Mơ hình “vừa xác định” (Just Identification): Mơ hình có df =0 và chỉ có một lời giải khả dĩ cho mỗi ước lượng thơng số. Ví dụ: 2x+y =7; 3x+2y=11
- Mơ hình “kém xác định” (Under Identification): Mơ hình có df < 0 và có vơ số
các giá trị ước lượng thơng số. Vi dụ : 2x +y =7
- Mơ hình “q xác định”(Over Identification): Mơ hình có df > 0 và có hơn một
lời giải khả dĩ (nhưng có một lời giải tối ưu hay tốt nhất đối với mỗi ước lượng
thơng số). Mơ hình “q xác định” xảy ra khi mỗi thơng số được xác định và ít
nhất một thơng số thì “q xác định” (có nhiều hơn một phương trình cho ước lượng thơng số này). Thơng thường mơ hình “quá xác định” được ưa thích hơn,
có bậc tự do dương (df>0). Mục tiêu là đạt được df càng lớn càng tốt.
Việc đặt các hạn chế(ràng buộc) trên mơ hình “q xác định” cho chúng ta kiểm định các giả thuyết (dùng Chi Square và các chỉ số khác).
Sự “xác định” là một yêu cầu về cấu trúc hay tốn học để có thể tiến hành phân tích SEM.
Sự “kém xác định” trong thực nghiệm xuất hiện khi có một thơng số ước lượng tính “xác định” của mơ hình có giá trị gần bằng 0. Do tính chất lặp của ước lượng SEM,
một thông số ước lượng (phương sai chẳng hạn) bắt đầu với giá trị dương và tiến dần về
giá trị 0.
Trong nghiên cứu mơ hình SEM cần cố gắng xác định nguyên nhân của tính kém xác định là do cấu trúc hay kém xác định do thực nghiệm.
- Neu kém xác định do cấu trúc: Xác định lại mơ hình
- Nếu kém xác định do thực nghiệm: điều chỉnh bằng cách thu thập thêm dữ liệu
hay xác định lại mơ hình.
2.3.2. Các phương pháp phân tích sử dụng trong SEM2.3.2.1. Phân tích nhân tố khẳng định (CFA) 2.3.2.1. Phân tích nhân tố khẳng định (CFA)
Sử dụng thích hợp khi nhà nghiên cứu có sẵn một số kiến thức về cấu trúc biến tiềm ẩn cơ sở. Trong đó mối quan hệ hay giả thuyết (có được từ lý thuyết hay thực nghiệm) giữa biến quan sát và nhân tố cơ sở thì được các nhà nghiên cứu mặc nhiên thừa nhận trước khi tiến hành kiểm định thống kê. Như vậy CFA là bước tiếp theo của EFA nhằm kiểm định xem có một mơ hình lý thuyết có trước làm nền tảng cho một tập hợp các quan sát không. CFA cũng là một dạng của SEM. Khi xây dựng CFA, các biến quan sát cũng là các biến chỉ báo trong mơ hình đo lường, bởi vì chúng cùng ” tải” lên khái niệm lý thuyết cơ sở.
2.3.2.2. Ma trận cấu trúc của mơ hình mạng (CSM)
Đơn vị phân tích trong mơ hình mạng (SEM) là các ma trận phương sai (VAR) hay hiệp phương sai(COV). Tổng quát thủ tục SEM xác định một ma trận lý thuyết hàm
ý (ma trận tương quan kỳ vọng) bởi mơ hình nghiên cứu. Do vậy các đầu vào cần thiết của SEM là các dữ liệu thô hay moment mẫu được tính từ dữ liệu ( VAR, COV, hệ số tương quan hay các moment khác) và mơ hình đang được đánh giá. Mơ hình bao gồm một tập hợp các phương trình đề xuất, với vài thơng số ban đầu được gán giá trị cố định
và các thông số cần ước lượng (mean, variance, regression weight..)
Mục đích của ma trận VAR và COV trong SEM dùng để xác định các mối quan hệ giữa các phần tử trong mơ hình bằng cách ước lượng ma trận tương quan kỳ vọng (tổng thể), so sánh với ma trận tương quan của dữ liệu quan sát (mẫu) thông qua kiểm định Chi square. Sự khác biệt giữa tương quan “ước lượng” và tương quan “quan sát” của hai ma trận này thể hiện trong sự thay đổi giá trị Chi square, nó chỉ ra mức độ phù hợp của mơ hình với dữ liệu như thế nào (Chi square khơng có ý nghĩa (p > 0.05) biểu thị một sự phù hợp tốt). Kiểm định Chi square bao gồm cả tương quan của biến quan sát