Bài giảng Thực hành mô hình cấu trúc tuyến tính (SEM) với phần mềm AMOS (Phần 2)
5. KIỂM ĐỊNH BOOTSTRAP
Các hệ số hồi quy trong mô hình ở mục 4 có được ước lượng tốt không? Làm sao đánh
giá được mức độ tin cậy của các ước lượng trong mô hình nghiên cứu?
Để đánh giá độ tin cậy của các ước lượng, trong các phương pháp nghiên cứu định lượng
bằng phương pháp lấy mẫu, thông thường chúng ta phải chia mẫu ra làm hai mẫu con. Một
nửa dùng để ước lượng các tham số mô hình, và một nửa dùng để đánh giá lại. Cách khác là
lặp lại nghiên cứu bằng một mẫu khác. Hai cách trên đây thường không thực tế vì phương
(Anderson & Gerbing, 1988) . Trong những trường hợp như vậy thì Bootstrap là phương
pháp phù hợp để thay thế (Schumacker & Lomax, 2006). Bootstrap là phương pháp lấy mẫu
lặp lại có thay thế, trong đó mẫu ban đầu đóng vai trò là đám đông.
Ví dụ, từ đám đông (mẫu ban đầu) có 200 quan sát. Với dữ liệu của mẫu ban đầu, ta sẽ tính
toán được các ước lượng (các trọng số hồi quy…) như ở mục 4. Trong Bootstrap, máy tính sẽ
chọn ra những mẫu khác ví dụ 500 mẫu khác chẳng hạn theo phương pháp lặp lại, và có thay
thế. Và mỗi một mẫu lặp lại có thể có cùng số quan sát với số quan sát ban đầu: 200. Và theo
bạn như vậy thì trong một mẫu mà Bootstrap chọn ra, có khi nào có 2 hay nhiều quan sát
trùng nhau không? Dĩ nhiên là hoàn toàn có thể có điều đó xảy ra. Và từ 500 mẫu này có thể
tính được trung bình của các ước lượng (các trọng số hồi quy…). Hiệu số giữa trung bình các
ước lượng từ Bootstrap và các ước lượng ban đầu gọi là độ chệch. Trị tuyệt đối các độ chệch
này càng nhỏ, càng không có ý nghĩa thống kê càng tốt.
Khai báo tính toán Bootstrap?
View\ Analysis Properties
Hình 5.1
Chọn nút
để tính toán.
Bây giờ, ngoài các ước lượng bình thường, sẽ có thêm các ước lượng bằng Bootstrap
1 Trích từ Thọ & Trang (2008, 56)
54
Hình 5.2
Hình5.3
Khi đang chọn chuột tại Standardized Regression Weights, bạn hãy nhấp chuột vào mục
Bootstrap standard errors.
55
Sẽ có kết quả như Hình 5.4
Hình 5. 4
SE-
Parameter
SE
0.105
0.125
0.132
SE-SE
0.003
0.004
0.004
Bias
-0.004
0.007
Bias
Estimate
0.436
Mean
0.432
0.236
0.274
CR
-0.800
1.167
trungthanh
trungthanh
trungthanh
<-
<-
<-
luong_thuong
lanhdao
0.005
0.006
0.006
0.229
thangtien
-0.004
0.278
-0.667
Cột Estimate cho thấy ước lượng bình thường với phương pháp ML, Các cột còn lại được
tính từ phương pháp Bootstrap. Cột Mean cho ta trung bình các ước lượng Bootstrap. Bias
(độ chệnh) bằng cột Mean trừ cột Estimate. Cột CR tự tính bằng Excel bằng cách lấy cột
Mean chia cho cột SE-Bias. Trị tuyệt đối CR rất nhỏ so với 2 nên có thể nói là độ chệch là rất
nhỏ, không có ý nghĩa thống kê ở độ tin cậy 95%.
Và như vậy, ta có thể kết luận là các ước lượng trong mô hình (như Hình 4.4) có thể tin cậy
được.
56
6. PHÂN TÍCH CẤU TRÚC ĐA NHÓM
Giả sử bạn muốn xem xét sự ảnh hưởng giữa lãnh đạo, thăng tiến, lương thưởng đến lòng
trung thành có khác biệt giữa nhóm nhân viên nam và nhân viên nữ hay không thì phải làm
thế nào?
Ta sẽ thực hiện phân tích cấu trúc đa nhóm
Quản lý các nhóm?
Bạn đang mở file SEM phan tich da nhom jdi loy mh1.amw
Hình 6.1
Nếu bạn chọn File\Data file thì sẽ thấy như Hình 6.2.
Hình 6.2 này cho thấy file dữ liệu sử dụng trong phân tích là khao sat nhan vien.sav, và toàn
bộ các quan sát đang được tổ chức thành 1 nhóm. Bạn muốn tách thành 2 nhóm là nhóm nam,
và nhóm nữ.
Click chuột vào nút Grouping Variable Æ Chọn biến gioitinh
57
Hình 6.2
Hình 6.3
58
Hình 6.4
Sau khi chọn xong biến trong mục Grouping Variable, Nhấp tiếp nút Group Value để xác
định giá trị phân nhóm. Chọn mã 1 (tương ứng với nhóm Nam) và OK
Hình 6.5
Cửa sổ thể hiện tên các nhóm.
Có một khung nhỏ thể hiện các nhóm. Và bây giờ mới chỉ có nhóm 1. Với tên là Group
number 1.
59
Đổi tên Group, tạo Group mới?
Chọn Analyze\Manage Group Æ Hộp thoại như Hình 6.7 xuất hiện. Bạn có thể thay đổi chữ
Group number thành chữ nhom nam. Sau đó bấm New để tạo nhóm mới tên là nhom nu.
Hình 6.6
Hình 6.7
Hình 6.8
Đưa dữ liệu đầu vào cho Nhom nu?
Hãy làm lại thao tác File\Data files
Bạn sẽ thấy có sẵn tên “Nhom nu” ở mục group name; Chọn Nhom nu. Sau đó xác định File
Name cho nhóm này, xác định biến phân nhóm là gioitinh, và giá trị phân nhóm là 2 (Hình
6.9)
60
Hình 6.9
Æ Chọn OK
Đưa vào Title để ghi chú các mô hình trong phân tích đa nhóm?
Chọn Nút
, rê chuột đến vị trí thích hợp
Gõ vào các dòng Macro như Hình 6.10
Hình 6.10
61
Bạn hãy thử nhấp vào tên các nhóm tương ứng trong cửa sổ thể hiện tên nhóm. Sơ đồ đường
dẫn ở bên phải sẽ hiện ra tương ứng. Và sau này kết quả nếu được tính toán cũng sẽ được
hiện ra tương ứng với nhóm mà bạn chọn. (Xem Hình 6.11)
Hình 6.11
Nhấp vào tên nhóm
tương ứng
62
Hình 6.12
1
1
1
1
1
e1
sup3
sup4
sup5
sup6
e2
e3
e4
lanh dao
e23
e22 e21
1
1
1
1
loy3
loy2 loy1
e5
e6
sup7
1
prom1
1
1
1
1
e7
e8
e9
prom2
prom3
prom4
trung thanh
thang tien
1
1
e24
1
e13
e14
e15
pay4
pay5
ben4
1
1
luong thuong
1
Phan tich da nhom
Nhom nu
Model Specification
63
Hình 6.13
1
1
1
1
1
e1
sup3
sup4
sup5
sup6
e2
e3
e4
lanh dao
e23
e22 e21
1
1
1
1
loy3
loy2 loy1
e5
e6
sup7
1
prom1
1
1
1
1
e7
e8
e9
prom2
prom3
prom4
trung thanh
thang tien
1
1
e24
1
e13
e14
e15
pay4
pay5
ben4
1
1
luong thuong
1
Phan tich da nhom
Nhom nam
Model Specification
Phương pháp chung trong phân tích cấu trúc đa nhóm là gì?
Phương pháp phân tích cấu trúc đa nhóm để so sánh mô hình nghiên cứu theo các nhóm nào
đó của một biến định tính. Chẳng hạn như: bạn có thể so sánh mô hình thể hiện tác động của
lãnh đạo, thăng tiến, lương thưởng đến lòng trung thành theo nhóm giới tính (nam/ nữ), theo
nhóm độ tuổi (nhóm trẻ / không trẻ), nhóm ngành (tài chính ngân hàng/ không phải tài chính
ngân hàng) … Trong ví dụ đang xét, so sánh mô hình nghiên cứu giữa nhóm nam và nhóm
nữ.
Đầu tiên người ta sẽ làm 2 mô hình: Mô hình khả biến, và mô hình bất biến (từng phần).
Trong mô hình khả biến, các tham số ước lượng trong từng mô hình của các nhóm không bị
ràng buộc (Xem Hình 6.14). Trong mô hình bất biến, thành phần đo lường không bị ràng
buộc nhưng các mối quan hệ giữa các khái niệm trong mô hình nghiên cứu được ràng buộc
có giá trị như nhau cho tất cả các nhóm (Xem Hình 6.15)
64
Hình 6.14 Mô hình khả biến
Nhóm Nam
Nhóm Nữ
lanh dao
lanh dao
β1Nữ
β1Nam
β2Nữ
β 2Nam
trung thanh
trung thanh
thang tien
thang tien
β 3Nam
β3Nữ
luong thuong
luong thuong
Hình 6.15 Mô hình bất biến
Nhóm Nam
Nhóm Nữ
lanh dao
lanh dao
β1Nữ = β1Nam
β1Nam
β2Nữ = β2Nam
β 2Nam
trung thanh
trung thanh
thang tien
thang tien
β 3Nam
Β3Nữ = β3Nam
luong thuong
luong thuong
Kiểm định Chi-square được sử dụng để so sánh giữa 2 mô hình. Nếu kiểm định Chi-square
cho thấy giữa mô hình bất biến và mô hình khả biến không có sự khác biệt (P-value > 0.05)
thì mô hình bất biến sẽ được chọn (có bậc tự do cao hơn). Ngược lại, nếu sự khác biệt Chi-
square là có ý nghĩa giữa hai mô hình (P-value<0.05) thì chọn mô hình khả biến (có độ tương
thích cao hơn). (Xem Thọ & Trang, 2008, 208).
Bây giờ chúng ta bắt đầu ước lượng mô hình khả biến, mô hình bất biến, và so sánh giữa 2
mô hình.
Bước 1. Ước lượng mô hình khả biến
Files sơ đồ đường dẫn mà bạn đang mở là Sem phan tich da nhom jdi loy mh1.amw
Dữ liệu mà bạn sử dụng cho nó cũng đã được tách thành hai nhóm Nhóm nam, và Nhóm nữ.
Hình 6.12, Hình 6.13 là 2 sơ đồ của nhóm nam và nhóm nữ thể hiện Mô hình khả biến
65
Trước khi tính toán, bạn hãy chọn Views\ Analysis Properties và đánh dấu chọn như sau
trong tab Output. Tab Estimation bạn hãy để mặc định là phương pháp Maximum Likelihood,
Tab Bootstrap bạn không cần đánh dấu chọn gì cả.
Hình 6.16
Bạn chỉ cần nhấp nút
là có thể tính toán.
66
Hình 6.17
Chi-square= 275.655 ; df= 162 ; P= .000 ;
Chi-square/df = 1.702 ;
.86
1
e1.93
sup3
sup4
sup5
sup6
GFI= .859 ; TLI = .906 ; CFI = .927 ;
.86
.74
.86
1
RMSEA= .060
1.52
e2.73
1.45
1.92
1.03
1
lanh dao
e23
e3.98
e22 e21
1
1
1
1
.77
1.00
e4.86
.41
loy3
loy2 loy1
1
e51.41 sup7
.90
1.15
1
1.09
e6.38
prom1
1.00
1.04
1.21
1.34
.08
1
.00
e71.84 prom2
.87
trung thanh
thang tien
1
-.15
e8.81
prom3
prom4
.83
1.00
1
1
.44
e9
.38
.72
1.96
.95
1
e13
.52
1
e24
.03
.93
pay4
pay5
ben4
luong thuong
e14
1.39
1.00
1
e15
1.00Phan tich da nhom
Nhom nam
Unstandardized estimates
Hình 6.18
Chi-square= 275.655 ; df= 162 ; P= .000 ;
Chi-square/df = 1.702 ;
.57
1
e1.99
sup3
sup4
sup5
sup6
GFI= .859 ; TLI = .906 ; CFI = .927 ;
.98
.56
.96
1
RMSEA= .060
1.43
e2.70
.74
1.45
.60
1
lanh dao
e23
e3.76
e22 e21
1
1
1
1
1.05
1.00
e41.126
.09
loy3
loy2 loy1
e51.58 sup7
1.15
.88
1
.89
e6.95
prom1
prom2
prom3
prom4
1.00
.78
.75
2.03
.47
1
.55
e7.97
.42
trung thanh
thang tien
1
-.38
e8.43
.69
1.00
1
1
.67
e9
.51
.74
.63
.82
1
e13
.52
1
e24
-.30
1.59
pay4
pay5
ben4
luong thuong
e14
2.19
1.72
1
e15
1.00Phan tich da nhom
Nhom nu
Unstandardized estimates
67
Chọn nút View Text để thể hiện cửa sổ Amos Output
Hình 6.19
Hình 6.20
68
Bước 2. Ước lượng mô hình bất biến
Bạn hãy lưu lại file sơ đồ Sem phan tich da nhom jdi loy mh1.amw. Sau đó lưu lại (Save as)
với một tên khác Sem phan tich da nhom jdi loy mh2.amw
Ta sẽ xây dựng mô hình bất biến (từng phần)
Bấm nút
để bắt đầu chọn đối tượng nào đó
Chọn mũi tên 1 chiều từ khái niệm lãnh đạo hướng đến khái niệm trung thành, Click phải
chuột, Chọn Object Properties (Hình 6.21)
Hình 6.21
Hộp thoại Object Properties xuất hiện, Chọn thẻ Parameters. Nhấp Chữ Beta1 (bạn có thể
nhập chữ khác cũng được) vào Ô Regression weight, và đánh dấu chọn All groups để ràng
buộc hệ số đường dẫn trên mũi tên này bằng nhau ở nhóm nam và nhóm nữ và bằng Beta1.
(Hình 6.22)
Bạn hãy nhấp chuột tương tự vào các mũi tên từ thăng tiến đến trung thành, từ lương thưởng
đến trung thành, và nhập Beta2, Beta3. (chú ý nhớ đánh dấu chọn All groups)
Và bây giờ, Sơ đồ như Hình 6.23. Đó là mô hình bất biến
69
Hình 6.22
Hình 6.23
1
e1
sup3
sup4
sup5
sup6
1
e2
1
lanh dao
e23
e3
e22 e21
1
1
1
1
e4
1
Beta1
loy3
loy2 loy1
1
e5
sup7
1
e6
e7
e8
e9
prom1
1
1
1
1
Beta2
Beta3
prom2
prom3
prom4
trung thanh
thang tien
1
1
e24
1
e13
e14
e15
pay4
pay5
ben4
1
1
luong thuong
1
Phan tich da nhom
Nhom nam
Model Specification
70
Lưu lại file sơ đồ, nhấp nút
là có thể tính toán. Kết quả như sau
Hình 6.24
Chi-square= 285.837 ; df= 165 ; P= .000 ;
Chi-square/df = 1.732 ;
.84
1
e1.92
sup3
sup4
sup5
sup6
GFI= .854 ; TLI = .901 ; CFI = .923 ;
.87
.75
.86
1
RMSEA= .061
1.50
e2.73
1.43
1.97
1.06
1
lanh dao
e23
e3.99
e22 e21
1
1
1
1
.77
1.00
e4.87
.23
loy3
loy2 loy1
1
e51.48 sup7
.85
1.03
1
.97
e6.57
prom1
1.00
1.11
1.26
1.11
.20
1
.35
e71.73 prom2
.83
trung thanh
thang tien
1
-.01
e8.94
prom3
prom4
.96
1.00
1
1
.55
e9
.44
.64
1.82
.92
1
e24
.01
.96
e13
.53
1
e14
pay4
pay5
ben4
luong thuong
1.44
1.04
1
e15
1.00Phan tich da nhom
Nhom nam
Unstandardized estimates
Hình 6.25
Chi-square= 285.837 ; df= 165 ; P= .000 ;
Chi-square/df = 1.732 ;
.58
1
e1.99
sup3
sup4
sup5
sup6
GFI= .854 ; TLI = .901 ; CFI = .923 ;
.97
.56
.96
1
RMSEA= .061
1.44
e2.70
.78
1.46
.56
1
lanh dao
e23
e3.75
e22 e21
1
1
1
1
1.05
1.00
e41.216
.23
loy3
loy2 loy1
e51.614 sup7
1.18
.93
.93
e6.94
prom1
1.00
.74
.72
2.15
.47
1
.35
e71.010 prom2
.47
trung thanh
thang tien
-.42
e8.34
prom3
.66
1.00
1
1
.68
e9
prom4
.44
.85
.80
.81
1
e13
.55
1
e24
-.29
1.41
pay4
pay5
ben4
luong thuong
e14
2.18
1.52
1
e15
1.00Phan tich da nhom
Nhom nu
Unstandardized estimates
71
Hình 6.26 Trọng số hồi quy trong mô hình bất biến của nhóm nam
Hình 6.27
Trong Hình 6.24, 6.25; Hình 6.26, 6.27; bạn có thấy các hệ số Beta1, Beta2, Beta3 ở cả 2
nhóm nam va nữ đều bằng nhau không? Nhìn vào các kết quả tính toán dạng bảng số liệu,
bạn có nhận định gì về mối quan hệ giữa lương thưởng, lãnh đạo, thăng tiến với trung thành?
Các mối quan hệ này đều có ý nghĩa thống kê ở độ tin cậy 95%.
72
Bước 3. So sánh sự khác biệt giữa hai mô hình
Bây giờ, bạn chọn mô hình khả biến, hay mô hình bất biến? Ta đi kiểm tra giả thuyết sau
Ho: Chi-square của mô hình khả biến bằng Chi-square của mô hình bất biến
H1: Có sự khác biệt về Chi-square giữa mô hình khả biến và mô hình bất biến
Bạn hãy mở file Excel.
Hình 6.28
Phần trên đã đề cập: Kiểm định Chi-square được sử dụng để so sánh giữa 2 mô hình. Nếu
kiểm định Chi-square cho thấy giữa mô hình bất biến và mô hình khả biến không có sự khác
biệt (P-value > 0.05) thì mô hình bất biến sẽ được chọn (có bậc tự do cao hơn). Ngược lại,
nếu sự khác biệt Chi-square là có ý nghĩa giữa hai mô hình (P-value<0.05) thì chọn mô hình
khả biến (có độ tương thích cao hơn). (Xem Thọ & Trang, 2008, 208).
Như vậy, P-value = 0.017 (<0.05) nên bạn bác bỏ giả thuyết Ho. Chấp nhận H1. Nói cách
khác là Có sự khác biệt về Chi-square giữa mô hình khả biến, và mô hình bất biến. Và bạn sẽ
chọn mô hình khả biến.
Khi chọn mô hình khả biến, ta có thể đưa ra kết luận là Có sự khác biệt trong mối ảnh hưởng
giữa lãnh đạo, thăng tiến, lương thưởng đến lòng trung thành giữa nhóm nhân viên nam, và
nhóm nhân viên nữ.
Trong Hình 6.19, bạn thấy rằng với nhóm nam, yếu tố thăng tiến không tác động đến lòng
trung thành vì P-value = 0.978 (>0.05). Nhưng với nhóm nữ (Hình 6.20) yếu tố thăng tiến lại
tác động đến lòng trung thành (P-value<0.05). Ta cũng thấy rằng, với nhóm nam, yếu tố lãnh
đạo có ảnh hưởng đến lòng trung thành (P-value=0.002), nhưng với nhóm nữ thì không (P-
value=0.521).
73
Tải về để xem bản đầy đủ
47 trang
22760
Free
Bạn đang xem 20 trang mẫu của tài liệu "Bài giảng Thực hành mô hình cấu trúc tuyến tính (SEM) với phần mềm AMOS (Phần 2)", để tải tài liệu gốc về máy hãy click vào nút Download ở trên
File đính kèm:
- bai_giang_thuc_hanh_mo_hinh_cau_truc_tuyen_tinh_sem_voi_phan.pdf
