CHƯƠNG 3 : PHƯƠNG PHÁP NGHIÊN CỨU
3.5. Nghiên cứu định lượng
3.5.8. Phân tích nhân tố khẳng định CFA
Hair và cộng sự (2010) nhận định "CFA được dùng để xem xét biến đo lường đại diện tốt như thế nào cho khái niệm”. Đồng thời kiểm tra mức độ phù hợp của mơ hình lý thuyết với dữ liệu thực tế. CFA cho phép chúng ta kiểm định cấu trúc lý thuyết của các thang đo lường như mối quan hệ giữa một khái niệm nghiên cứu với các khái niệm khác mà không bị chệch do sai số đo lường (Steenkamp và van Trijp, 1991). Như vậy, phương pháp phân tích nhân tố khẳng định CFA sẽ được sử dụng bổ sung thêm, để đo lường giá trị và sự phù hợp của mơ hình.
Để kiểm tra sự phù hợp với mơ hình, một số nhà nghiên cứu sử dụng các chỉ số như chi bình phương (chi –square), df (bậc tự do), với mức ý nghĩa thống kê của chi - square là p <0.05 chỉ ra hai ma trận hiệp phương sai khác nhau về mặt thống
kê, do đó mơ hình đề xuất được xem là phù hợp với dữ liệu thị trường khi kiểm định Chi – Square có p value > 0,05 (Hair vàcộng sự, 2010). Tuy nhiên Chi – square có nhược điểm là phụ thuộc vào kích thước mẫu (chi – square tăng khi kích thước mẫu tăng).
Vì vậy một số chỉ tiêu tương thích khác cần được sử dụng bổ sung như chỉ số Chi-square/df (Cmin/df), chỉ số so sánh sự phù hợp CFI, chỉ số Tucker và Lewis TLI và chỉ số RMSEA. Nếu một mơ hình nhận được các giá trị CFI, TLI >=0,9 (Bentler và Bonett, 1980), CMIN/df <=2, một số trường hợp khác CMIN/df <=3 (Carmines và Mclver, 1981) và RMSEA <=0,08 (Steiger, 1990) thì mơ hình được xem là phù hợp tốt với dữ liệu thị trường (tổng thể) hay tương thích với dữ liệu thị trường (tổng thể).
Để kiểm tra giá trị của các khái niệm, các nhà nghiên cứu thường sử dụng một số đánh giá như: (1a) Độ tin cậy tổng hợp, (1b) Phương sai trích; (1c) Hệ số Cronbach’s Alpha; (2) tính đơn hướng; (3) Giá trị hội tụ; (4) Giá trị phân biệt và (5) Giá trị liên hệ theo lý thuyết. Trong đó chỉ số từ 1 đến 4 đươc đánh giá trong mơ hình thang đo cịn giá trị liên hệ theo lý thuyết được đánh giá trong mơ hình lý thuyết (Anderson và Grebing, 1988).
1) Trong đó, độ tin cậy tổng hợp (ρc) và phương sai trích (ρvc) được tính theo cơng thức của Joreskog 1971 và Fornell 1981. Phương sai trích là một chỉ tiêu đo lường độ tin cậy. Nó phản ánh lượng biến thiên chung của các biến quan sát được tính tốn bởi biến tiềm ẩn. Theo Hair và đtg (2010), ρc và ρvc nên vượt quá 0,5 (Hair và cộng sự, 2010; Nguyễn và Nguyễn 2008).
2) Để đánh giá tính đơn hướng của thang đo, Steenkamp và Van Trijp (1991) khun rằng mơ hình sẽ phù hợp với dữ liệu thị trường khi khơng có tương quan giữa các sai số đo lường (Nguyễn và Nguyễn 2008, trang 125).
3) Ngoài ra, khi tất cả các hệ số đã chuẩn hóa lớn hơn 0,5 và các hệ số (chưa chuẩn hố) đều có ý nghĩa thống kê với độ tin cậy 95% (p <5%) thì thang đo đạt được giá trị hội tụ (Gerbing và Anderson, 1988 trích dẫn từ Nguyễn và Nguyễn năm 2008, p45, 125)
4) Theo Hair, giá trị phân biệt là mức độ mà một khái niệm thực sự khác biệt với các khái niệm khác. Có hai cấp độ kiểm định giá trị phân biệt: (1) kiểm định giá trị phân biệt giữa các thành phần trong một khái niệm thuộc mơ hình (within construct); (2) kiểm định giá trị phân biệt xuyên suốt (across -construct), tức là kiểm định mơ hình đo lường tới hạn (saturated model), là mơ hình mà các khái niệm nghiên cứu được tự do quan hệ với nhau. Giá trị phân biệt đạt được khi: Tương quan giữa hai thành phần của khái niệm (within construct) hoặc hai khái niệm (across -construct) thực sự khác biệt so với 1. Khi đó, mơ hình đạt được độ phù hợp với dữ liệu thị trường. Với đề tài này, các khái niệm đều là đơn hướng, nên nếu hệ số tương quan của từng cặp khái niệm khác biệt so với 1 ở độ tin cậy 95% thì các khái niệm đạt được giá trị phân biệt.