- Giới thiệu nội dung loạt bài viết về Mô hình SEM trên phần mềm AMOS
- Model fit và cách hiển thị nhanh giá trị của model fit ở góc màn hình
- Khái niệm biến tiềm ẩn
- Phân tích nhân tố khẳng định CFA
- Độ tin cậy của thang đo
- Tính hội tụ. Phân tích CFA đơn nhân tố
- Vẽ nhanh mô hình phân tích CFA từ pattern matrix
- Tính phân biệt
- Tính đơn nguyên (đơn chiều)
- Hiệu chỉnh mô hình CFA
- Đọc kết quả mô hình SEM
- Thực hành phân tích bài tập với mô hình SEM, ứng dụng làm luận văn cơ bản
- Kiểm định so sánh giá trị trung bình với SEM
- Phân tích đa nhóm, ứng dụng đánh giá tác động của biến điều tiết (Phần mềm AMOS)
- Đọc thêm: So sánh hệ số hồi quy giữa các nhóm khi phân tích đa nhóm trên AMOS
- Xử lý biến điều tiết dạng liên tục
- Bootstrap mô hình SEM trên phần mềm AMOS
- Tác động trực tiếp, gián tiếp và tổng hợp
- Biến trung gian và đánh giá vai trò của biến trung gian trong SEM bằng phần mềm AMOS
- Plug in Validity and Reliability Test (bản amos 24 trở lên)
- Đa cộng tuyến trong SEM
- Biến tiềm ẩn bậc cao dạng mô hình đo lường kết quả
- Đọc thêm: Các chỉ số đánh giá Model Fit trên AMOS
Theo Steenkamp & Van Trijp (1991), Mô hình đạt được tính đơn nguyên khi giữa các sai số đo lường không có tương quan với nhau.
Điều này ít được đưa vào bài, nếu đưa vào bạn cũng có thể trích ra câu nói đó và khẳng định là các sai số không có tương quan để tự động vượt rào.
Dưới đây mình chỉ có 1 số bàn luận về hiện vấn đề này để các bạn tham khảo thêm. Cũng rất mong nhận được phản hồi từ các bạn nhé!
Nội dung chính (Nếu bạn chưa đăng nhập, nhiều nội dung có thể đã bị ẩn đi)
1. Kiểm tra các sai số nào có tương quan cao với nhau
Bất kể phân tích CFA hay SEM các bạn đề có thể tích vào ô Modification Indices tại phần cài đặt Output
Sau khi chạy ra kết quả chúng ta kiểm tra chúng ở output
Nhìn vào đây ta có thể biết được các phần dư nào có tương quan cao với nhau (MI sẽ cao). Nối các cặp sai số này với nhau, tức là thể hiện thêm mối quan hệ đáng phải có trong mô hình thì CMIN sẽ giảm đi 1 lượng đăng kể xấp xỉ MI, từ đó model fit được cải thiện một cách đáng kể. (vì đương nhiên mô hình và dữ liệu sẽ phù hợp với nhau hơn)
Nhưng rõ ràng việc 1 mô hinh với nhiều biến quan sát thì điều này là không tránh khỏi, vì các sai số có thể vô tình tương quan với nhau
2. Các sai số tương quan cao có thể là biểu hiện của điều gì
còn nữa ...