- Dữ liệu minh hoạ
- Biến giả và hồi quy với biến giả
- Biến điều tiết và xử lý biến điều tiết trong mô hình hồi quy tuyến tính
- Biến điều tiết- Phần 2: Trường hợp biến điều tiết là biến phân loại
- Biến điều tiết- Phần 3: Trường hợp biến điều tiết là biến liên tục-kỹ thuật 1+2
- Biến điều tiết- Phần 4: (Kỹ thuật 3) Áp dụng kỹ thuật mean center biến trước khi nhân
- Biến điều tiết- Phần 5: (Kỹ thuật 4) Trực giao quan hệ điều tiết
- Biến điều tiết- Phần 6: Sống chung với đa cộng tuyến
- Phân tích biến điều tiết trên SPSS bằng PROCESS macro By Andrew F. Hayes
- Đọc thêm: Phân tích đa nhóm với mô hình hồi quy tuyến tính trên SPSS
- Biến trung gian
- Kiểm định Sobel
- Tác động gián tiếp và tổng hợp trong các mô hình phức tạp
- Phân tích biến trung gian trên SPSS bằng PROCESS macro By Andrew F. Hayes
- Xem xét vai trò biến trung gian với plug-in Indirect Effect trên Amos
- Có đưa biến nhân khẩu vào mô hình hồi quy hay không?
- Những lưu ý khi đưa biến nhân khẩu vào mô hình hồi quy
- Kiểm tra hệ số hồi quy có bằng một số cho trước hay không
- Kiểm định sự bằng nhau của hai hệ số hồi quy
- Đọc thêm: PROCESS macro- Công cụ xử lý biến trung gian, biến điều tiết
- Các dạng mô hình được hỗ trợ trong PROCESS macro By Andrew F. Hayes
- So sánh hồi quy và 1 số phân tích trên SPSS- AMOS- Smart PLS
Cập nhật: 13/03/2024 bởi admin0
Nội dung chính (Nếu bạn chưa đăng nhập, nhiều nội dung có thể đã bị ẩn đi)
Phân tích nhân tố khẳng định với mô hình chứa biến tiềm ẩn
Quay trở lại với bộ dữ liệu trên, tác có 5 biến tiềm ẩn A-B-C-X-Y mà 5 biến A0 B0 C0 X0 Y0 là các biến đại diện được tính bằng trung bình cộng đã dùng ở ví dụ 1. Mỗi biến tiềm ẩn gồm 3 biến quan sát.
Đến đây do thuật toán tính biến đại diện khác nhau nên các kết quả sẽ có chút khác biệt.
Với người dùng SPSS thì họ cần tính ra biến đại diện. Có khá nhiều cách, các bạn có thể xem ở đây: https://ungdung.hotronghiencuu.com/tinh-bien-dai-dien-sau-khi-phan-tich-efa nhưng để đơn giản là lấy luôn các biến trong ví dụ 1
Với AMOS và SmartPLS thì phần mềm sẽ tính biến đại diện bằng thuật toán riêng của nó, tất nhiên sẽ có sự khác biệt. Cách phân tích các bạn có thể xem 3 bài viết sau
Chạy CFA bằng SPSS: https://ungdung.hotronghiencuu.com/danh-gia-ket-hop
Chạy CFA bằng AMOS: https://ungdung.hotronghiencuu.com/phan-tich-nhan-to-khang-dinh-cfa
Chạy CFA bằng SmartPLS: https://ungdung.hotronghiencuu.com/danh-gia-mo-hinh-do-luong-ket-qua-tren-smartpls
Ở đây mình không đi sâu và cách làm mà sẽ đi vào kết quả tính toán trên các phần mềm
Với AMOS ta dùng mô hình sau
Với SmartPLS bạn vẽ 1 mô hình bất kỳ, miễn đủ 5 biến tiềm ẩn cần phân tích và được nối với nhau bât kỹ, sao cho chạy được. Ví dụ mô hình sau
Độ tin cậy thông qua: Hệ số cronbach alpha và AVE (được tính trên cả 3 phần mềm), CR trên AMOS và SmartPLS
SPSS
Phần AVE cho biến A thì SPSS không tính được, chúng ta cứ tạm thời bỏ qua
AMOS
SmartPLS
Dễ thấy hệ số Cronbach alpha là như nhau
AVE trên AMOS giống với cột % of Variance Extraction Sums of Squared trên SPSS còn trên SmartPLS giống cột % of Variance Initial Eigenvalues. Tại sao lại vậy, câu hỏi này xin dành lại cho các bạn qua việc tìm hiểu CB SEM và PLS SEM trên google nhé.
CR được tính từ hệ số tải như AVE nên trên AMOS và SmartPLS cũng có sự khác biệt.
Tính phân biệt
Tính phân biệt có thể được xem xét bằng nhiều cách, nhưng chung nhất chính là chứng minh tất cả hệ số tương quan của 1 biến với các biến khác phải nhỏ hơn căn bậc 2 AVE của nó (Fornell và Larcker)
Với ngươi Chay SPSS bạn bắt buộc phải đặt các hệ số tương quan cạnh các AVE. AVE tta đã nói ở trên, giờ sẽ cũng xét lại ma trận hệ số tương quan giữa các phần mềm
SPSS
Amos
*** CHÚ Ý: trên đường chéo là căn bậc hai của AVE
SmartPLS
*** CHÚ Ý: trên đường chéo là căn bậc hai của AVE
Tính hội tụ
Nhìn chung dù bạn dùng bảng nào thì mục đích của bạn cũng là chỉ ra rằng 1 số biến quan sát cùng là biến chỉ báo của 1 biến tiềm ẩn khi hệ số tải của các biến quan sát đó lên 1 trục nào đó phải lớn hoàn toàn nổi trội so với hệ số tải lên các trục khác.