Cách tính độ tin cậy tổng hợp Composite Reliability trong AMOS

     Hôm nay nhóm MBA ĐH Bách Khoa TP.HCM giới thiệu đến các bạn một khái niệm mới trong AMOS. Đó là khái niệm độ tin cậy tổng hợp.

- Thông thường, để tính độ tin cậy thì chỉ cần dùng chỉ số Cronbach's Alpha đã quen thuộc trong SPSS. Tuy nhiên trong AMOS có thêm một khái niệm nữa để khẳng định độ tin cậy của thang đo, đó là khái niệm Độ tin cậy tổng hợp ( Composite Reliability) - hay các viết khác là CR. Các bạn lưu ý CR ở đây khác với khái niệm giá trị tới hạn C.R ( Critical Ratios).

-  Độ tin cậy tổng hợp được tính cho từng nhân tố đơn hướng, tương tự như cách áp dụng cronbach's alpha, sẽ chạy riêng cho từng nhân tố một. Công thức tính độ tin cậy tổng hợp được tính dựa trên giá trị Standardized Regression Weight như sau:

Bây giờ sẽ thực hiện tính tự động giá trị độ tin cậy tổng hợp như sau:

-Bước 1: Chạy CFA, lấy được kết quả  Standardized Regression Weight của một nhân tố, ví dụ ở đây tên nhân tố là USEFUL:

-Bước 2: vào đường dẫn sau http://phantichspss.com/CompositeReliabilityhotrospss.htm , màn hình sẽ hiện ra như sau:

-Bước 3: Nhấn nút thêm Item thêm vài lần để hiện ra cho đủ 7 dòng. Sau đó nhập các  giá trị Estimate ở bảng Standardized Regression Weight vào cột màu đỏ như hướng dẫn, kết quả sẽ như sau:

-Bước 4: đọc kết quả, kết quả CR ra là  0.941 > 0.5 , như vậy độ tin cậy tổng hợp của thang đo này tốt và được chấp nhận.

(Nếu bạn gặp bất kì khó khăn khi chạy AMOS, hãy liên hệ nhóm MBA Bách Khoa hotrospss@gmail.com để được tư vấn, hỗ trợ...)

TP.HCM Feb9-2015

Hướng dẫn download và cài đặt phần mềm AMOS version 20

Nay nhóm ThS QTKD Bách Khoa giới thiệu link để các bạn download AMOS về sử dụng. Đây là bản amos phiên bản 20. Phiên bản mới nhất là AMOS 22. Khi làm luận văn, so sánh sử dụng 2 phiên bản này để chạy các chức năng phân tích CFA, SEM... kết quả đều như sau. Sự khác biệt giữa hai phiên bản này rất ít. Các bạn trong quá trình cài đặt có thắc mắc cứ mail cho nhóm nhé ( hotrospss@gmail.com)

Các bạn download phần mềm AMOS bản 20 ở link sau:
http://phantichspss.com/tong-hop-link-download-phan-mem-spss-amos.html

Khi cài , nhập số dưới đây vào License Authorization Wizard
YVI5LC9RR9T2D9WNZO3NCDVT9M3BCU7OSVQCBM7VWFZ5V2HQ52 BSXI4TIZ5DC82JYJXJGV75FRWTNVINL4
Chi tiết cụ thể cách cài các bạn tham khảo video hướng dẫn sau nhé.

Quan hệ giữa SPSS AMOS và AMOS

Nay nhóm chia sẻ với các bạn một số kiến thức về AMOS và SPSS (dành cho các bạn mới tìm hiểu AMOS và SPSS phục vụ cho học tập và làm luận văn)

Điểm chung: hai phần mềm SPSS và AMOS đều là phần mềm thống kê của hãng IBM.
- SPSS có cái hay riêng của nó, tuy không xử lý được việc giải bài toán nhiều phương trình hồi quy nằm chung. Nhưng SPSS lại chuyên về phân tích tần số, anova, thống kê mô tả, tương quan, hồi quy, kiểm định có tham số, kiểm định phi tham số các loại. Hệ điều hành hỗ trợ Windows, Mac OS. SPSS được sản xuất bởi SPSS Inc.,  nó đã được mua lại bởi IBM vào năm 2009. Các phiên bản hiện tại  được chính thức đặt tên là IBM SPSS Statistics SPSS, đây là một chương trình sử dụng rộng rãi để phân tích thống kê trong khoa học xã hội . Nó cũng được sử dụng bởi các nhà nghiên cứu thị trường, các nhà nghiên cứu y tế, công ty khảo sát, chính phủ, các nhà nghiên cứu giáo dục, các tổ chức tiếp thị, kĩ sư khai thác dữ liệu...Các thống kê căn bản trong phần mềm SPSS:
+Thống kê mô tả : Lập bảng chéo, tần số, Descriptives, khám phá, mô tả, tỷ lệ
+Thống kê đơn biến : trung bình, t -test, ANOVA, tương quan ( hai biến, từng phần partial, khoảng cách), kiểm tra phi tham số
+Dự đoán kết quả: hồi quy tuyến tính
+Dự đoán phân  nhóm nhóm: phân tích nhân tố, phân tích cluster ( hai bước, K -means, phân cấp), biệt số.
- IBM Amos ( hay còn gọi là SPSS AMOS) là công cụ để dễ dàng thực hiện biểu các mô hình cấu trúc (SEM) để xây dựng các mô hình với độ chính xác hơn các kỹ thuật thống kê đa biến tiêu chuẩn. Điều  này không thể làm được nếu chỉ sử dụng phần mềm SPSS trong trường hợp mô hình có nhiều biến phụ thuộc và trung gian. Với SPSS Amos, bạn có thể xác định, ước lượng, đánh giá, và trình bày mô hình của bạn trong một giao diện trực quan cho thấy mối quan hệ giữa các biến số giả thuyết . SPSS Amos cũng cung cấp một phương pháp phi đồ họa để xác định mô hình . SPSS Amos là công cụ hoàn hảo cho nhiều mục đích, ngoài ra còn cho phép sử dụng lập trình VB# hoặc C# để thiết kế mô hình. Hệ điều hành hỗ trợ Windows. Định dạng dữ liệu cho Amos thường dùng định dạng file input của SPSS. Phân tích CFA, kiểm định SEM, phân tích bootstrap, phân tích đa nhóm, phân tích tác động của biến điều tiết, biến trung gian được thực hiện với phần mềm AMOS này.
Tóm lại: nếu muốn đánh giá tổng thể một mô hình gồm nhiều ước lượng hồi quy, tương quan… AMOS là lựa chọn số một. Tuy nhiên nếu mô hình đơn giản, chỉ có một biến phụ thuộc, không có biến trung gian thì dùng SPSS là đủ để đánh giá.
Trong việc làm luận văn, nếu bạn chỉ sử dụng SPSS thì không cần cài AMOS là gì. Tuy nhiên nếu bạn định sử dụng AMOS để chạy mô hình thì bắc buộc phải cài thêm phần mềm SPSS để thực hiện các kiểm định cronbach’s alpha, EFA trước khi có thể chạy CFA và SEM với AMOS.
hotrospss@gmail.com- January 9, 2015

Quan hệ giữa PCLOSE và RMSEA

  

   Hôm nay nhóm MBA ĐH Bách Khoa TP.HCM giới thiệu đến các bạn khái niệm PCLOSE trong kiểm định AMOS, phần này xuất hiện trong mục Model Fit trong phần kết quả của AMOS.

   PCLOSE là giá trị p để kiểm định giả thiết null rằng RMSEA của tổng thể không lớn hơn 5%

     H₀: RMSEA ≤ 0.05

     Theo Browne and Cudeck (1993), RMSEA khoảng 0.05 hoặc nhỏ hơn thì mô hình close fit. Do đó giá trị p này được đặt tên là PCLOSE, dùng để test close fit. Lưu ý là khái niệm close fit gắn liền với giá trị RMSEA.

     Nếu PCLOSE nhỏ hơn 5%, thì bác bỏ giả thiết null, và kết luận RMSEA lớn hơn 0.05 ( mô hình chưa đạt được close fit). Vì thế chúng ta mong muốn giá trị PCLOSE lớn hơn 5% để kết luận được rằng RMSEA bé hơn 0.05.

January2015 -  hotrospss@gmail.com

Cài đặt plugin Pattern Matrix Builder cho phần mềm AMOS

    Giữa tháng 10/2014, admin giới thiệu với các bạn đam mê nghiên cứu phần mềm AMOS, công cụ Pattern Matrix Builder . Công cụ này giúp việc vẽ model được nhanh và chính xác hơn rất nhiều.

    Thay vì phải vẽ bằng tay toàn bộ mô hình, công cụ này cho phép vẽ tự động một lần, danh sách các biến được lấy từ  Pattern Matrix khi chạy EFA.

Cách cài đặt:

     1.Đầu tiên các bạn download file phantichspss.com/PatternMatrixBuilder.dll về máy tính. File này được nhóm sưu tầm trên mạng, nhưng không biết tác giả là ai, nhóm chia sẻ với mục đích học tập.

     2.Chép vào thư mục Plugins trong thư mục cài đặt của AMOS, ví dụ nếu cài mặc định thì sẽ nằm trong đường dẫn sau: "C:\Program Files (x86)\IBM\SPSS\Amos\22\Plugins\PatternMatrixBuilder.dll" .

     3. Chạy chương trình AMOS, lúc này trong Menu : Plugins đã xuất hiện thêm mục Pattern Matrix Builder( nếu chưa hiện thì bấm chuột phải vào file PatternMatrixBuilder.dll vừa được copy, chọn Property, bấm nút UnBlock, sau đó nhấn OK

     4. Như vậy việc cài đặt plugin đã hoàn thành. Việc sử dụng các bạn có thể tham khảo video của nhóm, đại khái là copy ma trận kết quả EFA Pattern Matrix vào màn hình của plugin này.

 Mọi thắc mắc khó khăn khi nghiên cứu SEM, AMOS, hoặc cần hỗ trợ hướng dẫn xử lý số liệu làm luận văn các bạn cứ chát vào https://facebook.com/HoTroAMOS/ hoặc  mail hotrospss@gmail.com do nhóm MBA Bách Khoa HCM hỗ trợ :)

Move Objects - Sức mạnh của công cụ Preserve Symmetries

Hôm nay ad và các bạn giải bài toán sau: 

-Làm sao đưa các phần tử trong hình màu đỏ về vị trí bên tay trái, mà ít tốn công sức chỉnh sửa nhất, và  hình dạng của khối đó được giữ nguyên như cũ. Thực hiện với phần mềm AMOS 22.

-Cách làm thông thường: dời từng phần tử bằng cách nhất nút move objects  , và kết quả sẽ là thực hiện rất lâu, chậm. Và các phần tử được sắp xếp lại không đồng đều về vị trí, vì phải dời nhiều lần tất cả các phần dư, các biến quan sát, biến tiềm ẩn

-Cách làm thông minh: Nhấn vào nút Preserve Symmetries, sau đó nhấn nút hình chiếc xe ( move objects), tiếp theo nhấn,giữ chuột trái vào biến behavior hình elip như mũi tên chỉ, sau đó di chuyển chuột đến vị trí cần thiết và thả ra.

Như vậy là ta đã di chuyển toàn bộ khối hình vẽ đi

Ngoài ra nút Preserve Symmetries còn có công dụng rất mạnh, như ta cần di chuyển đồng thời các phần dư, di chuyển đồng thời các biến quan sát.... 

Thực hành kiểm định bootstrap trong mô hình SEM với phần mềm AMOS

     Chiều mưa đầu tháng 10/2014, admin giới thiệu các bạn kiểm định bootstrap, thông thường đây là một trong những kiểm định cuối cùng, và là phần việc cuối cùng khi phân tích dữ liệu mô hình SEM, với phần mềm AMOS.

     Việc kiểm định bootstrap được tiến hành để kiểm tra lại mô hình. Bootstrap là phương pháp lấy mẫu lại có thay thế trong đó mẫu ban đầu đóng vai trò đám đông.
      Trước tiên chạy chương trình AMOS, vào menu View-Analysis Properties để hiện lên hộp thoại Analysis Properties.

     Chọn Tab Bootstrap, check vào Perfom bootstrap, chọn 1000, sau đó đóng cửa sổ này lại.

     Sau đó nhấn nút calculates estimate để thực hiện tính toán. Cửa sổ output sẽ xuất hiện thêm khái niệm bootstrap standard errors. Ta chọn mục Standardized Regression Weights và Bootstrap standard errors như trong hình vẽ.

     Ở đây cột Mean là hệ số  hồi quy của ước lượng bootstrap, cột Bias là chênh lệch giữa cột hệ số  hồi quy Mean và giá trị hệ số  hồi quy Estimate khi chạy không có Bootstrap. Cột SE-Bias là Standard errors của cột Bias. Ở đây chúng ta cần tính giá trị tới hạn  C.R Critical Ratios cho nó. Các bạn copy kết quả vào excel và tính toán giá trị tới hạn bằng cách lấy giá trị Bias chia cho Se_Bias.

     Sau đó so sánh giá trị C.R này với 1.96 ( do 1.96 là giá trị của phân phối chuẩn ở mức .9750 , nghĩa là 2.5% một phía, 2 phía sẽ là 5%).  Cột P <5% thì kết luận là giả thuyết Bias khác 0  có ý nghĩa thống kê. Do giả thuyết H0 : Bias =0, Ha: Bias <>0

Nếu giá trị C.R này > 1.96 thì suy ra p-value < 5%, chấp nhập Ha, kết luận độ lệch khác 0 có ý nghĩa thống kê ở mức tin cậy 95%.

Còn nếu C.R < 1.96 , suy ra p-value > 5%, bác bỏ Ha, chấp nhận H0, kết luận độ lệch khác 0 không có ý nghĩa thống kê ở mức tin cậy 95%, và như thế ta kết luận được mô hình ước lượng (lúc trước khi check vào option bootstrap) có thể tin cậy được. Thông thường đây là kết quả mong đợi khi phân tích SEM.

Sau đây là phần lý thuyết ( theo Phạm Đức Kỳ-  Bùi Nguyên Hùng):

Kiểm tra ước lượng mô hình bằng phương pháp Bootstrap

Mô hình cuối cùng cũng như các mô hình phù hợp khác cần thiết phải có bộ dữ liệu độc lập với nhau, hay cỡ mẫu ban đầu khá lớn. Trong phương pháp nghiên cứu định lượng bằng phương pháp lấy mẫu, thông thường chúng ta phải chia mẫu thành 02 mẫu con. Mẫu con thứ nhất dùng để ước lượng các tham số mô hình và mẫu con thứ hai dùng để đánh giá lại:

a. Định cỡ mẫu con thứ nhất dùng để khám phá,
b. Dùng cỡ mẫu con thứ hai để đánh giá chéo (Cross-Validation)

Chỉ số đánh giá chéo CVI (Cross-Validation Index) đo khoảng cách giữa ma trận Covariance phù hợp trong mẫu con thứ nhất với ma trận Covariance của mẫu. Chỉ số CVI nhỏ nhất cho phép kỳ vọng trạng thái mẫu lặp lại càng ổn định. 

Cách khác là lặp lại nghiên cứu bằng một mẫu khác. Hai cách trên đây thường không thực tế vì phương pháp phân tích mô hình cấu trúc thường đòi hỏi mẫu lớn nên việc làm này tốn kém nhiều thời gian, chi phí [Anderson & Gerbing 1998]. Trong những trường hợp như vậy thì Boostrap là phương pháp phù hợp để thay thế[Schumacker & Lomax 1996]. Bootstrap là phương pháp lấy mẫu lại có thay thế trong đó mẫu ban đầu đóng vai trò đám đông.

Phương pháp Boostrap thực hiện với số mẫu lặp lại là N lần. Kết quả ước lượng từ N mẫu được tính trung bình và giá trị này có xu hướng gần đến ước lượng của tổng thể. Khoảng chênh lệch giữa giá trị trung bình ước lượng bằng Bootstrap và ước lượng mô hình với mẫu ban đầu càng nhỏ cho phép kết luận các ước lượng mô hình có thể tin cậy được. 

Liên hệ hỏi đáp amos: hotrospss@gmail.com