MÔ HÌNH CẤU TRÚC TUYẾN TÍNH SEM

Tham khảo thêm bài viết PHÂN TÍCH NHÂN TỐ KHẲNG ĐỊNH CFA để nắm bắt các nội dung cơ bản.

1. Mô hình đo lường và mô hình cấu trúc

Các Mô hình cấu trúc tuyến tính SEM (Structural Equation Modeling) có thể được chia thành hai thành phần chính: (1) Mô hình đo lường, trong đó chỉ định số lượng các yếu tố, cách các biến khác nhau quan hệ với các nhân tố tiềm ẩn và mối quan hệ giữa các sai số (mô hình CFA); và (2) Mô hình cấu trúc, trong đó chỉ định cách các yếu tố tiềm ẩn khác nhau quan hệ với nhau (các tác động trực tiếp hoặc gián tiếp, có hay không quan hệ với nhau, hay mối quan hệ giả). Hãy xem xét hai sơ đồ Hình 1.

Mô hình A - Mô hình đo lường

Mô hình B - Mô hình cấu trúc

[Nguồn: nghiencuukhoahoc.edu.vn, 2017]

Hình 1. Sơ đồ mô hình đo lường và mô hình cấu trúc

Trong khi hai sơ đồ mô tả các mô hình với cùng một bộ các biến và các yếu tố tiềm ẩn giống nhau. Mô hình A là mô hình đo lường (mô hình CFA bao gồm ba yếu tố liên kết) và Mô hình B là mô hình cấu trúc thể hiện mối quan hệ giữa nhân tố X và nhân tố Y thông qua nhân tố trung gian Z (cũng như với hệ số tải nhân tố, các tác động trực tiếp giữa các biến tiềm ẩn được mô tả bằng các mũi tên đơn hướng trong mô hình B). Do đó, trong khi mối quan hệ giữa các biến tiềm ẩn được phép tương quan lẫn nhau một cách tự do trong mô hình CFA (tương tự như giải pháp EFA xiên), bản chất thực sự của các mối quan hệ được chỉ định trong mô hình cấu trúc; Nghĩa là, nhân tố X ảnh hưởng trực tiếp đến nhân tố Z, nhân tố Z ảnh hưởng trực tiếp đến nhân tố Y và nhân tố X có ảnh hưởng gián tiếp đến nhân tố Y. Lưu ý rằng trong mô hình đo lường (CFA), có ba tham số liên quan giữa các nhân tố với nhau: Tương quan nhân tố giữa X và Y, X và Z, và Y và Z (được mô tả bằng mũi tên cong hai đầu, Hình 1A). Trong mô hình cấu trúc, chỉ có hai tham số cấu trúc: Tác động nhân tố của X đối với Y và của Y đối với Z.

Đi sâu vào phân tích, phần cấu trúc của giải pháp này được xác định quá mức, nghĩa là tồn tại ít tham số cấu trúc hơn (2 tham số cấu trúc: Tác động của X đối với Y và của Y đối với Z) so với số lượng mối quan hệ có thể có giữa các nhân tố tiềm ẩn (tức là 3: Tương quan giữa X và Y, X và Z, và Y và Z). Do đó, mô hình cấu trúc phức tạp hơn mô hình đo lường vì nó cố gắng mô phỏng các mối quan hệ giữa các biến tiềm ẩn với một số lượng tham số ước lượng tự do ít hơn. Do tính chất quá mức của phần cấu trúc, độ phù hợp của Mô hình cấu trúc có thể kém hơn so với Mô hình đo lường. Như được minh họa bởi quy tắc tìm vết, mô hình cấu trúc sẽ dẫn đến kết quả không phù hợp nếu kết quả của đường dẫn nhân tố X → nhân tố Z → nhân tố Y không gần đúng mối tương quan giữa yếu tố X và Y được ước lượng trong Mô hình đo lường.

Giả sử, Mô hình cấu trúc tác động gián tiếp (Hình 1B) sẽ không phù hợp trong trường hợp kết quả của các tác động trực tiếp X → Z và Z → Y [(0,40) x (0,50) = 0,20], trong khi tương quan giữa nhân tố X và Y [0,60] (Hình 1A).

Do đó, mức độ phù hợp của mô hình được xác định bằng cách xác định đầy đủ cả các phần đo lường và cấu trúc của một mô hình. Nếu mô hình CFA không được xác định (không xác định đúng số lượng yếu tố, hệ số tải nhân tố…), giải pháp không phù hợp sẽ được tạo ra. Tuy nhiên, mô hình không phù hợp cũng có thể phát sinh từ mô hình cấu trúc không được xác định, giống như mô hình được mô tả trong Hình 1B, có ít tham số ước lượng tự do hơn so với Mô hình đo lường tương ứng.

Do có nhiều lý do khác nhau dẫn đến mô hình không phù hợp trong các mô hình CFA đa biến, nhà nghiên cứu nên xây dựng một Mô hình đo lường khả thi trước khi tiến hành phân tích mô hình. Mặc dù mô hình không phù hợp là do Mô hình cấu trúc không được xác định (nghĩa là không có khả năng mô phỏng mối quan hệ giữa nhân tố X và nhân tố Y), nhà nghiên cứu có thể nghi ngờ sai về các kết quả đo lường sau khi phân tích. Trong hầu hết các trường hợp, mô hình không phù hợp không thể phát sinh từ mô hình cấu trúc của mô hình đo lường CFA vì các nhân tố thường được chỉ định là tương quan lẫn nhau tự do. Do đó, mô hình CFA ban đầu là sự mở đầu hữu ích cho mô hình SEM nhằm mục đích mô phỏng mối quan hệ giữa các biến tiềm ẩn với một tập hợp các tham số cấu trúc phức tạp hơn.

2. Biến nội sinh và biến ngoại sinh

Các biến tiềm ẩn trong CFA có thể là ngoại sinh hoặc nội sinh. Biến ngoại sinh là biến không được tạo ra bởi các biến khác trong mô hình (chẳng hạn như nhân tố X trong Hình 1B). Ngược lại, biến nội sinh được tạo ra bởi một hoặc nhiều biến trong mô hình (nghĩa là, các biến khác trong mô hình tác động trực tiếp lên biến đó, như nhân tố Y trong Hình 1B).

Do đó, các biến ngoại sinh có thể được xem đồng nghĩa với biến X, biến độc lập hay biến dự báo hay biến nguyên nhân. Tương tự, các biến nội sinh tương đương với biến Y, biến phụ thuộc hay biến kết quả. Tuy nhiên, trong trường hợp của các mô hình cấu trúc, biến nội sinh có thể là nguyên nhân của một biến nội sinh khác vừa đóng vai trò là biến ngoại sinh, như trường hợp của nhân tố Z trong Hình 1B.

Tài liệu tham khảo

1. Hair, J. F., Black, W. C., Babin, B. J. & Anderson, R. E. (2010). Multivariate Data Analysis. Publisher: Pearson; 7^th Edition.

Kết thúc.