Tính phân biệt (discriminant validity) là một khía cạnh quan trọng trong phân tích mô hình đo lường, đặc biệt khi sử dụng AMOS để thực hiện phân tích nhân tố khẳng định (CFA). Bảng Fornell và Larcker là một công cụ truyền thống được sử dụng rộng rãi để đánh giá tính phân biệt của thang đo. Trong bài viết này, chúng tôi sẽ hướng dẫn chi tiết cách đánh giá tính phân biệt bằng bảng Fornell và Larcker trong AMOS, đồng thời cung cấp các bước thực hiện cụ thể và những lưu ý quan trọng để đảm bảo kết quả nghiên cứu đáng tin cậy.
1. Giới thiệu (Introduction)
Trong các nghiên cứu sử dụng phân tích cấu trúc tuyến tính (Structural Equation Modeling – SEM), việc kiểm tra tính phân biệt (discriminant validity) của thang đo là bước quan trọng nhằm đảm bảo rằng các biến tiềm ẩn được phân biệt rõ ràng. Bảng Fornell và Larcker là một trong những phương pháp phổ biến để kiểm tra tính phân biệt thang đo. Trong AMOS, phương pháp này cho phép xác định mức độ khác biệt giữa các khái niệm được đo lường, đảm bảo tính độc lập giữa chúng.
2. Khái niệm về Tính Phân biệt (Discriminant Validity)
Tính phân biệt là mức độ mà một khái niệm hoặc cấu trúc lý thuyết có thể phân biệt với các khái niệm khác. Để thang đo có tính phân biệt, các biến tiềm ẩn phải đo lường các khái niệm khác nhau và không có sự chồng chéo đáng kể. Thiếu tính phân biệt có thể dẫn đến những kết quả nghiên cứu sai lệch, do đó cần kiểm tra cẩn thận trước khi tiến hành phân tích tiếp theo.
Phương pháp Fornell và Larcker (1981) là cách tiếp cận truyền thống để đánh giá tính phân biệt, dựa trên việc so sánh căn bậc hai của phương sai trích trung bình (AVE – Average Variance Extracted) với các hệ số tương quan giữa các biến tiềm ẩn.
3. Tổng quan về Phương pháp Fornell và Larcker
Phương pháp Fornell và Larcker đánh giá tính phân biệt bằng cách so sánh căn bậc hai của phương sai trích (Average Variance Extracted – AVE) của từng biến tiềm ẩn với các hệ số tương quan giữa biến đó và các biến khác trong mô hình. Cụ thể, tính phân biệt được đảm bảo khi căn bậc hai của AVE của một biến tiềm ẩn lớn hơn hệ số tương quan của nó với các biến tiềm ẩn khác.
Cụ thể:
- Căn bậc hai AVE (SQRT(AVE)): Đây là giá trị đại diện cho mức độ mà biến tiềm ẩn giải thích các biến quan sát của nó.
- Hệ số tương quan: Là mức độ tương quan giữa các biến tiềm ẩn trong mô hình.
Theo Fornell và Larcker (1981), một thang đo đạt tính phân biệt khi căn bậc hai AVE của biến tiềm ẩn lớn hơn tất cả các hệ số tương quan của biến đó với các biến tiềm ẩn khác.
4. Các Bước Thực hiện Đánh giá Tính Phân biệt bằng Fornell và Larcker trong AMOS
Bước 1: Chuẩn bị và Chạy Mô hình CFA trong AMOS
Trước khi kiểm tra tính phân biệt, bạn cần thực hiện phân tích khẳng định (Confirmatory Factor Analysis – CFA) để kiểm tra mô hình đo lường. Trong AMOS, hãy thêm các biến quan sát vào các biến tiềm ẩn và chạy mô hình CFA để đảm bảo mô hình phù hợp với dữ liệu.
- Mở AMOS và chọn biểu tượng “Select Data File” để nhập dữ liệu SPSS.
- Sử dụng công cụ vẽ để tạo mô hình CFA, bao gồm các biến tiềm ẩn và biến quan sát tương ứng.
- Nếu đã có ma trận xoay từ EFA, bạn có thể sử dụng plugin Pattern Matrix Builder để tự động tạo mô hình CFA.
Bước 2: Chạy phân tích CFA
- Cấu hình phân tích:
- Vào menu “Analysis Properties” trong AMOS.
- Chọn các đầu ra như “Standardized Estimates” và “Modification Indices” để kiểm tra độ phù hợp mô hình.
- Chạy phân tích: Nhấn nút “Calculate Estimates” để chạy CFA. Kiểm tra xem kết quả có báo “OK default model” hay không.
- Kiểm tra độ phù hợp mô hình (Model Fit):
- Đảm bảo các chỉ số như Chi-square/df < 3, CFI ≥ 0.9, TLI ≥ 0.9, RMSEA < 0.08 đạt yêu cầu.
Bước 3: Trích xuất các chỉ số AVE và tương quan
Sử dụng plugin “Validity and Reliability test” trong AMOS (từ phiên bản 23 trở lên) hoặc package Excel của James Gaskin để tính toán chỉ số AVE và độ tin cậy tổng hợp (CR).
Kết quả
5. Diễn giải Kết quả Fornell và Larcker
Sau khi tạo bảng Fornell và Larcker, bạn cần phân tích kết quả như sau:
- Đạt Tính Phân biệt: Nếu tất cả các căn bậc hai của AVE trên đường chéo đều lớn hơn các hệ số tương quan bên dưới, điều đó có nghĩa là tính phân biệt của thang đo đã được xác nhận.
- Không Đạt Tính Phân biệt: Nếu bất kỳ hệ số tương quan nào lớn hơn căn bậc hai của AVE, có khả năng rằng các biến tiềm ẩn trong mô hình có sự chồng chéo đáng kể. Trong trường hợp này, cần xem xét lại mô hình hoặc các yếu tố đo lường để cải thiện tính phân biệt.
6. Những Lưu ý khi Thực hiện Đánh giá Tính Phân biệt
- Kiểm tra AVE Trước: Đảm bảo rằng giá trị AVE cho từng biến tiềm ẩn đều trên mức 0.5 để đảm bảo tính hội tụ trước khi kiểm tra tính phân biệt.
- Tăng Cường Độ Tin Cậy: Nếu tính phân biệt không đạt, có thể cân nhắc loại bỏ hoặc điều chỉnh các yếu tố đo lường có sự chồng chéo lớn để cải thiện độ tin cậy của thang đo.
- Sử dụng các phương pháp bổ sung: Kết hợp thêm các phương pháp khác như hệ số Heterotrait-Monotrait (HTMT) để tăng độ chính xác và độ tin cậy của việc đánh giá tính phân biệt.
- Cỡ mẫu: Cỡ mẫu nhỏ có thể ảnh hưởng đến các chỉ số Model Fit và AVE. Theo Hair et al. (2010), cỡ mẫu tối thiểu nên là 250 để đảm bảo độ chính xác.
7. Kết luận (Conclusion)
Bảng Fornell và Larcker là một công cụ hữu ích để kiểm tra tính phân biệt của các biến tiềm ẩn trong các mô hình SEM. Qua hướng dẫn này, bạn đã nắm được quy trình từ chuẩn bị dữ liệu đến lập bảng và diễn giải kết quả trong AMOS. Đảm bảo tính phân biệt của thang đo không chỉ giúp nâng cao độ tin cậy của nghiên cứu mà còn đóng góp vào tính chính xác của kết quả cuối cùng.
