Tin mới

Mô hình SEM (phần 2)

Admin| 12/10/2017
Cơ sở lý thuyết mô hình SEM – phần 2

Nguồn tham khảo: Ts. Nguyễn Duy Khánh (2009)

Tác giả: luanhay.vn

Từ khóa: hồi quykiểm định, eview, stataspss, luận văn, luận hay, bảng hỏi, mô hình
 
1. Tính xác định của mô hình SEM
Tính xác định có nghĩa là có ít nhất một lời giải độc nhất cho mỗi ước lượng thông số trong một mô hình SEM. Số thông số cần ước lượng bằng số phương sai (Variance) hay hiệp phương sai(Covariance) của các biến ngoại sinh (biến quan sát hay không quan sát) và các tác động trực tiếp của các biến quan sát lên các biến nội sinh.
Để xác định mô hình nghiên cứu thuộc loại mô hình nào trong ba loại mô hình “Vừa xác định- Just Identification”; “Kém xác định- Under Identification” hay “Quá xác định- Over Identification” thì cần phải tính toán số bậc tự do của mô hình. Bậc tự do là sự khác biệt giữa tổng số dữ liệu quan sát đầu vào (data points) và tổng số các thông số ước lượng trong SEM , được xác định bằng công thức sau: df = 1/2[(p + q)(p + q +1)] – t. Trong đó:
  • p= số các biến chỉ báo nội sinh
  • q= số các biến chỉ báo ngoại sinh
  • (p+q = số biến quan sát)
  • t= Số các thông số ước lượng
  • ½[(p+q)(p+q+1) = Số quan sát hay hiệp phương sai trong ma trận (data points)
Mô hình “vừa xác định” (Just Identification): Mô hình có df =0 và chỉ có một lời giải khả dĩ cho mỗi ước lượng thông số. Ví dụ: 2x+y =7; 3x+2y=11
Mô hình “kém xác định” (Under Identification): Mô hình có df < 0 và có vô số các giá trị ước lượng thông số. Vi dụ : 2x +y =7,
Mô hình “quá xác định”(Over Identification): Mô hình có df > 0 và có hơn một lời giải khả dĩ (nhưng có một lời giải tối ưu hay tốt nhất đối với mỗi ước lượng thông số). Mô hình “quá xác định” xảy ra khi mỗi thông số được xác định và ít nhất một thông số thì “quá xác định” (có nhiều hơn một phương trình cho ước lượng thông số này). Thông thường mô hình “quá xác định” được ưa thích hơn, có bậc tự do dương (df>0). Mục tiêu là đạt được df càng lớn càng tốt.
Việc đặt các hạn chế (ràng buộc) trên mô hình “quá xác định” cho chúng ta kiểm định các giả thuyết (dùng Chi Square và các chỉ số khác).
Sự “xác định” là một yêu cầu về cấu trúc hay toán học để có thể tiến hành phân tích SEM.
Sự “kém xác định” trong thực nghiệm xuất hiện khi có một thông số ước lượng tính “xác định” của mô hình có giá trị gần bằng 0. Do tính chất lặp của ước lượng SEM, một thông số ước lượng (phương sai chẳng hạn) bắt đầu với giá trị dương và tiến dần về giá trị 0.
Trong nghiên cứu mô hình SEM cần cố gắng xác định nguyên nhân của tính kém xác định là do cấu trúc hay kém xác định do thực nghiệm. Nếu kém xác định do cấu trúc: Xác định lại mô hình.
Nếu kém xác định do thực nghiệm: điều chỉnh bằng cách thu thập thêm dữ liệu hay xác định lại mô hình.
2. Các dạng mô hình
Theo Vinod Kumar, Deregouska, 2003 thì mô hình SEM gồm hai mô hình có liên quan với nhau là mô hình đo lường và mô hình cấu trúc. Cả hai mô hình đều được xác định cụ thể bởi nhà nghiên cứu:
2.1 Mô hình đo lường:
Mô hình đo lường còn gọi là mô hình nhân tố, mô hình ngoài diễn tả cách các biến quan sát thể hiện và giải thích các biến tiềm ẩn thế nào: tức là diễn tả cấu trúc nhân tố (biến tiềm ẩn), đồng thời diễn tả các đặc tính đo lường ( độ tin cậy, độ giá trị) của các biến quan sát. Các mô hình đo lường cho các biến độc lập có thể đơn hướng, có thể tương quan hay có thể xác định các biến tiềm ẩn bậc cao hơn. Mô hình đo lường ( hình 7) cho thấy các liên hệ thống kê giữa các biến quan sát, ta có thể dùng để chuẩn hoá mô hình cấu trúc cơ bản. Các biến tiềm ẩn được nối kết bằng các quan hệ dạng hồi quy chuẩn hoá, tức là ước lượng các giá trị cho các hệ số hồi quy.Hình 7 : Mô hình đo lường

Mô hình đo lường dùng phân tích nhân tố để đánh giá mức độ mà biến quan sát tải lên các khái niệm tiềm ẩn của chúng. Để đánh giá độ giá trị (hội tụ và phân biệt) của các biến quan sát sử dụng kỹ thuật phân tích nhân tố khẳng định(CFA) và ma trận Covariance dựa trên mô hình SEM,.
2.2 Mô hình cấu trúc:
Xác định các liên kết (quan hệ nhân quả) giữa các biến tiềm ẩn bằng mũi tên nối kết, và gán cho chúng các phương sai giải thích và chưa giải thích, tạo thành cấu trúc nhân quả cơ bản. Biến tiềm ẩn được ước lượng bằng hồi quy bội của các biến quan sát. Mô hình SEM không cho phép sử dụng khái niệm biểu thị bởi biến quan sát đơn.Thông thường biến tiềm ẩn đo lường bởi ít nhất là trên một biến, hay từ 3 đến tối đa là 7 biến quan sát.[Hair et al, Chap 11, 2000]. Mô hình SEM có thể có nhiều dạng khác nhau: Hình 8: Mô hình SEM và các phần tử cơ bản của nó
 

a) Một biến tiềm ẩn độc lập đơn có thể dự báo một biến tiềm ẩn phụ thuộc đơn.
b) Vài biến tiềm ẩn có thể tương quan trong dự báo một biến phụ thuộc nào đó.
c) Một biến tiềm ẩn độc lập có thể dự báo một biến tiềm ẩn khác, rồi biến này lại dự báo một biến thứ ba
2.3 Mô hình xác lập (recursive) Mô hình có 02 đặc điểm cơ bản :
Các số hạng sai số của nó không có tương quan với nhau
Mọi tác động nhân quả đều đơn hướng.
Mô hình Recursive được sử dụng phổ biến trong các mô hình nghiên cứu nhờ ưu điểm là dễ mô hình hoá, có tính ổn định hơn nhiều so với mô hình Non-Recursive, và luôn được xác định. Hình 9: Mô hình SEM với trạng thái xác lập (ổn định) của nó

X, Y : Biến ngoại sinh E: Số hạng sai số
W, Z: Biến nội sinh <---> Covariance (Tương quan )
2.4 Mô hình không xác lập (Non-Recursive)
Hình 10: Mô hình SEM với trạng thái chưa xác lập (không ổn định)

Mô hình Non-Recursive có vòng lặp phản hồi giữa các biến nội sinh, hoặc:
Khi hai biến nội sinh ảnh hưởng lẫn nhau, tức là có vòng lặp phản hồi (1) , hoặc: Có vòng lặp giữa hai biến nội sinh và các số hạng sai số của hai biến nội sinh (2)
Mô hình Non-recursive chỉ có tính tạm thời, không ổn định so với mô hình Recursive, Ngòai ra, mô hình recursive dễ sử dụng nên thông thường nếu có thể các nhà nghiên cứu thường quy đổi mô hình Non-Recursive về mô hình Recursive.
2.5 Mô hình bão hoà (Saturated Model):
Mô hình bão hoà (hình 11) chứa rất nhiều các thông số cần ước lượng bằng với số đầu vào(input) trong phân tích.Vì vậy mô hình này không có bậc tư do(df=0). Đây là mô hình ít hạn chế(ràng buộc) nhất mà nó có thể phù hợp với bộ dữ liệu. Hình 11: Mô hình bão hòa của SEM
 

2.6 Mô hình độc lập (Independence Model) Mô hình độc lập (Hình 12) là mô hình có nhiều ràng buộc nhất mà nó có thể phù hợp với bộ dữ liệu, có tối đa số bậc tự do. Nó chỉ chứa các ước lượng phương sai của các biến quan sát, tức là giả định các quan hệ giữa các biến quan sát không có. Hình 12: Mô hình độc lập của SEM
2.7 Mô hình SEM tổng quát :
Cho phép mô hình gồm nhiều khái niệm tiềm ẩn được chỉ báo bởi các biến quan sát ( độc lập và phụ thuộc) và cho cả các quan hệ ổn định (Recursive) và không ổn định (non-recursive) giữa các biến khái niệm. Tóm lại mô hình SEM là sự kết hợp giữa mô hình đo lường và mô hình cấu trúc.

Xem thêm lý thuyết về: Hướng dẫn hồi quy FEM/REM với Stata, Mô hình hồi quy tuyến tính, FEM và REM,  phân tích Tương quan và Đa cộng tuyến; phương sai sai số thay đổi ; tự tương quan, Hausman test; kiểm định phi tham số, VAR, MDS; EFA, VECM, CFA, SEM, PMG. Xem thêm một số bài nghiên cứu ứng dụng lý thuyết   Tra cứu giá trị thống kê qua bảng tính sẵn giá trịhồi quykiểm định, eview, stataspss
 
Để có thêm thông tin chi tiết liên hệ:Mr.Quân – Luanhay.vn  - 0127 800 1762/  097 9696 222 – hoặc email: luanhay@luanhay.comluanvanhay@gmail.com  – Add: Tầng 8, tòa nhà Sáng tạo, số 1 Lương Yên, Hai Bà Trưng, Hà Nội
 

Đăng ký tuyển sinh

Hide Buttons