Bài giảng Thực hành mô hình cấu trúc tuyến tính (SEM) với phần mềm AMOS: Phần 2

5. KIỂM ĐỊNH BOOTSTRAP Các hệ số hồi quy trong mô hình ở mục 4 có được ước lượng tốt không? Làm sao đánh giá được mức độ tin cậy của các ước lượng trong mô hình nghiên cứu? Để đánh giá độ tin cậy của các ước lượng, trong các phương pháp nghiên cứu định lượng bằng phương pháp lấy mẫu, thông thường chúng ta phải chia mẫu ra làm hai mẫu con. Một nửa dùng để ước lượng các tham số mô hình, và một nửa dùng để đánh giá lại. Cách khác là lặp lại nghiên cứu bằng một mẫu khác. Hai cách trên đây thường không thực tế vì phương pháp cấu trúc thường đòi hỏi mẫu lớn nên việc làm này tốn kém nhiều thời gian và chi phí (Anderson & Gerbing, 1988) 1. Trong những trường hợp như vậy thì Bootstrap là phương pháp phù hợp để thay thế (Schumacker & Lomax, 2006). Bootstrap là phương pháp lấy mẫu lặp lại có thay thế, trong đó mẫu ban đầu đóng vai trò là đám đông. 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 mục 4. 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 theo bạn như vậy thì trong một mẫu mà Bootstrap chọn ra, có khi nào có 2 hay nhiều quan sát trùng nhau không? Dĩ nhiên là hoàn toàn có thể có điều đó xảy ra. 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. Khai báo tính toán Bootstrap? View\ Analysis Properties Hình 5.1 Chọn nút để tính toán. Bây giờ, ngoài các ước lượng bình thường, sẽ có thêm các ước lượng bằng Bootstrap 1 Trích từ Thọ & Trang (2008, 56) 54 Hình 5.2 Hình5.3 Khi đang chọn chuột tại Standardized Regression Weights, bạn hãy nhấp chuột vào mục Bootstrap standard errors. 55 Sẽ có kết quả như Hình 5.4 Hình 5. 4 Parameter trungthanh <-trungthanh <- trungthanh <- luong_thuong lanhdao thangtien Estimate 0.436 0.229 0.278 SE SE-SE 0.105 0.003 0.125 0.004 0.132 0.004 Mean Bias 0.432 -0.004 0.236 0.007 0.274 -0.004 SE- Bias CR 0.005 -0.800 0.006 1.167 0.006 -0.667 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. Cột 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, không có ý nghĩa thống kê ở độ tin cậy 95%. Và như vậy, ta có thể kết luận là các ước lượng trong mô hình (như Hình 4.4) có thể tin cậy được. 56 6. PHÂN TÍCH CẤU TRÚC ĐA NHÓM Giả sử bạn muốn xem xét sự ảnh hưởng giữa lãnh đạo, thăng tiến, lương thưởng đến lòng trung thành có khác biệt giữa nhóm nhân viên nam và nhân viên nữ hay không thì phải làm thế nào? Ta sẽ thực hiện phân tích cấu trúc đa nhóm Quản lý các nhóm? Bạn đang mở file SEM phan tich da nhom jdi loy mh1.amw Hình 6.1 Nếu bạn chọn File\Data file thì sẽ thấy như Hình 6.2. Hình 6.2 này cho thấy file dữ liệu sử dụng trong phân tích là khao sat nhan vien.sav, và toàn bộ các quan sát đang được tổ chức thành 1 nhóm. Bạn muốn tách thành 2 nhóm là nhóm nam, và nhóm nữ. Click chuột vào nút Grouping Variable ⮳Chọn biến gioitinh 57 Hình 6.2 Hình 6.3 58 ... - tailieumienphi.vn