PHÂN TÍCH CẤU TRÚC ĐA NHÓM

Phân tích cấu trúc đa nhóm nhằm mục đích xác định sự ảnh hưởng giữa các yếu tố độc lập lên yếu tố phụ thuộc có khác biệt giữa các nhóm đặc tính hay không.

1. Tổng quan về phân tích cấu trúc đa nhóm

Tương tự như ANOVA (kiểm định Levene) trong Phân tích phương sai, phân tích cấu trúc đa nhóm trong CFA, SEM cũng nhằm mục đích xác định sự ảnh hưởng giữa các yếu tố độc lập lên yếu tố phụ thuộc có khác biệt giữa các nhóm (biến định tính) hay không. Ví dụ như kiểm định có sự khác biệt giữa giới tính nam và nữ, sự khác biệt giữa các nhóm tuổi… đối với sự hài lòng khi mua sản phẩm tiêu dùng tại siêu thị X.

Giả sử, so sánh mô hình nghiên cứu giữa nhóm nam và nhóm nữ. Đầu tiên người ta sẽ xem xét hai 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 (Hình 1). 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 (Hình 2). Hình 1 và Hình 2 minh họa cho trường hợp biến được đo lường là giới tính, bao gồm nhóm nam và nhóm nữ.

[Nguồn: nghiencuukhoahoc.edu.vn, 2023]

Hình 1. Mô hình khả biến

[Nguồn: nghiencuukhoahoc.edu.vn, 2023]

Hình 2. Mô hình bất biến

2. Phương pháp kiểm định

Kiểm định Chi-square được sử dụng để so sánh giữa 2 mô hình. Bây giờ chúng ta bắt đầu ước lượng mô hình khả biến, mô hình bất biến, và so sánh giữa hai mô hình.

Đặt giả thuyết:

H₀: Không có sự khác nhau giữa Chi-square của mô hình khả biến và mô hình bất biến;

H₁: Có sự khác biệt về Chi-square giữa mô hình khả biến và mô hình bất biến.

Nếu kiểm định Chi-square cho thấy giữa mô hình bất biến và mô hình khả biến không có sự khác biệt (hay p-value > 0,05) thì mô hình bất biến sẽ được chọn (vì có bậc tự do cao hơn). Ngược lại, nếu sự khác biệt Chi-square là có ý nghĩa giữa hai mô hình (p-value < 0,05) thì chọn mô hình khả biến (có độ tương thích cao hơn).

Tài liệu tham khảo

1. Hair, J. F., Black, W. C., Babin, B. J. & Anderson, R. E. (2010). Multivariate Data Analysis. Publisher: Pearson; 7 Edition.Jöreskog, K.G. (1971). Simultaneous factor analysis in several populations. Psychometrika, 36(), 409–426.

Kết thúc.