6. Cấu trúc luận văn
2.4.5 Phân tích mô hình cấu trúc (Structural Equation Modellin g SEM)
Mô hình phương trình cấu trúc (SEM) xem xét một loạt các các mối quan hệ phụ thuộc lẫn nhau một cách đồng thời. Phương pháp này đặc biệt hữu dụng khi một biến phụ thuộc trở thành một biến độc lập trong một quan hệ phụ thuộc tiếp theo. Hơn nữa trong kiểm định giả thuyết và mô hình nghiên cứu, mô hình cấu trúc tuyến tính SEM cũng có lợi thế hơn các phương pháp truyền thống như hồi quy đa biến vì nó có thể tính được sai số đo lường. Trong khi những phương pháp phân tích đa biến ở thế hệ thứ nhất thường giả sử các biến độc lập được đo lường chính xác (không có sai số đo lường). Tuy nhiên, giả sử này không có tính hiện thực, vì trong thực tiễn, sai số luôn luôn xuất hiện trong đo lường [10].
Để đo lường mức độ phù hợp của mô hình với dữ liệu thị trường, nghiên cứu này sử sụng chỉ tiêu Chi-bình phương, chỉ số thích hợp so sánh CFI (Comparative Fit Index), chỉ số GFI (Goodness of Fit Index) và chỉ số RMSEA (Root Mean Square Error Approximation).
- Thống kê Chi – bình phương: Thống kê Chi – bình phương là một đo lường về độ phù hợp tuyệt đối, nó cung cấp cơ sở để tin rằng sự khác biệt giữa ma trận dự báo và ma trận đầu vào là không có ý nghĩa. Yêu cầu là mức ý nghĩa (p) phải lớn hơn 0.05 thì mô hình được xem là có thể chấp nhận. Tuy nhiên, thống kê này rất nhạy với kích cỡ mẫu, việc sử dụng nó để đánh giá độ phù hợp chỉ thích hợp khi cỡ mẫu từ 100 đến 200. Khi cỡ mẫu lớn hơn mức này thì thống kê thường có ý nghĩa (p < 0.05) mà nếu căn cứ vào nó để đánh giá thì dẫn đến một kết luận sai lầm là mô hình chung không phù hợp.
- Chỉ số CFI (Comparative Fit Index): Là chỉ số đo lường độ phù hợp tăng thêm của mô hình, nó cho biết một so sánh giữa mô hình đề xuất với một mô hình “null” (có bậc tự do bằng 0) hay một mô hình độc lập (có bậc tự do lớn nhất). Giá trị CFI nằm trong khoảng từ 0 đến 1. Giá trị của CFI càng cao thì mô hình càng phù hợp. Browne và Cudek (1992) đề nghị CFI lớn hơn 0.9 thì mô hình được xem là có thể chấp nhận.
- Chỉ số độ phù hợp tốt GFI (Goodness of Fit Index): GFI là một chỉ số đo lường độ phù hợp tuyệt đối. Nó là một đo lường phi thống kê có giá trị trải dài từ 0 (độ phù hợp tồi) đến 1 (độ phù hợp hoàn hảo). Giá trị của GFI càng cao mô hình càng phù hợp, các nhà nghiên cứu (Browne và Cudek, 1992) đề nghị rằng GFI lớn hơn 0.9 thì mô hình được xem là có thể chấp nhận.
- Chỉ số RMSEA (Root Mean Square Error of Approximation): Chỉ số này dùng để khắc phục cho khuynh hướng bác bỏ mô hình của thống kê Chi – bình phương do kích cỡ mẫu lớn. RMSEA cũng là một chỉ số đo lường độ phù hợp tuyệt đối, giá trị của RMSEA càng nhỏ thể hiện độ phù hợp của mô hình càng cao, thông thường RMSEA rơi vào khoảng 0.05 đến 0.08 thì mô hình dường như có thể chấp nhận được.
TÓM TẮT CHƯƠNG 3: Chương này đã trình bày phương pháp nghiên cứu. Nghiên cứu được thực hiện theo hai giai đoạn, nghiên cứu sơ bộ được thực hiện bằng phương pháp định tính thông qua kỹ thuật phỏng vấn chuyên gia và thảo luận nhóm, nghiên cứu chính thức được thực hiện bằng phương pháp định lượng thông qua bảng câu hỏi phỏng vấn. Đồng thời xây dựng thang đo để đo lường các yếu tố trong mô
hình. Trong chương này tác giả cũng đã trình bày phương pháp lấy mẫu và thu thập dữ liệu. Dữ liệu thu thập được xử lý trên phần mềm SPSS phiên bản 16.0 và AMOS 7.0 với các phương pháp phân tích như: hệ số tin cậy Cronbach alpha, nhân tố khám phá EFA, nhân tố khẳng định CFA và phân tích SEM.
CHƯƠNG 4: PHÂN TÍCH DỮ LIỆU VÀ KẾT QUẢ