Chỉ Số CFI Trong Phân Tích AMOS: Đánh Giá Mức Độ Phù Hợp Của Mô Hình

Trong phân tích **Mô hình phương trình cấu trúc (Structural Equation Modeling – SEM)** bằng phần mềm **IBM SPSS Amos (AMOS)**, việc đánh giá mức độ phù hợp của mô hình là một bước cực kỳ quan trọng. Nó giúp chúng ta biết được mô hình lý thuyết mà mình đề xuất có “khớp” với dữ liệu thực tế đến mức nào. Trong số rất nhiều chỉ số phù hợp mô hình, **Chỉ số phù hợp so sánh (Comparative Fit Index – CFI)** là một trong những chỉ số được sử dụng rộng rãi và đáng tin cậy nhất. Vậy, CFI là gì và làm thế nào để diễn giải nó trong phân tích AMOS?

1. CFI là gì?

CFI là một chỉ số phù hợp mô hình được phát triển bởi Bentler (1990). Nó thuộc nhóm các chỉ số phù hợp gia tăng (incremental fit indices) hoặc chỉ số phù hợp so sánh, vì nó đánh giá mức độ phù hợp của mô hình nghiên cứu bằng cách so sánh nó với một mô hình cơ sở (baseline model) – thường là mô hình không có mối quan hệ nào giữa các biến (null model).

⚡

BÁO GIÁ SIÊU TỐC TRONG 5-15 PHÚT

Nếu bạn cần dịch vụ hỗ trợ về dữ liệu, chỉ cần nhắn Zalo và cung cấp thông tin bài. Bạn sẽ nhận được báo giá chi tiết chỉ sau 5-15 phút.

* Lưu ý: Mọi báo giá trên website chỉ là tham khảo do tính chất các bài hoàn toàn khác nhau:

• Cùng các bước chạy nhưng 3 giả thuyết độ khó khác bài 10 giả thuyết.
• Sửa dữ liệu đã đạt 5/6 bước sẽ khác bộ chỉ mới đạt 3/6 bước.
• Cùng một mô hình nhưng trình tự và yêu cầu khác nhau tạo ra độ khó khác nhau.

NHẮN ZALO BÁO GIÁ NGAY: 086 978 6862

• **Ý nghĩa:** CFI đo lường mức độ giảm sự thiếu phù hợp (lack of fit) của mô hình mục tiêu so với mô hình cơ sở. Nói cách khác, nó cho biết mô hình của bạn tốt hơn bao nhiêu so với một mô hình không có cấu trúc nào cả.
• **Phạm vi giá trị:** CFI có giá trị nằm trong khoảng từ 0 đến 1.

2. Ngưỡng chấp nhận của chỉ số CFI

Các nhà nghiên cứu đã đưa ra các khuyến nghị về ngưỡng chấp nhận cho chỉ số CFI. Tuy nhiên, cần lưu ý rằng đây chỉ là các hướng dẫn và không phải là quy tắc cứng nhắc. Ngưỡng chấp nhận có thể thay đổi tùy thuộc vào lĩnh vực nghiên cứu, độ phức tạp của mô hình và cỡ mẫu:

• **CFI ≥ 0.90:** Thường được coi là mức độ phù hợp chấp nhận được (acceptable fit).
• **CFI ≥ 0.95:** Thường được coi là mức độ phù hợp tốt (good fit) hoặc rất tốt.

Nhiều học giả khuyến nghị cố gắng đạt được CFI trên 0.95 để đảm bảo mô hình có độ phù hợp mạnh mẽ với dữ liệu.

3. Cách xem chỉ số CFI trong kết quả AMOS

Sau khi bạn chạy phân tích mô hình trong AMOS, kết quả sẽ xuất hiện trong cửa sổ **Output View**. Để tìm chỉ số CFI, bạn thực hiện các bước sau:

1. Trong cửa sổ Output View, điều hướng đến phần **”Model Fit”** hoặc **”Fit Measures”**.
2. Tìm trong bảng kết quả các dòng liên quan đến **”CFI”** (Comparative Fit Index).
3. Bạn sẽ thấy giá trị của CFI được hiển thị rõ ràng.

Bên cạnh CFI, bạn cũng nên xem xét đồng thời các chỉ số phù hợp khác như:

• **Chi-square ($\chi^2$) và p-value:** Mặc dù nhạy cảm với cỡ mẫu lớn, nó vẫn là chỉ số cơ bản.
• **RMSEA (Root Mean Square Error of Approximation):** Thường được chấp nhận nếu ≤ 0.08, và tốt nếu ≤ 0.06.
• **TLI (Tucker-Lewis Index) hoặc NNFI (Non-Normed Fit Index):** Tương tự CFI, ngưỡng chấp nhận thường là ≥ 0.90, tốt là ≥ 0.95.
• **SRMR (Standardized Root Mean Square Residual):** Thường được chấp nhận nếu ≤ 0.08.

4. Ý nghĩa của chỉ số CFI thấp

Nếu chỉ số CFI của mô hình bạn thấp (ví dụ: dưới 0.90), điều đó cho thấy mô hình lý thuyết của bạn không phù hợp tốt với dữ liệu thu thập được. Điều này có thể xuất phát từ một số nguyên nhân:

• **Mô hình được xác định sai (Misspecified model):** Các mối quan hệ mà bạn giả định trong mô hình có thể không phản ánh đúng thực tế của dữ liệu.
• **Chất lượng thang đo kém:** Các biến quan sát của bạn có thể không đo lường tốt các khái niệm tiềm ẩn (ví dụ: độ tin cậy thang đo thấp, các mục hỏi không hội tụ về cùng một khái niệm).
• **Dữ liệu không đáp ứng giả định:** Dữ liệu có thể không tuân theo phân phối chuẩn, hoặc có giá trị ngoại lai ảnh hưởng đến kết quả.
• **Cỡ mẫu không phù hợp:** Mặc dù AMOS yêu cầu cỡ mẫu lớn, nhưng nếu cỡ mẫu quá nhỏ so với độ phức tạp của mô hình cũng có thể ảnh hưởng.

Khi CFI thấp, bạn cần xem xét lại mô hình của mình. Điều này có thể bao gồm việc kiểm tra lại các mối quan hệ (loại bỏ hoặc thêm vào), xem xét lại cấu trúc thang đo (bằng cách thực hiện Phân tích Nhân tố Khẳng định – CFA trước), hoặc xử lý các vấn đề về dữ liệu.

CFI là một chỉ số quan trọng, nhưng không phải là duy nhất. Việc đánh giá mức độ phù hợp của mô hình trong AMOS luôn đòi hỏi một cái nhìn toàn diện, kết hợp nhiều chỉ số khác nhau để đưa ra kết luận chính xác và đáng tin cậy nhất về sự phù hợp giữa mô hình lý thuyết và dữ liệu thực nghiệm.