Kiểm định cơ bản trong mô hình SEM

Kiểm định cơ bản trong mô hình SEM - 2.19AM 23/05/2014

Các kiểm định cơ bản được sử dụng để đánh giá mô hình SEM
1. Giá trị Chi- square
- Đây là thống kê chi-bình phương: χ2
- Giá trị χ2 thể hiện độ phù hợp của mô hình với dữ liệu được quan sát ( thu thập)
- Giả thuyết: Ho: Mô hình phù hợp với dữ liệu quan sát ( đây là giả thuyết được suy ra từ giả thuyết ban đầu về ma trận hiệp phương sai)
- Như vậy, bác bỏ Ho => mô hình không phù hợp với dữ liệu, chấp nhận Ho ==> mô hình ước lượng phù hợp với dữ liệu quan sát.
- Đây là một tín hiệu rất quan trọng trong đánh giá một mô hình sử dụng SEM.
Tuy vậy, giá trị Chi-square bị vi phạm trong một số trường hợp đặc biệt khi không thỏa mãn giả định về phân phối.
2.RMSEA
- Root Mean Square Error of Approximation: xem xét giá trị sai số của mô hình (Steiger và Lind (1980))
- Chỉ số đạt giá trị càng thấp càng tốt.
- Trong bản hướng dẫn sử dụng Amos khuyến cáo: RMSEA nhỏ hơn hoặc bằng 0.05 là chỉ số tốt phù hợp với bậc tự do của mô hình.
3. Comparative fit index (CFI)
Theo Brown (2006): chỉ số CFI đánh giá sự phù hợp trong mô hình với các mối liên hệ đưa ra trong SEM với một mô hình nhiều hạn chế và lồng nhau trong đó các hiệp phương sai giữa các biến đầu vào được đưa về gần giá trị 0
Chỉ số CFI dao động từ 0 đến 1. 0 kém phù hợp, 1 là phù hợp tốt (cao).
Chỉ số TLI với ý nghĩa tương tự nhưng khoảng dao động vượt qua 1.

Ngoài ra, Hu và Bentler (1999) cung cấp chỉ số để thực hiện đánh giá bao gồm: RMSEA bé hơn hoặc bằng 0.6 và CFI/TLI lớn hơn hoặc bằng 0.95 thì mô hình đó được coi là có độ phù hợp cao.
Thọ & Trang (2008) thì  TLI, CFI ≥0.9, CMIN/df ≤ 2, RMSEA ≤ 0.08  chứng tỏ mô hình đạt độ phù hợp cao với dữ liệu thị trường.