Thuc Hanh Mo Hinh SEM Voi AMOS

NGUYỄN KHÁNH DUY
Giảng viên Khoa Kinh tế Phát Triển

Trường ĐH Kinh tế TPHCM
BÀI GIẢNG
(Bản thảo lần 1)
THỰC HÀNH MÔ HÌNH CẤU TRÚC TUYẾN TÍNH (SEM)
VỚI PHẦN MỀM AMOS Chi-square= 1595.832
df= 1007
P-value= .000
Chi-square/df= 1.585
TLI= .915
e28 gts1
CFI= .921
.77
e29 gts2 .79 IFI=.922
.77 RMSEA= .053
e30 gts3 .76
.63 gts
e31 gts4
gqs6 e9
e32 gts5
.40 .72 .54
gqs5 e8
e33 gts6 .65 z1 .72
.80
.67 gqs4 e7
e24 lrs1
.82
.66 .75 e6
e25 lrs2
.66
.75
.20 .73
gqs3
lrs gs_gqs .74 gss6 e5

e26 lrs3 .76
e27 lrs4 .78 .79 .79 gss5 e4
.50 .15 .80
gss4 e3
.86
e37 gss7
cfls gss2 e2
e38 gss8
.69 .32 .41
.88 gss1 e1
.34
e10 lcs1
.54 .73
.69
e11 lcs2 .82 z2
lcs3
.67
e12
.63
.69
.24 .79 oss3 e41
e13 lcs5 .71 lcs
.67 oss oss2 40
e14 cgss1
.77 .50 .90
.59 .46 .92 oss1 e39
e15 cgss4 .79
e16 cos1
.36 .84
e17 cos2
.74 .21 -.11
z3.81
e18 cos3 ls1 e42
.76 .95 ls2 e43
e19 cos4 .72 .95
.77 .38 ls3 e44
e20 cos5 ls
.80 cs ls4 e45
e21 cos6 .81 .88 .60
.87 ls5 e46
.83
e22 cos7 .65 ls6 e47
e23 cos8 .46
e34 aws1 .71

.69
e35 aws2
.78 Tháng 5/2009
aws
e36 aws3
TRƯỜNG ĐẠI HỌC KINH TẾ TP.HCM
(Lưu hành nội bộ)
1
LỜI NÓI ĐẦU
Mô hình cấu trúc tuyến tính (SEM) được các nhà nghiên cứu trên thế giới sử dụng từ
rất lâu. Ở Việt Nam, khoảng từ năm 2000 trở lại đây, SEM đã được nhiều nhà nghiên cứu sử
dụng trong các công trình nghiên cứu hàn lâm, cũng như các nghiên cứu ứng dụng phục vụ
các chương trình tư vấn doanh nghiệp, tư vấn chính sách cho các Tỉnh/thành phố.
Gần đây, việc học tập / áp dụng mô hình cấu trúc tuyến tính (SEM) nói riêng cũng
như các kỹ thuật phân tích định lượng nói chung trong kinh tế, quản trị kinh doanh, tài chính-
ngân hàng … được đông đảo bạn trẻ gồm sinh viên đại học, học viên cao học, nghiên cứu
sinh quan tâm để giải quyết tốt nhất những mục tiêu nghiên cứu đã đặt ra.
Bài giảng này nhằm hỗ trợ các bạn bước đầu tiếp cận SEM dưới góc độ thực hành với
phần mềm AMOS được dễ dàng hơn, nhanh chóng hơn mà trước mắt là làm tài liệu học tập
mang tính trực quan phục vụ cho chương trình bồi dưỡng cử nhân tài năng do Đoàn Khoa
Kinh tế phát triển – Trường ĐH Kinh tế TPHCM tổ chức (chủ đề này học trong 2 buổi), hay
các khoá đào tạo ngắn hạn tại Trung tâm Tư vấn doanh nghiệp và Phát triển kinh tế vùng về
Phân tích dữ liệu và dự báo trong kinh doanh. Bên cạnh đó, trong quá trình học tập, các bạn
sinh viên/ học viên sẽ được phát các tài liệu đọc về mặt lý thuyết SEM, các bài báo khoa học,
công trình nghiên cứu có áp dụng SEM bằng tiếng Anh/ tiếng Việt khác…
Do SEM khá phức tạp dưới góc độ toán học và trình độ của tác giả còn hạn chế nên
những sai sót trong quá trình biên soạn là khó có thể tránh khỏi. Tác giả rất mong nhận được
sự đóng góp ý kiến, phê bình của bạn đọc để quyển bài giảng này trong lần tái bản tiếp theo
sẽ được hoàn thiện hơn, mang lại nhiều lợi ích hơn cho bạn đọc xa gần. Thư góp ý xin gửi về:
Nguyễn Khánh Duy

Khoa Kinh tế Phát triển – Trường ĐH Kinh tế TPHCM
Địa chỉ: 1A Hoàng Diệu – Quận Phú Nhuận - TPHCM
Email: khanhduy@ueh.edu.vn hoặc nkduy2002@yahoo.com
Điện thoại: 098.900.1766
Mong rằng bạn đọc sẽ tiếp tục đón nhận những quyển sách tốt hơn liên quan đến chủ
đề kinh tế lượng, phân tích dữ liệu & dự báo nâng cao do các đồng nghiệp & tôi biên soạn
(được xuất bản chính thức) trong tương lai.
Xin chân thành cảm ơn và chúc các bạn thành công!
TP.Hồ Chí Minh, tháng 5 năm 2009

Tác giả
Nguyễn Khánh Duy
2
LỜI CẢM ƠN
Tài liệu học tập này không đồ sộ và chặt chẽ như những quyển sách khác, bởi nó được
viết dưới góc độ trực quan, ứng dụng… Nó được hoàn thành trong thời gian rất ngắn nhằm
phục vụ trước mắt cho chương trình bồi dưỡng cử nhân tài năng do Đoàn Khoa Kinh tế Phát
Triển tổ chức, cũng như các khoá học ngắn hạn về “Phân tích dữ liệu và dự báo trong kinh
doanh”. Tuy vậy, quyển bài giảng này cũng là một kết quả của sự tích luỹ lâu dài từ trong quá
trình học tập, giảng dạy, công việc, nghiên cứu từ trước tới nay. Và quá trình ấy, tác giả đã
được sự hỗ trợ tận tình của quý thầy cô giáo, bạn bè, các em sinh viên, và những người thân
trong gia đình.
Năm 2004, khi AMOS, tài liệu về SEM còn rất hiếm; cô Trần Kim Dung, thầy Đinh
Thái Hoàng (Khoa QTKD, Khoa Toán-Thống Kê-ĐH Kinh tế TPHCM) đã giới thiệu, khuyến
khích, động viên tôi trong quá trình tìm hiểu về SEM, và gửi tặng tôi những tài liệu, phần
mềm có liên quan. Nhờ sự giúp đỡ của quý thầy cô mà việc tìm hiểu về SEM của tôi những
thời gian đầu rất thuận lợi. Tôi xin được gửi lời cảm ơn đến Thầy Nguyễn Hữu Lam; thầy đã
nhiệt tình hướng dẫn luận văn tốt nghiệp bậc thạc sĩ – nghiên cứu đầu tiên mà tôi sử dụng
SEM (năm 2006). Trong môn phương pháp nghiên cứu, Thầy Lê Nguyễn Hậu với câu nói
“SEM thật đơn giản!”, “SEM dễ hơn mô hình hồi quy nhiều!” đã khuyến khích nhiều học
viên chúng tôi tìm tòi về nó. Tôi chân thành cảm ơn thầy Nguyễn Đình Thọ vì những gợi mở,
những hướng dẫn tận tình của thầy đã dành cho chúng tôi. Những nghiên cứu của thầy là
những tài liệu rất quý cho những người làm Marketing hay bất cứ ai đang làm nghiên cứu
ngành quản trị kinh doanh, và những ai tìm hiểu về SEM... Thời gian học tập ở bậc đại học,
sau đại học có biết bao kỷ niệm với bạn bè, và sự tri ân của học viên chúng tôi với tất cả quý
thầy cô đã tham gia giảng dạy.
Tôi muốn được gửi lời cảm ơn của mình đến thầy Hoàng Trọng vì những quyển sách
về phân tích dữ liệu bằng SPSS mà thầy đã tham gia biên soạn (từ 1997 đến nay). Nó là
những tài liệu thật quý giá đối với tôi cũng như những bạn đam mê, hay muốn tìm hiểu về
phân tích dữ liệu trong nghiên cứu; thật không ngờ quyển sách đầu tiên của thầy (viết cùng
với thầy Võ Văn Huy, cô Võ Thị Lan) mà tôi ngẫu nhiên tìm được ở nhà sách khi mới bước
chân vào giảng đường đại học đã hướng tôi đến việc làm nhiều nghiên cứu khoa học với
phương pháp định lượng khi còn là sinh viên.
Tôi xin được chân thành cảm ơn thầy Nguyễn Trọng Hoài, Thầy Cao Hào Thi đã tạo
điều kiện hỗ trợ, động viên, hướng dẫn tôi trong công việc giảng dạy về phân tích định lượng
từ những ngày đầu mùa thu năm 2007 ở chương trình giảng dạy Kinh tế Fulbright.
Xin gửi đến Thu Hương lời cảm ơn chân thành vì rất nhiều điều, bạn đã đồng hành,
chia sẻ, hỗ trợ tôi trong suốt thời gian học tập/ nghiên cứu ở bậc đại học, sau đại học…
Xin cảm ơn những bạn đồng nghiệp: anh Quốc Duy, anh Thanh Bình, anh Thanh Vũ
… và những người bạn khác luôn hỗ trợ, động viên, trao đổi, chia sẻ những kiến thức, kinh
nghiệm về phân tích dữ liệu, cũng như hỗ trợ tôi trong công việc, trong nghiên cứu.
Quyển bài giảng này viết ra chủ yếu dành cho các bạn sinh viên đại học khối kinh tế -
quản trị. Cũng nhờ sự ham học tập, sự khát khao khám phá và những tình cảm tốt đẹp mà các
bạn sinh viên đại học (mà tôi có dịp gặp gỡ ở Trường ĐH Kinh tế TPHCM, Trường ĐH
Ngoại Thương (CS2), Trường ĐH Ngân Hàng TPHCM, chương trình đào tạo đặc biệt của
Trường ĐH Mở TPHCM) đã dành cho tôi trong thời gian qua đã giúp tôi luôn có những niềm
vui trong công việc, và nghiên cứu. Xin chân thành cảm ơn các bạn!
3
Bài giảng này cũng hướng đến nhiều đối tượng bạn đọc khác, đặc biệt hướng đến các
bạn sinh viên Khoa Kinh tế phát triển đang tham dự lớp bồi dưỡng cử nhân tài năng do Đoàn
Khoa tổ chức. Lớp học này khó có thể thành công nếu không được sự hỗ trợ, tạo điều kiện
của rất nhiều thầy cô giáo, của các bạn trong ban tổ chức, các anh chị em phòng quản trị thiết
bị, tổ chức hành chính, phòng công nghệ thông tin, phòng điều phối giảng đường – thời khoá
biểu, chi đoàn, chi hội, ban cán sự các lớp và sự nỗ lực của từng bạn sinh viên.
Các ví dụ trong quyển bài giảng này; các bài tập/ tình huống kèm theo và các quyển
sách trong tương lai sẽ có những chất liệu, nguồn dữ liệu từ các nghiên cứu không chỉ của tôi,
mà còn của các bạn bè, của các bạn sinh viên, cũng như rất nhiều tác giả khác. Xin chân
thành cảm ơn bạn Nguyễn Thị Mỹ Thuận, bạn Mai Thuỳ Ninh, anh Võ Đức Thọ, anh Lê Văn
Khoa … về những dữ liệu mà các bạn, các anh đã khảo sát rất công phu. Xin cảm ơn các tác
giả của các quyển sách, tạp chí, bài viết … mà tôi đã tham khảo; vì sự đam mê và nghiên cứu
nghiêm túc của họ đã giúp tôi hiểu rõ hơn và nhanh hơn những vấn đề chưa biết. Xin cảm ơn
anh Phạm Đức Kỳ và thầy Bùi Nguyên Hùng ở Khoa Quản lý công nghiệp – ĐH Bách Khoa
TPHCM về các bài viết mà quyển bài giảng này đã giới thiệu trong phụ lục để các bạn sinh
viên tham khảo thêm.
Cuối cùng, tôi không quên gửi lời cảm ơn chân thành đến bố, mẹ, em Khánh Hùng và
những người thân về tất cả!
Nguyễn Khánh Duy
4
MỤC LỤC
Lời nói đầu

Lời cảm ơn
Mục lục
Trang
1. Trao đổi với các bạn sinh viên lớp bồi dưỡng cử nhân tài năng &
giới thiệu mô hình cấu trúc tuyến tính (SEM), phần mềm AMOS......................................6
2. Phân tích nhân tố khám phá (EFA_ Exploratory Factor Analysis) ..............................14
3. Phân tích nhân tố khẳng định (CFA_Confirmatory Factor Analysis) ..........................20
4. Mô hình cấu trúc (SEM_Structural Equation Modeling) .............................................48
5. Kiểm định Bootstrap .....................................................................................................54
6. Phân tích cấu trúc đa nhóm ...........................................................................................57
Lời kết
Tài liệu tham khảo
Phụ lục
5
1. TRAO ĐỔI VỚI CÁC BẠN SINH VIÊN LỚP BỒI DƯỠNG CỬ NHÂN TÀI NĂNG
& GIỚI THIỆU VỀ SEM, PHẦN MỀM AMOS
Từ đầu học kỳ đến nay, lớp chúng ta đã học về các chủ đề Tư duy sáng tạo (Thầy
Nguyễn Hoàng Bảo, trong 3 buổi), phương pháp nghiên cứu nâng cao – đi sâu vào khung
phân tích và nghiên cứu định tính (Thầy Trần Tiến Khai, trong 2 buổi), Mô hình Logit
(Thầy Lương Vinh Quốc Duy, trong 1 buổi), Các chủ đề của kinh tế lượng tài chính và dự
báo nâng cao ARIMA, SARIMA, ARCH-GARCH … (thầy Phùng Thanh Bình, trong 4
buổi), Phân tích kỹ thuật (Thầy Võ Thanh Sơn, trong 2 buổi). Cô Trương Công Thanh
Nghị đã chia sẻ với các bạn về kinh nghiệm làm nghiên cứu, và giới thiệu các giải thưởng
nghiên cứu khoa học sinh viên, kinh nghiệm học tập của một thủ khoa đầu vào cũng như đầu
ra Khoá 28 của trường ĐH Kinh tế TPHCM; anh Hoàng Anh (Kế hoạch đầu tư K31) đã chia
sẻ kinh nghiệm của anh trong việc học tập của một người đội trưởng đạt giải nhất cuộc thi
“Kinh tế học - tầm nhìn bạn và tôi” – cuộc thi do Khoa KTPT chúng ta tổ chức với hơn 5000
thí sinh từ 11 trường đại học ở phía Nam - cũng như những nghiên cứu mà anh đang nỗ lực 1 ,
anh Nguyễn Ngọc Danh cũng đã trao đổi với các bạn về nghiên cứu của anh về sức khoẻ trẻ
em với phương pháp 2SLS (là luận văn tốt nghiệp chương trình cao học Việt Nam-Hà Lan
của anh Danh) …
Bên cạnh đó, những bạn sinh viên lớp nhân lực, một số bạn lớp KHĐT, Thẩm định
giá cũng đã từng nghe nói về SEM cũng như biết được sự phổ biến của nó trong các nghiên
cứu khi tham dự buổi báo cáo chuyên đề “Ứng dụng phương pháp định lượng trong nghiên
cứu quản trị nguồn nhân lực và hành vi tổ chức” do cô Trần Kim Dung báo cáo. Sáng nay,
và chiều nay, một ngày chủ nhật, chúng ta sẽ tìm hiểu những vấn đề quan trọng nhất, cơ bản
nhất của SEM, CFA… và thử tìm hiểu xem người ta đã vận dụng nó trong nghiên cứu về
quản trị, Marketing, nhân lực, hành vi trong lĩnh vực tài chính – chứng khoán, tâm lý học …
ở khu vực tư cũng như khu vực công như thế nào để từ đó các bạn có thể tự học sâu hơn về
SEM và vận dụng một cách sáng tạo vào những nghiên cứu mà các bạn đang ấp ủ. Giờ ra
chơi sáng nay, Anh Hoàng Nam (Sachvang), là admin và cũng là giảng viên trẻ của Khoa
Quản trị Kinh Doanh sẽ giới thiệu với các bạn Forum caohockinhte.info là một diễn đàn rất
hấp dẫn và sôi động của cộng đồng cao học kinh tế ở Việt Nam, và trên ấy cũng có một mục
dành riêng cho các bạn sinh viên đại học yêu thích hoạt động nghiên cứu khoa học (mục Cử
nhân và thạc sĩ tài năng tương lai).
Trong những năm gần đây, không chỉ nhiều người nghiên cứu trên thế giới và Việt
Nam có áp dụng SEM 2 (Các bạn xem thêm trong phụ lục, tài liệu phát, các file đã gửi qua
email… về nghiên cứu của thầy Nguyễn Đình Thọ, cô Mai Trang, cô Kim Dung, nghiên cứu
của tôi, và nghiên cứu của các tác giả khác) mà một số bạn sinh viên đại học, học viên cao
1
Tối ngày mai, thứ hai (11/5/09), 4 bạn thuộc lớp chúng ta (Hoàng – NLK32, Phương – BĐSK32, Hải & Cần
TĐG K32) sẽ là 1 đội đại diện cho trường ta tham gia vòng chung kết cuộc thi “Nhà kinh tế tương lai” do
trường bạn – ĐH Ngoại Thương (CS2) tổ chức tại Nhà văn hoá thanh niên. Tuy mảng quản trị kinh doanh
không phải thế mạnh của các bạn SV khoa KTPT, nhưng tham gia cuộc thi này cũng là một môi trường để học
tập, rèn luyện, thể hiện bản thân, và giao lưu! Chúc các bạn ấy may mắn, vui, và học tập được nhiều điều bổ
ích!
2
Tôi đã có ý định huấn luyện thêm cho lớp về một số chủ đề khác nữa, nhưng những chủ đề này chỉ có một vài
nhóm sử dụng và mất khá nhiều thời gian khi trình bày trên lớp: Mô hình hệ phương trình (một số nhóm có thể
sử dụng trong dự báo các chỉ tiêu vĩ mô), Kinh tế lượng với dữ liệu bảng (Nhóm bạn Mạnh Dũng, Thanh Hằng,
Thanh Thuý – lớp Thẩm định giá K32), Khai thác bộ dữ liệu VHLSS với phần mềm STATA (Nhóm của Thế
Hùng về bất bình đẳng trong thu nhập– KHĐT K32, Nhóm bạn Khương lớp Nhân lực K32) … các bạn có thể
liên hệ với tôi qua email, hoặc trao đổi trực tiếp tại phòng giáo viên H103 vào trưa thứ năm hàng tuần về những
vấn đề này. Và tôi cũng biết, lớp ta có khả năng tự học rất cao!
6
học cũng đã áp dụng SEM trong nghiên cứu của họ. Hai bạn sinh viên đại học Khoá 31 mà
tôi có dịp hướng dẫn cũng đã sử dụng trong việc đo lường chất lượng dịch vụ khách sạn ở
Nha Trang (khảo sát cả khách du lịch quốc tế và khách trong nước), các yếu tố tạo động lực
làm việc cho công nhân ở các Khu công nghiệp tại TPHCM, Bình Dương. Năm ngoái, một
bạn sinh viên ở Trường ĐH Kinh tế - ĐH Đà Nẵng cũng đã sử dụng trong đề tài NCKH sinh
viên của bạn, và tôi biết nhiều bạn sinh viên khác cũng đã làm, sẽ làm…
AMOS được viết tắt từ Analysis of MOment Structures (Phân tích cấu trúc mô
măng). Phần mềm này dùng để thực hiện một phương pháp chung trong phân tích dữ liệu là
Structural Equation Modeling (SEM_ mô hình cấu trúc tuyến tính). SEM cũng có những tên
gọi khác như Analysis of Covariance Structures (Phân tích cấu trúc hiệp phương sai), hay
Causal Modeling (mô hình nhân quả). Trên đường lên tham quan bức tượng Chúa giang tay ở
thành phố biển Vũng Tàu (Mũi Nghinh Phong), bạn sẽ thấy một hình ảnh của vị thánh cũng
có tên là AMOS!
Bạn hãy xem qua một ví dụ về CFA. Pont & Quilken (2002) đã khảo sát 348 khách
hàng ở các ngân hàng và sử dụng phân tích nhân tố khẳng định (viết tắt là CFA, Xem Hình
1.1 – cái sơ đồ “lằng nhằng” với mấy cái móc hai đầu ở trên) để kiểm định thang đo chất
lượng dịch vụ ngân hàng (BANKSERV) do Avkiran đề xuất năm 1994 ở nước Úc (kế thừa
17 item đo lường chất lượng dịch vụ ngân hàng của Avkiran 1 ). Trong phân tích nhân tố
khẳng định, Pont và Quilken đã chỉ ra rằng thang đo này hiện nay không phù hợp, vì Chi-
square=419.15; P=0.001 (<0.05), df = 113, CMIN/df=3.7 (>2), Các chỉ tiêu TLI=0.86,
CFI=0.88, GFI=0.87 (đều <0.9) 2
Tuy nhiên, Theo bạn vì sao kết quả lại như thế? Làm thế nào để tốt hơn?
(bạn hãy đọc kỹ lại nghiên cứu của Pont và Quilken trong file đã gửi vào email chung!)
Bạn có thấy rằng: năm 2002, Pont & Quilken (có lẽ 2 bạn này đang là học viên sau
đại học) áp dụng y nguyên thang đo BANKSERV do Avkiran đề xuất từ năm 1994 mà không
có sự điều chỉnh nào cả? Pont không bổ sung biến quan sát nào, không hiệu chỉnh gì, không
EFA lại … Không cần làm nghiên cứu này cũng biết là áp dụng y nguyên thì nó sẽ không còn
phù hợp, bởi qua thời gian mọi điều đã thay đổi. Trong CFA, bạn cũng có thể có cách hiệu
chỉnh mô hình, cải thiện mức độ phù hợp với thị trường bằng cách thêm các tương quan giữa
sai số … Trong CFA ta còn quan tâm đến nhiều điều khác nữa!
1
Avkiran, N.K, (1999), Developing an instrument to measure customer service quality in branch banking,
Internation Journal of Banking Marketing, 12 (6), 10-18
2
Bạn hãy để ý những đẳng thức được in đậm trong ngoặc đơn, nếu các chỉ tiêu tương ứng rơi vào trường hợp
như vậy thì mô hình đo lường (hay mô hình nghiên cứu mà bạn sẽ tiếp cận sau này) không phù hợp với thị
trường
7
Hình 1.1
Các biến trong sơ đồ trên được giải thích như sau:
8
Trong chủ đề này, người ta không chỉ nghĩ đến việc kiểm định mô hình đo lường
thông qua CFA, mà điều quan tâm hơn nữa là xây dựng, kiểm định mô hình nghiên cứu 1
thông qua mô hình nhân quả, hay thường gọi là mô hình cấu trúc (SEM).
Chị Mai Thuỳ Ninh (sinh viên đại học ngành kế hoạch đầu tư Khoá 31 mà tôi may
mắn có dịp hướng dẫn) đang làm đề tài tốt nghiệp về đánh giá mức độ thoả mãn của khách du
lịch đối với chất lượng dịch vụ khách sạn tại thành phố Nha Trang. Ninh đã phát triển thang
đo chất lượng dịch vụ khách sạn (Qualification of Hotel Service) của Saleh and Ryan (1990)
và thang đo chất lượng dịch vụ du lịch của Kanampully (2001) với một số thành phần mới
như vị trí, thông tin, và quan tâm đến yếu tố giá cả. Khảo sát 107 khách du lịch quốc tế và 73
khách nội địa, sau khi EFA, Ninh đã làm CFA và đạt yêu cầu, sau đó thực hiện mô hình cấu
trúc để xem xét ảnh hưởng của chất lượng, vị trí, giá cả …đến sự thoả mãn và lòng trung
thành thì một kết quả ban đầu như Hình 1.2:
Bạn nhận xét sơ bộ gì về mức độ phù hợp của mô hình? Có cách nào để cải thiện mô
hình được tốt hơn?
- Bạn sẽ nhận định rằng mô hình này chưa tốt, chưa phù hợp phải không? Đúng thế!
- Có nhiều cách thức để hiệu chỉnh mô hình. Ví dụ như: thêm vào các hệ số tương quan giữa
các sai số; điều chỉnh mối quan hệ giữa các khái niệm; bỏ bớt một số biến quan sát, một số
khái niệm trong mô hình nghiên cứu không đạt yêu cầu; thực hiện lại các phân tích trước đó -
EFA …
- Còn cách nào khác nữa không? Khi tôi đang viết bài giảng này, các em có biết chị Ninh
đang làm gì không? Mặc dù chuyên đề tốt nghiệp đã xong, chị cũng đang chuẩn bị để bảo vệ,
và tham gia đề tài NCKH sinh viên, mô hình đã tạm được (Không phải là mô hình như Hình
1.2), nhưng chị đang trên chuyến tàu về Nha Trang để khảo sát thêm khoảng 100 khách quốc
tế, 100 khách nội địa nữa tại các khách sạn, phòng chờ ở sân bay, một số khu du lịch và chú
trọng hơn chất lượng của cuộc phỏng vấn… ngoài ra, chị cũng chú trọng thêm về khảo sát
định tính. Tôi nghĩ, có lẽ chị ấy muốn khám phá, và khẳng định một điều gì đó, muốn đóng
góp một điều gì đó có ý nghĩa, muốn nghiên cứu này không chỉ bỏ vào trong thư viện để các
khoá sau tham khảo, hay chỉ đăng trên các tạp chí hàn lâm!
1
Mô hình thể hiện các quan hệ tương quan, và quan hệ nhân quả giữa các khái niệm. Nó thường được biểu diễn
bởi sơ đồ, phương trình.
9
Hình 1.2
.60
e1 che1 .51 chi-square= 2406.583 ; df= 534 ; p= .000 ;
.63
e2 che3 .80 chi-square/df= 4.507 ;
.12
e3 reab1.81 cfi= .811 ; tli= .790 ;
.32
e4 reab2.74 rmsea= .140
.23
e5 reab3.79
.25 .77
e6 reab4.79 .72
.15 .90
e7 res1 .83 .90
.46 .86
e8 res2 .78 .89
.23 .89
e9 res3 .77 .91
.06 .88
e10 res4 .74 .88
.29 .86
e11 res5.92
.85
.25
e12 .88 chatluong
res6.94 e39
.89 e38
e13 res7 .80 .67
.85 .62
e14 ser1 .91
.73 .89
.53
e15 ser2 .82 .87 .79
.15 .85 thoa man trung thanh
e16 ser3 .76 .88
e17 ser4 .78 .86 .94 .97 .91 .90 .82
.30 .87 .91 .93 .82 .94
.89 .81 .67
e18 ser5 .73 .93 .53 .95
e19 ser6 .75 .81 sat1 sat2 sat3 loy1 loy2 loy3 loy4
.11
.83
e20 ser7 .86 .81
e21 tang1.66 .24 e33 e32 e31 e34 e35 e36 e37
e22 tang4.66 -.63
.13
.32
.18 e23 tang5.76
.87 .33
e26 loc1 .72
vitri
e27 loc2 .88
.85
.94 .48
e28 pri1 .88
e29 pri2 .35
.59 gia ca
.94
e30 foo2
Sau khi học xong chủ đề này, bạn sẽ không chỉ có những hiểu biết căn bản về mô hình
cấu trúc, những thao tác trên AMOS, mà còn giúp bạn biết cách xây dựng, hiệu chỉnh, hoàn
chỉnh mô hình. Và bạn có đủ kiến thức nền tảng để có thể dễ dàng hiểu được các nghiên cứu
(có áp dụng SEM) mà các tác giả trong và ngoài nước đã làm! Điều này giúp bạn đi nhanh,
và xa hơn trong tiếp cận những tri thức mới, và tạo ra tri thức mới trong khoa học.
10
Trong gần 100 em đang học ở đây, đề tài của nhóm em nào có thể áp dụng CFA, SEM?
Dĩ nhiên, sẽ có nhiều em có thể làm được, và nhiều đề tài có thể sử dụng SEM, bởi
các em học lớp này là để làm tốt hơn các nghiên cứu mà các em đang làm, để đóng góp một
điều gì đó có ý nghĩa cho xã hội ngay trong khoảng thời gian ở giảng đường đại học, và
chuẩn bị hành trang cho công việc/học tập sau khi tốt nghiệp đại học! Ví dụ những đề tài của
một số nhóm: chất lượng dịch vụ bệnh viện, ký túc xá, máy bán hàng tự động, dịch vụ vận
tải hành khách của tàu Thống Nhất, dịch vụ giáo dục; động lực làm việc của nhân viên trong
khu vực công, yếu tố ảnh hưởng đến kết quả làm việc của nhân viên, xu hướng mua, hành vi
của nhà đầu tư trên thị trường chứng khoán, văn hoá tổ chức, phong cách lãnh đạo … 1 .
Một số nhóm sử dụng kinh tế lượng với dữ liệu bảng (như đề tài các yếu tố ảnh ưởng
đến FDI vào các quốc gia đang phát triển), hay đề tài áp dụng kỹ thuật kinh tế lượng truyền
thống (ước lượng TFP, các yếu tố tác động đến thu nhập của lao động trẻ ở Việt Nam…), kỹ
thuật dự báo với ARIMA, SARIMA, VAR, ARCH-GARCH (dự báo giá vàng, khách du lịch,
FDI trong bối cảnh khủng hoảng… kiểm định tính hiệu quả của thị trường chứng khoán, thị
trường vàng …) hay chỉ áp dụng thống kê mô tả… cũng đừng lo lắng, và hãy tiếp tục hoàn
thiện nghiên cứu theo hướng đó! Phương pháp nghiên cứu nào, phương pháp phân tích dữ
liệu nào…tất cả chỉ là cách thức, công cụ để các em đạt được mục tiêu nghiên cứu! Vấn đề
quan trọng là lựa chọn phương pháp phù hợp để đạt được mục tiêu mà thôi!
Thời gian gần đây, trong một buổi huấn luyện về phân tích dữ liệu với SPSS cho các
bạn SV nghiên cứu khoa học của Khoa Thương Mại – Du Lịch – Marketing do Đoàn Khoa
bên ấy tổ chức, một nhóm bạn sinh viên có trao đổi với tôi về nghiên cứu sự thoả mãn của
khách hàng đi xe bus với mô hình Kano (sử dụng EFA, và thống kê mô tả)... Hay một số bạn
sinh viên ở các Khoa trong trường chúng ta tham gia khoá huấn luyện về phân tích dữ liệu
nghiên cứu với SPSS do Đoàn Trường tổ chức cũng trao đổi về những nghiên cứu: Các yếu
tố ảnh hưởng đến tình hình phá sản (anh Bảo - Khoa TCDN, áp dụng phân tích phân biệt),
các yếu tố ảnh hưởng đến xác suất rơi vào tình hình nợ xấu của các doanh nghiệp (anh Thành
– Khoa TCDN, áp dụng Logit), đề tài về ngân hàng điện tử (EFA, Hồi quy), Marketing địa
phương (anh Chinh – Khoa KTPT, áp dụng Thống kê mô tả, nghiên cứu định tính), định vị
thương hiệu Vĩnh Tiến (chị Phương Linh, khoa KTPT, áp dụng EFA, Hồi quy, MDS) … Rất
nhiều bạn bè (Khoá 32), các anh chị sinh viên (Khoá 31) trong trường cũng đang làm các
nghiên cứu như các em!
Một gợi ý nghiên cứu dành cho các bạn sinh viên kế hoạch đầu tư, bất động sản, thẩm
định giá…?
Hãy xem qua bài viết “Investment Management and personality type” của Mayfield,
Perdue, Wooten vừa đăng trên tạp chí Financial Service Review, số 17 năm 2008 (đã được
gửi qua email). Hình 1.3 thể hiện một mô hình mà các tác giả đã làm ở Hoa Kỳ. Các bạn thử
nghiên cứu vấn đề này ở Việt Nam! Một một ngân hàng có mở sàn giao dịch vàng cũng đặt
hàng tôi nghiên cứu hành vi của các nhà đâu tư trên thị trường vàng ở Việt Nam, các bạn thử
xem xem liệu rằng nghiên cứu của Mayfield & ctg (2008) này có hỗ trợ gì không?
1
Chúng ta còn nhớ vào giữa tháng 6/2009, Đoàn Khoa KTPT sẽ tổ chức hội thảo khoa học về “Các vấn đề
Kinh tế Xã hội của Việt Nam và thế giới qua phân tích định lượng”, mà người báo cáo, người tham dự chính là
các em, và một số bạn sinh viên NCKH của khoa bạn, trường bạn, và một số anh chị Khoá 31.
11
Hình 1.3
Mô hình trên có Chi-square=183.63, df=141, P=0.009; GFI=0.91, CFI=0.95
Trong mô hình những yếu tố ảnh hưởng đến ý định đầu tư ngắn hạn trên (bên cạnh đó, các tác
giả cũng nghiên cứu mô hình đối với ý định đầu tư dài hạn), một số biến quan sát để đo lường
các khái niệm được trình bày ở trang 13
12
13
Trong bài học này, có 1 ví dụ xuyên suốt; chúng ta sẽ sử dụng dữ liệu mà chị Nguyễn
Thị Mỹ Thuận 1 khảo sát để phục vụ cho đề tài NCKH sinh viên của chị để làm ví dụ phân
tích. Đề tài của chị Thuận sử dụng các công cụ phân tích EFA, Cronbach’s Alpha, Regression
(các chủ đề này các bạn đều đã được học trong môn phân tích dữ liệu và dự báo). Và bây giờ,
các bạn hãy thử phát triển thêm bằng cách sử dụng CFA, SEM xem thế nào! Tình huống đơn
giản và gần gũi này sẽ giúp bạn dễ hiểu hơn về CFA, SEM – với các thao tác chính trên
AMOS. Những tình huống với các mô hình rất phức tạp khác mà bạn sẽ tìm hiểu, sẽ làm
được sau này cũng tương tự như thế thôi!
2. PHÂN TÍCH NHÂN TỐ KHÁM PHÁ (Nhắc lại sơ lược vì đã học)
Bảng câu hỏi của chị Thuận (xem phụ lục) dựa trên nghiên cứu của Dung (2005) đã
hiệu chỉnh cho Việt Nam. Từ nghiên cứu định tính, chị Thuận đã hiệu chỉnh một số biến
quan sát (Item), bỏ đi một số Item không phù hợp với nhân viên trong lĩnh vực Tài chính-
ngân hàng, bất động sản, công nghệ thông tin (những ngành mũi nhọn của TPHCM) mà chị
đang quan tâm…
Chị Thuận đã phải EFA lại, vì cấu trúc của thang đo trong tình huống của chị Thuận
chưa chắc đã giống với nghiên cứu trước của Dung và Nam (2005), và dĩ nhiên có thể càng
không giống với kết quả nghiên cứu của Stanton và Crossley (2000) cũng như của Crossman
và Bassem (2003) mà Dung đã kế thừa. Chị Thuận với mục tiêu là sau EFA sẽ chạy
Regression vì thế khi EFA cho thang đo JDI (Thoả mãn của nhân viên với công việc) chị có
thể sử dụng phương pháp Principal Components với phép xoay Varimax cũng được. Còn bạn,
sau EFA bạn sẽ làm tiếp CFA và SEM nên rất quan tâm đến cấu trúc của thang đo, các khái
niệm sau khi rút ra có thể tương quan với nhau, và cũng rất quan tâm đến sự phân biệt rõ ràng
giữa các nhân tố. Vì vậy bạn nên làm EFA với những đổi mới sau:
• Sử dụng phương pháp trích Principal Axis Factoring với phép xoay Promax 2
• Quan tâm đến tiêu chuẩn 3 : |Factor Loading| lớn nhất của mỗi Item >=0.5
• Quan tâm đến tiêu chuẩn: Tại mỗi Item, chênh lệch |Factor Loading| lớn nhất và
|Factor Loading| bất kỳ phải >=0.3 (Jabnoun & Al-Tamimi, 2003)
• Tổng phương sai trích >=50% (Gerbing & Anderson, 1988)
• KMO>=0.5, Kiểm định Bartlett có ý nghĩa thống kê (Sig<0.05) 4
a. Khái niệm sự thoả mãn của nhân viên với công việc
1
Chị Thuận là sinh viên khoá 30 ngành kế hoạch đầu tư khoa KTPT (mà tôi hướng dẫn đề tài NCKH sinh viên),
chị Thuận cũng là liên chi hội phó hội sinh viên của Khoa KTPT, đề tài của chị đạt giải khuyến khích cấp Bộ.
Hiện nay chị Thuận đã ra trường được 1 năm và đang làm việc tại ngân hàng ACB
2
Theo Gerbing & Anderson (1988), Phương pháp trích Principal Axis Factoring với phép xoay Promax
(Oblique) sẽ phản ánh cấu trúc dữ liệu chính xác hơn phương pháp trích Principal Components với phép xoay
Varimax (Orthogonal)
3
Theo Hair & ctg (1998,111), Factor loading laø chæ tieâu ñeå ñaûm baûo möùc yù nghóa thieát thöïc cuûa EFA
(ensuring practical significance). Factor loading > 0.3 ñöôïc xem laø ñaït ñöôïc möùc toái thieåu, Factor loading >
0.4 ñöôïc xem laø quan troïng, ≥ 0.5 ñöôïc xem laø coù yù nghóa thöïc tieãn. Hair & ctg (1998,111) cuõng khuyeân baïn
ñoïc nhö sau: neáu choïn tieâu chuaån factor loading > 0.3 thì côõ maãu cuûa baïn ít nhaát phaûi laø 350, neáu côõ maãu cuûa
baïn khoaûng 100 thì neân choïn tieâu chuaån factor loading > 0.55, neáu côõ maãu cuûa baïn khoaûng 50 thì Factor
loading phaûi > 0.75
4
KMO là một chỉ tiêu dùng để xem xét sự thích hợp của EFA, 0.5≤KMO≤1 thì phân tích nhân tố là thích hợp.
Kiểm định Bartlett xem xét giả thuyết về độ tương quan giữa các biến quan sát bằng không trong tổng thể. Nếu
kiểm định này có ý nghĩa thống kê (Sig < 0.05) thì các biến quan sát có tương quan với nhau trong tổng thể
(Trọng & Ngọc, 2008)
14
Bạn còn nhớ thao tác EFA trong phần mềm SPSS? Analyze\Data Reduction\Factor
Hình 1.4
Hình 1.5
Hình 1.7 Hình 1.6
Hình 1.8
15
Kết quả ban đầu
Pattern Matrixa
Factor
1 2 3 4 5 6 7
prom1 .863
Các con số trong
prom3 .753
bảng này gọi là các
prom2 .689
prom4 .651
Factor loading (hệ số
work4 .436
tải nhân tố)
sup6 .811
sup5 .784
sup3 .758
sup7 .664 .325
sup4 .482
sup2 .351 .411
sup1 .268 .378 -.282 .283
pay4 .889
pay5 .770
pay2 .607 .297
ben4 .331 .549 .211
pay3 -.301 .488 .293
pay1 .485 .271
cow1 .814
cow3 .810
cow2 .810 .207
cow4 .432 .454
ben3 .982
ben2 .977
ben1 .334 .592
env3 .264
work3 .768
work2 Env4 bị loại đầu tiên .541
work1 .246 .514
vì con.223
số này nhỏ
env2 .541
hơn 0.5, và “tệ” nhất
env1 -.279 .478
env4 .213 .232
Extraction Method: Principal Axis Factoring.
Rotation Method: Promax with Kaiser Normalization.
a. Rotation converged in 7 iterations.
Lần lượt loại từng biến không đạt yêu cầu (biến nào “tệ” nhất bị loại trước):
Env4, env3, sup1, sup2, work4, cow4, env2, env1, pay3, pay1, pay2,
Và ben1
16
Kết quả EFA lần cuối
Pattern Matrixa
Factor
Các con số trong
1 2 3 4 5 6 bảng này gọi là các
sup6 .841 Factor loading (hệ
sup5
số tải nhân tố)
.826
sup3 .758
sup7 .628 .278
sup4 .520
prom1 .899
prom2 .707
prom3 .670
prom4 .602
cow1 .913
cow2 .795
cow3 .768
pay4 .907
pay5 .817
ben4 .270 .593
ben2 .961
ben3 .952
work3 .915
work2 .791
work1 .545
Rotation Method: Promax with Kaiser Normalization.
a. Rotation converged in 6 iterations.
Bạn có nhận xét gì từ kết quả EFA?
Có 6 nhân tố được rút ra.
Nhân tố 1: gồm các biến quan sát sup3-sup7 Æ được đặt tên là “Lãnh đạo”
Nhân tố 2: gồm prom1-prom4 Æ “Thăng tiến”
Nhân tố 3: gồm cow1-cow3 Æ “Đồng nghiệp”
Nhân tố 4: gồm pay4, pay5, ben4 Æ “lương-thưởng”
Nhân tố 5: gồm ben2, ben3 Æ “bảo hiểm”
Nhân tố 6: gồm work1-work4 Æ “bản chất công việc”
17
Total Variance Explained
Rotation
Sums of
Squared
Initial Eigenvalues Extraction Sums of Squared Loadings Loadingsa
Factor Total % of Variance Cumulative % Total % of Variance Cumulative % Total
1 7.378 36.889 36.889 7.016 35.080 35.080 5.210
2 1.880 9.401 46.290 1.726 8.632 43.712 5.142
3 1.752 8.759 55.049 1.428 7.138 50.849 4.015
4 1.512 7.560 62.609 1.167 5.835 56.685 3.801
5 1.359 6.794 69.403 1.022 5.109 61.793 2.615
6 1.067 5.334 74.737 .712 3.558 65.352 4.584
7 .722 3.612 78.349 Tổng phương sai
8 .564 2.821 81.169 trích/ hay tổng
9 .537 2.683 83.853 biến thiên được
10
giải thích bởi các
.461 2.306 86.159
nhân tố
11 .403 2.014 88.173
12 .395 1.973 90.146
13 .365 1.826 91.971
14 .341 1.704 93.676
15 .306 1.530 95.206
16 .252 1.260 96.466
17 .244 1.221 97.687
18 .212 1.062 98.749
19 .182 .911 99.660
20 .068 .340 100.000
a. When factors are correlated, sums of squared loadings cannot be added to obtain a total
variance.
KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. .847
Bartlett's Test of Sphericity Approx. Chi-Square 2327.451
df 190
Sig. .000
Hai bảng trên cho bạn nhận xét gì?
- Tổng phương sai trích (hay tổng biến thiên được giải thích) bằng 65.35% (>50%)
- KMO = 0.847 (>0.5) và kiểm định Bartlett có ý nghĩa thống kê (Sig<0.05)
Nên EFA là phù hợp.
18
b. Khái niệm lòng trung thành
Khái niệm lòng trung thành là 1 khái niệm đơn hướng (khi EFA, các biến quan sát rút thành 1
nhân tố), nên có thể thử sử dụng phương pháp trích Principal Component Analysis vì phương
pháp trích này sẽ làm cho tổng phương sai trích tốt hơn.
Bạn có nhận xét gì nếu có kết quả từ EFA cho các biến quan sát thuộc khái niệm lòng
trung thành như sau?
KMO and Bartlett's Test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. .701
Bartlett's Test of Sphericity Approx. Chi-Square 188.787
df 3
Sig. .000
Total Variance Explained
Compo Initial Eigenvalues Extraction Sums of Squared Loadings

nent Total % of Variance Cumulative % Total % of Variance Cumulative %
1 2.146 71.523 71.523 2.146 71.523 71.523
2 .487 16.230 87.753
3 .367 12.247 100.000
Extraction Method: Principal Component Analysis.
Component Matrixa Bảng này chỉ có 1 cột, cho

Component
thấy loy1, loy2, loy3 rút
thành 1 nhân tố
1
loy1 .874
loy3 .834
loy2 .829
Extraction Method: Principal Component

Analysis.
a. 1 components extracted.
- Chỉ có 1 nhân tố được rút ra, nhân tố này cũng được đặt tên là “Trung thành”
- EFA cũng phù hợp vì Tổng phương sai trích bằng 71.53 (>50%), KMO = 0.701 (>0.5), Sig
của kiểm định Bartlett=0.000 (<0.05)
Mô hình cấu trúc tuyến tính (SEM) bao gồm nhiều kỹ thuật thống kê khác nhau như
phân tích đường dẫn (Path Analysis), phân tích nhân tố khẳng định (Confirmatory Factor
Analysis), Mô hình nhân quả với các biến tiềm ẩn (Causal modeling with Latent variable, và
cũng thường gọi là SEM), và thậm chí cả phân tích phương sai (Analysis of Variance), mô
hình hồi quy tuyến tính bội (Multiple Linear Regression). Chúng ta sẽ tìm hiểu CFA, SEM.
19
3. PHÂN TÍCH NHÂN TỐ KHẲNG ĐỊNH (CFA)
Từ kết quả của EFA, giờ bạn thấy rằng ta có 7 khái niệm chính sử dụng trong mô hình
nghiên cứu sau này. Đó là
• “Lãnh đạo” được đo lường bởi các biến quan sát sup3-sup7
• “Thăng tiến” được đo lường bởi các biến quan sát prom1-prom4
• “Đồng nghiệp” được đo lường bởi các biến quan sát cow1-cow3
• “Lương-thưởng” được đo lường bởi các biến quan sát pay4, pay5, ben4
• “Bảo hiểm” được đo lường bởi các biến quan sát ben2, ben3
• “Bản chất công việc” được đo lường bởi các biến quan sát work1-work4
• “Lòng trung thành”: được đo lường bởi loy1, loy2, loy3
6 khái niệm đầu tiên là các khái niệm thành phần của khái niệm “Sự thoả mãn của nhân viên
với công việc”. Cấu trúc của thang đo “Sự thoả mãn nhân viên với công việc” gồm có 6 khái
niệm thành phần như trên, và các biến quan sát tương ứng cho từng khái niệm cũng đã được
liệt kê như trên. Các biến quan sát quan sát sup3-sup7; prom1-prom4; cow1-cow3; pay4,
pay5, ben4; ben2, ben3; work1-work4 tạo thành một thang đo để đo lường khái niệm “Sự
thoả mãn của nhân viên với công việc”. Các biến quan sát loy1, loy2, loy3 tạo thành một
thang đo để đo lường khái niệm “lòng trung thành”.
Những điều trên tạo thành một mô hình đo lường các khái niệm sử dụng trong nghiên cứu
của bạn. Và bây giờ Chúng ta cần kiểm định xem Mô hình đo lường này có đạt được yêu cầu
không? Các thang đo có đạt được yêu cầu của một thang đo tốt không? Việc này chúng ta cần
sử dụng đến phân tích nhân tố khẳng định (CFA)
Trong CFA ta có thể thực hiện cho từng khái niệm, một số khái niệm, hoặc thực hiện với tất
cả các khái niệm có trong mô hình (gọi là mô hình tới hạn)
Veà maët lyù thuyeát, trong CFA, chuùng ta chuù yù ñeán moät soá vaán ñeà sau:
Ñeå ño löôøng möùc ñoä phuø hôïp cuûa moâ hình vôùi thoâng tin thò tröôøng, ngöôøi ta thöôøng söû
duïng Chi-square (CMIN); Chi-square ñieàu chænh theo baäc töï do (CMIN/df); chæ soá thích
hôïp so saùnh (CFI_ Comparative Fit Index). Chæ soá Tucker & Lewis (TLI_ Tucker & Lewis
Index); Chæ soá RMSEA (Root Mean Square Error Approximation). Moâ hình ñöôïc xem laø
thích hôïp vôùi döõ lieäu thò tröôøng khi kieåm ñònh Chi-square coù P-value > 0.05. Tuy nhieân
Chi-square coù nhöôïc ñieåm laø phuï thuoäc vaøo kích thöôùc maãu. Neáu moät moâ hình nhaän ñöôïc
caùc giaù trò GFI, TLI, CFI ≥0.9 (Bentler & Bonett, 1980); CMIN/df ≤ 2, moät soá tröôøng hôïp
CMIN/df coù theå ≤ 3 (Carmines & McIver, 1981); RMSEA ≤ 0.08, RMSEA ≤ 0.05 ñöôïc
xem laø raát toát (Steiger, 1990); thì moâ hình ñöôïc xem laø phuø hôïp vôùi döõ lieäu thò tröôøng, hay
töông thích vôùi döõ lieäu thò tröôøng. Thoï & Trang (2008) cho raèng Neáu moâ hình nhaän ñöôïc
caùc giaù trò TLI, CFI ≥0.9, CMIN/df ≤ 2, RMSEA ≤ 0.08 thì moâ hình phuø hôïp (töông thích)
vôùi döõ lieäu thò tröôøng. Quy taéc naøy cuõng ñöôïc söû duïng ñeå ñaùnh giaù möùc ñoä phuø hôïp cuûa
moâ hình caáu truùc ôû muïc 4.
Khi CFA, neân thöïc hieän caùc ñaùnh giaù khaùc nhö 1 :
1
Xem thêm Thọ & Trang (2008)
20
(1) Ñaùnh giaù ñoä tin caäy cuûa thang ño thoâng qua: (a) Heä soá tin caäy toång hôïp (composite
reliability) vaø (b) Toång phöông sai trích ñöôïc (variance extracted), (c) Heä soá Cronbach’s
Alpha
Ñoä tin caäy toång hôïp ( ρ
) (Joreskog 1971 ), vaø toång phöông sai trích (
C
) ρ VC
(Fornell & Larcker 1981) ñöôïc tính theo coâng thöùc sau:
2
p p
( ∑ λ i) ∑ λ i
2
ρ C = p i =2 1 p ρ VC = p 2 i=1 p
∑ ∑
2
( ∑ λ i) + ∑ (1 − λ i )
2
i =1
λ i i=1 λ i )
+ (1 −
i =1 i =1
λ
2
Trong ñoù i
laø troïng soá chuaån hoaù cuûa bieán quan saùt thöù i; 1- λ i laø phöông sai cuûa sai
soá ño löôøng bieán quan saùt thöù i, p laø soá bieán quan saùt cuûa thang ño.
Chæ tieâuρ ρC
, phaûi ñaït yeâu caàu töø 0.5 trôû leân
VC
Theo Hair (1998, 612):”phöông sai trích (Variance Extracted) cuûa moãi khaùi nieäm neân vöôït
quaù 0.5”; vaø phöông sai trích cuõng laø moät chæ tieâu ño löôøng ñoä tin caäy. Noù phaûn aùnh löôïng
bieán thieân chung cuûa caùc bieán quan saùt ñöôïc tính toaùn bôûi bieán tieàm aån
Schumacker & Lomax (2006, 178) cho raèng trong CFA, moät vaán ñeà quan troïng caàn phaûi
quan taâm khaùc laø ñoä tin caäy cuûa taäp hôïp caùc bieán quan saùt ño löôøng moät khaùi nieäm (nhaân
toá); vaø nhö truyeàn thoáng, heä soá tin caäy Cronbach’s Alpha vaãn thöôøng ñöôïc söû duïng. Noù ño
löôøng tính kieân ñònh noäi taïi xuyeân suoát taäp hôïp caùc bieán quan saùt cuûa caùc caâu traû lôøi
Trong kieåm ñònh Cronbach’s Alpha, caùc bieán quan saùt coù heä soá töông quan bieán-toång
(item-total correlation) nhoû hôn 0.3 seõ bò loaïi vaø tieâu chuaån choïn thang ño khi heä soá
Cronbach’s Alpha töø 0.6 trôû leân (Nunnally & Burnstein, 1994). Tuy nhieân, cuõng caàn löu yù
raèng neáu Cronbach’s Apha quaù cao (>0.95) thì coù khaû naêng xuaát hieän bieán quan saùt thöøa
(Redundant items) ôû trong thang ño. Bieán quan saùt thöøa laø bieán ño löôøng moät khaùi nieäm
haàu nhö truøng vôùi bieán ño löôøng khaùc, töông töï nhö tröôøng hôïp coäng tuyeán (collinearity)
trong hoài quy, khi ñoù bieán thöøa neân ñöôïc loaïi boû.
(2) Tính ñôn höôùng/ ñôn nguyeân (unidimensionality)
- Theo Steenkamp & Van Trijp (1991), möùc ñoä phuø hôïp cuûa moâ hình vôùi döõ lieäu thò tröôøng
cho chuùng ta ñieàu kieän caàn vaø ñuû ñeå cho taäp bieán quan saùt ñaït ñöôïc tính ñôn höôùng, tröø
tröôøng hôïp caùc sai soá cuûa caùc bieán quan saùt coù töông quan vôùi nhau.
(3) Giaù trò hoäi tuï (Convergent validity)
- Gerbring & Anderson (1988) cho raèng thang ño ñaït ñöôïc giaù trò hoäi tuï khi caùc troïng soá
chuaån hoaù cuûa thang ño ñeàu cao (>0.5); vaø coù yù nghóa thoáng keâ (P <0.05)
21
(4) Giaù trò phaân bieät (Discriminant validity)
- Coù theå kieåm ñònh giaù trò phaân bieät cuûa caùc khaùi nieäm trong moâ hình tôùi haïn (saturated
model) moâ hình maø caùc khaùi nieäm nghieân cöùu ñöôïc töï do quan heä vôùi nhau). Coù theå thöïc
hieän kieåm ñònh heä soá töông quan xeùt treân phaïm vi toång theá giöõa caùc khaùi nieäm coù thöïc söï
khaùc bieät so vôùi 1 hay khoâng. Neáu noù thöïc söï khaùc bieät thì caùc thang ño ñaït ñöôïc giaù trò
phaân bieät.
Ví duï: Moät thang ño coù 2 khaùi nieäm spatial vaø verbal, soá quan saùt= 73
r SE=SQRT((1-r2)/(n-2)) (1-r)/SE P-value

spatial <--> verbal 0.487 0.104 4.949 0.000
TINV(0.05,71)=1.993
TDIST(4.95,71,2)=0.000 (<0.05) baùc boû giaû thuyeát cho raèng ρ (spatial,verbal)=1
Ghi chuù quy taéc kieåm ñònh 1 :

H o: ρ = ρ o
H 1: ρ ≠ ρ
o
|r−ρ |
Tính T = o
; Tra baûng phaân phoái Student tα
, ,n − 2
2
1− r 2
n−2
Neáu T > t ,α ,n −2 thì baùc boû Ho
2
(5) Giaù trò lieân heä lyù thuyeát (Nomological validity)
- Caùc vaán ñeà töø 1 ñeán 4 ñöôïc ñaùnh giaù thoâng qua moâ hình ño löôøng. Rieâng giaù trò lieân heä lyù
thuyeát ñöôïc ñaùnh giaù trong moâ hình lyù thuyeát (Anderson & Gerbing, 1988)
Khi caùc vaán ñeà treân thoaû maõn thì moâ hình ño löôøng laø toát. Tuy nhieân, raát hieám moâ hình ño
löôøng naøo ñaït ñöôïc taát caû caùc vaán ñeà treân! Ví duï, moâ hình ño löôøng vaãn coù theå ñöôïc söû
duïng khi thang ño khoâng ñaït ñöôïc tính ñôn höôùng…
1
Xem Hoaøi (2001)
22
Veà maët thöïc haønh, ta söû duïng phaàn meàm AMOS v ới cách thức Amos Graphics 1
Khởi động AMOS? Start Æ Program Æ AMOS 16 Æ Amos Graphics
Công dụng của các nút?

Dùng để vẽ biến quan sát
Dùng để vẽ biến tiềm ẩn
Dùng để vẽ biến tiềm ẩn và các biến quan sát
Dùng để vẽ yếu tố sai số

Hình 3.1
Vẽ hệ số đường dẫn, hệ số hồi quy

Vẽ hiệp phương sai, hệ số tương quan
Liệt kê danh sách biến
Ngón tay: chọn 1 đối tượng

Bàn tay dài: Chọn tất cả đối tượng
Bàn tay ngắn: Không chọn nữa
Di chuyển đối tượng
Xoá đối tượng
Máy phô tô: Copy đối tượng
Xoay đối tượng
Chỉnh kích cỡ đối tượng
Tính toán các ước lượng
Di chuyển các tham số ước lượng
Copy sơ đồ đường dẫn vào Clipboard
Xem kết quả dạng văn bản/ bảng biểu
1
Trong AMOS, ngoài AMOS Graphics có một cách thức khác nữa là gõ các lệnh VB.NET hay C#
23
Tạo file mới? File\New
Mở file dữ liệu? File\Data Files (Ctrl-D) Æ Chọn File Name Æ Chọn kiểu file và chỉ đến
file cần mở Æ OK
Hình 3.2
Hiển thị danh sách biến?

Chọn nút sau
Hình 3.3
Khi đó bạn sẽ thấy một hộp thoại nhỏ xuất hiện, liệt kê các biến có trong dữ liệu
Hình 3.4
Vẽ các biến tiêm ẩn, các biến quan sát tương ứng?
Bước 1. Chọn nút
Hình 3.5
24
Bước 2. Rê đến vị trí tương ứng để vẽ ra 1 vòng tròn, nhấp chuột 5 trái năm cái, bạn sẽ có đối
tượng như Hình 3.6
Hình 3.6
Bước 3. Nhấp bàn tay dài, để chọn cả đối tượng
Bước 6. Nhấp ô tô để di chuyển đối

tượng sao cho đẹp
Bước 4. Nhấp nút này để xoay đối

tượng sao cho như Hình 3.7
Bước 5. Nhấp nút này để Chỉnh sửa

kích cỡ của đối tượng sao cho đẹp
Hình 3.7
Copy đối tượng?

Hiện nay chỉ có một Biến tiềm ẩn với 5 biến quan sát như Hình 3.7. Đầu tiên bạn sẽ chọn đối
tượng cần Copy bằng cách nhấp nút bàn tay dài, rồi nhấp cái máy Photocopy, sau đó rê chuột
đến vị trí cần dán đối tượng được copy. Bạn sẽ có Hình như Hình 3.8
25
Hình 3.8
Bước 1. Chọn nút này để

đánh dấu đối tượng cần
Copy
Bước 2. Chọn máy

Photocopy để copy, sau đó Đt mới
rê chuột đến vị trí mới bạn
sẽ có thêm một đối tượng
nữa
Bây giờ bạn đã Copy xong rồi, thì hãy nhấp nút bàn tay ngắn, để không chọn gì nữa.
Tuy nhiên đối tượng mới của bạn chỉ cần có 4 biến quan sát thôi. Do đó bạn cần xoá đi 1 biến
quan sát.
Xoá 1 cái gì đó?
Chọn nút sau đó di chuyển chột đến đối tượng cần xoá, nhấp chuột vào đối tượng đó
Bạn hãy kết hợp các nút và tạo ra sơ đồ như Hình 3.9:
26
Hình 3.9
Vẽ các các mũi tên 2 đầu? (Thể hiện cho hiệp phương sai/ hệ số tương quan)
Hình 3.10
Bạn hãy tự vẽ ra tiếp để được như Hình 3.11 nhé
27
Hình 3.11
1
1
1
1
1
1
1
1
1
1
1
1
1
1 1
1
1
1
1
1
1
28
Gắp các biến quan sát vào các hình chữ nhật (hình vuông) đại diện cho các biến quan
sát trên sơ đồ ?
Hình 3.12 Nhấp biến
tương ứng
trong danh
sách và gắp
sang
Sau khi đã gắp các biến quan sát vào các hình chữ nhật tương ứng. Bạn sẽ được sơ đồ như
Hình 3.13.
Bây giờ, bạn nên gán tên cho các biến tiềm ẩn (Hình elip) bằng cách
Chọn nút ngón tay
Nhấp vào Hình elip đầu tiên, Click phải chuột, Chọn Object Properties (Hình 3.13)
Hộp thoại như Hình 14, xuất hiện. Bạn hãy nhập tên biến vào ô Variable name
Bạn hãy nhấp vào nút ngón tay, , sau đó lần lượt nhấp vào các Elip còn lại, đặt tên cho
các biến tiềm ẩn này.
Hãy làm tương tự trong việc đặt tên cho các sai số: e1, e2 ... (Hình 3.15)
Và bây giờ bạn đã vẽ song Sơ đồ như Hình 3.16.
29
Hình 3.13
Hình 3.14
30
Hình 3.15
31
Hình 3.16
1
e1 sup3
1
e2 sup4
1
e3 sup5 lanh dao
1
e4 sup6 1
1
e5 sup7
1
e6 prom1
1
e7 prom2
thang tien
1
e8 prom3 1
1
e9 prom4
1
e10 cow1
1
e11 cow2 dong nghiep
1
1
e12 cow3
1
e13 pay4
1
e14 pay5 luong thuong
1
1
e15 ben4
1
e16 ben2
1 1 bao hiem
e17 ben3
1
e18 work1
1
e19 work2 cong viec
1
1
e20 work3
1
e21 loy1
1
e22 loy2 trung thanh
1
1
e23 loy3
32
Thể hiện một số chỉ tiêu lên màn hình?
Nếu bạn muốn thể hiện một số chỉ tiêu lên màn hình sơ đồ đường dẫn, hãy chọn nút Title
, nhâp chuột tại 1 vị trí muốn thể hiện, gõ các Macro sau
Hình 3.17
Khi đó trên sơ đồ sẽ có các dòng tương ứng (Hình 3.18)

Hình 3.18
Khai báo các thuộc tính cần tính toán?

Từ thanh Menu chọn View\Analysis Properties
Hình 3.19
Sau đó đánh dấu chọn như Hình 3.20, Hình 3.21
33
Hình 3.20
Hình 3.21
Lưu lại file Sơ đồ sơ đồ? Files \ Save hoặc Save As
Trước khi tính toán, bạn nên lưu lại file sơ đồ đường dẫn
34
Tính toán các ước lượng?
Nhấp nút
Các kết quả sẽ được tính toán
Thể hiện kết quả?

Hình 3.22
Chọn nút này để thể

hiện kết quả tính
toán lên sơ đồ
Chuyển đổi cách thể

hiện dạng không
chuẩn hoá/ chuẩn
hoá
35
Kết quả dạng sơ đồ chưa chuẩn hoá
Hình 3.23
.73
1
e1 sup3
.98 .92
1 Chi-square= 403.140 ; df= 209 ; P= .000 ;
e2 sup4 .65 1.48 Chi-square/df = 1.929 ;
.71
1 .92 GFI= .858 ; TLI = .909 ; CFI = .925 ;
e3 sup5 lanh dao RMSEA= .068
.92
1
e4 sup6 .89
1.07 1.00
1
e5 1.18 sup7 .96
1
e6 prom1 1.07 1.43
.81
1 1.03
e7 prom2 .65
1.39 thang tien
1
e8 prom3 .83
.95 .67
1 1.00
e9.52 prom4 .60
1 .52
e10 cow1 1.04 1.23
.61
1 .71
.87
.71 .97
1 .39
e12.78 cow3 1.00 .97
.41
1
e13 pay4 1.14 1.34 1.02
.71
1 .41
1.77 1.14 1.00
1
.73
e15.05 ben4 1.00 .47
1 2.40
1.10
e16 ben2
.40 bao hiem .62 .62
1
e171.01 ben3 1.00
1
e18 work1 .88 1.59 .45 1.03
.78 .34
1
e19 work2 cong viec
.93 .95
1
e20.83 work3 1.00 .94
1
e21 loy1 1.00 1.62
1.68
1
1.15 .99
1
e23 loy3 1.00
36
Kết quả dạng sơ đồ đã chuẩn hoá
Hình 3.24
.63
e1 sup3
.39 .79 Chi-square= 403.140 ; df= 209 ; P= .000 ;
e2 sup4 .62 Chi-square/df = 1.929 ;
.64
.80 GFI= .858 ; TLI = .909 ; CFI = .925 ;
.56
e4 sup6 .75
.58
.76
e5 sup7 .58 .66
e6 prom1 .76
.65
.81
e7 prom2 .48
.41 thang tien
e8 prom3
.60 .64 .48
.78
e9 prom4.72 .45
.28
e10 cow1 .85
.66
.51
.57
.63 .81
.21
e12 cow3 .69 .80 .63
.32
e13 pay4 .83 .67
.71
.24
.43 .84 .66
.52
e15 ben4 .98 .66 .26
.99
e16 ben2
.86 .43 .44
bao hiem
e17 ben3 .55 .93
.23
e18 work1 .74 .70
.65
.17
e19 work2 cong viec
.63 .80
e20 work3 .66 .79 .59
e21 loy1 .81
.48
.58 .70
e23 loy3 .76
37
Kết quả dạng các bảng số liệu
Chọn nút , cửa số Amos Output sẽ xuất hiện

Hình 3.25
Nhấp vào các mục tương ứng bên trái của cửa số Output, bạn sẽ xem các kết quả khác nhau:
Regression Weights: (Group number 1 - Default model) – Bảng các trọng số chưa chuẩn hoá
Estimate S.E. C.R. P Label

sup7 <--- lanhdao 1.000
sup6 <--- lanhdao .895 .085 10.533 ***
sup5 <--- lanhdao .919 .082 11.273 ***
sup4 <--- lanhdao .654 .076 8.637 ***
sup3 <--- lanhdao .917 .082 11.192 ***
prom4 <--- thangtien 1.000
prom3 <--- thangtien .826 .093 8.890 ***
prom2 <--- thangtien 1.030 .091 11.360 ***
prom1 <--- thangtien 1.075 .100 10.735 ***
cow1 <--- dongnghiep 1.037 .087 11.968 ***
cow3 <--- dongnghiep 1.000
cow2 <--- dongnghiep .974 .084 11.619 ***
pay4 <--- luong_thuong 1.138 .122 9.353 ***
ben4 <--- luong_thuong 1.000
pay5 <--- luong_thuong 1.141 .121 9.411 ***
work1 <--- congviec .881 .086 10.224 ***
38
work3 <--- congviec 1.000
work2 <--- congviec .952 .086 11.012 ***
ben3 <--- baohiem 1.000
ben2 <--- baohiem 1.096 .101 10.804 ***
loy1 <--- trungthanh .999 .093 10.774 ***
loy3 <--- trungthanh 1.000
loy2 <--- trungthanh .985 .106 9.338 ***
Standardized Regression Weights: (Group number 1 - Default model)
Estimate
Các trọng số (đã chuẩn hoá)
sup7 <--- lanhdao .762
này cần > 0.5 để thang đo có
sup6 <--- lanhdao .750 thể đạt được giá trị hội tụ.
sup5 <--- lanhdao .799 Trường hợp biến quan sát nào
sup4 <--- lanhdao .625 có trọng số <0.5 thì bạn lần
sup3 <--- lanhdao .793 lượt loại ra.
prom4 <--- thangtien .776
cow1 <--- dongnghiep .846
pay4 <--- luong_thuong .830
ben4 <--- luong_thuong .656
work1 <--- congviec .740
ben3 <--- baohiem .925
ben2 <--- baohiem .992
loy1 <--- trungthanh .812
Covariances: (Group number 1 - Default model) Hiệp phương sai

lanhdao <--> thangtien .961 .158 6.070 ***
lanhdao <--> dongnghiep .646 .130 4.974 ***
lanhdao <--> luong_thuong .671 .143 4.686 ***
lanhdao <--> baohiem .519 .158 3.287 .001
lanhdao <--> congviec .875 .158 5.542 ***
39
lanhdao <--> trungthanh .970 .168 5.791 ***
thangtien <--> dongnghiep .602 .127 4.745 ***
thangtien <--> luong_thuong .707 .145 4.873 ***
thangtien <--> baohiem .389 .152 2.561 .010
thangtien <--> congviec 1.017 .166 6.136 ***
thangtien <--> trungthanh 1.002 .168 5.948 ***
dongnghiep <--> luong_thuong .408 .118 3.466 ***
dongnghiep <--> baohiem .408 .141 2.886 .004
dongnghiep <--> congviec .729 .139 5.237 ***
dongnghiep <--> trungthanh .618 .136 4.536 ***
luong_thuong <--> baohiem .470 .154 3.058 .002
luong_thuong <--> congviec .621 .145 4.287 ***
luong_thuong <--> trungthanh 1.029 .179 5.735 ***
congviec <--> baohiem .454 .163 2.784 .005
baohiem <--> trungthanh .338 .162 2.085 .037
congviec <--> trungthanh .941 .170 5.528 ***
Correlations: (Group number 1 - Default model) Hệ số tương quan
Estimate
lanhdao <--> thangtien .661
lanhdao <--> dongnghiep .480
lanhdao <--> luong_thuong .478
lanhdao <--> baohiem .276
lanhdao <--> congviec .572
lanhdao <--> trungthanh .628
thangtien <--> dongnghiep .454
thangtien <--> luong_thuong .511
thangtien <--> baohiem .210
thangtien <--> congviec .675
thangtien <--> trungthanh .658
dongnghiep <--> luong_thuong .318
dongnghiep <--> baohiem .238
dongnghiep <--> congviec .523
dongnghiep <--> trungthanh .439
luong_thuong <--> baohiem .262
luong_thuong <--> congviec .426
luong_thuong <--> trungthanh .699
congviec <--> baohiem .233
baohiem <--> trungthanh .171
congviec <--> trungthanh .588
40
Variances: (Group number 1 - Default model) Phương sai

lanhdao 1.476 .243 6.068 ***
thangtien 1.431 .232 6.158 ***
dongnghiep 1.227 .194 6.336 ***
luong_thuong 1.337 .274 4.879 ***
congviec 1.586 .255 6.228 ***
baohiem 2.402 .349 6.888 ***
trungthanh 1.619 .273 5.932 ***
e5 1.066 .131 8.165 ***
e4 .920 .111 8.297 ***
e3 .707 .092 7.660 ***
e2 .985 .108 9.147 ***
e1 .730 .094 7.746 ***
e9 .947 .123 7.683 ***
e8 1.388 .156 8.926 ***
e7 .807 .113 7.120 ***
e6 1.177 .150 7.849 ***
e12 .713 .099 7.167 ***
e11 .607 .089 6.816 ***
e10 .525 .089 5.873 ***
e15 1.765 .202 8.718 ***
e14 .706 .126 5.601 ***
e13 .781 .130 5.988 ***
e17 .403 .214 1.885 .059
e16 .049 .253 .194 .847
e20 .934 .136 6.855 ***
e19 .781 .118 6.599 ***
e18 1.014 .130 7.775 ***
e23 1.154 .155 7.456 ***
e22 1.680 .202 8.325 ***
e21 .834 .129 6.481 ***
41
Squared Multiple Correlations: (Group number 1 - Default model) thường gọi là R2
Estimate
loy1 .659
loy2 .483
loy3 .584
work1 .548
work2 .648
work3 .629
ben2 .983
ben3 .856
pay4 .689
pay5 .711
ben4 .431
cow1 .715
cow2 .657
cow3 .632
prom1 .584
prom2 .653
prom3 .413
prom4 .602
sup3 .629
sup4 .390
sup5 .638
sup6 .562
sup7 .581
CMIN
Model NPAR CMIN DF P CMIN/DF

Default model 67 403.140 209 .000 1.929
Saturated model 276 .000 0
Independence model 23 2831.904 253 .000 11.193
RMR, GFI
Model RMR GFI AGFI PGFI

Default model .142 .858 .813 .650
Saturated model .000 1.000
Independence model .812 .262 .195 .240
42
Baseline Comparisons
NFI RFI IFI TLI

Model CFI
Delta1 rho1 Delta2 rho2
Default model .858 .828 .926 .909 .925
Saturated model 1.000 1.000 1.000
Independence model .000 .000 .000 .000 .000
RMSEA
Model RMSEA LO 90 HI 90 PCLOSE

Default model .068 .058 .078 .002
Independence model .226 .219 .234 .000
Bạn hãy dựa vào các kết quả trên và đánh giá về mô hình đo lường?
Mức độ phù hợp chung?

- Chi-square/df = 1.93 (<2); TLI = 0.909 ; CFI=0.925; RMSEA=0.068 (<0.08) nên có thể nói
là mô hình phù hợp với dữ liệu thị trường.
Tuy nhiên, có 1 số chỉ tiêu chưa đạt, theo bạn cải thiện các chỉ tiêu này bằng cách nào?
Giá trị hội tụ?
- Các trọng số (chuẩn hoá) đều > 0.5 và các trọng số (chưa chuẩn hoá) đều có ý nghĩa thống
kê nên các khái niệm đạt được giá trị hội tụ.
Tính đơn nguyên?
Mô hình này đo lường này phù hợp với dữ liệu thị trường, và không có tương quan giữa các
sai số đo lường nên nó đạt được tính đơn nguyên.
43
Độ tin cậy?
Áp dụng công thức và tính Độ tin cậy tổng hợp? Tổng phương sai trích? Và dễ nhất là sử
dụng Cronbach’s Alpha
Bạn còn nhớ thao tác trên SPSS?

Analyze\ Scale\ Reliability Analysis
Hình 3.26
Ví dụ: Với thang đo lãnh đạo
Reliability Statistics Hệ số Cronbach’s Alpha = 0.86 (>0.6) và

Các hệ số tương quan biến – tổng đều > 0.3
Cronbach's N of Items nên thang đo “lãnh đạo” đạt được độ tin cậy
Alpha
.860 5
Item-Total Statistics
Cronbach's
Scale Mean if Scale Variance if Corrected Item- Alpha if Item
Item Deleted Item Deleted Total Correlation Deleted
sup3 20.31 21.391 .728 .819
sup4 19.70 24.163 .563 .858
sup5 20.06 21.343 .736 .817
sup6 19.80 21.340 .699 .826
sup7 20.44 20.529 .674 .835
44
Với thang đo thăng tiến
Bạn có nhận xét gì?

Reliability Statistics
Cronbach's
Alpha N of Items
.835 4
Item-Total Statistics
Cronbach's
Scale Mean if Scale Variance if Corrected Item- Alpha if Item
Item Deleted Item Deleted Total Correlation Deleted
prom1 13.57 14.758 .696 .778
prom2 13.73 15.726 .707 .774
prom3 13.11 16.826 .587 .825
prom4 13.29 15.897 .677 .787
Và tương tự với thang đo cho các khái niệm khác
45
Độ tin cậy tổng hợp, tổng phương sai trích? bạn hãy tính bằng Excel
Bạn hãy tính độ tin cậy tổng hợp, tổng phương sai trích cho các khái niệm khác nhé!
46
Giá trị phân biệt?
Cách dễ nhất là hệ số tương quan giữa các khái niệm thành phần của một khái niệm lớn phải
<0.9 thì mới đạt được giá trị phân biệt.
Một cách khác, cẩn thận hơn, bạn kiểm định xem hệ số tương quan có khác biệt so với 1 hay
không (làm bằng Excel)
n=200 TINV(0.05,198) 1.972

Correlations: (Group number 1 - Default model)
SE= CR=
r SQRT((1-r2)/(n-2)) (1-r)/SE P-value
Estimate
lanhdao <--> thangtien 0.661 0.053 6.36 0.000
lanhdao <--> dongnghiep 0.48 0.062 8.34 0.000
lanhdao <--> luong_thuong 0.478 0.062 8.36 0.000
lanhdao <--> baohiem 0.276 0.068 10.60 0.000
lanhdao <--> congviec 0.572 0.058 7.34 0.000
lanhdao <--> trungthanh 0.628 0.055 6.73 0.000
thangtien <--> dongnghiep 0.454 0.063 8.62 0.000
thangtien <--> luong_thuong 0.511 0.061 8.00 0.000
thangtien <--> baohiem 0.21 0.069 11.37 0.000
thangtien <--> congviec 0.675 0.052 6.20 0.000
thangtien <--> trungthanh 0.658 0.054 6.39 0.000
dongnghiep <--> luong_thuong 0.318 0.067 10.12 0.000
dongnghiep <--> baohiem 0.238 0.069 11.04 0.000
dongnghiep <--> congviec 0.523 0.061 7.87 0.000
dongnghiep <--> trungthanh 0.439 0.064 8.79 0.000
luong_thuong <--> baohiem 0.262 0.069 10.76 0.000
luong_thuong <--> congviec 0.426 0.064 8.93 0.000
luong_thuong <--> trungthanh 0.699 0.051 5.92 0.000
congviec <--> baohiem 0.233 0.069 11.10 0.000
baohiem <--> trungthanh 0.171 0.070 11.84 0.000
congviec <--> trungthanh 0.588 0.057 7.17 0.000
Hàm tính P-value trong Excel ở trên là TDIST(|CR|, n-2, 2)
Bạn sẽ thấy P-value đều <0.05 nên Hệ số tương quan của từng cặp khái niệm khác biệt so với
1 ở độ tin cậy 95% (Mà là hệ số tương quan thì bạn có thể suy ra tiếp rằng nó < 1). Do đó,
các khái niệm đạt được giá trị phân biệt.
47
4. MÔ HÌNH CẤU TRÚC (SEM)
Anh chị hãy lưu lại file trên với 1 tên khác, ví dụ là SEM JDI Loy 1.amw
Sau đó vẽ lại sơ đồ như sau. Chú ý elip của khái niệm trung thành có 1 sai số e24 (bạn có thể
ký hiệu khác, ví dụ là z1 cũng được). Mỗi một biến phụ thuộc trong mô hình cấu trúc phải có
1 sai số.
Hình 4.1
1
e1 sup3
1
e2 sup4
1
e3 sup5 lanh dao
1
e4 sup6
1 1
e5 sup7
1
e6 prom1
1
e7 prom2 e23 e22 e21
thang tien 1 1 1
1
e8 prom3
1 1 loy3 loy2 loy1
e9 prom4
1
e10 cow1 1
1
e11 cow2 dong nghiep trung thanh
1
e12 cow3 1 1
1
e13 pay4
1 e24
1
e15 ben4 1
1
e16 ben2
1 bao hiem
e17 ben3 1
1
e18 work1
1
e19 work2 cong viec
1
e20 work3 1
Tính toán bằng cách bấm vào nút , bạn sẽ có kết quả
48
Hình 4.2
.63
e1 sup3
.39 .79 Chi-square= \chi-square ; df= 209 ; P= .000 ;
e2 sup4 .62 Chi-square/df = 1.929 ;
.64
.80 GFI= .858 ; TLI = .909 ; CFI = .925 ;
.56
e4 sup6 .75
.58
.76
e5 sup7 .58 .66
e6 prom1 .76
.65
.20
.81 e23 e22 e21
e7 prom2 .48
.41 thang tien
e8 prom3 .58 .48 .66
.60 .64 .48
.78 .19 loy3 loy2 loy1
e9 prom4.72 .45
.81
.28 .70
e10 cow1 .85 .76 .66
.66
.51.06
.67 .57
e11 cow2 dong nghiep trung thanh
.63 .81
.21
e12 cow3 .69 .80
.32 .45
e13 pay4 .83 -.09
.71
.24 .14 e24
.43 .84
.52
e15 ben4 .98 .66 .26
.99
e16 ben2
.86 .43
bao hiem
e17 ben3 .55 .93
.23
e18 work1 .74
.65
e19 work2 cong viec
.63 .80
e20 work3 .79
Nghiên cứu của Dung & Nam (2005) chỉ ra rằng các thành phần của sự thoả mãn của nhân
viên với công việc ảnh hưởng đến lòng trung thành, và điều này cũng được kiểm định bởi
nhiều tác giả khác như Yousef(2000), Schepker (2001), Jernigan & ctg (20002). Vì vậy, mô
hình nghiên cứu của bạn dự định có thể như Hình 4.1 và kết quả ước lượng lần đầu tiên như
Hình 4.2
49
Kết quả dạng bảng số liệu
Regression Weights: (Group number 1 - Default model) Đồng nghiệp không có ý

nghĩa thống kê ở độ tin
cậy 90% vì P-value >0.1
trungthanh <--- lanhdao .212 .101 2.096 .036
trungthanh <--- thangtien .204 .119 1.713 .087
trungthanh <--- dongnghiep .068 .090 .755 .450
trungthanh <--- luong_thuong .495 .099 4.983 ***
trungthanh <--- baohiem -.073 .050 -1.470 .142
trungthanh <--- congviec .142 .104 1.372 .170
Khái niệm nào không có ý nghĩa thống kê ở độ tin cậy 90% ta sẽ loại lần lượt ra khỏi mô
hình. (Dĩ nhiên là để tìm được mô hình tốt, bạn có thể phải thử nhiều mô hình khác nhau)
Lưu lại file SEM JDI Loy 1.amw để giữ lại sơ đồ (khi cần, có thể sử dụng lại)
Lưu file SEM JDI Loy 1.amw với tên khác SEM JDI Loy 2.amw
…
Hình 4.3
.62 Chi-square= 188.523 ; df= 84 ; P= .000 ;
Chi-square/df = 2.244 ;
e1 sup3
.39 .79 GFI= .894 ; TLI = .912 ; CFI = .929 ;
RMSEA= .079
e2 sup4 .62
.64
.80
e3 sup5 lanh dao e23 e22 e21
.57
e4 sup6 .75 .57 .48 .67
.58
e5 sup7 .59 .66 .82
.70
e6 prom1 .77 .76 .64
.65
.81 .27
e7 prom2 trung thanh
.42 thang tien
e8 prom3
.59 .65
.77 .48
e9 prom4
e24
.52 .45
.67
e13 pay4 .82
.74
.41 .86
e15 ben4 .64
50
Regression Weights: (Group number 1 - Default model)
P-value của lãnh
đạo, thăng tiến,
Estimate S.E. C.R. P lương thưởng đều
trungthanh <--- lanhdao .241 .098 2.463 .014 <0.05. Nên các biến
trungthanh <--- thangtien .291 .106 2.748 .006 này đều thực sự ảnh
trungthanh <--- luong_thuong .496 .102 4.886 *** hưởng đến lòng
sup7 <--- lanhdao 1.000 trung thành
sup6 <--- lanhdao .898 .085 10.580 ***
sup5 <--- lanhdao .919 .082 11.271 ***
sup4 <--- lanhdao .648 .076 8.569 ***
sup3 <--- lanhdao .911 .082 11.126 *** Và, các trọng số chưa
prom4 <--- thangtien 1.000 chuẩn hoá mang dấu
prom3 <--- thangtien .844 .095 8.886 *** dương cũng cho thấy
prom2 <--- thangtien 1.039 .094 11.100 *** các biến lãnh đạo,
prom1 <--- thangtien 1.089 .103 10.571 *** thăng tiến, lương
pay4 <--- luong_thuong 1.146 .126 9.120 *** thưởng ảnh hưởng tỷ
ben4 <--- luong_thuong 1.000 lệ thuận đến trung
thành
pay5 <--- luong_thuong 1.186 .128 9.267 ***
loy2 <--- trungthanh .994 .108 9.245 ***
loy1 <--- trungthanh 1.014 .095 10.653 ***
loy3 <--- trungthanh 1.000
Standardized Regression Weights: (Group number 1 - Default model)
Estimate
trungthanh <--- lanhdao .232 - Các trọng số chuẩn hoá đều
trungthanh <--- thangtien .273 dương, nên các biến lãnh đạo, thăng
trungthanh <--- luong_thuong .446 tiến, lương thưởng ảnh hưởng thuận
sup7 <--- lanhdao .763 chiều đến trung thành
sup6 <--- lanhdao .754 - lương thưởng tác động mạnh nhất
sup5 <--- lanhdao .800 đến lòng trung thành vì trị tuyệt đối
sup4 <--- lanhdao .621 của trọng số chuẩn hoá là 0.446,
lớn nhất trong 3 số 0.446, 0.273,
sup3 <--- lanhdao .790
0.232.
ben4 <--- luong_thuong .644
51
Squared Multiple Correlations: (Group number 1 - Default model)
Estimate
trungthanh .636
Modification Indices (Group number 1 - Default model)
Covariances: (Group number 1 - Default model)
M.I. Par Change Mô hình có Chi-square càng nhỏ càng

e22 <--> luong_thuong 4.741 .232 tốt. Cột MI gợi ý cho bạn xem nên móc
e22 <--> lanhdao 4.312 -.215 mũi tên hai đầu vào cặp sai số nào để
có thể cải thiện Chi-square. Nếu móc
e13 <--> thangtien 9.951 -.243
giữa e6 và e13 thì hiệp phương sai giữa
e15 <--> thangtien 6.609 .264 chúng sẽ là -0.33 và Chi-square sẽ
e6 <--> lanhdao 4.899 -.196 giảm một lượng là 13.166 so với Chi-
e6 <--> e13 13.166 -.330 square của mô hình ban đầu. Khi đó
e6 <--> e15 5.793 .290 GFI, TLI, CFI … cũng sẽ được cải
e7 <--> e6 7.529 .234 thiện. Khi thêm 1 tham số, nếu Chi-
e9 <--> lanhdao 5.466 .189 square giảm khoảng từ 4 trở lên thì gọi
e9 <--> e14 7.447 .217 là có sự thay đổi đáng kể. Bạn nên chọn
e9 <--> e7 6.705 -.202 những trường hợp mà có MI lớn để ưu
tiên móc trước. Sau đó, chạy lại mô
e1 <--> luong_thuong 10.649 -.238
hình, và xem nên móc tiếp giữa hai sai
e1 <--> thangtien 5.395 .160 số nào để tiếp tục cải thiện…
e1 <--> e22 5.827 -.229
e1 <--> e9 4.866 .164 Tuy nhiên, một mô hình không nên
e2 <--> luong_thuong 4.322 .164 móc quá nhiều mũi tên hai đầu giữa các
e2 <--> e7 6.723 -.198 cặp sai số!
e5 <--> luong_thuong 24.137 .421
e5 <--> e14 7.505 .223
e5 <--> e2 4.470 -.173
Bạn có nhận xét gì về mô hình trên?

- Mô hình ở Hình 4.3 có thể nói là phù hợp với dữ liệu thị trường vì Chi-square=2.24 (<3),
TLI=0.912, CFI=0.929 (>0.9); RMSEA=0.079 (<0.08). Tuy nhiên các chỉ tiêu này chưa phải
tốt lắm!
-Xem bảng Regression Weights, ta thấy cả ba khái niệm Lãnh đạo, thăng tiến, lương thưởng
đều ảnh hưởng thuận chiều đến trung thành và có ý nghĩa thống kê.
-Xem bảng Standardized Regression Weights, ta thấy các trọng số đã chuẩn hoá. Trị tuyệt đối
của các trọng số này càng lớn thì khái niệm độc lập tương ứng tác động càng mạnh đến khái
niệm phụ thuộc. Trường hợp này lương thưởng là yếu tố tác động mạnh nhất (trọng số hồi
quy đã chuẩn hoá bằng 0.446); Mạnh nhì là thăng tiên (trọng số hồi quy đã chuẩn hoá là
0.273) và cuối cùng là lãnh đạo (trọng số hồi quy đã chuẩn hoá là 0.232)
-Ba khái niệm Lãnh đạo, thăng tiến, lương thưởng giải thích được 63.6% biến thiên của trung
thành.
52
Làm sao để mô hình SEM tốt hơn?
- Dựa vào chỉ tiêu MI, bạn sẽ có thể cải thiện mô hình tốt hơn. Hãy xem mô hình ở Hình 4.4
Hình 4.4
.63 Chi-square= 164.976 ; df= 81 ; P= .000 ;

Chi-square/df = 2.037 ;
e1 sup3
.39 .79 GFI= .908 ; TLI = .927 ; CFI = .943 ;
RMSEA= .072
e2 sup4 .62
.64
.80
.57
e4 sup6 .75 .58 .48 .66
.58
e5 sup7 .46 .68 .81
.70
e6 prom1 .68 .76 .63
.31 .63
.80 .28
.41 thang tien
-.33 e8 prom3
.71 .64
.84 .48
e9 prom4
e24
.54 .44
-.20
.67
e13 pay4 .82
.75
.40 .87
e15 ben4 .64
Bạn hãy thử so sánh các chỉ tiêu đánh giá mức độ phù hợp của mô hình ở Hình 4.3 và mô
hình ở Hình 4.4?
53
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 <- luong_thuong 0.436 0.105 0.003 0.432 -0.004 0.005 -0.800
trungthanh <- lanhdao 0.229 0.125 0.004 0.236 0.007 0.006 1.167
trungthanh <- thangtien 0.278 0.132 0.004 0.274 -0.004 0.006 -0.667
Cột Estimate cho thấy ước lượng bình thường với phương pháp ML, Các cột còn lại được
tính từ phương pháp Bootstrap. Cột Mean cho ta trung bình các ước lượng Bootstrap. Bias
(độ chệnh) bằng cột Mean trừ cột Estimate. Cột CR tự tính bằng Excel bằng cách lấy cột
Mean chia cho cột SE-Bias. Trị tuyệt đối CR rất nhỏ so với 2 nên có thể nói là độ chệch là rất
nhỏ, không có ý nghĩa thống kê ở độ tin cậy 95%.
Và như vậy, ta có thể kết luận là các ước lượng trong mô hình (như Hình 4.4) có thể tin cậy
được.
56
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
1 1 1 1
e4 sup6
1 1 loy3 loy2 loy1
e5 sup7
1
e6 prom1 1
1
thang tien
1
e8 prom3
1
1 1
e9 prom4
e24
1
e13 pay4
1
1
e15 ben4 1
Phan tich da nhom

Nhom nu
Model Specification
63
Hình 6.13
1
e1 sup3
1
e2 sup4
1
1 1 1 1
e4 sup6
1 1 loy3 loy2 loy1
e5 sup7
1
e6 prom1 1
1
thang tien
1
e8 prom3
1
1 1
e9 prom4
e24
1
e13 pay4
1
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<0.05) thì chọn mô hình khả biến (có độ tương
thích cao hơn). (Xem Thọ & Trang, 2008, 208).
Bây giờ chúng ta bắt đầu ước lượng mô hình khả biến, mô hình bất biến, và so sánh giữa 2
mô hình.
Bước 1. Ước lượng mô hình khả biến

Files sơ đồ đường dẫn mà bạn đang mở là Sem phan tich da nhom jdi loy mh1.amw
Dữ liệu mà bạn sử dụng cho nó cũng đã được tách thành hai nhóm Nhóm nam, và Nhóm nữ.
Hình 6.12, Hình 6.13 là 2 sơ đồ của nhóm nam và nhóm nữ thể hiện Mô hình khả biến
65
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
.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
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 ;
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
.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
2.19 1.72
1
e15 ben4 1.00
Phan tich da nhom
Nhom nu
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
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
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 ;
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
.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
-.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
1.44 1.04
1
e15 ben4 1.00
Phan tich da nhom
Nhom nam
Hình 6.25
Chi-square= 285.837 ; df= 165 ; P= .000 ;
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
.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
-.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
2.18 1.52
1
e15 ben4 1.00
Phan tich da nhom
Nhom nu
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<0.05) thì chọn mô hình
khả biến (có độ tương thích cao hơn). (Xem Thọ & Trang, 2008, 208).
Như vậy, P-value = 0.017 (<0.05) nên bạn bác bỏ giả thuyết Ho. Chấp nhận H1. Nói cách
khác là Có sự khác biệt về Chi-square giữa mô hình khả biến, và mô hình bất biến. Và bạn sẽ
chọn mô hình khả biến.
Khi chọn mô hình khả biến, ta có thể đưa ra kết luận là Có sự khác biệt trong mối ảnh hưởng
giữa lãnh đạo, thăng tiến, lương thưởng đến lòng trung thành giữa nhóm nhân viên nam, và
nhóm nhân viên nữ.
Trong Hình 6.19, bạn thấy rằng với nhóm nam, yếu tố thăng tiến không tác động đến lòng
trung thành vì P-value = 0.978 (>0.05). Nhưng với nhóm nữ (Hình 6.20) yếu tố thăng tiến lại
tác động đến lòng trung thành (P-value<0.05). Ta cũng thấy rằng, với nhóm nam, yếu tố lãnh
đạo có ảnh hưởng đến lòng trung thành (P-value=0.002), nhưng với nhóm nữ thì không (P-
value=0.521).
73
LỜI KẾT
SEM rất hữu ích cho các nghiên cứu thuộc lĩnh vực khoa học hành vi nói chung (nó
cũng hữu ích với nhiều lĩnh vực khác), và AMOS cũng rất dễ sử dụng. SEM với AMOS
không quá phức tạp khi bạn tiếp cận dưới góc độ ứng dụng. Nếu bạn đã hiểu được hồi quy
trong kinh tế lượng truyền thống thì SEM cũng dễ dàng vậy thôi. Bài giảng này trình bày
những vấn đề quan trọng nhất (nhiều người nghiên cứu thường sử dụng) trong thực hành
SEM với AMOS, các vấn đề khác bạn có thể tự học thêm. Điều quan trọng hơn cả là hãy áp
dụng SEM vào nghiên cứu của bạn, vào công việc của bạn sao cho hiệu quả (khi cần)
Buổi học hôm nay là buổi học cuối của lớp bồi dưỡng cử nhân tài năng nên tôi muốn
nói vài điều với các bạn. Qua sự gặp gỡ với các anh chị, các bạn cựu sinh viên, tôi hiểu rằng:
dù nghề nghiệp sau này của bạn có là người làm nghiên cứu, là người hoạch định chính sách,
là doanh nhân, là nhân viên ở các công ty/tổ chức… thì những điều bạn đã học trong lớp học
này và trong các môn phương pháp nghiên cứu, phân tích dữ liệu và dự báo (mà các giảng
viên của khoá học này có dịp tham gia hướng dẫn các bạn), …, những điều bạn đã trải
nghiệm trong quá trình làm các đề tài NCKH sinh viên… luôn có ích với bạn. Làm NCKH
sinh viên là dịp để bạn gắn lý thuyết với thực tế, tự học nhiều hơn, có động lực hơn trong học
tập… Qua quá trình ấy bạn cũng trưởng thành hơn, cũng đạt được những điều mà bạn đang
khát khao, đang muốn khám phá; và chắc chắn bạn sẽ có thêm những kỷ niệm thật đẹp của
một thời sinh viên. Cũng đừng máy móc khi chỉ áp dụng các nghiên cứu định lượng, cũng
đừng quá chủ quan khi đưa ra các quyết định chỉ dựa vào các nghiên cứu định lượng. Nghiên
cứu của bạn có tham khảo các tạp chí quốc tế và đạt được được các chuẩn mực quốc tế trong
nghiên cứu nhưng nó khó thể có sức sống, và những gợi ý chính sách hợp lý khi bạn không
sâu sát, cọ xát với người dân, với doanh nghiệp, với thị trường, với các nhà hoạch định chính
sách… và thiếu một cái tâm, một dũng khí của người làm nghiên cứu.
Trong năm học này, năm tới, và sau này, các giảng viên chúng tôi luôn hy vọng các
bạn sẽ là những động lực cho các ngành khoa học kinh tế-quản trị còn rất non trẻ và còn
nhiều điều để khám phá ở Việt Nam. Bởi vì, chúng tôi đã thấy một nhóm sinh viên ở ngành
thẩm định giá đang làm một đề tài về “Mô hình thẩm định giá trị tăng thêm của thương hiệu
xanh”, về thẩm định giá các mỏ tài nguyên; một số bạn sinh viên ngành kế hoạch đầu tư đang
khảo sát các doanh nghiệp và ước lượng vấn đề lá chắn thuế nhằm cung cấp dữ liệu đầu vào
cho các công ty tư vấn dự án, những người thẩm định dự án; hay đề tài áp dụng mô hình
TGARCH cho thị trường chứng khoán, thị trường vàng ở VN; một nhóm bạn ở lớp Thẩm
định giá, bất động sản đang nghiên cứu về “Bong bóng” ở thị trường bất động sản VN …
Nhiều thanh niên Trung Quốc (TQ) hiện nay đang có một phương châm là làm gì đó
để người ta phải kính nể TQ, TQ phải là nước “bá chủ toàn cầu” hay tương tự như vậy! Trong
dịp đi Sapa công tác, tiện ghé qua du lịch ở một địa phương ở bên kia biên giới TQ, anh
hướng dẫn viên chỉ tôi một biểu trưng của Trung Quốc rất cao (chừng 15m) và giải thích đó
là một bàn tay nắm lấy cả trái đất! Rất nhiều khách du lịch Việt Nam đến chụp hình bên cạnh
biểu trưng ấy, còn một vài thầy giáo trong đoàn thì không, nhất quyết không! Bạn có biết
người TQ muốn nói điều gì với thế giới qua biểu trưng ấy không? Tôi không biết điều suy
nghĩ của nhiều thanh niên TQ (có thể xuất phát từ một số lãnh đạo TQ) có tốt hay không;
nhưng tôi mong bạn có một tình yêu đất nước, yêu con người, yêu hoà bình chứ không muốn
các bạn có những suy nghĩ dân tộc hẹp hòi, hay suy nghĩ rằng một dân tộc có thể giẫm chân
lên các dân tộc khác như nhiều bạn thanh niên TQ ấy! Hãy làm điều gì đó có ích cho cả cộng
đồng, cho con người nói chung và được nhiều bạn bè quốc tế yêu mến, quý trọng!
Xin chân thành cảm ơn các bạn đã tham gia khoá học! Các thầy cô giáo chúng tôi cảm
thấy rất vui, rất tự hào khi được trao đổi, hướng dẫn các bạn trong thời gian qua. Và chúng tôi
cũng mong mỏi rằng các bạn sinh viên sẽ cảm thấy tự tin, tự hào khi đã từng học tập ở một
trường đại học của Việt Nam (với các bạn, là Trường ĐH Kinh tế TPHCM) dù sau này bạn
có học tập thêm, và làm việc ở bất cứ nơi đâu trên trái đất này. Chúc bạn thành công!
74
Tài liệu tham khảo
Anderson, J.C & Gerbing, D.W (1988) “Structural Equation Modeling in practice: a review
and recommended two-step approach”, Psychological Bulletin, 103 (3): 411-423
Arbuckle, J.L (2008), AMOS 16 User's Guide, SPSS Inc
Albright, J.J (2006), Confirmatory Factor Analysis using AMOS, LISREL, AND MPLUS,
The Trustees of Indiana University, www.indiana.edu/~statmath
Bentler, P. M. & Bonett, D. G., (1980), “Significane tests and goodness of fit in the analysis
of covariance structures”, Psychological Bulletin, Vol 80, 600
Carmines, E. & McIver, J., (1981) Analyzing models with unobserved variables: analysis of
covariance structures, Beverly Hills, CA: Sage Publications, 65 115
Trần Thị Kim Dung, Trần Hoài Nam (2005), Nhu cầu, sự thoả mãn của nhân viên và mức
độ gắn kết đối với tổ chức, Đề tài NCKH Cấp bộ, Trường ĐH Kinh tế TPHCM
Gerbing W.D. & Anderson, J.C (1988), “An update paradigm for scale development
incorporating unidimensionality and its assessment”, Journal of Marketing Research, 25(2):
186-192
Hair, Anderson, Tatham, Black (1998), Multivariate Data Analysis, Prentical-Hall
International, Inc.
Hair, Black, Babin, Anderson, Tatham (2006), Multivariate Data Analysis, Prentical-Hall
International, Inc.
Nguyễn Trọng Hoài (2001), Mô hình hoá và dự báo chuỗi thời gian trong kinh doanh &
kinh tế, NXB ĐHQG TPHCM
Jabnoun & Al-Tamimi (2003) “Measuring perceived service quality at UAE commercial
banks”, International Journal of Quality and Reliability Management, (20), 4
Nunnally & Burnstein (1994) Pschychometric Theory, 3rd edition, NewYork, McGraw
Hill
Pont, M., Mc Quilken, L. (2002), “Testing the Fit of the BANKSERV Model BANKPERF”,
ANZMAC 2002 Conference Proccedings, Deankin University
Steiger, J, H., (1990), “Structural Modeling Evaluation and Modification: An Interval
Estimation Approach”, Multivariate Behavioral Research, Vol.25 , 176
Schumacker, R. E. & Lomax, R. G. (2006), A beginner’s guide to Structural Equation
Modeling, Lawrence Erlbaum associates, publisher, London
Nguyễn Đình Thọ, Nguyễn Thị Mai Trang (2008), Nghiên cứu khoa học marketing - ứng
dụng mô hình cấu trúc tuyến tính SEM, NXB ĐHQG TPHCM
Hoàng Trọng, Chu Nguyễn Mộng Ngọc (2008) Phân tích dữ liệu nghiên cứu với SPSS,
NXB Hồng Đức
75
Phụ lục 1
PHIEÁU KHAÛO SAÙT VEÀ MÖÙC ÑOÄ THOÛA MAÕN CUÛA NHAÂN VIEÂN
PHAÀN I. Anh/chò vui loøng cho bieát möùc ñoä ñoàng yù cuûa mình veà caùc phaùt bieåu döôùi ñaây. Ñoái vôùi
moãi phaùt bieåu, anh chò haõy caùch ñaùnh daáu X vaøo moät trong caùc caùc con soá töø 1 ñeán 7; theo quy öôùc
laø 1:hoaøn toaøn khoâng ñoàng yù,.. , 4:phaân vaân, …, 7:hoaøn toaøn ñoàng yù; Soá caøng lôùn laø anh/chò caøng
ñoàng yù.
Maõ soá Caùc phaùt bieåu Möùc ñoä ñoàng yù
work 1 Coâng vieäc cho pheùp anh/chò söû duïng toát caùc naêng löïc caù nhaân 1 2 3 4 5 6 7
work 2 Coâng vieäc raát thuù vò 1 2 3 4 5 6 7
work 3 Coâng vieäc coù nhieàu thaùch thöùc 1 2 3 4 5 6 7
work 4 Khi coâng vieäc hoaøn thaønh toát, seõ ñöôïc coâng ty raát hoan ngheânh 1 2 3 4 5 6 7
pay 1 Anh/ chò ñöôïc traû löông cao 1 2 3 4 5 6 7

pay 2 Anh/ chò thöôøng ñöôïc taêng löông 1 2 3 4 5 6 7
pay 3 Anh/ chò coù theå soáng hoaøn toaøn döïa vaøo thu nhaäp töø coâng ty 1 2 3 4 5 6 7
pay 4 Tieàn löông töông xöùng vôùi keát quaû laøm vieäc 1 2 3 4 5 6 7
pay 5 Tieàn löông, thu nhaäp ñöôïc traû coâng baèng 1 2 3 4 5 6 7
ben 1 Coâng ty coù cheá ñoä phuùc lôïi toát 1 2 3 4 5 6 7

ben 2 Coâng ty thöïc hieän cheá ñoä baûo hieåm xaõ hoäi toát 1 2 3 4 5 6 7
ben 3 Coâng ty thöïc hieän cheá ñoä baûo hieåm y teá toát 1 2 3 4 5 6 7
ben 4 Anh chò haøi loøng vôùi cheá ñoä tieàn thöôûng cuûa coâng ty 1 2 3 4 5 6 7
env 1 Coâng vieäc khoâng bò aùp löïc cao 1 2 3 4 5 6 7

env 2 Coâng vieäc khoâng ñoøi hoûi thöôøng xuyeân phaûi laøm ngoaøi giôø 1 2 3 4 5 6 7
env 3 Trang thieát bò nôi laøm vieäc an toaøn, saïch seõ 1 2 3 4 5 6 7
env 4 Coâng vieäc oån ñònh, khoâng phaûi lo laèng veà maát vieäc laøm 1 2 3 4 5 6 7
cow 1 Ñoàng nghieäp cuûa anh/chò thoaûi maùi vaø deã chòu 1 2 3 4 5 6 7
cow 2 Anh/ chò vaø caùc ñoàng nghieäp phoái hôïp laøm vieäc toát 1 2 3 4 5 6 7
cow 3 Nhöõng ngöôøi maø anh/ chò laøm vieäc vôùi thöôøng giuùp ñôõ laãn nhau 1 2 3 4 5 6 7
cow 4 Anh/ chò caûm thaáy coù nhieàu ñoäng löïc trau doài chuyeân moân khi ñöôïc laøm vieäc vôùi
1 2 3 4 5 6 7
caùc ñoàng nghieäp cuûa mình
prom1 Anh/ chò ñöôïc bieát nhöõng ñieàu kieän ñeå ñöôïc thaêng tieán 1 2 3 4 5 6 7
prom2 Coâng ty taïo cho anh chò nhieàu cô hoäi thaêng tieán 1 2 3 4 5 6 7
Prom3 Anh/ chò ñöôïc cung caáp kieán thöùc/ kyõ naêng caàn thieát cho coâng vieäc 1 2 3 4 5 6 7
Prom4 Coâng ty taïo cho anh/chò nhieàu cô hoäi phaùt trieån caù nhaân 1 2 3 4 5 6 7
76
sup 1 Caáp treân hoûi yù kieán anh/chò khi coù vaán ñeà lieân quan ñeán coâng vieäc cuûa anh/chò 1 2 3 4 5 6 7
sup 2 Caáp treân khuyeán khích caáp döôùi tham gia vaøo nhöõng quyeát ñònh quan troïng 1 2 3 4 5 6 7
sup 3 Nhaân vieân ñöôïc söï hoã trôï cuûa caáp treân 1 2 3 4 5 6 7
sup 4 Coâng ty hoaït ñoäng coù hieäu quaû 1 2 3 4 5 6 7
sup 5 Nhaân vieân ñöôïc toân troïng vaø tin caäy trong coâng vieäc 1 2 3 4 5 6 7
sup 6 Laõnh ñaïo coù taùc phong lòch söï, hoøa nhaõ 1 2 3 4 5 6 7
sup 7 Nhaân vieân ñöôïc ñoái xöû coâng baèng, khoâng phaân bieät 1 2 3 4 5 6 7
PHAÀN II. Anh/chò vui loøng cho bieát möùc ñoä ñoàng yù cuûa mình veà caùc phaùt bieåu döôùi ñaây
loy1 Anh/chò coù yù ñònh ôû laïi laâu daøi cuøng coâng ty 1 2 3 4 5 6 7

loy2 Neáu coù nôi khaùc coù lôøi ñeà nghò löông boång töông ñoái haáp daãn hôn, anh/chò vaãn seõ ôû
1 2 3 4 5 6 7
laïi cuøng coâng ty
loy3 Veà nhieàu phöông dieän, anh chò coi coâng ty laø maùi nhaø thöù hai cuûa mình 1 2 3 4 5 6 7
PHAÀN III. Xin vui loøng cho bieát ñoâi neùt veà coâng vieäc vaø baûn thaân anh/chò
1. Boä phaän coâng taùc cuûa anh chò trong coâng ty :………………………………………………………………………
2. Vò trí coâng taùc cuûa anh chò thuoäc nhoùm:
Nhaân vieân ôû caùc boä phaän Caùn boä quaûn lyù ôû caùc boä phaän (toå tröôûng)
Tröôûng/phoù phoøng ban hoaëc töông ñöông
3. Giôùi tính: Nam Nöõ
4. Trình ñộ chuyeân moân:
Trung caáp Cao ñaúng Ñaïi hoïc Sau ñaïi hoïc
5. Tuoåi ñôøi cuûa anh/chò:……………………………tuoåi
6. Thôøi gian laøm vieäc taïi coâng ty:
Döôùi 5 naêm Töø 5-<10 naêm Töø 10 - <15 naêm Treân 15 naêm
7. Thu nhaäp trung bình/thaùng cuûa anh chò (tính caû caùc khoaûn ngoaøi löông) thuoäc nhoùm:
<3 tr ñ Töø 3 ñ-<5 tr ñ Töø 5 – <7tr ñ Töø 7 tr ñ trôû leân
77
Phụ lục 2
Xin giới thiệu với bạn đọc bài viết sau đây của tác giả Phạm Đức Kỳ - Giảng viên Khoa Quản Lý
Công Nghiệp, Đại học Bách Khoa TPHCM
Tóm lược lý thuyết về SEM 1

Phạm Đức Kỳ
Phần này tóm tắt ngắn gọn và không thiên về đặc tính kỹ thuật của các vấn đề căn bản
có liên quan trong SEM, bao gồm các vấn đề ước lượng, thích hợp mô hình, và các giả thiết
thống kê.
SEM (Structural Equation Modelling) là một kỹ thuật mô hình thống kê rất tổng quát,
được sử dụng rộng rãi trong khoa học nghiên cứu hành vi. Nó có thể được xem là sự kết hợp
của phân tích nhân tố và hồi quy hay phân tích đường dẫn. Sự quan tâm trong SEM thường là
vào các kiến trúc lý thuyết (các khái niệm lý thuyết), được trình bày bởi các nhân tố ngầm
(các khái niệm tiềm ẩn). Các quan hệ giữa các kiến trúc lý thuyết được trình bày bởi các hệ
số hồi quy hay hệ số đường dẫn giữa các nhân tố. SEM ám chỉ 1 cấu trúc của các hiệp tương
quan (covariances_hiệp phương sai) giữa các biến được quan sát, các quan hệ này cho ra một
tên khác là mô hình hóa cấu trúc hiệp tương quan (covariance structure modeling_mô hình
cấu trúc hiệp phương sai). Tuy nhiên, mô hình có thể được mở rộng thêm bao gồm trung
bình của các biến quan sát được hoặc các nhân tố trong mô hình, làm cho tên mô hình hóa
cấu trúc hiệp tương quan ít chính xác. Nhiều nhà nghiên cứu chỉ đơn giản nghĩ mô hình loại
này là “các mô hình Lisrel,” điều này cũng ít chính xác. LISREL là chữ viết tắt của Linear
Structural RELations (các quan hệ cấu trúc tuyến tính), và tên này được Jưreskog sử dụng
cho một trong những chương trình (phần mềm) SEM đầu tiên thông dụng nhất. Các mô hình
phương trình cấu trúc ngày nay không nhất thiết phải tuyến tính, và khả năng mở rộng của
SEM xa hơn phương trình Lisrel ban đầu. Ví dụ, Browne (1993) thảo luận khả năng làm thích
hợp các đường cong phi tuyến.
SEM cung cấp một khung thuận tiện và rất tổng quát cho các phân tích thống kê bao
gồm các thủ tục đa biến truyền thống, ví dụ các trường hợp đặc biệt là phân tích nhân tố,
phân tích hồi quy, phân tích phân biệt, và tương quan canonical. SEM thường được minh họa
bằng biểu đồ đường dẫn (sơ đồ đường dẫn). Phương trình thống kê này thường được trình
bày trong một hệ phương trình ma trận. Trong đầu thập niên 70, khi kỹ thuật này được giới
thiệu lần đầu trong nghiên cứu xã hội và nghiên cứu hành vi, phần mềm thường yêu cầu cài
đặt chỉ rõ mô hình theo điều kiện của những ma trận này. Do đó, các nhà nghiên cứu đã phải
lọc việc trình bày ma trận từ biểu đồ đường dẫn, và cung cấp phần mềm với 1 chuỗi ma trận
cho các tập hợp tham số khác nhau, như là hệ số nhân tố và các hệ số hồi quy. Các phần mềm
được phát triển gần đây cho phép các nhà nghiên cứu chỉ định trực tiếp mô hình như là 1 biểu
đồ đường dẫn. Việc này hiệu quả với các vấn đề đơn giản, nhưng có thể gây mệt mỏi đối với
các mô hình có tính phức tạp hơn. Vì lý do này, phần mềm SEM hiện tại cũng vẫn hỗ trợ các
đặc tính kỹ thuật của mô hình loại câu lệnh-hay ma trận.
Path analysis (phân tích đường dẫn) là kỹ thuật thống kê dùng để kiểm tra quan hệ nhân quả
giữa hai hay nhiều biến (biến quan sát). Dựa trên hệ thống phương trình tuyến tính.
Path analysis là thành phần phụ của SEM, một thủ tục đa biến mà theo định nghĩa của
1
Nguồn: http://www.mba-15.com
Ghi chú: những chữ được in nghiêng đậm và trong ngoặc đơn là do tôi bổ sung thêm, để thống nhất các thuật
ngữ thông dụng nhằm giúp bạn đọc thuận lợi hơn.
78
Ullman (1996), “cho phép kiểm tra một tập quan hệ giữa một hay nhiều biến độc lập, hoặc là
liên tục hoặc là rời rạc, và một hay nhiều biến phụ thuộc, hoặc là liên tục hoặc là rời rạc.”
SEM liên quan đến các biến đo lường được (measured variable) và các biến ngầm (latent
variable_biến tiềm ẩn). Một measured variable là một biến có thể được quan sát trực tiếp và
được đo lường. Biến đo lường được cũng được biết đến như biến quan sát được (observed
variable), biến chỉ báo hay biến biểu thị (indicator or manifest variables). Một latent variable
là một biến không thể được quan sát trực tiếp và phải được suy ra từ measured variable.
Latent variables được ám chỉ bởi hiệp tương quan (covariances) giữa hai hay nhiều measured
variables. Chúng cũng được biết đến như là các nhân tố (nghĩa là, phân tích nhân tố), các biến
kiến trúc hay các biến không quan sát được (constructs or unobserved variables). SEM là sự
kết hợp giữa hồi quy đa biến và phân tích nhân tố. Path analysis chỉ liên quan đến các biến đo
lường (measured variables).
CÁC THÀNH PHẦN CỦA SEM
Có hai thành phần: mô hình đo lường (measurement model) và mô hình cấu trúc (structural
model).
+ Measurement model: liên quan đến quan hệ giữa measured variables và latent variables.
+ Structural model: chỉ liên quan đến các quan hệ giữa các latent variables mà thôi.
Ký hiệu trong SEM:
- Các biến đo lường được: hình chữ nhật hay vuông

- Các biến ngầm: elíp hay hình tròn
- Các khoản sai số: (“nhiễu” của các biến ngầm) được đưa vào biểu đồ SEM, đại diện bởi
“E’s” cho các biến đo lường và “D’s” cho các biến ngầm. Các khoản sai số đại diện phương
sai phần dư trong các biến không được tính cho các đường dẫn (pathways) được giả thiết
trong mô hình.
Tham số của SEM:
- Là các biến, hệ số hồi quy và hiệp tương quan giữa các biến.
- Phương sai có thể được chỉ ra bằng mũi tên hai đầu kết thúc tại cùng một biến, hoặc đơn
giản hơn, ký hiệu bằng số trong hộp vẽ biến hay cung tròn.
- Các hệ số hồi quy được trình bày dọc theo mũi tên một chiều chỉ ra đường dẫn được giả
thiết giữa hai biến (có trọng số được áp dụng cho các biến trong các phương trình hồi quy
tuyến tính)
- Hiệp phương sai được kết hợp với các mũi tên vòng cung hai đầu giữa hai biến hoặc các sai
số và biểu thị vô hướng (no directionality). Data cho SEM là các phương sai mẫu và hiệp
phương sai mẫu lấy từ tổng thể (ký hiệu S, phương sai mẫu quan sát được và ma trận hiệp
phương sai).
KIẾN TRÚC SEM
Mục tiêu trong việc xây dựng 1 sơ đồ đường đẫn (path diagram) hay mô hình phương trình
cấu trúc, là tìm một mô hình đủ thích hợp với dữ liệu (S) để phục vụ như là 1 đại diện có ích
của độ tin cậy và giải thích chi tiết dữ liệu.
79
Có 5 bước trong kiến trúc SEM:
1. Chỉ định mô hình (Model Specification)
2. Nhận dạng mô hình (Model Identification)
3. Ước lượng mô hình (Model Estimation)
4. Đánh giá độ thích hợp của mô hình (Assesing Fit of the Model)
5. Hiệu chỉnh mô hình (Model Modification)
Chỉ định mô hình (Model Specification)
Là việc chính thức bắt đầu một mô hình. Trong bước này, các tham số được xác định là cố
định hay tự do. Tham số cố định (fixed parameters) không được ước lượng từ dữ liệu và được
gán một cách tiêu biểu bằng 0 (chỉ ra không có quan hệ giữa các biến). Các đường dẫn của
các tham số cố định được gắn nhãn số (trừ khi được gán giá trị là 0, trong trường hợp này
không có đường dẫn nào được vẽ) trong biểu đồ SEM. Tham số tự do (Free parameters)
được ước lượng từ dữ liệu quan sát và được người điều tra tin rằng nó khác 0. Việc xác định
tham số nào là cố định hay tự do trong SEM là rất quan trọng vì nó xác định tham số nào sẽ
được sử dụng để so sánh biểu đồ giả thuyết với ma trận hiệp phương sai và phương sai tổng
thể mẫu trong việc kiểm tra tính thích hợp của mô hình (bước 4). Việc chọn tham số nào là cố
định và tham số nào là tự do tùy thuộc vào người nghiên cứu. Sự lựa chọn này trình bày một
giả thuyết tiền đề về đường xu hướng trong hệ thống là quan trọng trong thế hệ của cấu trúc
liên quan của hệ thống được quan sát (ví dụ, phương sai mẫu được quan sát và ma trận hiệp
phương sai).
Nhận dạng mô hình (Model Identification)
Việc nhận dạng quan tâm đến việc có hay không giá trị duy nhất cho mỗi và mọi tham số tự
do có thể thu thập được từ dữ liệu quan sát. Nó phụ thuộc vào việc lựa chọn mô hình và đặc
tính kỹ thuật của các tham số cố định, ràng buộc và tự do. Một tham số bị ràng buộc khi nó
trong một tập hợp với các tham số khác. Các mô hình cần phải được nhận dạng hoàn chỉnh để
có thể ước lượng được (bước 3) và để kiểm định giả thuyết về quan hệ giữa các biến.
Có các dạng mô hình có cấu trúc là just-identified, overidentified, hay underidentified.
+ just-identified model: trong đó tương ứng 1-1 giữa data và các tham số cấu trúc. Nghĩa là,
số phương sai dữ liệu và số hiệp phương sai bằng với số tham số được ước lượng. Tuy nhiên,
mặc dầu khả năng của mô hình là đạt được một giải pháp duy nhất cho tất cả các tham số,
just-identified model không có sự quan tâm của khoa học gia vì bởi nó không có độ tự do và
do đó không thể bị loại bỏ.
+ Overidentified model: là mô hình trong đó số tham số có thể ước lượng được thì nhỏ hơn số
điểm dữ liệu (data points) (nghĩa là, phương sai, hiệp tương quan của các biến quan sát
được). Tình trạng này tạo kết quả ra độ tự do dương cho phép loại bỏ mô hình, do đó được sử
dụng một cách khoa học hơn. Mục đích của SEM là chỉ ra một mô hình như vậy đáp ứng các
tiêu chuẩn của overidentification.
+ Underidentified model: là mô hình trong đó số tham số được ước lượng vượt quá số
phương sai và hiệp tương quan. Như vậy, mô hình bao gồm thông tin không ý nghĩa (từ dữ
80
liệu đầu vào) cho việc đạt được 1 giải pháp xác định về ước lượng tham số; nghĩa là, vô số
các giải pháp là khả dĩ cho 1 underidentified model.
Ước luợng mô hình (Model Estimation)
Trong bước này, các giá trị khởi đầu của tham số tự do được chọn để sinh ra 1 ma trận hiệp
tương quan tổng thể được ước lượng (estimated population covariance matrix), S(q), từ mô
hình. Các giá trị khởi đầu có thể được chọn bởi người nghiên cứu từ thông tin ban đầu, bởi
các chương trình máy tính được sử dụng để xây dựng SEM, hay từ phân tích hồi quy đa biến.
Mục tiêu của ước lượng là để sinh ra một S(q) hội tụ trên ma trận hiệp tương quan tổng thể
quan sát được, S, với ma trậnphần dư (residual matrix) (khác biệt giữa S(q) và S) trở nên tối
thiểu. Nhiều phương pháp có thể được sử dụng để sinh ra S(q). Việc chọn các phương pháp
được hướng dẫn bằng đặc tính của data bao gồm kích thước và phân phối mẫu. Hầu hết các
tiến trình được sử dụng là lặp.
Hình thức tổng quát của hàm tối thiểu là:

Q = (s - s(q))’W(s - s(q))
Trong đó:
s = vector bao gồm phương sai và hiệp phương sai của các biến quan sát được.
s(q) = vector bao gồm các phương sai corresponding và hiệp phương sai như được dự đoán
bởi mô hình.
W = ma trận trọng số
(một vài tác giả xem Q như là F)
Ma trận trọng số, W, trong hàm trên, phù hợp với phương pháp ước lượng được chọn. W
được chọn để tối thiểu Q, và Q(N-1) cho việc thích hợp hàm, trong hầu hết các trường hợp
một thống kê phân phối X2. Kết quả thực hiện của X2 bị ảnh hưởng bởi kích thước mẫu, sai
số phân phối, nhân tố phân phối, và giả thiết rằng các nhân tố và sai số là độc lập (Ullman
1996).
Một vài phương pháp ước luợng được sử dụng thông dụng nhất là:
Generalized Least squares (GLS)

FGLS = ½ tr[([S - S(q)]W-1)2]
Trong đó:
tr = toán tử theo dõi (trace operator), cộng các yếu tố trên đường chéo chính của ma trận
W-1 = ma trận trọng số tối ưu, phải được chọn bởi nhà nghiên cứu (chọn lựa thông thường
nhất là S-1)
Maximum Likelihood (ML)
FML = log|S| - log|S| + tr(SS-1) - p

Trong trường hợp này, W = S-1và p = số lượng biến được đo lường Asymptotically
Distribution Free (ADF) Estimator (Hàm ước lượng tự do phân phối tiệm cận)
FADF = [S - s(q)]’W-1[S - s(q)]
W, trong hàm này, bao gồm các yếu tố xem xét trong kurtosis.
Ullman (1996) và Hoyle (1995) thảo luận về các thuận lợi và giới hạn của các hàm ước lượng
trên đây.
ML và GLS hữu ích cho dữ liệu phân phối chuẩn khi các nhân tố và sai số là độc lập, ADF
81
hữu ích cho các dữ liệu không phân phối chuẩn, nhưng chỉ có giá trị khi kích thước mẫu lớn
hơn 2.500. Ullman chỉ ra hàm ước lượng tốt nhất cho dữ liệu không phân phối chuẩn và/hoặc
phụ thuộc giữa các nhân tố và sai số là Scaled ML. Bất kể hàm nào được chọn, kết quả mong
đợi của tiến trình ước lượng là đạt được một hàm thích hợp gần đến 0. Một hàm thích hợp với
số điểm là 0 chỉ ra rằng ma trận hiệp phương sai được ước lượng của mô hình và ma trận hiệp
phương sai mẫu nguyên thủy là tương đương.
Đánh giá độ thích hợp của mô hình (Assesing Fit of the Model)
Như đã phân tích, giá trị hàm thích hợp gần đến 0 được mong đợi cho độ thích hợp mô hình.
Tuy nhiên, nói chung, nếu tỷ số giữa X2và bậc tự do nhỏ hơn 3, mô hình là thích hợp tốt
(Ullman 1996).
Để có độ tin cậy trong kiểm định độ thích hợp mô hình, kích thước mẫu từ 100 đến 200 được
yêu cầu (Hoyle 1995).
Ullman (1996) thảo luận sự đa dạng của các hàm thích hợp phân phối không-X2, mà ông ta
gọi là “các chỉ số thích hợp so sánh (comparative fit indices.)” Hoyle (1995) đề cập đến điều
này như “các chỉ số thích hợp phụ thuộc (adjunct fit indices).” Một cách căn bản, những
phương pháp này so sánh độ thích hợp của một mô hình độc lập (một mô hình khẳng định
không có quan hệ giữa các biến) để thích hợp mô hình được ước lượng. Kết quả của việc so
sánh này thì thường là một số giữa 0 và 1, với 0.90 hoặc lớn hơn được chấp nhận như là các
giá trị chỉ ra độ thích hợp. Cả Hoyle và Ullman đề nghị sử dụng nhiều chỉ số khi xác định các
độ thích hợp mô hình.
Hiệu chỉnh mô hình (Model Modification)
Nếu ma trận phương sai/hiệp phương sai được ước lượng bằng mô hình không mô phỏng một
cách thích hợp ma trận phương sai/hiệp phương sai mẫu, các giả thuyết có thể được hiệu
chỉnh và mô hình được kiểm định lại. Để điều chỉnh 1 mô hình, các đường dẫn mới được vẽ
thêm hay các đường dẫn cũ được bỏ đi. Nói cách khác, các tham số được thay đổi từ cố định
tới tự do hoặc từ tự do đến cố định. Điều quan trọng để nhớ là khi trong các thủ tục thống kê
khác, là việc hiệu chỉnh mô hình sau việc kiểm định lần đầu làm gia tăng cơ hội của vấp phải
sai lầm loại I.
Các thủ tục thông thường được sử dụng cho việc hiệu chỉnh mô hình là Lagrange Multiplier
Index (LM) và Kiểm định Wald. Cả hai loại kiểm định này báo cáo các thay đổi trong giá trị
X2 khi các đường dẫn được điều chỉnh.
LM yêu cầu dù có hay không việc gia tăng các tham số tự do gia tăng sự thích hợp của mô
hình. Kiểm định Wald yêu cầu có hay không việc xóa bỏ các tham số tự do gia tăng sự thích
hợp mô hình.
Để điều chỉnh tỷ lệ sai lầm loại 1 gia tăng, Ullman (1996) yêu cầu sử dụng một giá trị xác
suất thấp (p<0.01) khi tăng thêm hay bỏ các tham số. Ullman cũng yêu cầu so sánh giá trị
chéo (cross-validation) với các mẫu khác. Vì trật tự của các tham số tự do có thể ảnh hưởng
đến việc lựa chọn của các tham số khác, LM nên được áp dụng trước kiểm định Wald (nghĩa
82
là, cộng thêm vào tất cả các tham số trước khi bắt đầu xóa chúng) (MacCullum 1986, đã trích
dẫn của Ullman 1996).
Trình bày mô hình cuối cùng (Final Presentation of Model)
Khi mô hình đã đạt được độ thích hợp chấp nhận được, các ước lượng riêng biệt về các tham
số tự do được đánh giá. Các tham số tự do được so sánh với giá trị rỗng (null value), sử dụng
thống kê phân phối z. Thống kê z đạt được bằng cách chia tham số ước lượng cho sai số
chuẩn của ước lượng đó. Tỷ lệ của kiểm định này phải vượt +/-1.96 để quan hệ trở nên có ý
nghĩa. Sau khi các quan hệ riêng biệt trong mô hình được đánh giá, các ước lượng tham số
được chuẩn hóa cho việc trình bày mô hình cuối cùng. Khi các ước lượng tham số được
chuẩn hóa, chúng có thể được giải thích tham chiếu với các tham số khác trong mô hình và
cường độ của đường xu hướng có liên quan trong mô hình có thể được so sánh.
83
Phụ lục 3
Nhằm tạo thuận lợi cho bạn đọc khi tìm hiểu SEM, xin giới thiệu với bạn đọc nghiên cứu sau
đây (có áp dụng SEM) tác giả Phạm Đức Kỳ, Bùi Nguyên Hùng. Bạn nên đọc thêm các nghiên cứu
khác đã được phát trong lớp, và một số bài viết dưới dạng file pdf đã được gửi qua email. Tác giả
của quyển bài giảng này lựa chọn 2 bài nghiên cứu này để giới thiệu với các bạn bởi 2 tác
giả của bài nghiên cứu viết rất tốt, lĩnh vực lòng trung thành, dịch vụ thông tin di động cũng
gần gũi với rất nhiều bạn.
Bài viết 1.
Nghiên cứu mô hình sự trung thành của khách hàng dịch vụ thông tin di động tại Việt Nam
Phạm Đức Kỳ, Bùi Nguyên Hùng
Khoa Quản lý Công Nghiệp-ĐHBK TP.HCM
I. GIỚI THIỆU
Trong bối cảnh khi mà thị trường thông tin di động (TTDĐ) các nước cạnh tranh mạnh mẽ do
mở cửa thị trường và giảm mạnh các ưu thế của vị thế độc quyền, với sự tham gia của nhiều
nhà cung cấp, dùng các chiến lược cạnh tranh hỗn hợp bao gồm các chiến lược về giá cước,
chất lượng dịch vụ cơ bản, dịch vụ gia tăng, quảng cáo khuyến mãi, giảm giá và chăm sóc
khách hàng (CSKH), tạo cho họ ngày càng có nhiều sự lựa chọn, với xu hướng chuyển sang
mạng khác hấp dẫn hơn, tác động đến sự bền vững về thuê bao của các mạng di động.
Các nghiên cứu thực nghiệm tại nhiều nước trên thế giới trong lĩnh vực TTDĐ như Ấn Độ[1],
Canada, Mỹ[14] và Trung Quốc[21], cho thấy mô hình chất lượng dịch vụ theo Parasuraman và
các mô hình truyền thống khác[9] không đủ để giải thích sự thoả mãn và sự trung thành của
khách hàng. Một số nghiên cứu gần đây tại Bangladesh, Hàn Quốc, Đài Loan đã đề cập thêm
một số nhân tố tác động khác (chi phí vật chất, tinh thần, rủi ro, sức hấp dẫn của dịch vụ thay
thế, mức độ mật thiết trong quan hệ cá nhân giữa khách hàng và nhà cung cấp,..) mà khách
hàng phải cân nhắc mỗi khi có ý định chuyển sang nhà cung cấp khác[10] [22]. Kết quả nghiên
cứu của tác giả M-K Kim tại Hàn Quốc còn chỉ ra rằng khách hàng mặc dù thoả mãn với chất
lượng dịch vụ của nhà cung cấp hiện tại nhưng vẫn chuyển sang nhà cung cấp khác, hoặc sử
dụng nhiều dịch vụ của nhiều nhà cung cấp đồng thời.Các tác giả Fornell, 1992; Ahmad &
Buttle, 2002 cũng cho rằng một khi thị trường đã trở nên cạnh tranh quyết liệt thì chiến lược
phòng thủ để duy trì khách hàng hiện có còn quan trọng hơn so với chiến lược công kích
nhằm mở rộng quy mô toàn bộ thị trường bằng nỗ lực gia tăng các khách hàng tiềm năng[12].
Chiến lược phòng thủ của nhà cung cấp truyền thống Telstra(Australia) trước sự thâm nhập
của Optus (Anh-Mỹ) năm1990 là một ví dụ điển hình[3]
Thị trường TTDĐ tại Việt Nam đang trong giai đoạn chuyển dần từ một thị trường độc quyền
do nhà nước kiểm soát sang thị trường cạnh tranh với tốc độ phát triển công nghệ di động
nhanh, chu kỳ công nghệ rút ngắn, lợi thế do chi phí đầu tư ngày càng giảm đã mang đến
những cơ hội cho nhà cung cấp dịch vụ mới tham gia thị trường, đồng thời là thách thức đối
84
với nhà cung cấp dịch vụ hiện tại. Cạnh tranh giữa các mạng TTDĐ hiện nay chủ yếu dựa
vào giảm giá cước và khuyến mãi liên tục tạo nên làn sóng thuê bao di chuyển từ mạng này
sang mạng khác ngày càng phổ biến. Tỷ lệ thuê bao ngưng hoạt động so với tổng thuê bao
trên mạng hiện chiếm tỷ lệ rất lớn ở mạng VinaPhone (1/4), MobiFone (1/3), Viettel(1/2) &
S-Fone (2/3). Kết cục của kiểu cạnh tranh bằng giá cước đã dẫn tới tình trạng trong tổng số
14.3 triệu thuê bao công bố, thực chất chỉ có 10.4 triệu thuê bao thực hoạt động, do số thuê
bao “ảo” chiếm từ 25-30% (một khách hàng sử dụng cùng lúc từ 2-3 mạng di động). Tình
trạng này cho thấy khách hàng hiện nay không còn trung thành với nhà cung cấp như trong
thị trường độc quyền trước năm 2003[19].
Trong tương lai, khi số thuê bao ngày càng tiến đến điểm bão hoà và giá cước không còn là
lợi thế đối với riêng doanh nghiệp (DN) nào thì việc tìm kiếm và tạo khách hàng mới sẽ rất
khó khăn, đòi hỏi nhiều chi phí dành cho quảng cáo-khuyến mãi[12],
Xét ở góc độ vĩ mô, thực trạng trên thể hiện một thị trường phát triển thiếu bền vững, tiêu cực
và lãng phí tài nguyên của ngành[19]
Vì vậy, việc nghiên cứu mô hình trung thành của khách hàng dịch vụ TTDĐ tại Việt Nam có
ý nghĩa về mặt nghiên cứu khám phá, đóng góp một thang đo mới và một mô hình lý thuyết
mới. Về mặt thực tiễn, việc “giữ chân” khách hàng, làm cho khách hàng trở nên trung thành
hơn mang tính cấp thiết, đặc biệt đối với hai nhà cung cấp dịch vụ truyền thống hiện nay là
MobiFone và VinaPhone, khi mà thị trường TTDĐ tại Việt Nam đang trong giai đoạn phát
triển mạnh, vì tỷ lệ thâm nhập hiện mới chỉ đạt 14 máy/100 dân, còn thấp hơn nhiều so với
các nước trong khu vực và thế giới (70-80 máy/100 dân). Kết quả nghiên cứu sẽ cung cấp
thông tin cho các nhà quản lý hoạch định chiến lược sử dụng hiệu quả nguồn tài nguyên viễn
thông, đồng thời giúp các nhà cung cấp dịch vụ TTDĐ hoạch định và thực hiện hiệu quả hơn các hoạt
động tiếp thị, CSKH.
II. CÁC MÔ HÌNH NGHIÊN CỨU SỰ TRUNG THÀNH CỦA KHÁCH HÀNG TTDĐ
Nhiều nghiên cứu trước đây đã đề cập mối quan hệ nhân quả giữa chất lượng dịch vụ, sự thỏa
mãn và sự trung thành trong mô hình truyền thống được tổng quát hoá như Hình 1:
Hình 1. Mô hình tích hợp sự trung thành của khách hàng [9]
85
Sự thỏa mãn là sự đáp ứng và sự đánh giá của khách hàng về trạng thái mãn nguyện (Oliver,
1997)[12]. Sự thỏa mãn theo Parasuraman (1994) là kết quả tổng hợp của Chất lượng dịch vụ,
Chất lượng sản phẩm và Giá hoặc theo Mittal et al (1998) là Chất lượng dịch vụ cốt lõi, Dịch
vụ cá nhân và Giá [22]. Trong lĩnh vực dịch vụ TTDĐ thoả mãn cũng được đo lường thông qua
05 thành phần chất lượng dịch vụ của Parasuraman[5][7][10][17][20], theo M-K. Kim et al, là: Chất
lượng cuộc gọi, Dịch vụ gia tăng, Cấu trúc giá cước, Dịch vụ khách hàng và Sự thuận tiện [12]
. Mô hình đo lường khái niệm sự trung thành đã tiến triển qua ba giai đoạn, đầu tiên nó chỉ
đo “hành vi mua lặp lại” (Jacoby & Chestnut, 1978) được đánh giá là quá giản lược do bỏ
qua các yếu tố tình huống (Omally, 1998; Dick & Basu, 1994), hoặc không thể giải thích sự
trung thành “tự nguyện” hay trung thành “ép buộc” (Hirschman, 1970; Johnson, 1982;
Levinger,1979; Ping, 1993) nên yếu tố “thái độ” đã được đưa vào giải thích cho sự trung
thành (Linderstat, 1998)[9]. Cuối cùng yếu tố “nhận thức“ được đưa vào vì khách hàng phải
trải qua giai đoạn “trung thành nhận thức” trên cơ sở kiến thức hay niềm tin đã có về thương
hiệu (Glember & Brown, 1996). Như vậy, sự trung thành đòi hỏi cùng lúc niềm tin (nhận
thức), cảm tình (thái độ) và hành động mua lặp lại (hành vi)[9]. Đây là phương pháp tiếp cận
kiểu “tích hợp”. Sự thỏa mãn cao sẽ giảm bớt lợi ích cảm nhận của các dịch vụ thay thế và
dẫn đến sự trung thành cao hơn (Anderson & Sullivan, 1993), chất lượng nhận thức và sự
thỏa mãn ảnh hưởng đến sự trung thành (Johny, 2001), sự thỏa mãn dẫn đến hành vi mua lại
và dẫn đến sự trung thành. Kết quả các nghiên cứu thực nghiệm ở 100 công ty thuộc 13
ngành dịch vụ (có ngành viễn thông) có thể tổng quát hoá như hình 2, nghĩa là chất lượng
nhận thức có thể ảnh hưởng trực tiếp lên sự trung thành hoặc cũng có thể ảnh hưởng gián tiếp
lên sự trung thành thông qua sự thỏa mãn.
Hình 2: Mô hình lý thuyết sự trung thành của khách hàng [9]
Hạn chế của mô hình này là quá giản lược không thể hiện đầy đủ các yếu tố tác động đến sự
trung thành. Phương pháp tiếp cận khái niệm sự trung thành kiểu “tích hợp” được sử dụng
trong nhiều nghiên cứu tại Mỹ, Canada, châu Âu [14], Ấn Độ [1] trong lĩnh vực dịch vụ TTDĐ
86
thể hiện rõ tính đa hướng của sự trung thành nhưng về cơ bản vẫn là mô hình truyền thống
nêu trên (Hình 1).
1. Mô hình tiếp cận theo kiểu”Rào cản chuyển đổi”
Do cấu trúc thị trường và bản chất cạnh tranh đã biến đổi trong những năm gần đây, nhiều
nghiên cứu cho thấy các mô hình truyền thống về sự trung thành kém phù hợp để giải thích
thực tiễn về cạnh tranh trong các ngành dịch vụ nói chung, và ngành dịch vụ TTDĐ nói riêng.
Các nhà nghiên cứu cũng đã phát hiện các khái niệm mới có tác động điều chỉnh đối với các
mô hình truyền thống. Cụ thể, các mô hình nghiên cứu tại thị trường một số nước châu Á gần
đây thường tiếp cận theo khái niệm “Rào cản chuyển đổi nhà cung cấp”, đề cập tình huống
khách hàng không thỏa mãn dịch vụ hiện tại, muốn chuyển sang dịch vụ khác sẽ gặp phải
gánh nặng như khó khăn về tài chính, tâm lý, xã hội, rủi ro,…(Hình 3).
Hình 3: Mô hình lý thuyết sự trung thành của khách hàng dịch vụ TTDĐ
Rào cản chuyển đổi nhà cung cấp trong lĩnh vực dịch vụ TTDĐ thường đề cập là 1) Chi phí
chuyển đổi (tổn thất do chuyển đổi, chi phí thích nghi mới và chi phí gia nhập mới), 2) Sự
hấp dẫn của mạng khác (về danh tiếng, hình ảnh, chất lượng, giá cước,..) và 3) Quan hệ
khách hàng (thăm hỏi, chăm sóc, tin cậy, mật thiết, trao đổi thông tin,…giữa khách hàng với
nhân viên nhà cung cấp dịch vụ)[10][12][13][22]. Rào cản chuyển đổi càng cao càng có tác dụng
giữ chân khách hàng. Người ta thường chia rào cản chuyển đổi ra làm hai loại: rào cản tiêu
cực (loại thứ nhất), rào cản tích cực (loại thứ 2 &3); hoặc phân biệt bằng: rào cản nội sinh
(loại thứ 1&3); rào cản ngoại sinh (loại thứ 2)
2. Mô hình tiếp cận kiểu “tích hợp”
Phân tích sâu mô hình khảo sát chỉ số hài lòng của khách hàng một số ngành dịch vụ tại thị
trường Mỹ, châu Âu cũng như mô hình nghiên cứu sự thỏa mãn của khách hàng dịch vụ di
động tại Canada, dựa theo mô hình Fornell at al (1996)[14] thì quan hệ giữa sự thoả mãn và sự
trung thành được sử dụng như một khái niệm đồng nhất (Hình 4), trong đó sự trung thành
tiềm ẩn gồm các thành phần: “Khả năng mua lại” (Nhận thức), “ Mức độ chấp nhận giá”
(Thái độ) và “Sự than phiền” (Hành vi).
87
Hình 4: Mô hình lý thuyết sự trung thành khách hàng dịch vụ TTDĐ
So với mô hình tiếp cận kiểu rào cản chuyển đổi của M-K.Kim et al (2004)[12], thành phần
“khả năng mua lại” giả thiết không bị ảnh hưởng bởi “rào cản chuyển đổi”, nghĩa là khách
hàng tự do lựa chọn khi có nhu cầu, không bị ràng buộc với nhà cung cấp (thuê bao trả tiền
trước). Ngược lại “mức độ chấp nhận giá” của khách hàng được đo lường trong điều kiện
thực có hiện diện của “Rào cản chuyển đổi”[14] (thuê bao trả tiền sau bị ràng buộc bởi hợp
đồng với nhà cung cấp). “Khả năng mua lại” hàm ý sự ưa thích của khách hàng có tính bền
vững đối với nhà cung cấp (Soderlund,1998), đây là thành phần truyền thống trong mô hình
cổ điển, và “mức độ chấp nhận giá” hàm ý khách hàng trung thành sẵn sàng trả giá cao hơn,
hoặc không chuyển sang nhà cung cấp khác có giá thấp hơn để tránh rủi ro cảm nhận do xảy
ra sự thay đổi nào đó. Khách hàng càng có quan hệ lâu dài và càng trung thành thì mức độ
chấp nhận giá càng cao, ít so sánh giá với nhà cung cấp khác (Ruyter et al, 1999)[14] .
3. Đánh giá các mô hình
Khi nghiên cứu sự trung thành của khách hàng dịch vụ TTDĐ, các nhà nghiên cứu thường
tiếp cận theo hai trường phái: Các mô hình nghiên cứu tại thị trường châu Âu và Bắc Mỹ
(Hoa Kỳ, Canada) tiếp cận kiểu tích hợp theo Thái độ, Nhận thức và Hành vi thể hiện qua
“Mức độ chấp nhận giá”, “Khả năng mua lại” và “Sự than phiền” để giải thích cho sự trung
thành của khách hàng[14].
Các mô hình nghiên cứu tại thị trường châu Á thì tiếp cận theo các yếu tố liên quan đến khó
khăn mà khách hàng gặp phải như: Chi phí vật chất, chi phí tinh thần, rủi ro khi chuyển đổi
nhà cung cấp, tạo nên khái niệm gọi là “Rào cản chuyển đổi” nhà cung cấp dịch
vụ[10][12][13][22]. Hơn nữa các nghiên cứu này còn chứng minh được rằng “Rào cản chuyển đổi”
đóng vai trò biến điều chỉnh mối quan hệ giữa sự thỏa mãn và sự trung thành. Nói cách khác,
với một mức độ thoả mãn nhất định, mức độ trung thành có thể thay đổi tuỳ thuộc biên độ
thay đổi của “Rào cản chuyển đổi” [12]
88
Tóm lại, sự trung thành trong các mô hình châu Au và Bắc Mỹ là một khái niệm hai thứ
nguyên trong đó yếu tố “Mức độ chấp nhận giá” có nguồn gốc từ “rủi ro nhận thức” tương
đương với “rào cản chuyển đổi” trong các mô hình nghiên cứu ở thị trường châu Á. Tuy
nhiên, mô hình châu Au và Bắc Mỹ nhấn mạnh yếu tố giá như một thành phần chính của “rào
cản chuyển đổi” trong khi các mô hình châu Á coi “rào cản chuyển đổi” là sự đánh đổi giữa
giá trị nhận thức và chi phí bỏ ra khi khách hàng có ý định chuyển sang nhà cung cấp khác
(Ratchford, 1982).
4. Đề xuất mô hình cho nghiên cứu thị trường TTDĐ tại Việt Nam
Trong bối cảnh thị trường TTDĐ Việt nam đang cạnh tranh ngày càng gay gắt với sự tham
gia của 06 nhà cung cấp dịch vụ, số lượng khách hàng chuyển đổi qua lại giữa các mạng ngày
càng gia tăng thì vấn đề nghiên cứu mô hình sự trung thành của khách hàng với rào cản
chuyển mạng thực sự mang tính thực tế và cấp thiết hiện nay.
Mô hình được đề xuất sử dụng thang đo 05 thành phần chất lượng dịch vụ trong lĩnh vực
TTDĐ [1,5,6,7,9,10,15,16,17,20,21,22], kết hợp các mô hình nghiên cứu gần đây có xét thêm yếu tố
“Rào cản chuyển mạng”, được nhiều tổ chức và cá nhân trên thế giới [2,4,8,11,12,13,18] tiến hành,
lựa chọn các nhân tố được xem là phù hợp với thị trường TTDĐ tại Việt Nam để hình thành
mô hình lý thuyết và các giả thuyết như Hình 5
Căn cứ vào các dữ liệu thứ cấp của các mạng Vinaphone, MobiFone, Viettel Mobile như: báo
cáo chất lượng dịch vụ, thống kê các khiếu nại, phản ánh của khách hàng qua tổng đài và tại
các giao dịch… Tại các lớp đào tạo nghiệp vụ của Vinaphone từ tháng 12/2005 đến tháng
02/2006, đã kết hợp thăm dò hơn 800 giao dịch viên của 22 Bưu điện tỉnh thành khu vực phía
nam, thường xuyên tiếp xúc với khách hàng bằng 02 câu hỏi mở:
89
Hình 5: Mô hình lý thuyết
- Đánh giá chất lượng dịch vụ TTDĐ dựa trên những yếu tố nào?
- Những yếu tố nào khiến khách hàng chọn mạng mới, dùng thêm mạng, ngưng sử dụng, tiếp tục trung
thành với mạng hiện tại?
Sau khi lựa chọn, cân nhắc sắp xếp, có kết quả như bảng 1.
90
Bảng 1: Các nhân tố và thuộc tính đo lường của mô hình
5. Kết luận
Từ các phân tích và đánh giá các mô hình nghiên cứu sự trung thành của khách hàng dịch vụ
TTDĐ trên thế giới, mô hình lý thuyết cho nghiên cứu thực nghiệm tại thị trường TTDĐ tại
91
Việt Nam được đề xuất như hình 5. Trong mô hình này sự trung thành của khách hàng sử
dụng dịch vụ thông tin di động được quyết định bởi 02 nhóm yếu tố: đó là nhóm yếu tố “ Sự
thỏa mãn” – nhóm yếu tố chất lượng dịch vụ của các nhà cung cấp và nhóm yếu tố “Rào cản
chuyển mạng” của chính loại dịch vụ này. Trong nhóm yếu tố “Sự thỏa mãn” (chất lượng
dịch vụ) có 5 yếu tố: chất lượng cuộc gọi, cấu trúc giá, dịch vụ gia tăng, tính thuận tiện và
dịch vụ khách hàng. Trong nhóm “Rào cản chuyển mạng” cũng gồm 5 yếu tố: các tổn thất,
chi phí thích nghi mới, chi phí gia nhập mới, sự hấp dẫn của các mạng khác (đối thủ cạnh
tranh) và mối quan hệ khách hàng
Mô hình trong hình 5 là một mô hình đa nhân tố, việc tìm hiểu tương tác giữa các nhân tố này
với sự trung thành của khách hàng sẽ giúp cho các cơ quan quản lý nhà nước trong hoạch
định chính sách phát triển ngành TTDĐ như: số lượng các nhà cung cấp dịch vụ, chính sách
phát triển thị trường ổn định bền vững, đầu tư hiệu quả và tiết kiệm tài nguyên của ngành,..
Riêng với góc độ các nhà cung cấp dịch vụ thông tin di động ở Việt Nam thì kết quả ứng
dụng mô nghiên cứu này giúp đưa ra các giải pháp nhằm nâng cao chất lượng dịch vụ để giữ
chân khách hàng qua việc nâng cao lòng trung thành của khách hàng, bình ổn thị trường, gia
tăng số thuê bao và gia tăng lợi nhuận.
TÀI LIỆU THAM KHẢO

[1] Apoorva Palkar (2004), Determinants of Customer Satisfaction for Cellular Service Providers, Vol. 28,
No,1, Jan-March 2004.
[2] Arthur Lin (2004), Antecedent and Consequences of Customer Switching Cost for the Mobile Phone Market,
Progress report.
[3] Nguyễn Sơn Hải, Tạp chí Bưu chính viễn thông và Công nghệ thông tin. MPT (10/2006)
[4] Claes-Robert Julander (Jan,2003), Effect of Switching Barrier on Satisfaction, Repurchase Intentions and
Attitudinal Loyalty, SSE/EFI Working paper Series in Business Administration. No. 2003:1.
[5] Eli M.Noam, The Quality of regulation in Regulating Quality: A Proposal for an Intergrated Incentive
Approach to Telephone Service Performance, in Price Caps and Incentive Regulation in Telecommunications,
ed. Micheal Einhorn (Boston: Kluwer Academic Publishers, 1991) 168-189.
[6] Garvin, “Competing on the Eight Dimension of Quality”
[7]J.D.Power and Associates, A Marketing Information Firm, www.Jdpower.com.
[8] Klemperer, Paul(1987), Markets with Consumer Switching Cost, the Quarterly Jounal of Economics,
102:375-394.
[9] Lu ting Pong, Johnny(2001), An Intergrated Model of Service Loyalty, Academy of Business &
Administrative Sciences 2001 International Conferences, Brussels, Belgium 23-25 July, 2001.
[10] Masud Parvez(ID#0120016), (2005), A relational Study on Service Quality, Switching Cost, Trust,
Customer Satisfaction and Customer Loyalty in the context of Grameenphone, Independent University,
Bangladesh.
[11] Mengze Shi(2005), Managing Consumer Switching Cost through Loyalty Incentives, Progress Report, Feb
14,2005.
[12] M-K. Kim et al., (2004), The effects of customer satisfaction and switching barrier on customer loyalty in
Korean mobile telecommunication services, Telecommunications Policy 28, (145-159)
[13] Moon-Koo Kim & Jong-Hyun Park (2003), The effect of switching barrier on customer retention in Korean
Mobile Telecommunication services, Electronics and Telecommunications Research Institute, Korea.
[14] Ofir Turel & Alexander Serenko (2004), User Satisfaction with Mobile Services in Canada, Proceedings of
the Third International Conference on Mobile Business,
[15] Parasuraman, A. V. A. Zeithaml, & L.L.Berry (1985), “A conceptual Model of Service Quality and its
Implications for Future Research”, Jounal of Marketing.
92
[16] Parasuraman, A. V. A. Zeithaml, & L.L.Berry (1988), “SERQUAL: A multiple-Item scale for measuring
consumer perceptions of service quality”, Jounal of Retailing.
[17] Richters & Dvorak,“A Framwork Of Defining the Quality of Communications Services”
[18] Ruyter. K.D.,M.Wetzels&Bloemer (1998), On the relationship between perceived service quality, service
loyalty and switching cost, International of Service Industry Managerment, 19(5), pp.436-453.
[19] Trung tâm thông tin, Bộ BCVT (2005-2006), Tổng hợp báo chí tuần, MPT,
[20] Trung tâm nghiên cứu tiếp thị –Trường Đại học Marketing (2003), Báo cáo kết quả nghiên cứu dự án khảo
sát thị trường dịch vụ điện thoại di động tại TP.HCM, Hợp đồng dịch vụ số 116/Đ-MARC ngày 13/08/2003.
[21] Wen-Hai Chih & Tzy-Wen Tang & I-Ju Chen (2002), The Service Quality Perceptional Analysis of Mobile
Phone User in Mainland China, National Dong Hwa University.
[22] Shih-Ping JENG (2003), Customer Loyalty in Competitive Market : Alternative Attractiveness, Switching
Cost, and Satisfaction Effects, Fu Jen Catholic University
Tạp chí BCVT-CNTT số tháng 2/2007

Nguồn: http://www.mba-15.com/view_news.php?id=491
93
Bài viết 2. Đo lường mức độ trung thành của khách hàng đối với dịch vụ thông tin di
động-Nghiên cứu tại thị trường TP.HCM
Phạm Đức Kỳ, Bùi Nguyên Hùng

Khoa Quản lý Công nghiệp-ĐHBK TP.HCM
I. GIỚI THIỆU MÔ HÌNH NGHIÊN CỨU
Bài viết “Nghiên cứu mô hình sự trung thành của khách hàng trong lĩnh vực thông tin di động
tại Việt Nam”, Tạp chí BCVT&CNTT Kỳ 1 tháng 2/2007 đã phân tích các mô hình nghiên
cứu sự trung thành của khách hàng trong lĩnh vực dịch vụ thông tin di động (TTDĐ) của một
số nước trên thế giới và đề xuất mô hình lý thuyết áp dụng cho nghiên cứu tại thị trường
TTDĐ Việt Nam [10]. Bài viết này sẽ trình bày kết quả nghiên cứu thực nghiệm tại thị trường
TP. Hồ Chí Minh từ 01/2006 đến 05/2006 nhằm kiểm nghiệm mô hình lý thuyết đề xuất [10]
và cung cấp một thang đo sự trung thành của khách hàng trong lĩnh vực dịch vụ TTDĐ tại
Việt Nam. Về mặt thực tiễn kết quả nghiên cứu cung cấp thông tin giúp cho việc hoạch định
chính sách sử dụng hiệu quả nguồn tài nguyên viễn thông đồng thời giúp các nhà cung cấp
dịch vụ TTDĐ xây dựng chiến lược tiếp thị phòng thủ hiệu quả theo định hướng khách hàng.
Mô hình nghiên cứu sử dụng thang đo 05 thành phần chất lượng dịch vụ trong lĩnh vực
TTDĐ, kết hợp các mô hình nghiên cứu gần đây có xét thêm yếu tố “Rào cản chuyển mạng”,
được nhiều tổ chức và cá nhân trên thế giới tiến hành, lựa chọn các nhân tố phù hợp với thị
trường TTDĐ tại Việt Nam [10].
Trong mô hình này, chất lượng dịch vụ gồm 05 thành phần: Chất lượng cuộc gọi, Cấu trúc
giá cước, Dịch vụ gia tăng, Sự thuận tiện và Dịch vụ khách hàng. Rào cản chuyển mạng gồm
03 thành phần: Chi phí chuyển mạng (tổn thất phát sinh khi chuyển mạng, chi phí thích nghi
mạng mới, chi phí gia nhập mạng mới); Sự hấp dẫn của mạng khác, và Quan hệ khách hàng.
II. PHƯƠNG PHÁP NGHIÊN CỨU
Xác định các biến đo lường: nghiên cứu định tính nhằm xác định các nhân tố và các thuộc
tính đo lường. Hơn 800 giao dịch viên các cửa hàng, đại lý Bưu điện tỉnh thành phía Nam đã
được lấy ý kiến thăm dò trong khoảng thời gian từ 01/2006 đến 02/2006, sơ bộ hình thành
thang đo ban đầu [10]. Tiếp theo tiến hành phỏng vấn 150 khách hàng để kiểm định độ tin
cậy thang đo. Sau khi hiệu chỉnh một số biến, thang đo cuối cùng được sử dụng cho phỏng
vấn chính thức.
Mẫu và thông tin mẫu: khảo sát định lượng thực hiện tại khu vực TP.HCM từ tháng
03/2006 đến 05/2006, đối tượng chọn mẫu là khách hàng các mạng di động MobiFone,
VinaPhone, S-Fone và Viettel, sử dụng dịch vụ 6 tháng trở lên, tiến hành phỏng vấn khách
hàng tại các khu vực Quận, Huyện theo tỷ lệ dân cư hợp lý. Phương pháp lấy mẫu phi xác
suất có phân tổ[14] theo giới tính (nam-58%, nữ-42%), 5 nhóm độ tuổi (18-24, 25-34, 35-44,
45-54, 55-64), thị phần thuê bao các mạng (Mobifone-52.8%, VinaPhone-21%, S-Fone 5.9%,
Viettel-20.3%), trong mỗi mạng lại chia theo tỷ lệ thuê bao trả trước và thuê bao trả sau
(MobiFone-70/30, VinaPhone-80/20, S-Fone-60/40, Viettel-65/35). Mô hình đo lường gồm
52 biến quan sát, theo quy tắc tối thiểu là: 5 x 3 = 15 mẫu cho một biến đo lường (Bentle &
Chou, 1987), do đó số mẫu tính toán ban đầu là: 52 x 15 = 780, sau khi phát hành 1.170 mẫu,
kết quả thu được 917 mẫu hợp lệ.
Thu thập và phân tích dữ liệu: Mô hình lý thuyết nghiên cứu được xây dựng dựa trên nền
tảng lý thuyết mô hình mạng SEM (Structural Equation Modeling) [1,3,6] và kỹ thuật xử lý
94
III. KẾT QUẢ NGHIÊN CỨU
3.1. Kết quả thống kê mô tả
Dữ liệu phân tích dùng cỡ mẫu N= 917, với thang Likert 5 khoảng cách cho kết quả các giá
trị Skewness và Kurtosis các biến đo lường phân bố trong khoảng [-1, +1] nên phân bố gần
chuẩn và phương pháp ước lượng ML (Maximum Likelihood) được chấp nhận sử dụng [8].
Với thang đo Likert 5 khoảng (từ 1: rất không đồng ý đến 5: rất đồng ý), giá trị trung bình
(mean) của các biến đo chất lượng dịch vụ có sự khác biệt khá cao (mean=2.82 ->3.64), đặc
biệt khách hàng chưa hài lòng về giá cước (mean=2.84); Tổng đài hỗ trợ (mean=2.82); Mạng
hay bị nghẽn, rớt mạch (mean=3.1), Giải quyết khiếu nại kéo dài và chưa thỏa đáng
(mean=3.11). Ngoài ra, các biến đo “Vùng phủ sóng” và “Tổng đài hỗ trợ” có độ lệch chuẩn
khá cao (1.056 và 1.149) và kết quả phân tích ANOVA xác nhận có sự khác biệt trong nhận
thức giữa khách hàng của các mạng di động khác nhau đối với 02 biến đo này. Các biến đo
Rào cản cũng được đánh giá sai biệt nhiều (mean=2.75->3.76), trong đó biến đo “Bất tiện khi
đổi số điện thoại” đánh giá khá cao (mean=3.76) chứng tỏ khách hàng rất ngại chuyển đổi vì
sợ bị gián đoạn thông tin liên lạc. Ngược lại, biến “Quan hệ khách hàng” (mean=3.01) và “Sự
quan tâm của nhà cung cấp” (mean=2.75) được giá thấp cho thấy nhà cung cấp chưa chú
trọng công tác chăm sóc khách hàng. Đối với “Sự hấp dẫn của mạng khác” về chất lượng
(mean=3.55), Giá cước rẻ (mean=3.64) và Danh tiếng/Hình ảnh (mean=3.41) được khách
hàng đánh giá cao. Khách hàng đánh giá Sự thỏa mãn hơi thấp (mean=3.1) trong khi Sự trung
thành lại được đánh giá khá cao (mean=3.64)
3.2 Đánh giá sơ bộ thang đo:

Tổ hợp thang đo Chất lượng-Rào cản chuyển mạng bao gồm thang đo “Chất lượng dịch vụ”
với 05 thành phần và 31 biến đo lường ; thang đo “Rào cản chuyển mạng” với 03 thành phần
và 21 biến đo lường. Kết quả phân tích độ tin cậy thang đo đã loại 02 biến (vì có tương quan
biến tổng nhỏ hơn 0.3) còn lại 50 biến đưa vào phân tích EFA, các thành phần thang đo sau
khi loại biến đều có các hệ số Cronbach Alpha > 0.6 đạt yêu cầu.
3.3. Phân tích nhân tố khám phá (EFA)
Sử dụng phân tích nhân tố bằng SPSS 13.0 cho kết quả EFA như sau: thành phần Dịch vụ gia
tăng và thành phần Quan hệ khách hàng có hệ số tải (Factor Loading) nhỏ hơn 0.5 nên bị loại.
Thang đo Chất lượng dịch vụ còn lại 04 thành phần là: Chất lượng cuộc gọi, Cấu trúc giá
cước, Dịch vụ khách hàng và Sự thuận tiện. Thang đo Rào cản chuyển mạng còn lại 02 thành
phần là: Chi phí thích nghi, Sự hấp dẫn của mạng khác.
3.4. Phân tích nhân tố khẳng định (CFA): Kết quả sử dụng phần mềm AMOS 6.0 để tiến
hành phân tích CFA các thang đo khái niệm, kiểm nghiệm độ phù hợp của mô hình lý thuyết
và kiểm định các giả thuyết như sau:
Kiểm nghiệm mô hình tổ hợp thang đo Chất lượng –Rào cản
a) Kết quả phân tích nhân tố khẳng định (CFA): Các hệ số tải từ các biến quan sát lên các
95
đ
b) Các chỉ số độ phù hợp mô hình sau khi điều chỉnh đạt yêu cầu (Bảng 1). Như vậy 04 thành
phần của Chất lượng dịch vụ và 02 thành phần của Rào cản chuyển mạng đạt được tính đơn
nguyên[8].
Bảng 1: So sánh độ phù hợp của mô hình trước và sau khi hiệu chỉnh
Các chỉ số đánh giá Mô hình ban đầu Mô hình hiệu chỉnh
2
χ (df) 747.871 (155) 423.269 (152)
χ 2/ df 4.82 2.78
p .000 .000
GFI .921 .956
AGFI .893 .939
TLI .879 .943
CFI .901 .955
RMSEA .065 .044
2
Ghi chú: các chỉ số cơ bản để đánh giá mô hình gồm: Fmin = χ / df: Chi-square/bậc tự do;
GFI: Goodness-of-Fit Index; AGFI: Adjusted GFI; TLI: Tucker-Lewis Coefficient; CFI:
Comparative Fit Index; RMSEA: Root Mean Square Error of Approximation.
Mô hình có các chỉ số χ 2/ df < 3 ; GFI, AGFI, TLI, CFI >.9 và RMSEA <.06 được xem là mô
hình phù hợp với dữ liệu thị trường)[1,3,5].
c) Hệ số tương quan của các khái niệm thành phần đều < 1 và có ý nghĩa (p<.05) , do đó các
khái niệm này đạt độ giá trị phân biệt[8].
Kiểm nghiệm mô hình thang đo Thoả mãn và Trung thành

Thang đo mức độ thoả mãn của khách hàng là thang đo đơn hướng, được đo lường bằng 02
biến quan sát. Mô hình thang đo này được kiểm định bằng CFA và kết quả cho thấy mô hình
này phù hợp với bộ dữ liệu khảo sát thị trường (χ2 = 0, χ 2/ df = 0 p = .000; Các chỉ số AGFI =
1, GFI = 1, TLI= 1 , CFI = 1 và RMSEA = .000). Thang đo này có hệ số tin cậy tổng hợp là
.794 và phương sai trích được là 82.9%. Các hệ số tải của thang đo này đều khá cao (nhỏ nhất
là Q9b = .80). Vì vậy, thang đo mức độ thoả mãn của khách hàng đạt được giá trị hội tụ và
tính đơn nguyên[8].
Tương tự thang đo mức độ trung thành của khách hàng được đo bằng 03 biến quan sát. Kết
quả kiểm định mô hình ban đầu cho thấy mô hình phù hợp tốt với dữ liệu thị trường (χ 2 =
2.688, χ 2/df = 1.34, p = .261; Các chỉ số GFI = .998 , TLI = .998, CFI = .99 và RMSEA =
.019). Thang đo có hệ số tin cậy tổng hợp là .755 và phương sai trích được là 67.5%. Các
trọng số thang đo đều chấp nhận được (nhỏ nhất là Q11b = .61) . Vậy thang đo mức độ trung
thành của khách hàng cũng đạt được giá trị hội tụ và tính đơn nguyên [8].
Kiểm nghiệm độ phù hợp của mô hình lý thuyết bằng SEM:

Kết quả kiểm định CFA bằng phần mềm AMOS thực hiện theo nguyên tắc điều chỉnh các
quan hệ có MI > 4 (MI-Indice Modification, là hệ số điều chỉnh ứng với sự thay đổi của χ 2
trên một bậc tự do) nhưng sự điều chỉnh này phải đảm bảo phù hợp về mặt cơ sở lý thuyết và
bao hàm ý nghĩa về mặt thực tiễn. Sau khi thực hiện điều chỉnh, kết quả CFA cho thấy các chỉ
số đánh giá độ phù hợp của mô hình lý thuyết đều được cải thiện đáng kể như hình 1 ( χ2/df =
2.37; GFI=.94; TLI=.94; CFI=.95; RMSEA = .039). Vì vậy mô hình này phù hợp với dữ liệu
thị trường. Hơn nữa các hệ số hồi quy giữa khái niệm Sự thỏa mãn và Sự trung thành, các hệ
số hồi quy giữa Sự thỏa mãn , Sự trung thành với các thành phần của chúng là Chất lượng
dịch vụ và Rào cản chuyển đổi đều nhỏ hơn 1 và khác 0 một cách có ý nghĩa về mặt thống kê
96
(Hình 1). Vì vậy, có thể kết luận là các thành phần đo lường Sự thỏa mãn, Rào cản và Sự
trung thành với các thành phần của chúng đạt được giá trị phân biệt[8].
Hình 1: Kết quả kiểm định mô hình lý thuyết
Kiểm nghiệm ước lượng mô hình bằng phân tích BOOSTRAP

Để đánh giá tính bền vững của mô hình lý thuyết, phương pháp phân tích Boostrap được sử
dụng. Đây là phương pháp lấy mẫu lặp lại có thay thế từ mẫu ban đầu (N=917), trong đó mẫu
ban đầu đóng vai trò đám đông (Schumacker& Lomax, 1996). Số lần lấy mẫu lặp lại trong
nghiên cứu được chọn là B = 1.500 lần, kết quả ước lượng với B lần từ N mẫu được tính
trung bình và giá trị này có xu hướng gần với ước lượng của tổng thể. Kết quả độ chệnh của
ước lượng (bias) và sai lệch chuẩn của nó có giá trị nhỏ và ổn định cho phép kết luận rằng các
ước lượng ML áp dụng trong mô hình là tin cậy và được dùng cho các kiểm định giả thuyết
tiếp theo.
3.5 Kiểm định mô hình hồi quy cấu trúc

Kiểm định giả thuyết tương quan
Kết quả kiểm định mô hình lý thuyết (Hình 2) cho thấy giữa các khái niệm (thành phần) có
quan hệ (tương quan) với nhau một cách ý nghĩa nhưng vẫn đạt độ giá trị phân biệt, nghĩa là
97
c
Kiểm định giả thuyết quan hệ nhân quả
Hình 2: Kết quả kiểm định mô hình cấu trúc
Nhận xét: Từ kết quả kiểm định giả thuyết của mô hình cấu trúc (hình 2) cho thấy
- Các thành phần Chất lượng dịch vụ có tác động tích cực (trực tiếp) lên Sự thỏa mãn và tích
cực (gián tiếp) lên Sự trung thành là: Chất lượng cuộc gọi (.40), Giá cước(.23) và Dịch vụ
khách hàng (.11),
- Sự thuận tiện và Chi phí thích nghi tác động tích cực (trực tiếp) lên Sự trung thành và Rào
cản.
- Sự hấp dẫn của mạng khác có tác động tiêu cực (trực tiếp) làm giảm đồng thời cả Sự thỏa
mãn, Sự trung thành và Rào cản,
- Sự trung thành được giải thích bởi sự thoả mãn (.66) và Rào cản (.17) tương ứng với 79%
và 21%.
3.6. Đánh giá sự khác biệt có ý nghĩa giữa các nhóm khách hàng (Bảng 2)
Bảng 2: Kết quả phân tích ANOVA giữa các nhóm khách hàng
YẾU TỐ ĐÁNH GIÁ CAO/RẺ ĐÁNH GIÁ THẤP/ĐẮT

CHẤT LƯỢNG - Vinaphone, MobiFone - Viettel Mobile
CUỘC GỌI - Nhân viên, học sinh-sinh viên - Nhà quản lý
GIÁ CƯỚC - Nam, Lớn tuổi, Học vấn thấp,Vị - Nữ, Trẻ tuổi, Học vấn cao, Vị trí xã
trí xã hội thấp. hội cao.
- Viettel Mobile - MobiFone, VinaPhone
- Thuê bao trả trước - Thuê bao trả sau
DỊCH VỤ KHÁCH - Lớn tuổi - Trẻ tuổi
HÀNG
THUẬN TIỆN - Thuê bao trả trước - Thuê bao trả sau
CHI PHÍ - VinaPhone - MobiFone
THÍCH NGHI - Thuê bao trả sau - Thuê bao trả trước
98
THỎA MÃN - MobiFone - VinaPhone
TRUNG THÀNH - VinaPhone - MobiFone
- Thời gian sử dụng dịch vụ dài - Thời gian sử dụng dịch vụ ngắn.
IV. KẾT LUẬN

4.1. Kết quả nghiên cứu
Đóng góp của nghiên cứu này là xây dựng mô hình lý thuyết, kiểm định các giả thuyết và
cung cấp một thang đo mới trong lĩnh vực TTDĐ tại Việt Nam, lượng hoá cường độ tác động
của các yếu tố thành phần, trong đó đáng chú ý là: thành phần Chất lượng dịch vụ vẫn đóng
vai trò quan trọng (0.4) so với Giá cước (0.23) và Dịch vụ khách hàng (0.11); Sự thuận tiện
tác động trực tiếp lên Sự trung thành mà không thông qua sự thoả mãn, Sự hấp dẫn của mạng
khác có tác động tiêu cực đến cả sự thoả mãn và sự trung thành của khách hàng mạng hiện
tại; tác động của nhân tố Sự thoả mãn chiếm 79% so với Rào cản chuyển mạng chiếm 21%
lên Sự trung thành. Kết quả nghiên cứu cũng phù hợp với một số nghiên cứu tại các thị
trường Đài Loan[13] và Hàn Quốc[7]. Kết quả phân tích ANOVA được tổng kết tại Bảng 2
còn cung cấp một số thông tin hữu ích cho các nhà quản lý trong xây dựng chiến lược theo
phân khúc thị trường.
4.2. Hàm ý đối nhà quản trị dịch vụ

Kết quả nghiên cứu cho thấy: để tăng cường sự trung thành của khách hàng thì tăng sự thỏa
mãn của họ đối với chất lượng dịch vụ là chưa đủ mà còn phải tăng rào cản chuyển mạng để
giữ khách hàng bằng cách tăng rào cản nội sinh (chi phí thích nghi) và giảm ảnh hưởng của
thành phần ngoại sinh (sự hấp dẫn của mạng khác). Về nguyên tắc, doanh nghiệp (DN) cần
phối hợp thực hiện các giải pháp theo như mô hình cấu trúc (Hình 2). Đây chính là các đặc
tính thứ hai của mô hình Kano[2] mà các nhà quản trị cần quan tâm.
Một kết quả đáng được lưu ý nữa là: khách hàng VinaPhone mặc dù có mức độ thỏa mãn
thấp nhưng lại có mức độ trung thành khá cao. Điều này được giải thích bằng: a) “Chi phí
thích nghi” được khách hàng đánh giá cao từ kết quả thống kê mô tả và từ phân tích
ANOVA; b) “Sự thuận tiện” do đang được thừa hưởng kênh bán hàng và chăm sóc khách
hàng tại các Bưu điện tỉnh, thành (BĐTT). Chi phí thích nghi và Sự thuận tiện được đánh giá
cao chính là nguyên nhân làm tăng Sự trung thành. Mặc dù yếu tố Chi phí thích nghi hiện
đang được đánh giá cao (khách hàng ngại chuyển sang mạng khác) nhưng yếu tố này sẽ bị
suy giảm rất nhiều trong tương lai khi Bộ BCVT cho phép các mạng liên kết cơ sở dữ liệu
chung và khách hàng chuyển mạng được giữ nguyên số điện thoại. Còn Sự thuận tiện cũng sẽ
bị hạn chế khi VinaPhone tiến hành cổ phần hoá không còn dựa vào kênh phân phối của các
BĐTT như hiện nay. Do vậy, Vinaphone cần chủ động xây dựng rào cản mang tính tính cực
và bền vững hơn. Ngược lại, Sự hấp dẫn của mạng khác có tác động tiêu cực làm giảm cả Sự
thoả mãn và Sự trung thành. Cho nên, để làm giảm hiệu ứng Sự hấp dẫn của mạng khác, các
DN cần nỗ lực thực hiện giải pháp tạo lợi thế cạnh tranh như sau:
4.3. Hàm ý đối với việc hoạch định chính sách
Từ kết quả nghiên cứu, có một số đề xuất đối với việc hoạch định chính sách:
a) Kiến nghị chính phủ rút ngắn thời gian khấu hao thiết bị để phù hợp với chu kỳ công nghệ
99
v
b) Có mức phạt hành chính đối với DN chỉ tập trung phát triển thuê bao bằng giảm
giá/khuyến mãi mà không đảm bảo chất lượng dịch vụ và công khai kết quả thanh tra chất
lượng dịch vụ của các nhà cung cấp trên các phương tiện thông tin đại chúng.
c) Giám sát quy trình quản lý chất lượng dịch vụ theo Quyết định 33/2006/QĐ-BBCVT của
Bộ BCVT đối với chỉ tiêu chất lượng đăng ký của các nhà cung cấp dịch vụ TTDĐ bảo vệ lợi
ích cho người tiêu dùng, đảm bảo thị trường phát triển bền vững,
d) Khuyến khích các nhà cung cấp dịch vụ sử dụng chung hạ tầng mạng và cơ sở dữ liệu
khách hàng như kinh nghiệm tại một số nước trên thế giới và khu vực (Hàn Quốc, Đài Loan)
nhằm tiết kiệm tài nguyên viễn thông, giảm tỷ lệ khách hàng chuyển mạng, giảm lãng phí đầu
tư và tăng sức mạnh cho toàn ngành trước khi mở cửa thị trường để hội nhập.
TÀI LIỆU THAM KHẢO
[1]. Bollen, K.A (1989), Structural Equation with Latent Variables, New York: John Wiley &
Sons.
[2]. Bùi Nguyên Hùng, Nguyễn Thúy Quỳnh Loan (2004), Quản lý chất lượng, NXB Đại học
Quốc gia TP.HCM,
[3]. Hair et al (2000), Applied Multivariate Statistics, Week 11, chap 11.
[4]. Hoàng Trọng (2005), Phân tích dữ liệu nghiên cứu với SPSS, NXB thống kê.
[5]. James L. Arbuckle(2005), Amos 6.0 User’s Guide, Copyright © 1995–2005 by Amos
Development Corporation, http://amosdevelopment.com
[6]. J.J. Hox (2003), An Introduction to Structural Equation Modeling, Family Science
Review, 11, 354-373.
[7]. M-K. Kim et al., (2004), The effects of customer satisfaction and switching barrier on
customer loyalty in Korean mobile telecommunication services, Telecommunications Policy
28, (145-159)
[8]. Nguyễn Đình Thọ và các thành viên (2003), Đo lường chất lượng dịch vụ vui chơi giải trí
ngoài trời TP.HCM, Đề tài nghiên cứu khoa học, mã số CS2003-19
[9]. Ofir Turel & Alexander Serenko (2004), User Satisfaction with Mobile Services in
Canada, Proceedings of the Third International Conference on Mobile Business,
[10]. Phạm Đức Kỳ, Bùi Nguyên Hùng, Nghiên cứu mô hình sự trung thành của khách hàng
trong lĩnh vực dịch vụ TTDĐ tại Việt Nam”, Tạp chí BCVT&CNTT, 02/2007
[11]. Rich Zimmerman & Olga Dekhtyar (2004), AMOS-Analysis of Moment Structures,
University of Kentucky.
[12]. Scott MacLean, Kevin Gray (1998), Structural Equation Modeling in Marketing
Research, Jounal of the Australian Market Research Society.
[13]. Shih-Ping JENG (2003), Customer Loyalty in Competitive Market: Alternative
Attractiveness, Switching Cost, and Satisfaction Effects, Fu Jen Catholic University
[14]. Trần Xuân Kiêm, Nguyễn Văn Thi (2004), Nghiên cứu tiếp thị, NXB Thống kê.
Tạp chí BCVT&CNTT tháng 4/2007
http://opac.lrc.ctu.edu.vn/pdoc/15/4-Nghiencuusutrungthanhcuakhachhang.pdf
Xem http://www.mba-15.com
100

Thuc Hanh Mo Hinh SEM Voi AMOS

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Thuc Hanh Mo Hinh SEM Voi AMOS

Uploaded by

Copyright:

Available Formats

NGUYỄN KHÁNH DUY

Giảng viên Khoa Kinh tế Phát Triển

lrs gs_gqs .74 gss6 e5

e34 aws1 .71

Nguyễn Khánh Duy

Xin chân thành cảm ơn và chúc các bạn thành công!

TP.Hồ Chí Minh, tháng 5 năm 2009

Nguyễn Khánh Duy

Nguyễn Khánh Duy

Lời nói đầu

Các biến trong sơ đồ trên được giải thích như sau:

Mô hình trên có Chi-square=183.63, df=141, P=0.009; GFI=0.91, CFI=0.95

2. PHÂN TÍCH NHÂN TỐ KHÁM PHÁ (Nhắc lại sơ lược vì đã học)

Hình 1.7 Hình 1.6

a. Rotation converged in 7 iterations.

Bạn có nhận xét gì từ kết quả EFA?

Có 6 nhân tố được rút ra.

KMO and Bartlett's Test

Kaiser-Meyer-Olkin Measure of Sampling Adequacy. .847

Bartlett's Test of Sphericity Approx. Chi-Square 2327.451

Hai bảng trên cho bạn nhận xét gì?

KMO and Bartlett's Test

Kaiser-Meyer-Olkin Measure of Sampling Adequacy. .701

Bartlett's Test of Sphericity Approx. Chi-Square 188.787

Total Variance Explained

Compo Initial Eigenvalues Extraction Sums of Squared Loadings

1 2.146 71.523 71.523 2.146 71.523 71.523

2 .487 16.230 87.753

3 .367 12.247 100.000

Extraction Method: Principal Component Analysis.

Component Matrixa Bảng này chỉ có 1 cột, cho

Extraction Method: Principal Component

(2) Tính ñôn höôùng/ ñôn nguyeân (unidimensionality)

(3) Giaù trò hoäi tuï (Convergent validity)

r SE=SQRT((1-r2)/(n-2)) (1-r)/SE P-value

Ghi chuù quy taéc kieåm ñònh 1 :

(5) Giaù trò lieân heä lyù thuyeát (Nomological validity)

Công dụng của các nút?

Dùng để vẽ biến tiềm ẩn

Dùng để vẽ biến tiềm ẩn và các biến quan sát

Dùng để vẽ yếu tố sai số

Vẽ hệ số đường dẫn, hệ số hồi quy

Liệt kê danh sách biến

Ngón tay: chọn 1 đối tượng

Di chuyển đối tượng

Xoá đối tượng

Máy phô tô: Copy đối tượng

Xoay đối tượng

Chỉnh kích cỡ đối tượng

Tính toán các ước lượng

Di chuyển các tham số ước lượng

Copy sơ đồ đường dẫn vào Clipboard

Xem kết quả dạng văn bản/ bảng biểu

Hiển thị danh sách biến?

Bước 3. Nhấp bàn tay dài, để chọn cả đối tượng

Bước 6. Nhấp ô tô để di chuyển đối

Bước 4. Nhấp nút này để xoay đối

Bước 5. Nhấp nút này để Chỉnh sửa

Copy đối tượng?

Bước 1. Chọn nút này để

Bước 2. Chọn máy

Xoá 1 cái gì đó?

Bạn hãy tự vẽ ra tiếp để được như Hình 3.11 nhé

Chọn nút ngón tay