Structural Equation Modeling (SEM) with AMOS

1STRUCTURAL EQUATION MODELING (SEM) WITH AMOS ĐỖ TIẾN SỸ, TRẦN NGUYỄN NHẬT NAM
XÂY DỰNG MÔ HÌNH
CẤU TRÚC TUYẾN TÍNH BẰNG AMOS
Structural Equation Modeling (SEM) with AMOS
ỨNG DỤNG TIN HỌC HỖ TRỢ NGHIÊN CỨU KHOA HỌC VÀ
HOẠT ĐỘNG XÂY DỰNG
Đỗ Tiến Sỹ, Trần Nguyễn Nhật Nam
TP. HCM, 09 - 2019

MỤC TIÊU KHÓA HỌC
1. Hiểu và phân biệt các đặc điểm của SEM
2. Phân biệt các loại biến và mô hình
3. Hiểu cấu tạo mô hình tuyến tính
4. Mối liên hệ với các kỹ thuật phân tích đa biến khác
5. Hiểu các điều kiện thành lập nhân quá, cách SEM hỗ trợ kiểm tra
6. Giải thích được các kiểu quan hệ trong SEM
7. Hiểu được mục đích của SEM trong việc giải thích hiệp phương sai
8. Biết được cách biểu diễn SEM dưới dạng sơ đồ đường trực quan
9. Liệt kê được các bước tiến hành, hiểu vai trò của lý thuyết trong quá trình đó

TỔNG QUAN VỀ SEM
Structural Equation Modeling = Factor Analysis + Regression
 Định nghĩa phổ biến: là sự kết hợp của phân tích nhân tố và hồi quy
− Chỉ ra mối quan hệ giữa các biến tiềm ẩn (Latent) và biến quan sát
(Measured)
 Liên kết sơ đồ đường dẫn (Path diagram), công thức (Equation), và các
chỉ số phù hợp (Fit statistics)
 Bao gồm mô hình đo lường và đường dẫn

TỔNG QUAN VỀ SEM

CÁC KHÁI NIỆM VỀ BIẾN
 Khái niệm biến có rất nhiều, tuy nhiên SEM phân thành 2 loại
 Biến đo lường: độc lập, có thể quan sát, đo lường trực tiếp. Observed,
Exogenous (ngoại sinh), manifest variable. Có sai số đo lường
 Biến tiềm ẩn: bị ảnh hưởng, không đo lường được. Latent, Endogenous (nội
sinh). Không có sai số, được giải thích thông qua biến đo lường
 Ví dụ: có 2 nhân tố ảnh hưởng lên GPA
V1, V2, R1 đều là các biến đo lường
GPA
(R1)
Số giờ học mỗi tuần
(V1)
IQ
(V2)
Biến độc lập
Biến phụ thuộc
(vào V1 và V2)

KÝ HIỆU TRONG MÔ HÌNH SEM
Biến tiềm ẩn được biểu diễn bằng vòng tròn
Biến đo lường được biểu diễn bằng hình chữ nhật
Mũi tên 1 chiều biểu thị mối quan hệ phụ thuộc giả
thuyết giữa 2 biến, nguyên nhân -> kết quả
Mũi tên 2 chiều biếu thị sự tương quan giữa các biến
(covariance). Chỉ được dùng với biến đo lường
Nguyên tắc cơ bản của mô hình SEM:
- Biến “đo được”, độc lập là hình chữ nhật. Biến “ẩn”, phụ thuộc là vòng tròn.
- Để phân biệt nội sinh, ngoại sinh; nên ký hiệu biến “đo được” là X, biến “ẩn” là
Y
- Giữa biến nội sinh, ngoại sinh chỉ có quan hệ phụ thuộc (mũi tên 1 chiều)
- Giữa các biến ngoại sinh, chỉ CÓ THỂ có quan hệ tương quan (mũi tên 2
chiều)

Biến
quan sát A
Biến
quan sát B
Biến ẩn 1
ea
eb
Biến
quan sát C
Biến
quan sát D
Biến ẩn 2
ec
ed
Biến ẩn 3
e1
e2
biến đo lường
biến ẩn
sai số
phần dư ước lượng hồi quy
e3

Biến quan
sát A
Biến quan
sát B
Biến ẩn 1
ea
eb
Biến quan
sát C
Biến quan
sát D
Biến ẩn 2
ec
ed
e3
Biến ẩn 3
Biến quan
sát E
Biến quan
sát F
ee
ef
MÔ HÌNH ĐO LƯỜNG
MÔ HÌNH PHÂN TÍCH ĐƯỜNG
Biến ngoại sinh
Biến nội sinh

HỒI QUY ĐƠN BIẾN
X1
Y
α
β1
1 đơn vị X1
Y = α + β1 X1 + ε
ε
X1
(biến độc lập)
Y
(biến phụ thuộc)
ε
β1
Y = α + β1 X1 + ε
− X1 là biến độc lập / giải thích
− Y là biến phụ thuộc / kết quả
− β1 là hệ số hồi quy
− ε là thành phần sai số.
− Làm sao chúng ta biết được 2 biến tương quan tuyến tính (đường
thẳng) với nhau?

HỒI QUY ĐA BIẾN
X1
Y
(biến phụ thuộc)
ε
β1
X2
β2
Y = α + β1 X1 + β2 X2 + ε
− X1, X2 là biến độc lập / giải thích
− Y là biến phụ thuộc / kết quả
− β1 và β2 là hệ số hồi quy riêng
− ε là thành phần sai số.
− Chi tiêu ← Thu nhập, địa điểm, số thành viên.
− Chi tiêu = f (Thu nhập, Địa điểm, Số thành viên)

PHÂN TÍCH ĐƯỜNG DẪN
X1 (biến
trung gian)
Y (biến phụ
thuộc)
ε2
β1
X2
(ngoại sinh)
β2
ε1
β3 X1 = α1 + β3 X2 + ε1
Y = α2 + β1 X1 + β2 X2 + ε2
− X1 là biến trung gian
− X2 là biến ngoại sinh
X2 vừa có ảnh hưởng trực tiếp và gián tiếp lên Y:
− Trực tiếp: β2
− Gián tiếp qua β3 * β1
− Tổng ảnh hưởng: β3 * β1 + β2

PHÂN TÍCH NHÂN TỐ
Factor 1
Factor 2
Factor 3
Item 1
Item 2
Item 3
Item 4
Item 5
− Fi : ước lượng trị số của nhân tố I
− Wi : quyền số hay trọng số nhân tố (Factor scores coefficient)
− K : số biến
− Xi : biến quan sát
Fi = Wi1*X1 + Wi2*X2 + Wi3*X3 + . . . + Wik*Xk
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 KHÁI NIỆM CƠ BẢN
 SEM là sự kết hợp mô hình đo lường và mô hình cấu trúc
F1 F2
X1
X2
X3
Y1
Y2
Y3
MÔ HÌNH
CẤU TRÚC
Factors → factors
g11
g12
g13
l11
l12
l13
b21
z1 z2
e1
e1
e1
MÔ HÌNH
ĐO LƯỜNG
Hồi quy, path model, factor model
Biến quan sát → latent
MÔ HÌNH
ĐO LƯỜNG
Hồi quy, path model, factor model
Biến quan sát → latent
d1
d1
d1
Error Factor loading Structural
parameter
Factor loading Error

CÁC KHÁI NIỆM CƠ BẢN
 Ví dụ: 1 nghiên cứu về mức độ hài lòng công việc của nhân viên, phát
triển thêm bằng cách thêm các tương quan. 2 vấn đề nghiên cứu chính:
(1) nhân tố nào ảnh hưởng sự hài lòng về công việc và (2) sự hài lòng
này có liên quan đến khả năng tìm kiếm công việc mới hay không.
 Cụ thể: sự giám sát của cấp trên, mối quan hệ với đồng nghiệp, điều
kiện làm việc sẽ làm tăng mức độ hài lòng → giảm khả năng nghỉ việc.
 Trường hợp này: có thể dùng hồi quy đa bội (multiple regression)
không?

ĐIỀU KIỆN CHẠY SEM
 Cần quan tâm đến cấu trúc của thang đo.
 Các khái niệm sau khi rút ra có thể tương quan với nhau nên phải chú ý
sự phân biệt rõ ràng giữa các nhân tố
 CÁC TIÊU CHUẨN EFA NÊN TUÂN THỦ KHI CHẠY SEM:
− Nên sử dụng phương pháp trích Principal Axis Factoring với phép xoay
Promax (Gerbing & Anderson, 1988)
− |Factor Loading| lớn nhất của mỗi Item >=0.5
− 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)

CỠ MẦU CẦN THIẾT CHO SEM
 SEM đòi hỏi cỡ mẫu lớn. Cỡ mẫu như thế nào là đủ lớn vẫn còn nhiều ý
kiến khác nhau, phụ thuộc vào: kỹ thuật ước lượng, độ phức tạp của mô
hình, mức độ trống của số liệu, phương sai của sai số trung bình…
Hair và cộng sự, 2014 đề xuất theo độ phức tạp và đặc điểm model
1. Min 100: < 5 khái niệm nghiên cứu. communalites cao (≥ 0.60)
2. Min 150: ≤ 7 khái niệm nghiên cứu, communalites (≥ 0.50)
3. Min 300: ≤ 7 khái niệm nghiên cứu, communalities thấp (≤ 0.45)
4. Min 500: nhiều khái niệm nghiên cứu, communalities thấp

CỠ MẦU CẦN THIẾT CHO SEM
Giá trị đề nghị Cỡ mẫu
0.30 350
0.35 250
0.40 200
0.45 150
0.50 100
0.60 85
0.65 70
0.70 60
0.75 50
Mô hình càng đơn giản có thể được
kiểm định với các mẫu nhỏ hơn. Các
mô hình phức tạp yêu cầu các cở mẫu
lớn hơn vì:
− Nhiều khái niệm hơn có nhiều tham
số hơn cần ước lượng
− Các khái niệm có tối thiểu 3 biến đo
lường
− Phân tích cho nhiều nhóm đòi hỏi
một cở mẫu phù hợp cho mỗi nhóm
(Theo Hair, 1998)

SO SÁNH MÔ HÌNH TRUYỀN THỐNG
SIMPLE MODEL SEM MODEL
1. Frequency
2. Descriptive
3. Cronbach’s Alpha
4. Exploratory Factoring Analysis
(Principle Component – Varimax)
5. Correlation
6. Regression
1. Frequency
2. Descriptive
3. Cronbach’s Alpha
4. Exploratory Factoring Analysis
(Principle Axis Factoring – Promax)
5. Confirmatory Factoring Analysis
6. Structural Equation Modeling
SPSS AMOS, SmartPLS
A
B
C
D
A
B
DC

SO SÁNH MÔ HÌNH TRUYỀN THỐNG
SIMPLE MODEL SEM MODEL
Chủ yếu mô tả (Descriptive) -> khó
hoặc không thể Kiểm định giả thuyết
(Byrne, 2010)
Tiếp cận theo cách xác nhận
(Confirmatory) hơn khám phá
(Exploratory).
Không xét đến hoặc không khắc phục
các sai số đo lường của biến
Xử lý được
Trước xử lý các biến đo lường được Xử lý được các biến đo lường
(Observed variables) và các biến không
đo lường (Unobserved variables)
Thực hiện các kiểm định giả thuyết, các ước lượng điểm, ước lượng khoảng
SEM có những ưu điểm vượt trội do tiến hành phân tích nhân tố và phân
tích đường dẫn đồng thời

FRAMEWORK OF SEM
LƯỢC ĐỒ CHẠY SEM
EFA
CFA
SEM
Tính toán hệ số
Model-fit
Xác định số lượng và bản
chất của các biến tiềm ẩn
Xác nhận cấu trúc giữa các
nhân tố giả thuyết
Tìm mối liên hệ, tương quan
giữa các biến tiềm ấn
Kiểm tra mức độ phù hợp
của mô hình cấu trúc
CFA
Mô hình
ý tưởng (*)
Phát triển
giả thuyết
Thiết kế Questionaire
Tiến hành phỏng vấn
Chọn mẫu
Xác định các biến
XÁC ĐỊNH CÁC BIẾN
Ý TƯỞNG MÔ HÌNH GIẢ THUYẾT
(*) Conceptual hypothesized model

FRAMEWORK OF SEM
Nhận diện biến
Những biến nào được sử
dụng làm biến đo lường
Phát triển Mô hình đo lường
Mối liên hệ giữa các biến đo lường
Vẽ path diagram -> measurement model
Khảo sát để tiến tới KQ thực nghiệm
Đánh giá mức độ “đủ” sample size
Lựa chọn phương pháp ước tính
Khảo sát để tiến tới KQ thực nghiệm
Kiểm tra fit indeces
Kiểm tra Mô hình đo lường
Mô hình đo lường
hợp lý
Xác định Mô hình cấu trúc
Tiến hành chuyển Mô hình đo lường
sang Mô hình cấu trúc
Đánh giá Mô hình cấu trúc
Tính các chỉ số phù hợp mô hình
(Goodness of fit), độ tin cậy (Significance)
Mô hình Cấu trúc
hợp lý
Ra kết luận
Refinemôhình,
kiểmtravớidữliệumới
Source: Hair, Multvariate Data Analysis 2013
Yes
Yes
No
No

CÁC CHỈ SỐ VỀ ĐỘ PHÙ HỢP
Index Khoảng chấp nhận Mô tả Loại
2 2 phải đủ nhỏ Biểu thị mức độ phù hợp tổng
quát của toàn bộ mô hình tại
mức ý nghĩa p-value = 0.05
Chỉ số phù hợp tuyệt đối
2 / df < 3 tốt
< 5 chấp nhận được
Mức độ phù hợp một cách chi
tiết hơn của cả mô hình
RMSEA < 0.07 tốt
0.07 - 0.10 tạm được
> 0.10 tệ
Root Mean Square Error of
Approximation
GFI > 0.90 chấp nhận được
0.95 tốt
Goodness-of-fit statistic Chỉ số phù hợp tuyệt đối
CFI > 0.90 chấp nhân được
> 0.95 tốt
Comparative fit index Chỉ số phù hợp tăng
cường
NNFI
(TLI)
0.80 chấp nhận được
> 0.95 tốt
Non-Normed-fit index
(Tucker-Lewis)
Chỉ số phù hợp tăng
cường

AMOS LÀ GÌ?
 Là một công cụ thống kê để xác định và kiểm tra SEM
với dữ liệu thực nghiệm.
 AMOS có giao diện đồ họa đơn giản và trực quan
 Là một package của IBM SPSS
 Có thể import trực tiếp dữ liệu từ SPSS

CONFIRMATORY FACTOR ANALYSIS
Y1
Y2
η
ε1
ε2
λ1
λ2
Y1 = α1 + λ1 η + ε1
Y2 = α2 + λ2 η + ε2
− Y1 và Y2 là các biến đo lường, quan sát
− η là biến ẩn
− ε1 và ε2 là sai số đo lường
− λ1 và λ2 là hệ số tải nhân tố (factor loadings)
− α1 và α2 là tung độ gốc ban đầu

CONFIRMATORY FACTOR ANALYSIS
− Nhằm xác định sự phù hợp của số liệu nghiên cứu với mô hình lý thuyết
− EFA có nhiệm vụ khảo sát số liệu, tất cả các biến quan sát đều có liên
quan đến các yếu tố bằng cách ước lượng các hệ số tải (loadings). EFA
được thực hiện khi chưa biết có bao nhiêu yếu tố, và các biến nào thuộc
yếu tố nào.
− Với CFA, nhà nghiên cứu phải biết trước đã có bao nhiêu yếu tố, có bao
nhiêu biến trong từng yếu tố. Trong trường hợp này, CFA làm nhiệm vụ
xem xét sự phù hợp của mô hình đã có sẵn với số liệu nghiên cứu

VÍ DỤ
− Ví dụ 1: Minh hoạ một mô hình đơn giản của CFA gồm 2 yếu tố (cấu trúc). Giả sử
sau khi nghiên cứu lý thuyết, nhà nghiên cứu biết rằng có 2 yếu tố ảnh hưởng
đến đến phát sinh khối lượng VO trong xây dựng. Đó là khả năng quản lý
(Management Skills - MN) và thiết kế (Design - DE). Các biến số được đo bằng
thang Likert 5 điểm.
− Yếu tố quản lý được đo bằng 4 biến sau đây:
AF8: Không có kế hoạch chiến lược
AF6: Liên lạc, thông tin giữa các bên kém
AF17: Giám sát và quản lý công trường kém
AF5: Phạm vi công việc (SOW) không được xác định rõ ràng, đầy đủ
− Yếu tố liên quan tới thiết kế
AF9: Thay đổi thiết kế, chỉ tiêu kỹ thuật
AF12: Tư vấn thiết kế bị lỗi và thiếu sót
AF1: CĐT thay đổi kế hoạch, quy mô dự án
AF19: Thay đổi quy chuẩn, tiêu chuẩn
AF2: Sai sót trong hồ sơ hợp đồng

HƯỚNG DẪN AMOS
Dùng để vẽ biến quan sát
Dùng để vẽ biến tiềm ẩn
Dùng để vẽ biến quan sát và biến tiềm ẩn
Dùng để vẽ sai số
Hiển thị sơ đồ đường (in và output)
Liệt kê danh sách biến
← Vẽ hệ số đường dẫn, hệ số hồi quy
↔ Vẽ hiệp phương sai, hệ số tương quan
Ngón tay: chọn 1 đối tượng
Bàn tay dài: Chọn tất cả đối tượng
Bàn tay ngắn: Không chọn nữaXóa đối tượng
Di chuyển đối tượng
Copy đối tượng
Chỉnh sửa size
Xoay đối tượng
Tính toán
Copy Clipboard
Copy thuộc tính

THỰC HÀNH AMOS - CFA
− 1. Mở file dữ liệu: FileData Files (Ctrl-D) → Chọn File Name → Chọn kiểu file
và chỉ đến file cần mở → OK
− 2. Hiển thị danh sách biến:

− 3. Vẽ các biến tiềm ẩn, các biến quan sát tương ứng: có thể vẽ từng biến
riêng lẽ hoặc dùng công cụ vẽ nhanh. Copy, xóa, điều chỉnh kích thước hợp lý.
− 4. Gán dữ liệu: dùng hộp thoại Variables và drap sang ký hiệu biến quan sát
Nhấp biến tương ứng trong
danh sách và drap sang

− 5. Gán tên cho các biến tiềm ẩn (Hình elip): Click phải vào Elip hoặc Ctrl + O
và nhập tên biến vào Variable name.
− 6. Làm tương tự trong việc đặt tên cho các sai số: e1, e2….

7. Tạo Macro tính toán các chỉ số phù hợp: chọn nút Title, gõ các text sau:
8. Khai báo các thuộc tính cần tính toán: View Analysis Properties. Lưu ý chọn
Estimation Discrepancy Maximum likehood. Xuất Modification indices để xử lý
trong trường hợp model xấu.
Trước khi tính toán, bạn nên lưu lại file sơ đồ đường dẫn

9. Tính toán ước lượng:
Click để thể hiện kết quả
tính toán lên sơ đồ
Chuyển đổi cách thể hiện
dạng không chuẩn hoá/ chuẩn hoá

Unstandardized – Mô hình chưa chuẩn hóa Standardized – Mô hình đã chuẩn hóa
Hệ số B chưa chuẩn hóa phản ánh lượng
biến thiên của Y khi một đơn vị X thay đổi
Hệ số Beta đã chuẩn hóa phản ánh lượng
biến thiên của độ lệch chuẩn (standard
deviation) của Y khi một đơn vị độ lệch
chuẩn của X thay đổi
Việc chuẩn hóa một biến có lợi: là đơn vị
đo lường của một biến được bỏ qua, làm
cho việc so sánh dễ dàng hơn.

Kết quả dưới dạng bảng số liệu: click để xuất Amos Output
Regression Weights: (Group number 1 - Default model) – Bảng các trọng số
chưa chuẩn hoá

Standardized Regression Weights: (Group number 1 - Default model) – Bảng
các trọng số đã chuẩn hoá
Các trọng số (đã chuẩn hoá) này cần
> 0.5 để thang đo có thể đạt được
giá trị hội tụ. Trường hợp biến quan
sát nào có trọng số <0.5 thì bạn lần
lượt loại ra.

Covariances: (Group number 1 - Default model) Hiệp phương sai

Correlations: (Group number 1 - Default model) Hệ số tương quan

Variances: (Group number 1 - Default model) Phương sai

Model NPAR CMIN DF P CMIN/DF
Default model 21 47.866 24 0.003 1.994
Saturated model 45 0 0
Independence model 9 468.967 36 0 13.027
Model RMR GFI AGFI PGFI
Default model 0.052 0.936 0.88 0.499
Saturated model 0 1
Independence model 0.333 0.466 0.333 0.373
Model
NFI RFI IFI TLI
CFI
Delta1 rho1 Delta2 rho2
Default model 0.898 0.847 0.946 0.917 0.945
Saturated model 1 1 1
Independence model 0 0 0 0 0
Model Fit Summary
RMR, GFI
Baseline Comparisons

VÍ DỤ
− Ví dụ 2 (tiếp theo VD 1). Nhà nghiên cứu biết rằng có 5 nhóm nguyên nhân gây
thay đổi liên quan đến quản lý, thiết kế, nhận thức, thi công và nguyên nhân
không lường trước. Các nhóm này ảnh hưởng lên chi phí, tiến độ, chất lượng dự
án và gây ra phát sinh tranh chấp. 22 biến quan sát đã được kiểm tra bằng EFA,
CFA.
MN
DE
EX
AW
UN
CO
QA
CL
Biến độc lập
Vừa là biến độc lập,
vừa là biến phụ thuộc
Biến phụ thuộc

VÍ DỤ
Nguyên nhân
phát sinh
Ảnh hưởng
phát sinh
Khả năng xảy ra
khiếu nại
Khả năng quản lý (AF – MN)
Thiết kế (AF – DE)
Thi công (AF – EX)
Nhận thức (AF – AW)
Nhân tố không lường trước (AF – UN)
Chi phí
Tiến độ
Chất lượng (EF – QA)
Rủi ro
Năng lực
Phân tích đường dẫn
Phân tích nhân tố

THỰC HÀNH AMOS - SEM
Tiến hành chuyển đổi Mô hình đo lường (CFA) sang mô hình cấu trúc bằng
cách thêm các mũi tên 1 chiều (quan hệ nhân – quả).
Kế thừa 2 biến MN, DE bổ sung các biến EX, AW, UN, CO, QA, CL (cũng làm tương
tự 8 bước của CFA)
* Lưu ý: đây là mô hình cuối cùng. Khi thực
nghiên cứu bạn phải giải thích vì sao có được các
mối liên hệ này

Chi-square/df = 1.93 (<2);
TLI = 0.909 ; CFI=0.925;
RMSEA=0.068 (<0.08)
Làm sao cải thiện mô hình?

Mô hình có Chi-square càng nhỏ càng tốt.
Cột MI gợi ý cho bạn xem nên móc mũi tên
hai đầu vào cặp sai số nào để có thể cải thiện
Chi-square. Nếu móc giữa e2 và e14 thì hiệp
phương sai giữa chúng sẽ là -.207 và
Chi-square sẽ giảm một lượng là 12.859
so với Chisquare của mô hình ban đầu.
Khi đó GFI, TLI, CFI … cũng sẽ được cải thiện
Dùng mũi tên 2 chiều để bổ
sung tương quan sai số biến và nhận xét
các hệ số phù hợp.
Tuy nhiên, một mô hình không nên móc quá
nhiều mũi tên hai đầu giữa các cặp sai số.
Lưu ý: Nên bổ sung phần dư sai số trong
cùng 1 construct

P-value của AW, EX, QA
đều < 0.05. Nên các biến
này đều thực sự ảnh hưởng
đến khả năng tranh chấp

AW (Nhận thức) tác động
mạnh nhất đến tranh chấp vì
trị tuyệt đối của trọng số
chuẩn hoá là 0.424, lớn nhất
trong 3 số 0.424, 0.277,
0.262
AW (Nhận thức) tác động
mạnh nhất đến tranh chấp vì
trị tuyệt đối của trọng số
chuẩn hoá là 0.424, lớn nhất
trong 3 số 0.424, 0.277,
0.262

THỦ TỤC BOOTSTRAP
Để đánh giá độ tin cậy của các ước lượng, Bootstrap là phương pháp thường được
sử dụng (Schumacker & Lomax, 2006)
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 trên. 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 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.
Vậy theo bạn như vậy thì trong một mẫu mà Bootstrap chọn ra, có khi nào có 2
hay nhiều quan sát trùng nhau không?

Khai báo tính toán Bootstrap?
View Analysis Properties

Ngoài các ước lượng bình thường, sẽ có thêm các ước lượng bằng Bootstrap
Bootstrap

Parameter Estimate SE SE-SE Mean Bias SE-Bias CR
CL <--- AW 0.408 0.262 0.008 0.363 -0.045 0.012 30.25
CL <--- EX 0.318 0.174 0.006 0.355 0.037 0.008 44.38
CL <--- QA 0.274 0.182 0.006 0.264 -0.01 0.008 33.00
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
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, có ý nghĩa
thống kê ở độ tin cậy 95%. Có sự chênh lệch nên cần tăng cỡ mẫu cho nghiên cứu.

ĐIỂM MẠNH CỦA SEM
1. Việc sử dụng mô hình đa biến giúp ích cho việc hiểu rõ về vấn đề nghiên cứu.
Ví dụ, sử dụng tương quan hai biến không thể phân tích được các mô hình lý
thuyết phức tạp. Ngược lại, mô hình SEM có thể mô hình hóa và kiểm định các hiện
tượng phức tạp này
2. Sự thừa nhận về độ tin cậy và hợp lý của các chỉ số từ công cụ đo lường
Kỹ thuật của mô hình cấu trúc tuyến tính có tính đến sai số đo lường một cách rõ
ràng khi phân tích dữ liệu
3. Khả năng phân tích nâng cao của SEM
4. Các phần mềm chạy SEM ngày càng dễ sử dụng

CÁC CÁCH CẢI THIỆN CHỈ SỐ PHÙ HỢP
1. Chỉ số MI Modification indices (slide 43)
Lưu ý: không được sử dụng các mũi tên hiệp phương sai covariances giữa phần dư
(error terms) với biến quan sát hoặc biến tiềm ẩn
2. Chỉ số Standardized Residual Covariances (SRCs).
− Chỉ số này cũng giống như modification indices , nghĩa là chỉ ra sự khác nhau
giữa mô hình đề xuất và mô hình ước lượng (proposed and estimated models)
Hệ số standardized residual covariance đáng kể khi có giá trị tuyệt đối lớn hơn
2,58
− Các quy tắc cải thiện mô hình cũng tương tự như chỉ số MI( nghĩa là chỉ số nào
lớn thì xử lý trước)
− Tuy nhiên, cần lưu ý rằng trong thực tế, việc áp dụng cách nàynên hạn chế, bởi
vì việc giải quyết theo cách này đòi hỏi phải loại bỏ các items trong bài của mình.
Nghĩa là xóa luôn một vài câu hỏi trong bài, chứ không đơn thuần là móc chỉ số
covariances như khi áp dụng MI

QUY TẮC KINH NGHIỆM
 Không có mô hình nào được phát triển để sử dụng SEM mà không có
vài nền tảng lý thuyết bên dưới.
 Sự hỗ trợ của lý thuyết nhằm: (i) mô tả mô hình đo lường; (ii) mô tả mô
hình cấu trúc.
 Các mô hình có thể được thể hiện trực quan với một sơ đồ nhánh. Quy
ước: (i) các mối quan hệ phụ thuộc được thể hiện bằng các mũi tên 1
chiều; (ii) các mối quan hệ tương quan hoặc hiệp phương sai được thể
hiện với các mũi tên 2 chiều.

TRÌNH BÀY CẤU TRÚC NHÂN QUẢ
Nguyên nhân – kết quả Hiện tượng – nguyên nhân
Nguyên nhân 1 Hiện tượng 1
Kết quả 1 Nguyên nhân 1
Nguyên nhân 2 Hiện tượng 2
Lúc nào cần dùng?
− Khi nhận định các nguyên nhân có thể của một vấn đề
− Khi nghiên cứu đi vào ngõ cụt, hoặc đi theo lối mòn
Trong mô hình SEM slide 41, đâu là nguyên nhân và kết quả?

ISHIKAWA DIAGRAM
Vấn đề cần
giải quyết
Xác định các
nguyên nhân chính
Suy nghĩ tới các
nguyên nhân phụ
nằm trong nhóm
chính

ISHIKAWA DIAGRAM
Các phần mềm hỗ trợ:
1. MS Visio
2. https://www.draw.io/
Xác định vấn đề
Brainstorm
Vẽ đường
xương sống
Thêm chi tiết
Cần giải quyết cái gì?
Thảo luận về tất cả các
nguyên nhân và đưa vào
từng nhóm riêng biệt
Tất cả các nguyên nhân sẽ
rẽ nhánh từ đường này
Đưa các nhóm nguyên nhân
chính và các nguyên nhân
phụ vào mô hình
Phân tích
Dựa vào biểu đồ, đưa ra các
biện pháp khắc phục

ISHIKAWA DIAGRAM

TÀI LIỆU THAM KHẢO
1. Hair, J. F., Hult, G. T. M., Ringle, C., & Sarstedt, M. (2013). A Primer on
Partial Least Squares Structural Equation Modeling (PLS-SEM). Sage
Publications, Inc.
2. Byrne, B. M. (2010). Structural equation modeling with AMOS: Basic
concepts, applications, và programming. 2nd Edition. Routledge Taylor &
Francis Group.
3. Byrne, B. M. (2010). Structural equation modeling with AMOS: Basic
concepts, applications, và programming. 2nd Edition. Routledge Taylor &
Francis Group.
4. Nguyễn Đình Thọ & Nguyễn Thị Mai Trang (2008). Nghiên cứu khoa
học Marketing - Ứng dụng mô hình cấu trúc tuyến tính SEM, TPHCM:
NXB ĐH Quốc gia TPHCM.
5. Kline RB (2004). Principles và Practice of Structural Equation Modeling,
2nd Edition, NY: Guilford

THỰC HÀNH
1. Truy cập: shorturl.at/EFKOP
2. Tiến hành phân tích SEM và biện luận Kết quả.
+ 2.1 Kiểm tra GOFs
+ 3.2 Giải thích các mối liên hệ
+ 3.4 Đề xuất kiến nghị

APPENDIX
STT NHÂN TỐ ẢNH HƯỞNG MÃ HÓA
1 CĐT thay đổi kế hoạch, quy mô dự án AF1
2 Sai sót trong hồ sơ hợp đồng AF2
3 Trở ngại trong quá trình thúc đẩy ra quyết định AF3
4 Bản chất bảo thủ của chủ đầu tư AF4
5 Phạm vi công việc (SOW) không được xác định rõ ràng, đầy đủ AF5
6 Liên lạc, thông tin giữa các bên kém AF6
7 Thay thể vật liệu, quy trình AF7
8 Không có kế hoạch chiến lược AF8
9 Thay đổi thiết kế, chỉ tiêu kỹ thuật AF9
10 Tư vấn Thiếu hiểu biết về vật liệu, thiết bị sẵn có AF10
11 Nhà thầu thay đổi biện pháp thi công AF11
12 Tư vấn thiết kế bị lỗi và thiếu sót AF12
13 Xây dựng song song các công tác đường găng (Fast track) AF13
14 Nhà thầu không tham gia vào giai đoạn thiết kế AF14
15 Thay đổi thiết kế để tiết kiệm chi phí (Value engineering) AF15
16 Chậm gửi yêu cầu thông tin (RFI) AF16
17 Giám sát và quản lý công trường kém AF17
18 Yếu tố bất khả kháng AF18
19 Thay đổi quy chuẩn, tiêu chuẩn AF19
20 Cản trơ vì chính quyền AF20
Bảng A.1 Bảng mã hóa các các nhân tố ảnh hưởng đến thay đổi, phát sinh khối lượng

APPENDIX
STT ẢNH HƯỞNG GÂY RA BỞI PHÁT SINH MÃ HÓA
1 Giảm năng suất lao động EF1
2 Trễ tiến độ hoàn thành EF2
3 Tranh chấp giữa Chủ đầu tư và nhà thầu EF3.
4 Giảm chất lượng dự án EF4.
5 Vượt chi phí dự án AF5
6 Tăng lợi nhuận của nhà thầu EF6
7 Gây chậm trễ trong quy trình cung cấp vật liệu, thiết bị EF7
8 Làm xuất hiện nhưng hoạt động không có giá trị cho dự án EF8
9 Tăng chi phí của nhà thầu EF9
10 Xuất hiện công tác phải làm lại EF10
11 Gây chậm thanh toán cho nhà thầu EF11
12 Làm xuất hiện các quy trình không cần thiết EF12
13 Gây mất an toàn lao động EF13

APPENDIX
STT ẢNH HƯỞNG GÂY RA BỞI PHÁT SINH MÃ HÓA
1 Phân bổ rủi ro không công bằng CL1
2 Mục tiêu chất lượng, tiến độ, chi phí không thực tế (của CĐT) CL2
3 Văn hóa ngành nghề CL3
4 Phân bổ rủi ro không rõ ràng CL4
5 Người tham gia dự án thiếu năng lực CL5
6 Kỳ vọng về dự án không thực tế từ Chủ đầu tư CL6
7 Phương thức thanh toán không phù hợp CL7
8 Xung đột lợi ích cá nhân CL8

APPENDIX
Bảng A.4 Kết quả phân tích nhân tố ảnh hưởng phát sinh khối lượng
Nhóm Mã Nhân tố
Loading
factor
Eigen
value
% of
Variance
Khả năng
quản lý
(AF-MN)
AF8 Không có kế hoạch chiến lược 0.779
4.999 26.310
AF6 Liên lạc, thông tin giữa các bên kém 0.735
AF17 Giám sát và quản lý công trường kém 0.695
AF5 (SOW) không được xác định rõ ràng, đầy đủ 0.617
Thiết kế
(AF-DE)
AF9 Thay đổi thiết kế, chỉ tiêu kỹ thuật 0.617
2.782 14.640
AF12 Tư vấn thiết kế bị lỗi và thiếu sót 0.695
AF1 CĐT thay đổi kế hoạch, quy mô dự án 0.675
AF19 Thay đổi quy chuẩn, tiêu chuẩn 0.603
AF2 Sai sót trong hồ sơ hợp đồng 0.596
AF10 Tư vấn Thiếu hiểu biết về vật liệu, thiết bị sẵn có 0.579
Nhân tố
ngoài dự
đoán
(AF-UN)
AF20 Cản trơ vì chính quyền 0.809
1.606 8.452
AF18 Yếu tố bất khả kháng 0.701
AF14 Nhà thầu không tham gia vào giai đoạn thiết kế 0.469
AF16 Chậm gửi yêu cầu thông tin (RFI) 0.417
Thi công
(AF-EX)
AF11 Nhà thầu thay đổi biện pháp thi công 0.731
1.226 6.455AF7 Thay thể vật liệu, quy trình 0.717
AF13 Fast track 0.708
Nhận thức
(AF-AW)
AF3 Trở ngại trong quá trình thúc đẩy ra quyết định 0.837
1.215 6.393
AF4 Bản chất bảo thủ của chủ đầu tư 0.639
S % 62.250

Structural Equation Modeling (SEM) with AMOS

Recommended

Recommended

More Related Content

What's hot

What's hot (20)

More from Nam N.N Tran M.Eng, PMP

More from Nam N.N Tran M.Eng, PMP (7)

Recently uploaded

Recently uploaded (20)

Structural Equation Modeling (SEM) with AMOS