Bài giảng Thực hành mô hình cấu trúc tuyến tính (SEM) với phần mềm AMOS: Phần 2

Chia sẻ: Codon_09 Codon_09 | Ngày: | Loại File: PDF | Số trang:47

Thêm vào BST

Báo xấu

245
lượt xem 65
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

(NB) Nối tiếp phần 1 cuốn "Bài giảng Thực hành mô hình cấu trúc tuyến tính (SEM) với phần mềm AMOS" mời các bạn cùng tìm hiểu phần 2 để nắm bắt một số thông tin cơ bản về vấn đề kiểm định Bootstrap; phân tích cấu trúc đa nhóm. Hy vọng tài liệu là nguồn thông tin hữu ích cho quá trình học tập và nghiên cứu của các bạn.

Chủ đề:

Bình luận(0) Đăng nhập để gửi bình luận!

Lưu

Nội dung Text: Bài giảng Thực hành mô hình cấu trúc tuyến tính (SEM) với phần mềm AMOS: Phần 2

5. KIỂM ĐỊNH BOOTSTRAP Các hệ số hồi quy trong mô hình ở mục 4 có được ước lượng tốt không? Làm sao đánh giá được mức độ tin cậy của các ước lượng trong mô hình nghiên cứu? Để đánh giá độ tin cậy của các ước lượng, trong các phương pháp nghiên cứu định lượng bằng phương pháp lấy mẫu, thông thường chúng ta phải chia mẫu ra làm hai mẫu con. Một nửa dùng để ước lượng các tham số mô hình, và một nửa dùng để đánh giá lại. Cách khác là lặp lại nghiên cứu bằng một mẫu khác. Hai cách trên đây thường không thực tế vì phương pháp cấu trúc thường đòi hỏi mẫu lớn nên việc làm này tốn kém nhiều thời gian và chi phí (Anderson & Gerbing, 1988) 1 . Trong những trường hợp như vậy thì Bootstrap là phương pháp phù hợp để thay thế (Schumacker & Lomax, 2006). Bootstrap là phương pháp lấy mẫu lặp lại có thay thế, trong đó mẫu ban đầu đóng vai trò là đám đông. Ví dụ, từ đám đông (mẫu ban đầu) có 200 quan sát. Với dữ liệu của mẫu ban đầu, ta sẽ tính toán được các ước lượng (các trọng số hồi quy…) như ở mục 4. Trong Bootstrap, máy tính sẽ chọn ra những mẫu khác ví dụ 500 mẫu khác chẳng hạn theo phương pháp lặp lại, và có thay thế. Và mỗi một mẫu lặp lại có thể có cùng số quan sát với số quan sát ban đầu: 200. Và theo bạn như vậy thì trong một mẫu mà Bootstrap chọn ra, có khi nào có 2 hay nhiều quan sát trùng nhau không? Dĩ nhiên là hoàn toàn có thể có điều đó xảy ra. Và từ 500 mẫu này có thể tính được trung bình của các ước lượng (các trọng số hồi quy…). Hiệu số giữa trung bình các ước lượng từ Bootstrap và các ước lượng ban đầu gọi là độ chệch. Trị tuyệt đối các độ chệch này càng nhỏ, càng không có ý nghĩa thống kê càng tốt. Khai báo tính toán Bootstrap? View\ Analysis Properties Hình 5.1 Chọn nút để tính toán. Bây giờ, ngoài các ước lượng bình thường, sẽ có thêm các ước lượng bằng Bootstrap 1 Trích từ Thọ & Trang (2008, 56) 54
Hình 5.2 Hình5.3 Khi đang chọn chuột tại Standardized Regression Weights, bạn hãy nhấp chuột vào mục Bootstrap standard errors. 55
Sẽ có kết quả như Hình 5.4 Hình 5. 4 SE- Parameter Estimate SE SE-SE Mean Bias Bias CR trungthanh
6. PHÂN TÍCH CẤU TRÚC ĐA NHÓM Giả sử bạn muốn xem xét sự ảnh hưởng giữa lãnh đạo, thăng tiến, lương thưởng đến lòng trung thành có khác biệt giữa nhóm nhân viên nam và nhân viên nữ hay không thì phải làm thế nào? Ta sẽ thực hiện phân tích cấu trúc đa nhóm Quản lý các nhóm? Bạn đang mở file SEM phan tich da nhom jdi loy mh1.amw Hình 6.1 Nếu bạn chọn File\Data file thì sẽ thấy như Hình 6.2. Hình 6.2 này cho thấy file dữ liệu sử dụng trong phân tích là khao sat nhan vien.sav, và toàn bộ các quan sát đang được tổ chức thành 1 nhóm. Bạn muốn tách thành 2 nhóm là nhóm nam, và nhóm nữ. Click chuột vào nút Grouping Variable Æ Chọn biến gioitinh 57
Hình 6.2 Hình 6.3 58
Hình 6.4 Sau khi chọn xong biến trong mục Grouping Variable, Nhấp tiếp nút Group Value để xác định giá trị phân nhóm. Chọn mã 1 (tương ứng với nhóm Nam) và OK Hình 6.5 Cửa sổ thể hiện tên các nhóm. Có một khung nhỏ thể hiện các nhóm. Và bây giờ mới chỉ có nhóm 1. Với tên là Group number 1. 59
Đổi tên Group, tạo Group mới? Chọn Analyze\Manage Group Æ Hộp thoại như Hình 6.7 xuất hiện. Bạn có thể thay đổi chữ Group number thành chữ nhom nam. Sau đó bấm New để tạo nhóm mới tên là nhom nu. Hình 6.6 Hình 6.7 Hình 6.8 Đưa dữ liệu đầu vào cho Nhom nu? Hãy làm lại thao tác File\Data files Bạn sẽ thấy có sẵn tên “Nhom nu” ở mục group name; Chọn Nhom nu. Sau đó xác định File Name cho nhóm này, xác định biến phân nhóm là gioitinh, và giá trị phân nhóm là 2 (Hình 6.9) 60
Hình 6.9 Æ Chọn OK Đưa vào Title để ghi chú các mô hình trong phân tích đa nhóm? Chọn Nút , rê chuột đến vị trí thích hợp Gõ vào các dòng Macro như Hình 6.10 Hình 6.10 61
Bạn hãy thử nhấp vào tên các nhóm tương ứng trong cửa sổ thể hiện tên nhóm. Sơ đồ đường dẫn ở bên phải sẽ hiện ra tương ứng. Và sau này kết quả nếu được tính toán cũng sẽ được hiện ra tương ứng với nhóm mà bạn chọn. (Xem Hình 6.11) Hình 6.11 Nhấp vào tên nhóm tương ứng 62
Hình 6.12 1 e1 sup3 1 e2 sup4 1 e3 sup5 lanh dao e23 e22 e21 1 1 1 1 e4 sup6 1 1 loy3 loy2 loy1 e5 sup7 1 e6 prom1 1 1 e7 prom2 trung thanh thang tien 1 e8 prom3 1 1 1 e9 prom4 e24 1 e13 pay4 1 e14 pay5 luong thuong 1 e15 ben4 1 Phan tich da nhom Nhom nu Model Specification 63
Hình 6.13 1 e1 sup3 1 e2 sup4 1 e3 sup5 lanh dao e23 e22 e21 1 1 1 1 e4 sup6 1 1 loy3 loy2 loy1 e5 sup7 1 e6 prom1 1 1 e7 prom2 trung thanh thang tien 1 e8 prom3 1 1 1 e9 prom4 e24 1 e13 pay4 1 e14 pay5 luong thuong 1 e15 ben4 1 Phan tich da nhom Nhom nam Model Specification Phương pháp chung trong phân tích cấu trúc đa nhóm là gì? Phương pháp phân tích cấu trúc đa nhóm để so sánh mô hình nghiên cứu theo các nhóm nào đó của một biến định tính. Chẳng hạn như: bạn có thể so sánh mô hình thể hiện tác động của lãnh đạo, thăng tiến, lương thưởng đến lòng trung thành theo nhóm giới tính (nam/ nữ), theo nhóm độ tuổi (nhóm trẻ / không trẻ), nhóm ngành (tài chính ngân hàng/ không phải tài chính ngân hàng) … Trong ví dụ đang xét, so sánh mô hình nghiên cứu giữa nhóm nam và nhóm nữ. Đầu tiên người ta sẽ làm 2 mô hình: Mô hình khả biến, và mô hình bất biến (từng phần). Trong mô hình khả biến, các tham số ước lượng trong từng mô hình của các nhóm không bị ràng buộc (Xem Hình 6.14). Trong mô hình bất biến, thành phần đo lường không bị ràng buộc nhưng các mối quan hệ giữa các khái niệm trong mô hình nghiên cứu được ràng buộc có giá trị như nhau cho tất cả các nhóm (Xem Hình 6.15) 64
Hình 6.14 Mô hình khả biến Nhóm Nam Nhóm Nữ lanh dao lanh dao β1Nam β1Nữ β2Nữ β 2Nam trung thanh trung thanh thang tien thang tien β 3Nam β3Nữ luong thuong luong thuong Hình 6.15 Mô hình bất biến Nhóm Nam Nhóm Nữ lanh dao lanh dao β1Nam β1Nữ = β1Nam β 2Nam β2Nữ = β2Nam trung thanh trung thanh thang tien thang tien β 3Nam Β3Nữ = β3Nam luong thuong luong thuong Kiểm định Chi-square được sử dụng để so sánh giữa 2 mô hình. Nếu kiểm định Chi-square cho thấy giữa mô hình bất biến và mô hình khả biến không có sự khác biệt (P-value > 0.05) thì mô hình bất biến sẽ được chọn (có bậc tự do cao hơn). Ngược lại, nếu sự khác biệt Chi- square là có ý nghĩa giữa hai mô hình (P-value
Trước khi tính toán, bạn hãy chọn Views\ Analysis Properties và đánh dấu chọn như sau trong tab Output. Tab Estimation bạn hãy để mặc định là phương pháp Maximum Likelihood, Tab Bootstrap bạn không cần đánh dấu chọn gì cả. Hình 6.16 Bạn chỉ cần nhấp nút là có thể tính toán. 66
Hình 6.17 Chi-square= 275.655 ; df= 162 ; P= .000 ; .86 Chi-square/df = 1.702 ; 1 e1 sup3 GFI= .859 ; TLI = .906 ; CFI = .927 ; .93 .86 1 RMSEA= .060 e2 sup4 .74 1.52 .73 1.45 1.92 1.03 1 .86 e3 sup5 lanh dao e23 e22 e21 .98 1 1 1 1 e4 sup6 .77 .86 1 1.00 .41 loy3 loy2 loy1 e5 1.41 sup7 .90 1.15 1 1.09 e6 prom1 1.04 1.34 1.00 .08 .38 1 1.21 e7 prom2 .00 1.84 thang tien .87 trung thanh 1 -.15 e8 prom3 .83 .81 1 1 1.00 .44 e9 prom4 .72 .38 .03 .95 1 e24 e13 pay4 .93 1.96 .52 1 e14 pay5 luong thuong 1.39 1.00 1 e15 ben4 1.00 Phan tich da nhom Nhom nam Unstandardized estimates Hình 6.18 Chi-square= 275.655 ; df= 162 ; P= .000 ; .57 Chi-square/df = 1.702 ; 1 e1 sup3 GFI= .859 ; TLI = .906 ; CFI = .927 ; .99 .98 1 RMSEA= .060 e2 sup4 .56 1.43 .70 .74 1.45 .60 1 .96 e3 sup5 lanh dao e23 e22 e21 .76 1 1 1 1 e4 sup6 1.05 1.26 1 1.00 .09 loy3 loy2 loy1 e5 1.58 sup7 1.15 .88 1 .89 e6 prom1 .78 2.03 1.00 .47 .95 1 .75 e7 prom2 .55 .97 thang tien .42 trung thanh 1 -.38 e8 prom3 .69 .43 1 1 1.00 .67 e9 prom4 .74 .51 -.30 .82 1 e24 e13 pay4 1.59 .63 .52 1 e14 pay5 luong thuong 2.19 1.72 1 e15 ben4 1.00 Phan tich da nhom Nhom nu Unstandardized estimates 67
Chọn nút View Text để thể hiện cửa sổ Amos Output Hình 6.19 Hình 6.20 68
Bước 2. Ước lượng mô hình bất biến Bạn hãy lưu lại file sơ đồ Sem phan tich da nhom jdi loy mh1.amw. Sau đó lưu lại (Save as) với một tên khác Sem phan tich da nhom jdi loy mh2.amw Ta sẽ xây dựng mô hình bất biến (từng phần) Bấm nút để bắt đầu chọn đối tượng nào đó Chọn mũi tên 1 chiều từ khái niệm lãnh đạo hướng đến khái niệm trung thành, Click phải chuột, Chọn Object Properties (Hình 6.21) Hình 6.21 Hộp thoại Object Properties xuất hiện, Chọn thẻ Parameters. Nhấp Chữ Beta1 (bạn có thể nhập chữ khác cũng được) vào Ô Regression weight, và đánh dấu chọn All groups để ràng buộc hệ số đường dẫn trên mũi tên này bằng nhau ở nhóm nam và nhóm nữ và bằng Beta1. (Hình 6.22) Bạn hãy nhấp chuột tương tự vào các mũi tên từ thăng tiến đến trung thành, từ lương thưởng đến trung thành, và nhập Beta2, Beta3. (chú ý nhớ đánh dấu chọn All groups) Và bây giờ, Sơ đồ như Hình 6.23. Đó là mô hình bất biến 69
Hình 6.22 Hình 6.23 1 e1 sup3 1 e2 sup4 1 e3 sup5 lanh dao e23 e22 e21 1 1 1 1 e4 sup6 1 1 Beta1 loy3 loy2 loy1 e5 sup7 1 e6 prom1 1 1 e7 prom2 Beta2 thang tien trung thanh 1 e8 prom3 1 1 1 e9 prom4 Beta3 1 e24 e13 pay4 1 e14 pay5 luong thuong 1 e15 ben4 1 Phan tich da nhom Nhom nam Model Specification 70
Lưu lại file sơ đồ, nhấp nút là có thể tính toán. Kết quả như sau Hình 6.24 Chi-square= 285.837 ; df= 165 ; P= .000 ; .84 Chi-square/df = 1.732 ; 1 e1 sup3 GFI= .854 ; TLI = .901 ; CFI = .923 ; .92 .87 1 RMSEA= .061 e2 sup4 .75 1.50 .73 1.43 1.97 1.06 1 .86 e3 sup5 lanh dao e23 e22 e21 .99 1 1 1 1 e4 sup6 .77 .87 1 1.00 .23 loy3 loy2 loy1 e5 1.48 sup7 .85 1.03 1 .97 e6 prom1 1.11 1.11 1.00 .20 .57 1 1.26 e7 prom2 .35 1.73 thang tien .83 trung thanh 1 -.01 e8 prom3 .96 .94 1 1 1.00 .55 e9 prom4 .64 .44 .01 .92 1 e24 e13 pay4 .96 1.82 .53 1 e14 pay5 luong thuong 1.44 1.04 1 e15 ben4 1.00 Phan tich da nhom Nhom nam Unstandardized estimates Hình 6.25 Chi-square= 285.837 ; df= 165 ; P= .000 ; .58 Chi-square/df = 1.732 ; 1 e1 sup3 GFI= .854 ; TLI = .901 ; CFI = .923 ; .99 .97 1 RMSEA= .061 e2 sup4 .56 1.44 .70 .78 1.46 .56 1 .96 e3 sup5 lanh dao e23 e22 e21 .75 1 1 1 1 e4 sup6 1.05 1.26 1 1.00 .23 loy3 loy2 loy1 e5 1.64 sup7 1.18 .93 1 .93 e6 prom1 .74 2.15 1.00 .47 .94 1 .72 e7 prom2 .35 1.00 thang tien .47 trung thanh 1 -.42 e8 prom3 .66 .34 1 1 1.00 .68 e9 prom4 .85 .44 -.29 .81 1 e24 e13 pay4 1.41 .80 .55 1 e14 pay5 luong thuong 2.18 1.52 1 e15 ben4 1.00 Phan tich da nhom Nhom nu Unstandardized estimates 71
Hình 6.26 Trọng số hồi quy trong mô hình bất biến của nhóm nam Hình 6.27 Trong Hình 6.24, 6.25; Hình 6.26, 6.27; bạn có thấy các hệ số Beta1, Beta2, Beta3 ở cả 2 nhóm nam va nữ đều bằng nhau không? Nhìn vào các kết quả tính toán dạng bảng số liệu, bạn có nhận định gì về mối quan hệ giữa lương thưởng, lãnh đạo, thăng tiến với trung thành? Các mối quan hệ này đều có ý nghĩa thống kê ở độ tin cậy 95%. 72
Bước 3. So sánh sự khác biệt giữa hai mô hình Bây giờ, bạn chọn mô hình khả biến, hay mô hình bất biến? Ta đi kiểm tra giả thuyết sau Ho: Chi-square của mô hình khả biến bằng Chi-square của mô hình bất biến H1: Có sự khác biệt về Chi-square giữa mô hình khả biến và mô hình bất biến Bạn hãy mở file Excel. Hình 6.28 Phần trên đã đề cập: Kiểm định Chi-square được sử dụng để so sánh giữa 2 mô hình. Nếu kiểm định Chi-square cho thấy giữa mô hình bất biến và mô hình khả biến không có sự khác biệt (P-value > 0.05) thì mô hình bất biến sẽ được chọn (có bậc tự do cao hơn). Ngược lại, nếu sự khác biệt Chi-square là có ý nghĩa giữa hai mô hình (P-value