Regression, path analysis, EFA, CFA trong mô hình SEM

Regression, path analysis, EFA, CFA trong mô hình SEM
 
Nguồn tham khảo: Hair và cộng sự (2014), Nghiên cứu định lượng
 
Từ khóa: hồi quykiểm định, eview, stataspssluận văn, luận haybảng hỏimô hình

1. Mô hình hồi quy – Regression model

Một mô hình hồi quy chỉ bao gồm các biến quan sát, trong đó bao gồm 1 biến quan sát phụ thuộc được dự báo hoặc được giải thích bởi 1 hoặc nhiều biến quan sát độc lập. Ví dụ, tình trạng học vấn của cha mẹ (biến quan sát độc lập) được sử dụng để dự báo kết quả học tập của người con (biến quan sát phụ thuộc).

2. Mô hình Path – Path model

Một mô hình Path cũng chỉ bao gồm các biến quan sát, nhưng nó cho phép nhiều biến quan sát phụ thuộc tồn tại trong mô hình. Ví dụ, doanh số xuất khẩu, GNP, lạm phát (biến quan sát độc lập) ảnh hưởng đến niềm tin tiêu dùng và chi tiêu tiêu dùng (biến quan sát phụ thuộc). Vì vậy, mô hình Path cho phép thực hiện nhiều kiểm định phức tạp hơn các mô hình hồi quy.

3. Mô hình phân tích nhân tố – Factor model

Mục tiêu của phương pháp phân tích nhân tố là rút gọn tập hợp các biến quan sát thành một tập ít biến hơn chứa đựng thông tin của tập biến quan sát ban đầu. Các biến được trích này được gọi là nhân tố. Ý tưởng cơ bản của việc trích nhân tố thể hiện ở chổ chỉ một số chứ không phải tất cả các biến đều được đo lường trực tiếp. Các biến không được đo lường trực tiếp được gọi là biến ẩn (latent variables) hoặc nhân tố (factors). Thông tin về các biến ẩn có thể nhận được bằng cách quan sát tác động của nó lên các biến quan sát. Phân tích nhân tố xem xét mối sự biến thiên đồng thời giữa các biến trong tập biến quan sát và cố gắng tìm ra các nhân tố ít hơn đại diện cho tập biến này.
Có 2 phương pháp phổ biến trong phân tích nhân tố đó là phân tích nhân tố khám phá (EFA) và phân tích nhân tố khẳng định (CFA). Sự khác nhau giữa EFA và CFA sẽ được đề cập ở phần kế tiếp. Phương pháp phân tích nhân tố khẳng định bao gồm các biến quan sát được giả định để có tác động đến một hoặc nhiều biến ẩn (độc lập hoặc phụ thuộc). Ví dụ, chế độ ăn kiêng, luyện tập thể thao và thể trạng sinh lí học là các biến quan sát đo lường của biến ẩn fitness.
Hiểu được các đặc trưng của các mô hình cơ bản này sẽ giúp việc nắm bắt mô hình phương trình cấu trúc được dễ dàng hơn, bởi mô hình SEM là sự kết hợp của mô hình Path và nhân tố khẳng định. Mô hình phương trình cấu trúc bao gồm các biến quan sát và các biến ẩn (có thể là biến ẩn độc lập hoặc biến ẩn phụ thuộc).

Tất cả 3 mô hình trên là một trường hợp của mô hình đo lường (measurement model) trong mô hình SEM. Mô hình SEM được xem là sự kết hợp của 2 mô hình, đó là mô hình đo lường (measurement model) và mô hình cấu trúc (structural model). 

4. Phương pháp xây dựng mô hình SEM

Để kiểm định mô hình SEM, một cách tổng quát, Jöreskog (1993) chia phương pháp kiểm định tương ứng với 3 trường hợp sau: mô hình kiểm chứng (strictly confirmatory – SC), mô hình thay thế (alternative models – AM), và mô hình tùy biến (model generating – MG).
·         Đối với trường hợp SC, các nhà nghiên cứu đề xuất một mô hình đơn lẻ, thu thập dữ liệu phù hợp và sau đó kiểm định tính phù hợp của mô hình với dữ liệu thu thập. Từ kết quả kiểm định này, nhà nghiên cứu hoặc là chấp nhận hoặc bác bỏ mô hình. Ở trường hợp SC này, không có bất kì một sự điều chỉnh mô hình nào được thực hiện thêm.
·         Đối với trường hợp AM, dựa vào lý thuyết hoặc các nghiên cứu thực nghiệm nhà nghiên cứu đề xuất đề xuất nhiều mô hình thay thế (đôi khi còn gọi là mô hình cạnh tranh). Tiến hành ước lượng tất cả các mô hình với cùng một bộ dữ liệu thu thập và chọn ra một mô hình phù hợp nhất với dữ liệu thu thập. Ở trường hợp AM, mô hình được chọn cũng không có bất kì sự điều chỉnh nào.
·         Cuối cùng là trường hợp MG với mục tiêu chính là điều chỉnh lại các mô hình kém (không hoặc ít phù hợp với dữ liệu) trở nên phù hợp hơn với mẫu dữ liệu. Tiến hành phương pháp này, nhà nghiên cứu có xu hướng thực hiện các nhân tố khám phá để tìm ra các thang đo mới và áp dụng nó vào các mô hình đề xuất.
Dĩ nhiên trong 3 trường hợp này thì trường hợp MG là tốt nhất và đồng thời là trường hợp phổ biến nhất. Với một kinh phí thu thập dữ liệu khá lớn để kiểm chứng tính phù hợp của mô hình đề xuất, nếu mô hình này bị bác bỏ mà không điều chỉnh theo SC thì rõ ràng là không phù hợp (rất không phổ biến trong thực tế). Mặc dù, mức độ phổ biến của AM không bằng so với MG, tuy nhiên, phương pháp sử dụng các mô hình cạnh tranh cũng được áp dụng khá rộng rãi trong các nghiên cứu phân tích thị trường (Byrne, 2010).
 
Xem thêm lý thuyết về:   Measurement model và Structural model trong mô hình SEM, Ví dụ minh họa mô hình SEM, Quy trình 6 bước ước lượng mô hình SEM, Xác định cở mẫu trong mô hình SEM, Đánh giá tính hợp lý của mô hình đo lường SEM, Ước lượng các mối quan hệ sử dụng phân tích nhánh, Các thuật ngữ chính trong CFA,  Phân biệt CFA với EFA, Xây dựng mô hình đo lường – CFA, Số biến trên mỗi nhân tố – CFA, Phân biệt khái niệm Reflective với khái niệm Formative, Thiết kế nghiên cứu – CFA,  Đánh giá tính hợp lí mô hình đo lường – CFA, Chẩn đoán mô hình đo lường – CFA  , Biến nội sinh trong các ước lượng OLS, IV, GMMGiới thiệu về vấn đề nội sinhKiểm định Jarque bera Kiểm định tham số - Phi tham số Khái quát về kiểm định phi tham sốGiới thiệu về tương quan biếntự tương quanHausman testXem thêm một số bài nghiên cứu ứng dụng lý thuyết   Tra cứu giá trị thống kê qua bảng tính sẵn giá trị,  hồi quy,  kiểm định, eview, stataspss
 

Để có thêm thông tin chi tiết liên hệ: Luanhay.vn  - 081 800 1762/  097 9696 222 – hoặc email: luanhay@luanhay.com – luanvanhay@gmail.com
 
 

 

Đăng ký tuyển sinh

Hide Buttons