Phân tích AMOS

Chạy Mô Hình SEM Trên AMOS và SmartPLS Có Ra Kết Quả Giống Nhau Không?

by

Khi tiến hành phân tích **Mô hình phương trình cấu trúc (Structural Equation Modeling – SEM)**, hai phần mềm phổ biến nhất hiện nay là **IBM SPSS Amos (AMOS)** và **SmartPLS**. Nhiều nhà nghiên cứu thường thắc mắc liệu việc chạy cùng một mô hình trên cả hai phần mềm này có mang lại kết quả giống hệt nhau không. Câu trả lời ngắn gọn là **không hoàn toàn giống nhau**, và sự khác biệt này xuất phát từ phương pháp ước lượng cơ bản mà mỗi phần mềm sử dụng.

1. Hai Phương Pháp Ước Lượng Khác Biệt

Điểm mấu chốt tạo nên sự khác biệt trong kết quả giữa AMOS và SmartPLS chính là phương pháp ước lượng mà chúng áp dụng:

Read more

Chỉ Số TLI Trong Phân Tích AMOS: Đánh Giá Mức Độ Phù Hợp Của Mô Hình Một Cách Hiệu Quả

by

Khi thực hiện phân tích **Mô hình phương trình cấu trúc (SEM)** bằng phần mềm **IBM SPSS Amos (AMOS)**, việc đánh giá mức độ “ăn khớp” của mô hình lý thuyết với dữ liệu thực tế là một bước tối quan trọng. Trong vô số các chỉ số phù hợp mô hình, **Chỉ số Tucker-Lewis (Tucker-Lewis Index – TLI)**, còn được gọi là **Non-Normed Fit Index (NNFI)**, là một chỉ số được sử dụng rộng rãi và rất được khuyến nghị. Vậy, TLI là gì và bạn nên diễn giải nó như thế nào trong phân tích AMOS?

1. TLI là gì và tại sao nó quan trọng?

TLI là một chỉ số phù hợp gia tăng (incremental fit index) hoặc chỉ số phù hợp so sánh, tương tự như CFI. Nó đánh giá mức độ phù hợp của mô hình nghiên cứu bằng cách so sánh nó với một mô hình cơ sở (thường là mô hình null, giả định không có mối quan hệ nào giữa các biến). Tuy nhiên, điểm đặc biệt của TLI là nó có tính đến mức độ phức tạp của mô hình (độ tự do – degrees of freedom), điều mà một số chỉ số khác không làm được.

  • Ý nghĩa: TLI đo lường mức độ cải thiện của mô hình so với mô hình null, đồng thời “phạt” các mô hình quá phức tạp (có ít độ tự do). Điều này giúp TLI trở thành một chỉ số đáng tin cậy hơn trong việc so sánh các mô hình có độ phức tạp khác nhau.
  • Phạm vi giá trị: TLI thường có giá trị nằm trong khoảng từ 0 đến 1, nhưng đôi khi có thể nhỏ hơn 0 hoặc lớn hơn 1 trong một số trường hợp đặc biệt.

Read more

Chỉ Số GFI Trong Phân Tích AMOS: Hiểu Rõ Mức Độ Phù Hợp Tổng Thể Của Mô Hình

by

Trong phân tích **Mô hình phương trình cấu trúc (Structural Equation Modeling – SEM)** với **IBM SPSS Amos (AMOS)**, việc đánh giá xem mô hình lý thuyết của bạn khớp với dữ liệu thực tế đến mức nào là một bước không thể thiếu. Có rất nhiều chỉ số được sử dụng để đánh giá mức độ phù hợp của mô hình, và **Chỉ số phù hợp thiện chí (Goodness-of-Fit Index – GFI)** là một trong những chỉ số truyền thống và được tham khảo thường xuyên. Vậy, GFI có ý nghĩa gì và làm thế nào để diễn giải nó trong kết quả phân tích AMOS?

1. GFI là gì?

GFI là một chỉ số phù hợp tuyệt đối (absolute fit index). Điều này có nghĩa là nó đo lường mức độ phù hợp của mô hình được đề xuất với dữ liệu quan sát mà không cần so sánh với một mô hình cơ sở nào khác (như CFI). GFI đánh giá mức độ mà mô hình giải thích được ma trận hiệp phương sai hoặc ma trận tương quan của dữ liệu.

  • **Ý nghĩa:** GFI cho biết tỷ lệ phương sai-hiệp phương sai trong ma trận dữ liệu quan sát được giải thích bởi mô hình đề xuất của bạn. Nói cách khác, nó phản ánh mức độ tốt của mô hình trong việc tái tạo lại ma trận hiệp phương sai của mẫu.
  • **Phạm vi giá trị:** GFI có giá trị nằm trong khoảng từ 0 đến 1.

Read more

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

by

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).

  • **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.

Read more