Ứng dụng phần mềm AMOS trong giảng dạy học phần Phương pháp NCKH trong kinh tế

Ứng dụng phần mềm AMOS trong giảng dạy học phần Phương pháp NCKH trong kinh tế. Đây là đề tài nghiên cứu khoa học cấp cơ sở, cung cấp cho sinh viên các kiến thức về nghiên cứu khoa học đặc biệt là phương pháp định lượng.

MỤC LỤC

MỤC LỤC i

DANH MỤC BẢNG BIỂU iv

DANH MỤC HÌNH VẼ v

DANH MỤC CÁC CHỮ VIẾT TẮT viii

MỞ ĐẦU 1

1 Tính cấp thiết của đề tài 1

2 Mục tiêu nghiên cứu 2

2.1 Mục tiêu chung 2

2.2 Mục tiêu cụ thể 2

3 Đối tượng, phạm vi nghiên cứu 2

3.1 Đối tượng nghiên cứu 2

3.2 Phạm vi nghiên cứu 2

4 Cách tiếp cận 3

5 Phương pháp nghiên cứu 3

6 Phương thức chuyển giao kết quả nghiên cứu và địa chỉ ứng dụng 3

6.1 Phương thức chuyển giao 3

6.2 Địa chỉ ứng dụng 3

7 Tác động và lợi ích mang lại của kết quả nghiên cứu 3

7.1 Đối với lĩnh vực giáo dục và đào tạo 3

7.2 Đối với lĩnh vực khoa học và công nghệ có liên quan 4

7.3 Đối với tổ chức chủ trì và các cơ sở ứng dụng kết quả nghiên cứu 4

8 Bố cục đề tài 4

PHẦN 1 GIỚI THIỆU CHUNG 5

1.1 Tổng quan tình hình nghiên cứu thuộc lĩnh vực của đề tài ở trong và ngoài nước 5

1.1.1 Trong nước 5

1.1.2 Ngoài nước 7

1.3 Nội dung nghiên cứu của đề tài 10

PHẦN 2 ĐỀ CƯƠNG CHI TIẾT HỌC PHẦN PHƯƠNG PHÁP NGHIÊN CỨU KHOA HỌC TRONG KINH TẾ 11

PHẦN 3 MÔ HÌNH CẤU TRÚC TUYẾN TÍNH 27

3.1 Tổng quan về mô hình cấu trúc tuyến tính 27

3.1.1 Khái niệm 27

3.1.2 Mục tiêu của phân tích SEM 28

3.1.3 Ưu điểm của SEM 28

3.1.4 Các phần mềm sử dụng trong phân tích SEM 30

3.2 Các phần tử trong mô hình SEM 31

3.2.1 Biến quan sát và biến tiềm ẩn 31

3.2.2 Biến độc lập và biến phụ thuộc 33

3.2.3 Biến trung gian, biến điều tiết và biến kiểm soát 34

3.2.4 Biến chỉ báo phản ánh và biến chỉ báo cấu tạo 36

3.2.5 Sai số và phần dư 36

3.3 Các bước trong thiết kế mô hình SEM 37

3.3.1 Chỉ định mô hình (Model Specification) 37

3.3.2 Nhận dạng mô hình (Model Identification) 38

3.3.3 Ước luợng mô hình (Model Estimation) 39

3.3.4 Đánh giá độ phù hợp của mô hình (Assesing Fit of the Model) 39

3.3.5 Hiệu chỉnh mô hình (Model Modification) 40

3.4 Kích thước mẫu yêu cầu cho mô hình SEM 40

3.5 Các vấn đề cần quan tâm trong nghiên cứu sử dụng SEM 42

PHẦN 4 HƯỚNG DẪN SỬ DỤNG PHẦN MỀM AMOS 45

4.1 Khái quát về phần mềm AMOS 45

4.2 Làm quen với AMOS Graphics 46

4.2.1 Khởi động AMOS 46

4.2.2 Giới thiệu về giao diện của phần mềm AMOS 47

4.2.3 Các bước lập sơ đồ đường dẫn 49

4.3 Phân tích nhân tố khẳng định (Confirmatory Factor Analysis - CFA) 59

4.3.1 Đánh giá độ phù hợp của mô hình (Model Fit) 60

4.3.1.1 Khái niệm 60

4.3.1.2 Một số chỉ số đo độ phù hợp của mô hình 60

4.3.1.3 Cách cải thiện độ phù hợp của mô hình 63

4.3.2 Kiểm định độ tin cậy (reliability) và hiệu lực (validity) của thang đo 66

4.3.2.1 Tính đơn hướng (Unidimensionality) 66

4.3.2.2 Độ tin cậy của thang đo 66

4.3.2.3 Giá trị hội tụ (Convergent validity) 68

4.3.2.4 Giá trị phân biệt (Discriminant validity) 68

4.4 Phân tích mô hình cấu trúc tuyến tính SEM 70

4.5 Phân tích biến trung gian trong mô hình SEM 73

4.6 Phân tích cấu trúc đa nhóm 76

PHẦN 5 THỰC HÀNH PHÂN TÍCH SEM VỚI PHẦN MỀM AMOS 81

5.1 Đánh giá sơ bộ độ tin cậy thang đo với hệ số Cronbach’s Alpha 82

5.2 Phân tích nhân tố khám phá (Exploratory Factor Analysis - EFA) 83

5.3 Phân tích nhân tố khẳng định CFA 86

5.4 Phân tích mô hình cấu trúc tuyến tính SEM 91

5.5 Phân tích biến trung gian trong mô hình 96

5.6 Phân tích cấu trúc đa nhóm cho biến giới tính 97

KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN CỦA ĐỀ TÀI 102

TÀI LIỆU THAM KHẢO 103

PHỤ LỤC 105

DANH MỤC BẢNG BIỂU

Bảng 4.1 Chức năng của các nút lệnh trên thanh công cụ của AMOS 48

Bảng 4.2 Ngưỡng chấp nhận đề xuất của một số chỉ số Model fit 61

Bảng 5.1 Kết quả kiểm định Cronbach’s Alpha 82

Bảng 5.2 Covariances 89

Bảng 5.3 Kết quả đánh giá độ tin cậy, độ hội tụ và giá trị phân biệt của thang đo 91

Bảng 5.4 Kết quả kiểm định khác biệt giữa mô hình bất biến và khả biến 100

Bảng 5.5 Kết quả phân tích sự khác biệt giữa các nhóm giới tính 101

DANH MỤC HÌNH VẼ

Hình 3.1: Mô hình biểu diễn quan hệ giữa các biến quan sát và biến tiềm ẩn 31

Hình 3.2: Ví dụ về mô hình đo lường 32

Hình 3.3: Ví dụ về mô hình cấu trúc 32

Hình 3.4: Mô hình biểu diễn quan hệ giữa biến độc lập và biến phụ thuộc 34

Hình 3.5: Biến trung gian trong mô hình 34

Hình 3.6: Biến điều tiết trong mô hình 35

Hình 3.7: Biến kiểm soát trong mô hình 35

Hình 3.8: Mô hình biểu diễn biến chỉ báo cấu tạo và biến chỉ báo phản ánh 36

Hình 3.9: Các phần tử cơ bản trong mô hình SEM 37

Hình 4.1: Giao diện AMOS Graphics 47

Hình 4.2: Hộp thoại Data Files 49

Hình 4.3: Vẽ biến quan sát và biến tiềm ẩn bằng công cụ Draw observed/unobserved 50 Hình 4.4: Vẽ biến quan sát và biến tiềm ẩn bằng công cụ Draw indicator variable 51

Hình 4.5: Biến quan sát và biến tiềm ẩn sau khi thực hiện lệnh xoay đối tượng 51

Hình 4.6: Sao chép đối tượng bằng công cụ Duplicate 52

Hình 4.7: Đặt tên biến 53

Hình 4.8: Hộp thoại Object properties 53

Hình 4.9: Hiển thị danh sách biến trong tập dữ liệu 54

Hình 4.10: Gán giá trị cho biến quan sát 54

Hình 4.11: Sơ đồ biểu diễn mối quan hệ giữa các biến 55

Hình 4.12: Hộp thoại Analysis Properties 56

Hình 4.13: Tính toán ước lượng 57

Hình 4.14: Cửa sổ Amos Output 57

Hình 4.15: View Graphics Output 58

Hình 4.16: Notes for Model 62

Hình 4.17: Model Fit 62

Hình 4.19: Ví dụ vẽ hiệp phương sai giữa các phần dư 64

Hình 4.20: Cải thiện mô hình bằng Modification Indices M.I 65

Hình 4.21: Các bước xem Standardized Loading Estimates 68

Hình 4.22: Plugin Master Validity 69

Hình 4.23: Hộp thoại Save as 71

Hình 4.24: Hộp thoại Interface Properties 71

Hình 4.25: Khai báo Analysis Properties 72

Hình 4.26: Khai báo kiểm định tác động trực tiếp và gián tiếp trong mô hình 74

Hình 4.27: Khai báo kiểm định Bootstrap 74

Hình 4.28: Kết quả kiểm định Bootstrap 75

Hình 4.29: Kết quả kiểm định Bootstrap 77

Hình 4.30: Khai báo nhóm giá trị của biến định tính 78

Hình 4.31: Hộp thoại Manage Groups 79

Hình 4.32: Nhập dữ liệu cho các nhóm giá trị biến định tính 79

Hình 5.1: Mô hình nghiên cứu 81

Hình 5.2: Phân tích nhân tố khám phá 84

Hình 5.3: Khai báo phân tích EFA 85

Hình 5.4: Truy cập plugin Pattern Matrix Builder 86

Hình 5.5: Sơ đồ đường dẫn phân tích CFA 87

Hình 5.6: Khai báo Analysis Properties cho phân tích CFA 87

Hình 5.7: Kết quả phân tích CFA lần 1 88

Hình 5.8: Kết quả phân tích CFA lần 2 90

Hình 5.9: Xóa mũi tên biểu diễn hiệp phương sai 92

Hình 5.10: Chỉnh sửa vị trí các biến trên sơ đồ 92

Hình 5.11: Chỉnh sửa vị trí các biến trên sơ đồ 93

Hình 5.12: Thêm phần dư cho biến phụ thuộc 93

Hình 5.13: Đặt tên tự động cho phần dư 94

Hình 5.14: Sơ đồ đường dẫn phân tích SEM 94

Hình 5.15: Kết quả phân tích SEM 95

Hình 5.16: Kết quả phân tích biến trung gian 96

Hình 5.17: Hộp thoại Data Files 97

Hình 5.18: Chọn biến cho nhóm giới tính nam “Male” 98

Hình 5.19: Khai báo giá trị cho nhóm giới tính nam “Male” 98

Hình 5.20: Nhập dữ liệu cho các nhóm giá trị biến giới tính 99

Hình 5.21: Mô hình bất biến 99

Hình 5.22: Mô hình khả biến 100

DANH MỤC CÁC CHỮ VIẾT TẮT

AMOS Phân tích cấu trúc mô măng (Analysis of Moment Structure) CFA Phân tích nhân tố khẳng định (Confirmatory Factor Analysis) EFA Phân tích nhân tố khám phá (Exploratory Factor Analysis)

PPNCKH Phương pháp Nghiên cứu khoa học

SEM Mô hình cấu trúc tuyến tính (Structural Equation Modelling)

MỞ ĐẦU

1 Tính cấp thiết của đề tài

Học phần Phương pháp nghiên cứu khoa học trong kinh tế cung cấp cho sinh viên những kiến thức nền tảng về phương pháp nghiên cứu trong kinh tế Thông qua đó, sinh viên sẽ nắm được các bước trong một quy trình nghiên cứu, từ việc xác định vấn đề nghiên cứu, đặt câu hỏi nghiên cứu, lập kế hoạch nghiên cứu cho tới tiến hành thu thập

và xử lý dữ liệu, viết báo cáo và trình bày kết quả nghiên cứu Tuy nhiên, trong thực tiễn, một số công trình nghiên cứu, mặc dù có sự nỗ lực rất lớn nhưng người thực hiện vẫn còn lúng túng và chưa trình bày được phương pháp nghiên cứu, nhất là phương pháp nghiên cứu định lượng sử dụng mô hình cấu trúc tuyến tính (Structural Equation Model

- SEM) - một trong những kỹ thuật phức hợp và linh hoạt nhất sử dụng để phân tích mối quan hệ phức tạp trong mô hình nhân quả

SEM được dùng để mô tả mối quan hệ giữa các biến quan sát được (observed variables) với mục tiêu cơ bản là kiểm định các giả thuyết thống kê Trên thế giới, SEM được các nhà nghiên cứu sử dụng từ rất lâu trong các lĩnh vực như tâm lý, giáo dục, kinh doanh, xã hội học… Mô hình SEM phối hợp được tất cả các kỹ thuật như hồi quy đa biến, phân tích nhân tố, phân tích đường dẫn, mô hình đường dẫn, bình phương nhỏ nhất một phần, mô hình tăng trưởng tiềm ẩn và phân tích mối quan hệ tương hỗ (giữa các phần tử trong mô hình đo lường và mô hình cấu trúc) cho phép chúng ta kiểm tra mối quan hệ phức hợp trong mô hình

Hiện nay có nhiều công cụ phần mềm hỗ trợ quá trình phân tích và xác định SEM như: AMOS, LISREL, SmartPLS, STATA… được các nhà nghiên cứu trên thế giới sử dụng rất phổ biến trong các công trình nghiên cứu Một trong những công cụ phổ biến nhất là phần mềm AMOS với ưu điểm là: dễ sử dụng nhờ module tích hợp chung với phần mềm phổ biến là SPSS và dễ dàng xây dựng các mối quan hệ giữa các biến, nhân

tố (phần tử mô hình) bằng trực quan hình học nhờ chức năng AMOS Graphics Tuy nhiên, ở Việt Nam, việc sử dụng phần mềm AMOS để tiếp cận mô hình SEM còn hạn chế, tài liệu hướng dẫn chi tiết cách sử dụng và thực hành AMOS rất ít Đa phần tài liệu

bày ở Phần 1) chỉ ở dạng bài viết mô tả kinh nghiệm, hướng dẫn ngắn, không có tài liệu hướng dẫn chi tiết các bước thực hiện, cách hiệu chỉnh mô hình và đọc thông số kết quả

Vì vậy, đề tài này được thực hiện nhằm hỗ trợ việc phân tích và xử lý dữ liệu - một trong những nội dung quan trọng trong giảng dạy Phương pháp nghiên cứu khoa học trong kinh tế, giúp cho người dạy và học tại các trường đào tạo chuyên ngành về kinh tế, quản trị kinh doanh, marketing, hệ thống thông tin quản lý, tài chính - ngân hàng… trong đó

có Trường Đại học Công nghệ Thông tin và Truyền thông Việt - Hàn tiếp cận mô hình SEM bằng phần mềm AMOS một cách trực quan, dễ dàng và nhanh chóng hơn

2 Mục tiêu nghiên cứu

2.1 Mục tiêu chung

Mục tiêu chung của đề tài nhằm nghiên cứu các nội dung, kỹ thuật liên quan đến SEM bằng phần mềm AMOS làm cơ sở cho sinh viên học tập môn Phương pháp nghiên cứu khoa học trong kinh tế tại Trường

2.2 Mục tiêu cụ thể

Xây dựng đề cương chi tiết cho học phần Phương pháp nghiên cứu khoa học trong kinh tế để áp dụng giảng dạy tại Trường;

Giới thiệu tổng quan về mô hình SEM;

Hướng dẫn xử lý và phân tích dữ liệu bằng phần mềm AMOS

Ngoài ra, đề tài còn cung cấp tập dữ liệu mẫu để luyện tập và ứng dụng phân tích SEM bằng phần mềm AMOS

3 Đối tượng, phạm vi nghiên cứu

3.1 Đối tượng nghiên cứu

Đối tượng nghiên cứu chủ yếu của đề tài bao gồm những vấn đề liên quan đến nghiên cứu ứng dụng AMOS trong giảng dạy Phương pháp nghiên cứu khoa học trong kinh tế

3.2 Phạm vi nghiên cứu

Phạm vi nội dung:

Các kỹ thuật phân tích cơ bản (phân tích đơn nhóm và phân tích đa nhóm) để tiếp cận mô hình cấu trúc tuyến tính bằng phần mềm AMOS v22

Các kỹ thuật phân tích bậc cao (phân tích nhân tố khẳng định cấu trúc bậc hai, phân tích biến kiểm soát) không nằm trong phạm vi nghiên cứu của đề tài này

Phạm vi không gian: Đề tài nghiên cứu áp dụng giảng dạy tại các trường Đại học chuyên ngành về kinh tế, quản trị kinh doanh, marketing, tài chính - ngân hàng… Phạm vi thời gian: Dữ liệu mẫu thu thập trong khoảng thời gian từ tháng 10/2020 đến tháng 12/2020

4 Cách tiếp cận

Tham khảo tài liệu phương pháp nghiên cứu khoa học trong kinh tế, các nghiên cứu về AMOS và tài liệu liên quan, từ đó hướng dẫn chi tiết cách sử dụng AMOS để xử

lý và phân tích dữ liệu trong phương pháp nghiên cứu định lượng

5 Phương pháp nghiên cứu

Phương pháp thu thập thông tin: Tìm hiểu lý thuyết về phương pháp nghiên cứu khoa học trong kinh tế, lý thuyết cơ bản và chuyên sâu về SEM, AMOS thông qua Internet và các tài liệu sách, báo liên quan

Phương pháp thực nghiệm: Thu thập dữ liệu để lập tập dữ liệu mẫu, hướng dẫn thực hành AMOS bằng tập dữ liệu mẫu đã thu thập

6 Phương thức chuyển giao kết quả nghiên cứu và địa chỉ ứng dụng

6.1 Phương thức chuyển giao

Chuyển giao trực tiếp sử dụng tại Trường Đại học Công nghệ Thông tin và Truyền thông Việt - Hàn

6.2 Địa chỉ ứng dụng

Trường Đại học Công nghệ Thông tin và Truyền thông Việt - Hàn và các trường Đại học đào tạo kinh tế, quản trị kinh doanh, marketing…

7 Tác động và lợi ích mang lại của kết quả nghiên cứu

7.1 Đối với lĩnh vực giáo dục và đào tạo

Kết quả nghiên cứu có thể gợi ý điều chỉnh đề cương giảng dạy học phần Phương pháp nghiên cứu khoa học trong kinh tế ở bậc đại học Kết quả nghiên cứu sẽ được sử dụng làm nguồn tài liệu tham khảo cho giảng viên, sinh viên để có căn cứ xử lý và phân

7.2 Đối với lĩnh vực khoa học và công nghệ có liên quan

Kết quả nghiên cứu của đề tài được sử dụng làm nguồn tài liệu tham khảo cho các nhà nghiên cứu kinh tế xã hội khi tiến hành xử lý dữ liệu nghiên cứu định lượng

7.3 Đối với tổ chức chủ trì và các cơ sở ứng dụng kết quả nghiên cứu

Báo cáo tổng hợp kết quả nghiên cứu đề tài có thể giúp cải thiện hiệu quả dạy và học học phần Phương pháp nghiên cứu khoa học trong kinh tế

8 Bố cục đề tài

Ngoài phần mở đầu và kết luận, đề tài được chia thành 5 phần với những nội dung

cụ thể sau:

Phần 1: Giới thiệu chung;

Phần 2: Đề cương chi tiết học phần Phương pháp nghiên cứu khoa học trong

PHẦN 1 GIỚI THIỆU CHUNG

1.1 Tổng quan tình hình nghiên cứu thuộc lĩnh vực của đề tài ở trong và ngoài nước

1.1.1 Trong nước

Ngày nay, việc vận dụng phù hợp các phương pháp nghiên cứu khoa học trong nghiên cứu kinh tế - xã hội không còn là vấn đề riêng của người dạy và người học mà cả các doanh nghiệp cũng đang rất cần những kết quả nghiên cứu đáng tin cậy để hỗ trợ ra quyết định ở tất cả các cấp trong môi trường kinh doanh hội nhập toàn cầu và cạnh tranh ngày càng gay gắt Các công trình về phương pháp nghiên cứu khoa học trong kinh tế -

xã hội đã được rất nhiều học giả trên thế giới nghiên cứu từ tổng quát đến chuyên sâu Tuy nhiên, tại Việt Nam, tài liệu nghiên cứu về mảng này còn hạn chế, chưa phong phú

Đa số các công trình chỉ dừng ở mức giới thiệu tiến trình nghiên cứu, thiết kế nghiên cứu, phương pháp nghiên cứu (định tính và định lượng), trình bày báo cáo kết quả nghiên cứu Đối với phương pháp xử lý dữ liệu, đa phần các công trình giới thiệu và hướng dẫn phân tích dữ liệu nghiên cứu bằng phần mềm thông dụng nhất là SPSS, các phần mềm thống kê khác được sử dụng rất nhiều trong nghiên cứu định lượng như AMOS, EVIEWS, SAS, STATA, R… ít được giải thích một cách cặn kẽ và chi tiết Có thể kể đến các công trình về phương pháp nghiên cứu khoa học trong kinh tế - xã hội như sau:

- Đồng Thị Thanh Phương, Nguyễn Thị Ngọc An (2012), Phương pháp nghiên cứu khoa học, NXB Lao động - Xã hội [8]

Nội dung công trình theo hướng giới thiệu các kiến thức cho sinh viên khối ngành kinh tế lần đầu nghiên cứu khoa học Các chương được trình bày theo thứ tự các bước tiến hành nghiên cứu gồm giới thiệu tổng quát về nghiên cứu khoa học, xác định đề tài

và xây dựng đề cương nghiên cứu, lập kế hoạch nghiên cứu, thực hiện kế hoạch nghiên cứu thông qua việc thu thập và xử lý thông tin, trình bày báo cáo kết quả nghiên cứu và đánh giá kết quả nghiên cứu

Nghiên cứu này trình bày rất chi tiết cách đặt giả thuyết khoa học để định hướng nghiên cứu, các bước xây dựng đề cương nghiên cứu cũng như lựa chọn mô hình và phương pháp nghiên cứu, cách thức thu thập thông tin Tuy nhiên, điểm hạn chế của

cả xử lý thông tin định tính và định lượng Đối với xử lý thông tin định lượng, chỉ dừng

ở mức giới thiệu các sai số quan sát và độ chính xác của số liệu

- Nguyễn Đình Thọ (2014), Giáo trình Phương pháp nghiên cứu khoa học trong kinh doanh, NXB Tài chính [20]

Giáo trình trang bị cho người đọc những quan điểm, nhận thức, phương pháp và công cụ cần thiết để thực hiện các dự án nghiên cứu khoa học, cung cấp những kiến thức nền tảng trong nghiên cứu khoa học hàn lâm gồm xây dựng và kiểm định lý thuyết khoa học Nội dung giáo trình theo hướng ứng dụng trong thiết kế và thực hiện nghiên cứu khoa học kinh doanh, tập trung nhiều vào ví dụ minh họa, chủ yếu trích từ một số nghiên cứu của tác giả và các cộng sự về vấn đề thị trường Việt Nam Để xử lý dữ liệu, giáo trình giới thiệu phần mềm thống kê SPSS, bao gồm đánh giá độ tin cậy thang đo bằng

hệ số Cronbach Alpha, phân tích EFA, kiểm định khác biệt trung bình qua mô hình test và ANOVA, phân tích mô hình hồi quy đơn và hồi quy bội, mô hình hồi quy với biến độc lập định tính, mô hình hồi quy đa biến và phân tích đường dẫn

t Hà Nam Khánh Giao, Bùi Nhất Vương (2019), Giáo trình Cao học Phương pháp nghiên cứu khoa học trong kinh doanh, NXB Tài chính [11]

Nội dung giáo trình giới thiệu phương pháp luận nghiên cứu khoa học cũng như các vấn đề về nghiên cứu thực nghiệm trong lĩnh vực xã hội, đặc biệt trong các lĩnh vực kinh doanh, gồm lý thuyết trong nghiên cứu, quan hệ nhân quả trong nghiên cứu và một

số vấn đề trong nghiên cứu thực nghiệm như thang đo, chọn mẫu, ứng dụng mô hình hồi quy trong nghiên cứu khoa học Để phân tích dữ liệu, giáo trình hướng dẫn phân tích mô hình cấu trúc tuyến tính (SEM) sử dụng hai phần mềm là AMOS và SmartPLS Tuy nhiên, vì giáo trình này áp dụng cho học viên cao học nên các hướng dẫn thiên về hướng

lý thuyết hàn lâm, các bước thực hành với các biến tổng quát (biến tiềm ẩn, biến trung gian, biến điều tiết…) mà không áp dụng cho một mô hình lý thuyết hay mô hình nghiên cứu minh họa cụ thể khiến người đọc khó tiếp thu và thực hành nếu không có kiến thức nền tảng về xử lý và phân tích dữ liệu

- Nguyễn Khánh Duy (2009), Bài giảng Thực hành mô hình cấu trúc tuyến tính SEM với phần mềm AMOS, Trường Đại học Kinh tế Thành phố Hồ Chí Minh [21]

Nội dung tài liệu giới thiệu một cách trực quan các bước tiếp cận SEM với phần mềm AMOS gồm phân tích nhân tố khám phá, phân tích nhân tố khẳng định, mô hình cấu trúc, kiểm định Bootstrap và phân tích cấu trúc đa nhóm Đây gần như là tập bài giảng duy nhất về AMOS để những người lần đầu tiên tiếp cận SEM có thể thực hành

và áp dụng Tuy nhiên, tài liệu này được nghiên cứu từ những ngày đầu AMOS được giới thiệu nên có một số thuật ngữ chưa chính xác, chưa hướng dẫn rõ ràng các bước phân tích trong một nghiên cứu định lượng bằng AMOS, chưa hướng dẫn chi tiết về độ phù hợp mô hình model fit, cách cải thiện độ phù hợp của mô hình và cách đọc các thông

số trong bảng Output Hơn nữa, tài liệu này hướng dẫn sử dụng AMOS phiên bản cũ (AMOS 16), một số chức năng và plugin hỗ trợ (ví dụ plugin Pattern Matrix Builder, MasterValidity) cho các phiên bản mới chưa được trình bày trong nghiên cứu này

1.1.2 Ngoài nước

- Cunningham, Everarda G and WANG, Wei C (2005), Using AMOS Graphics to

enhance the understanding and communication of multiple regression [6]

Mục tiêu của bài báo nhằm kiểm định khả năng nhận biết và truyền đạt kết quả xử

lý dữ liệu thông qua giao diện đồ họa của AMOS (AMOS Graphics) trong các khóa học thống kê ở bậc đại học Cụ thể, nghiên cứu tiến hành phân tích và so sánh các phương pháp tiếp cận để giảng dạy và đọc kết quả mô hình hồi quy bội thông qua phần mềm SPSS và AMOS Nghiên cứu kết luận rằng đối với nhiều sinh viên là những người học trực quan, giao diện đồ họa giúp họ “nhìn thấy” mô hình, các mối quan hệ giả định và mối quan hệ qua lại giữa các biến nghiên cứu Từ góc độ giáo khoa, việc sử dụng AMOS

5 đặc tả mô hình nghiên cứu mang lại lợi thế là buộc người học phải suy nghĩ về những giả thuyết thực tế trong lĩnh vực nghiên cứu và cách chuyển đổi những giả thuyết này thành mối quan hệ giữa các biến Đặc biệt, quan sát từ lớp học và phản hồi từ sinh viên cho thấy cách tiếp cận mô hình nghiên cứu thông qua AMOS Graphics như vậy tạo sự quan tâm và tăng khả năng hiểu biết của sinh viên đối với vấn đề nghiên cứu

- Byrne, B.M (2016), Structural equation modeling with AMOS: Basic concepts,

applications and programming, 3rd edition, Abingdon: Routledge [5]

Nghiên cứu này hướng dẫn chi tiết lập mô hình SEM bằng cách sử dụng AMOS Graphics, bao gồm mô tả và minh họa về định dạng mới của AMOS là Tables View, định dạng này cho phép biểu diễn mô hình cấu trúc dạng bảng tính; các phương pháp tiếp cận thay thế để phân tích mô hình giúp người dùng xác định phương pháp phù hợp nhất với dữ liệu của họ; phương pháp phân tích mô hình dựa trên dữ liệu phân loại và liên tục cho phép người dùng kiểm định và so sánh kết quả của cùng một mô hình theo hai phương pháp phân tích Để xử lý dữ liệu định lượng, nghiên cứu hướng dẫn xử lý phân tích đơn nhóm, cụ thể cho phân tích nhân tố khẳng định CFA bậc 1 và bậc 2, phân tích đa nhóm với cấu trúc hiệp phương sai, kiểm định Bootstrap Giáo trình này là nguồn tài liệu lý tưởng cho học viên sau đại học, còn đối với người đọc chưa từng hoặc ít tiếp xúc với SEM trước đó thì điều kiện tiên quyết để đọc hiểu là phải có kiến thức nền về nguyên lý thống kê

- Ong, M.H.A and Puteh, F (2017), Quantitative Data Analysis: Choosing between

SPSS, PLS and AMOS in Social Science Research, International Interdisciplinary Journal of Scientific Research, Vol 3 (1), 14-25 [23]

Bài báo nhằm hỗ trợ các nhà nghiên cứu khoa học xã hội lựa chọn phần mềm thống

kê tốt nhất để tiến hành kiểm định thống kê hiệu quả trong các nghiên cứu định lượng gồm SPSS, SmartPLS, AMOS Nghiên cứu kết luận rằng khi tiến hành kiểm định, nhà nghiên cứu thường sử dụng ít nhất hai loại phần mềm thống kê để hoàn thành quy trình phân tích thống kê Ví dụ, khi tiến hành phân tích dữ liệu sơ bộ (kiểm tra giá trị khuyết, kiểm tra sự phân bố dữ liệu…) thì các công cụ thống kê tổng quát như SPSS được coi là một lựa chọn tốt Nhà nghiên cứu có thể quyết định sử dụng thêm phần mềm thống kê AMOS hoặc SmartPLS để kiểm định giả thuyết nghiên cứu vì phần lớn các nghiên cứu khoa học xã hội nhằm kiểm định mối quan hệ nhân quả giữa một số biến độc lập và phụ thuộc trong cùng một lý thuyết Điều quan trọng cần lưu ý là việc lựa chọn phần mềm thống kê tốt nhất và phân tích thống kê phù hợp phụ thuộc rất nhiều vào mục tiêu nghiên cứu, câu hỏi nghiên cứu và mô hình nghiên cứu Đây là điều kiện tiên quyết cho bất kỳ

phân tích thống kê nào được sử dụng Lựa chọn phân tích thống kê phù hợp giúp các nhà nghiên cứu thu được các kết quả chính xác và chắc chắn để giải thích về mục tiêu nghiên cứu đã đề ra Tuy nhiên, bài báo chỉ tiếp cận theo hướng trình bày các loại phân tích thống kê và phân tích điểm mạnh và điểm yếu của mỗi phần mềm thống kê, chưa đưa ra hướng dẫn cụ thể cho các bước áp dụng SPSS, SmartPLS hay AMOS để tiến hành phân tích trong các nghiên cứu định lượng

1.2 Tình hình sử dụng AMOS trên thế giới và ở Việt Nam

AMOS là phần mềm của hãng IBM, bổ sung cho SPSS khi xử lý những mô hình cấu trúc SEM, những mô hình có nhiều hơn 1 biến phụ thuộc Nhiều học giả trên thế giới nghiên cứu và sử dụng phần mềm này để hỗ trợ cho việc phân tích dữ liệu liên quan trong công trình nghiên cứu Rất nhiều trường đại học trên thế giới đã đưa nội dung này vào giảng dạy từ rất lâu

Gần đây, việc học tập và áp dụng AMOS vào công trình NCKH cũng được đông đảo nhà nghiên cứu, sinh viên đại học, học viên cao học ở Việt Nam quan tâm tìm hiểu Tuy nhiên, chỉ có một số ít các trường đại học có đưa vào chương trình giảng dạy Còn lại, để phục vụ cho mục đích nghiên cứu của mình, các học giả hầu như phải tự tìm kiếm tài liệu trên Internet và học hỏi kinh nghiệm từ những người khác Có thể kể đến các trường đại học hiện nay tại Việt Nam có triển khai đào tạo AMOS như:

Trường Đại học Kinh tế - Đại học Quốc gia TP Hồ Chí Minh:

- Học phần: Kỹ thuật phân tích chính sách (3 tín chỉ)

- Chuyên ngành: Kinh tế kế hoạch và đầu tư

Trường Đại học Tây Đô:

- Học phần: Nghiên cứu Marketing (Marketing research) (3 tín chỉ)

- Chuyên ngành: Marketing; Quản trị kinh doanh

Trường Đại học Hồng Bàng:

- Học phần: Phương pháp nghiên cứu khoa học (3 tín chỉ)

- Ngành: Quản trị kinh doanh

Ngoài ra, một số trường đại học và trung tâm có đào tạo các khóa học ngắn hạn về

Nẵng, Trường Đại học Kinh tế - Đại học Quốc gia Hà Nội, Trường Đại học Mở TP Hồ Chí Minh

1.3 Nội dung nghiên cứu của đề tài

Nội dung nghiên cứu tập trung vào các công việc cụ thể sau:

- Xây dựng Đề cương chi tiết học phần Phương pháp nghiên cứu khoa học trong kinh tế;

- Hệ thống hóa những vấn đề lý luận về mô hình cấu trúc tuyến tính SEM;

- Xây dựng tài liệu hướng dẫn sử dụng phần mềm AMOS;

o Giới thiệu phần mềm AMOS;

o Phân tích nhân tố khẳng định;

o Phân tích mô hình cấu trúc tuyến tính;

o Phân tích biến trung gian trong mô hình SEM;

o Phân tích biến điều tiết trong mô hình SEM

- Hướng dẫn thực hành phân tích mô hình SEM bằng phần mềm AMOS với tập dữ liệu mẫu hỗ trợ dạy và học Phương pháp nghiên cứu khoa học trong kinh tế

PHẦN 2 ĐỀ CƯƠNG CHI TIẾT HỌC PHẦN PHƯƠNG PHÁP NGHIÊN CỨU KHOA HỌC TRONG KINH TẾ

Để nâng cao hiệu quả dạy và học học phần Phương pháp nghiên cứu khoa học trong

kinh tế, tăng cường hàm lượng thực hành xử lý và phân tích dữ liệu trong phương pháp

nghiên cứu định lượng, tác giả xây dựng đề cương chi tiết học phần như sau:

TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN

VÀ TRUYỀN THÔNG VIỆT - HÀN Độc lập - Tự do - Hạnh phúc

CHƯƠNG TRÌNH GIÁO DỤC ĐẠI HỌC

Trình độ đào tạo: Đại học Ngành: Quản trị kinh doanh Mã số: 7340101

Chuyên ngành: Quản trị Thương mại điện tử

ĐỀ CƯƠNG CHI TIẾT HỌC PHẦN

1 Thông tin chung về học phần

nghiên cứu khoa học trong kinh tế

- Danh sách giảng viên cùng giảng dạy:

- Bộ môn phụ trách giảng dạy:

1.8 Điều kiện tham gia học phần:

Kiến thức Chuyên ngành Thực tập

kỹ năng phân tích và xử lý dữ liệu bằng phần mềm AMOS

2.2 Mục tiêu cụ thể

2.2.1 Về kiến thức

Sau khi kết thúc học phần, sinh viên có thể:

- Hiểu được mục tiêu, bản chất của nghiên cứu khoa học và áp dụng phương pháp nghiên cứu khoa học trong kinh tế và kinh doanh

- Mô tả được quy trình thiết kế một nghiên cứu khoa học

- Lập kế hoạch nghiên cứu, xác định vấn đề và mục tiêu nghiên cứu

- Xác định được cấu trúc cơ bản của một nghiên cứu

- Xây dựng mô hình cấu trúc tuyến tính

- Trình bày được cách thức thu thập và xử lý số liệu

- Biết cách viết một báo cáo kết quả khoa học

2.2.2 Về kỹ năng

Sau khi kết thúc học phần, sinh viên có kỹ năng:

- Xây dựng đề cương nghiên cứu khoa học ứng dụng trong kinh tế

- Thiết lập câu hỏi điều tra

- Thu thập và xử lý dữ liệu bằng phần mềm AMOS

- Viết báo cáo nghiên cứu khoa học

2.2.3 Về thái độ

Học phần giúp sinh viên hình thành thái độ học tập tích cực, đạo đức nghề nghiệp,

ý thức độc lập trong nghiên cứu, sự tự tin trong việc tìm hiểu và giải quyết vấn đề nghiên cứu, tự chủ và tự chịu trách nhiệm trong nghiên cứu khoa học; Tự học tập, tích lũy kiến thức, kinh nghiệm để nâng cao trình độ chuyên môn đáp ứng yêu cầu cụ thể của từng công việc được giao

2.3 Mô tả tóm tắt học phần

Học phần Phương pháp nghiên cứu khoa học trong kinh tế là học phần bắt buộc thuộc khối kiến thức chuyên ngành Quản trị kinh doanh Học phần này cung cấp cho sinh viên những kiến thức nền tảng về phương pháp nghiên cứu trong kinh tế - xã hội Thông qua môn học, sinh viên sẽ nắm được các nguyên lý cơ bản trong phương pháp nghiên cứu, biết được mục đích của nghiên cứu là gì cũng như cách thức tiến hành nghiên cứu Sinh viên sẽ nắm được các bước trong một quy trình nghiên cứu, từ việc xác định vấn đề nghiên cứu, đặt câu hỏi nghiên cứu, lập kế hoạch nghiên cứu cho tới tiến hành thu thập và xử lý dữ liệu, viết báo cáo và trình bày kết quả nghiên cứu Song song với việc nghiên cứu lý thuyết, sinh viên sẽ thực hành phân tích và xử lý dữ liệu thông qua phần mềm thống kê AMOS, xây dựng đề án nghiên cứu để làm quen với việc thực hiện một nghiên cứu trong lĩnh vực kinh tế

3 Chuẩn đầu ra của học phần

Học xong học phần, sinh viên có khả năng:

Mức tự chủ và chịu trách nhiệm

1 CLO1

Hiểu được các kiến thức cơ bản

về phương pháp nghiên cứu khoa học trong kinh tế

- Mô tả được các bước thực hiện một nghiên cứu khoa học

- Trình bày được tổng quan tài liệu, câu hỏi nghiên cứu, mục tiêu, đối tượng phạm vi nghiên cứu

- Giải thích được qui trình nghiên cứu, mô hình nghiên cứu và các biến

- Biết cách làm một

đề cương nghiên cứu

Xây dựng đề cương nghiên cứu khoa học ứng dụng trong kinh tế

Thái độ học tập tích cực, đạo đức nghề nghiệp và

sự tự chủ, tự chịu trách nhiệm trong việc nghiên cứu

2 CLO2 Xây dựng mô

hình nghiên cứu

- Trình bày được cách thức thu thập số liệu

sơ cấp, thứ cấp để phục vụ đề tài

- Biết thiết kế thang

đo trong nghiên cứu

Thực hiện thu thập,

xử lý và phân tích

dữ liệu

- Thái độ học tập tích cực, đạo đức nghề nghiệp, ý thức độc lập trong nghiên cứu

- Sự tự tin trong việc tìm hiểu và

Mức tự chủ và chịu trách nhiệm

giải quyết vấn đề nghiên cứu

- Tự chủ và tự chịu trách nhiệm trong nghiên cứu khoa học

3 CLO3

Viết báo cáo nghiên cứu khoa học

- Trình bày một khóa luận, đề tài nghiên cứu khoa học

- Kỹ năng tìm kiếm, tổng hợp, phân tích

và đánh giá thông tin liên quan đề tài nghiên cứu;

- Kỹ năng viết báo cáo khoa học

Tự học tập, tích lũy kiến thức, kinh nghiệm để nâng cao trình độ chuyên môn đáp ứng yêu cầu cụ thể của từng công việc được giao

4 CLO4

Vận dụng được các kỹ năng giao tiếp, kỹ năng tư duy, làm việc nhóm

- Kỹ năng giao tiếp,

kỹ năng tư duy, làm việc nhóm;

- Kỹ năng giải quyết tình huống, kỹ năng sáng tạo trong công việc; kỹ năng học tập suốt đời

4 Mối liên hệ giữa chuẩn đầu ra học phần (CLOs) và chuẩn đầu ra chương trình đào tạo (PLOs):

Mức độ đóng góp, hỗ trợ của CLO đối với PLO được xác định cụ thể như sau:

Chuẩn đầu ra học phần

(CLOs)

Chuẩn đầu ra CTĐT (PLOs)

P L O

1

P L O

2

P L O

3

P L O

4

P L O

5

P L O

6

P L O

7

P L O

8

P L O

9

P L O 1

0

P L O 1

1

P L O 1

5.1 Phương pháp, hình thức kiểm tra - đánh giá của học phần

Kết quả học tập của sinh viên được đánh giá bằng các thành phần: đánh giá quá trình, đánh giá giữa kỳ, đánh giá cuối kỳ, các hoạt động đánh giá khác

Hình thức đánh

giá

Trọng

số con (%)

Rubric

Chuẩn đầu

ra học phần có liên quan

Hướng dẫn phương pháp đánh giá

Hình thức đánh

giá

Trọng

số con (%)

Rubric

Chuẩn đầu

ra học phần có liên quan

Hướng dẫn phương pháp đánh giá

lớp, forum, làm bài tập trên lớp

A2 Đánh

giá giữa kỳ 20

A2.1 Kiểm tra

đồ án)

5.2 Chính sách đối với học phần

Sinh viên phải thực hiện các nhiệm vụ sau đây:

- Tham gia ít nhất 80% số tiết học của lớp học phần;

- Tham gia các hoạt động làm việc nhóm theo qui định của lớp học phần;

- Tự tìm hiểu các vấn đề do giảng viên giao để thực hiện ngoài giờ học trên lớp;

- Hoàn thành tất cả bài đánh giá của học phần

6 Kế hoạch và nội dung giảng dạy học phần

CĐR học phần có liên quan

PP giảng dạy đạt CĐR

Hoạt động học của SV

Hình thức đánh giá

1

Giới thiệu môn học

Chương 1 Tổng quan về phương

pháp nghiên cứu khoa học

3 CLO 1, 4

- Giảng viên giảng lý thuyết

và tương tác với

Sinh viên nghe giảng, thảo luận và A1.1

CĐR học phần có liên quan

PP giảng dạy đạt CĐR

Hoạt động học của SV

Hình thức đánh giá

1.1 Khoa học và nghiên cứu khoa

học

1.2 Phương pháp nghiên cứu khoa

học

1.2.1 Khái niệm chung

1.2.2 Các mô hình nghiên cứu

cơ bản

1.2.3 Một số phương pháp

nghiên cứu cơ bản

1.3 Đặc điểm của nghiên cứu khoa

học trong kinh tế - kinh doanh

- Hướng dẫn làm việc nhóm

nhóm/cá nhân

2

Chương 2 Quy trình nghiên cứu

khoa học và lập đề cương nghiên

và tương tác với sinh viên;

- Hướng dẫn lựa chọn chủ đề nghiên cứu

Sinh viên nghe giảng, thảo luận và trình bày nhóm/cá nhân theo

nghiên cứu

đã chọn

A1.1

CĐR học phần có liên quan

PP giảng dạy đạt CĐR

Hoạt động học của SV

Hình thức đánh giá

2.1.5 Phân tích số liệu, dữ liệu

2.1.6 Viết báo cáo nghiên cứu

2.2 Kết quả của nghiên cứu khoa

học

2.2.1 Các hình thức trình bày kết

quả nghiên cứu khoa học

2.2.2 Một số tiêu chuẩn đánh giá

2.3.4 Sai lầm thường gặp khi

chọn đề tài nghiên cứu

3

Chương 2 Quy trình nghiên cứu

khoa học và lập đề cương nghiên

và tương tác với sinh viên;

- Hướng dẫn làm việc nhóm

Sinh viên nghe giảng, thảo luận và trình bày nhóm/cá nhân theo

A1.1

CĐR học phần có liên quan

PP giảng dạy đạt CĐR

Hoạt động học của SV

Hình thức đánh giá

2.4.3 Xác định các mục tiêu

nghiên cứu

2.4.4 Phạm vi nghiên cứu của đề

tài

2.4.5 Xác định giả thuyết nghiên

cứu và các câu hỏi nghiên cứu

2.4.6 Xây dựng khung nghiên

cứu

2.4.7 Phác thảo đề cương nghiên

cứu

2.5 Lập kế hoạch nghiên cứu

2.5.1 Lựa chọn mô hình nghiên

cứu

2.5.2 Lựa chọn phương pháp

nghiên cứu

2.5.3 Xác định đối tượng và đặc

điểm nghiên cứu

2.5.4 Tóm tắt các nghiên cứu trước

đây

nghiên cứu

đã chọn

4

Chương 3 Thu thập dữ liệu

3.1 Tổng quan về thu thập dữ liệu

3.1.1 Khái niệm, phân loại dữ

liệu

3

- Giảng viên giảng lý thuyết

và tương tác với sinh viên;

Sinh viên nghe giảng, thảo luận và trình bày nhóm/cá

A1.1

CĐR học phần có liên quan

PP giảng dạy đạt CĐR

Hoạt động học của SV

Hình thức đánh giá

3.1.2 Các phương pháp thu thập

dữ liệu

3.2 Xây dựng thang đo và thiết kế

công cụ điều tra

3.2.1 Phân loại thang đo

3.2.2 Thiết kế công cụ điều tra

(bảng hỏi)

3.2.2 Thiết kế thang đo

3.3 Điều tra hiện trường: chọn mẫu

và tiến hành điều tra

3.2.1 Khái quát về điều tra hiện

và tương tác với sinh viên;

- Hướng dẫn làm việc nhóm

Sinh viên nghe giảng, thảo luận và trình bày nhóm/cá nhân theo

nghiên cứu

đã chọn

A1.1

CĐR học phần có liên quan

PP giảng dạy đạt CĐR

Hoạt động học của SV

Hình thức đánh giá

và tương tác với sinh viên;

- Hướng dẫn làm việc nhóm

Sinh viên nghe giảng, làm bài tập

A1.1

Sinh viên làm bài kiểm tra tự luận trên lớp

và tương tác với sinh viên;

- Hướng dẫn thực hành

Sinh viên nghe giảng, làm bài tập thực hành theo

nhóm/cá nhân

và tương tác với sinh viên;

- Hướng dẫn làm việc nhóm

Sinh viên nghe giảng, thảo luận và trình bày nhóm/cá nhân theo

A1.1

CĐR học phần có liên quan

PP giảng dạy đạt CĐR

Hoạt động học của SV

Hình thức đánh giá

6.3 Cách trình bày báo cáo nghiên

và tương tác với sinh viên;

- Hướng dẫn làm việc nhóm

- Sinh viên trình bày

nghiên cứu

và thực hiện hiệu chỉnh

A1.1

7 Học liệu

7.1 Sách, giáo trình, tài liệu tham khảo

tên bài báo, văn bản

NXB, tên tạp chí/ nơi ban hành VB Sách, bài giảng, giáo trình chính

3 Nguyễn Đình Thọ 2014 Phương pháp nghiên cứu khoa học

trong kinh doanh

Nhà xuất bản tài chính

4 Byrne, B.M 2016 Structural equation modeling with

applications and programming, 3rd edition

Abingdon: Routledge

7.2 Danh mục địa chỉ website để tham khảo khi học học phần

1

2

9 Cơ sở vật chất phục vụ giảng dạy

TT Tên giảng đường, PTN,

MỨC C (5.5-6.9)

MỨC B (7.0-8.4)

MỨC A (8.5-10)

Thiếu/trình bày không rõ ràng 1 ý của mức A

Đáp ứng tốt được 5 tiêu chí:

- Nêu được tính cấp thiết của đề tài;

- Trình bày được tổng quan tài liệu, câu hỏi

Tiêu chí

đánh giá

MỨC D (4.0-5.4)

MỨC C (5.5-6.9)

MỨC B (7.0-8.4)

MỨC A (8.5-10)

nghiên cứu, mục tiêu, đối tượng, phạm vi nghiên cứu;

- Xây dựng được mô hình nghiên cứu;

- Thực hiện thu thập, xử

lý và phân tích dữ liệu

- Trình bày rõ ràng báo cáo kết quả nghiên cứu Bài trình

- Font chữ to, rõ ràng;

- Có hình ảnh minh họa nhưng chưa phù hợp

- Bố cục hợp lý, có đầy đủ tên đề tài, tên thành viên;

- Font chữ to, rõ ràng;

- Có hình ảnh minh họa

- Phối màu tốt giữa chữ

và nền

Hiệu quả

làm việc

nhóm

- Phân chia công

việc chưa đều và

- Một số thành viên hiểu rõ phần trình bày của nhóm mình

- Phân chia công việc đồng đều và hợp lý;

- Đa số các thành viên đều hiểu rõ phần trình bày của nhóm mình;

- Phân chia công việc đồng đều và hợp lý;

- Tất cả các thành viên đều hiểu rõ phần trình bày của nhóm mình;

- Không có thành viên làm việc riêng khi

Tiêu chí

đánh giá

MỨC D (4.0-5.4)

MỨC C (5.5-6.9)

MỨC B (7.0-8.4)

MỨC A (8.5-10)

- Có thành viên làm việc riêng khi nhóm đang thuyết trình

nhóm đang thuyết trình

Kỹ năng

thuyết trình

- Người trình bày

chưa tự tin, nói

chưa to, chưa rõ;

và các nhóm khác

- Người trình bày tự tin, nói to, rõ;

- Nhóm trả lời được hầu hết các thắc mắc hoặc chất vấn của

GV và các nhóm khác

- Người trình bày tự tin, nói to, rõ, giao tiếp tốt với người nghe;

- Nhóm trả lời được trôi chảy tất cả các thắc mắc hoặc chất vấn của GV

và các nhóm khác

Thời gian - Nộp bài trễ hạn;

- Thuyết trình và

trả lời ít hoặc

nhiều hơn thời

gian quy định trên

5 phút

- Nộp bài trễ hạn;

- Thuyết trình và trả lời ít hoặc nhiều hơn thời gian quy định từ 3-5 phút

- Nộp bài đúng hạn;

- Thuyết trình và trả lời ít hoặc nhiều hơn thời gian quy định dưới 3 phút

- Nộp bài đúng hạn;

- Thuyết trình và trả lời trong khoảng 20 phút

Đà Nẵng, ngày tháng năm 2021

Lê Thị Minh Đức

PHẦN 3 MÔ HÌNH CẤU TRÚC TUYẾN TÍNH

Phần này hệ thống hóa các vấn đề lý luận về mô hình cấu trúc tuyến tính (SEM) gồm khái niệm, mục tiêu, ưu điểm của mô hình cấu trúc tuyến tính; các phần mềm thường

sử dụng để phân tích SEM; các phần tử trong mô hình SEM; kích thước mẫu yêu cầu đối với phân tích SEM và các vấn đề cần quan tâm khi thực hiện phân tích SEM

3.1 Tổng quan về mô hình cấu trúc tuyến tính

3.1.1 Khái niệm

Phân tích thống kê là một công cụ thiết yếu cho các nhà nghiên cứu khoa học xã hội trong hơn một thế kỷ qua Ban đầu, các nhà nghiên cứu dựa vào phân tích đơn biến (univariate analysis) và song biến (bivariate analysis) để nắm bắt mối quan hệ của dữ liệu Sau đó, để hiểu rõ hơn về mối quan hệ phức tạp liên quan đến các hướng nghiên cứu hiện tại trong khoa học xã hội, việc ứng dụng các phương pháp phân tích dữ liệu đa biến (multivariable analysis) phức tạp hơn ngày càng cần thiết

Mô hình cấu trúc tuyến tính (Structural Equation Modeling - SEM) là một kỹ thuật phân tích thống kê đa biến dùng để phân tích các mối quan hệ cấu trúc được sử dụng rộng rãi trong các lĩnh vực nghiên cứu như tâm lý học, xã hội học và trong lĩnh vực kinh doanh quản lý… Kỹ thuật này là sự kết hợp của phân tích nhân tố (factor analysis) và phân tích hồi quy bội (multiple regression analysis), và nó được sử dụng để phân tích mối quan hệ cấu trúc giữa các biến đo lường được (measured variables) và các khái niệm tiềm ẩn (latent constructs) Phương pháp này được các nhà nghiên cứu ưa thích vì nó cho phép kiểm định một tập hợp phương trình hồi quy trong một phân tích duy nhất Trong phân tích này, hai loại biến được sử dụng là biến nội sinh (endogenous variables) và biến ngoại sinh (exogenous variables) Khác với những kỹ thuật thống kê khác chỉ cho phép ước lượng mối quan hệ riêng phần của từng cặp nhân tố (phần tử) trong mô hình cổ điển (mô hình đo lường), SEM cho phép ước lượng đồng thời các phần tử trong tổng thể mô hình, ước lượng mối quan hệ nhân quả giữa các khái niệm tiềm ẩn qua các chỉ số kết hợp

cả đo lường và cấu trúc của mô hình lý thuyết, đo các mối quan hệ ổn định (recursive)

và không ổn định (non-recursive), đo các ảnh hưởng trực tiếp cũng như gián tiếp, kể cả sai số đo và tương quan phần dư

SEM là mô hình nhân quả phức hợp bao gồm một tập hợp đa dạng các mô hình toán học, thuật toán máy tính và phương pháp thống kê mà chúng làm cho hệ thống các khái niệm tiềm ẩn phù hợp với dữ liệu [1] SEM bao gồm phân tích nhân tố khẳng định (confirmatory factor analysis), phân tích tổng hợp khẳng định (confirmatory composite analysis), phân tích đường dẫn (path analysis), mô hình đường dẫn bình phương nhỏ nhất một phần (partial least squares path modeling) và mô hình tăng trưởng tiềm ẩn (latent growth modeling) [2] Chúng ta không nên nhầm lẫn khái niệm mô hình cấu trúc tuyến tính SEM với khái niệm liên quan của các mô hình cấu trúc trong kinh tế lượng, cũng như với các mô hình cấu trúc trong kinh tế học

3.1.2 Mục tiêu của phân tích SEM

Mục tiêu của phân tích SEM là xác định một mô hình nhân quả lý thuyết (theoretical causal model) bao gồm một tập hợp các phương sai dự đoán giữa các biến

và sau đó kiểm định các giả thuyết về các mối quan hệ nhân quả xem nó có phù hợp (fit) hay không khi so sánh với dữ liệu quan sát [9] [24] Nếu mẫu khảo sát ủng hộ cho mô hình lý thuyết thì các mô hình lý thuyết phức tạp hơn sẽ được nghiên cứu trong các phân tích sau đó Ngược lại, mô hình ban đầu có thể được điều chỉnh và kiểm định lại SEM kiểm định mối quan hệ giữa biến quan sát và biến tiềm ẩn và ước lượng độ giá trị khái niệm (cấu trúc nhân tố) của các độ đo trước khi phân tích sơ đồ đường dẫn (path analysis) Một cách tổng quát, SEM được dùng để kiểm định các mô hình lý thuyết bằng cách

sử dụng các phương pháp khoa học về kiểm định giả thuyết để làm rõ mối quan hệ giữa các khái niệm Ngoài việc kiểm tra lý thuyết tổng thể, SEM cho phép nhà nghiên cứu chẩn đoán biến quan sát nào là chỉ số tốt của các biến tiềm ẩn

3.1.3 Ưu điểm của SEM

Mô hình cấu trúc tuyến tính là một phần mở rộng của phân tích nhân tố và là một phương pháp luận được xây dựng chủ yếu để kiểm tra lý thuyết cơ sở từ dữ liệu thực nghiệm SEM có ba ưu điểm chính so với các kỹ thuật phân tích đa biến truyền thống: (1) đánh giá tường minh các sai số đo lường (measurement error);

(2) ước lượng các biến tiềm ẩn (không quan sát được) thông qua các biến quan sát; (3) kiểm định mô hình phức hợp và các giả thuyết về các quan hệ nhân quả có phù hợp với dữ liệu thực nghiệm hay không

Hầu hết các kỹ thuật phân tích thống kê đa biến đều vô tình bỏ qua các sai số đo lường do không mô hình hóa một cách rõ ràng, trong khi mô hình SEM ước tính các tham số phương sai của sai số cho cả biến độc lập và biến phụ thuộc [5] Ngoài ra, SEM cho phép ước lượng các biến tiềm ẩn từ các biến quan sát, việc tạo ra các chỉ số tổng hợp đều tính đến sai số đo lường SEM sử dụng phương pháp ước lượng thông tin đầy đủ, phân tích đồng thời biến tiềm ẩn, biến quan sát và sai số đo lường, cho phép thực hiện đồng thời nhiều biến phụ thuộc (nội sinh) trong cùng một mô hình Chức năng tương tác được kèm vào trong mô hình SEM nên có thể kiểm định các ảnh hưởng chính lẫn ảnh hưởng tương tác giữa các biến số Phương pháp ước lượng hợp lý cực đại (Maximum Likelihood - ML) được sử dụng để ước lượng các tham số trong mô hình nghiên cứu nếu

dữ liệu có phân phối chuẩn

Cuối cùng, các mô hình được phát triển đầy đủ có thể được kiểm định dựa trên dữ liệu bằng cách sử dụng SEM như một mô hình lý thuyết (theoretical model) hay mô hình khái niệm (conceptual model) và có thể được đánh giá về sự phù hợp của dữ liệu mẫu SEM giả định có một cấu trúc nhân quả giữa các biến tiềm ẩn có thể là các tổ hợp tuyến tính của các biến quan sát, hoặc là các biến tham gia trong một chuỗi nhân quả SEM cho phép cải thiện các mô hình kém phù hợp bằng cách sử dụng linh hoạt các hệ số điều chỉnh MI (Modification Indices)

Để kiểm định giả thuyết, các thủ tục thống kê đơn giản thường kiểm định trên cơ

sở phương sai được giải thích trong các biến tiêu chí đơn lẻ Điều này không phù hợp để đánh giá các mô hình phức tạp chứa nhiều biến và nhiều mối quan hệ Trái lại, mô hình cân bằng cấu trúc cho phép kiểm định các mô hình phức tạp về khả năng tương thích của chúng với toàn bộ dữ liệu và cho phép kiểm định các giả định cụ thể về các tham số (ví

dụ tham số bằng 0 hoặc tham số giống hệt nhau) Khi làm như vậy, phương sai và hiệp phương sai của tất cả các biến quan sát được tính toán một cách có hệ thống Các mối

- empirical covariance matrix) được so sánh với các mối quan hệ được ngụ ý bởi cấu trúc của mô hình lý thuyết (ma trận hiệp phương sai ngụ ý của mô hình - model-implied covariance matrix)

3.1.4 Các phần mềm sử dụng trong phân tích SEM

Mặc dù sự quan tâm đối với các mô hình SEM tăng lên đáng kể chủ yếu nhờ vào các công trình nghiên cứu của Goldberger [9] [10], trên thực tế, sự phát triển thực sự của

mô hình cấu trúc là kết quả từ sự phát triển mạnh mẽ của các phần mềm thống kê và sự kết hợp giữa mô hình đo lường với mô hình cấu trúc, được mở rộng trong lĩnh vực tâm

lý học và kinh tế lượng

LISREL là phần mềm thống kê đầu tiên được dùng để phân tích SEM; tuy nhiên, Jöreskog cùng với hai tác giả khác là Gruavaeus và Van Thillo trước đó đã phát minh ra chương trình ACOVS, một phần mềm máy tính tổng quát để phân tích cấu trúc hiệp phương sai Do đó, ACOVS được coi là tiền thân của LISREL Bên cạnh LISREL, SEM thực sự phát triển cùng với nhiều gói phần mềm thương mại khác như EQS, LISCOMP (sau này được đổi tên thành MPLUS), AMOS, PROC CALIS, HLM, SIMPLIS và GLAMM, cũng như các gói phần mềm miễn phí liên quan đến môi trường thống kê R (mã nguồn mở) chẳng hạn như OpenMX, SEM package hoặc LAVAAN Ưu điểm chung của tất cả phần mềm này là nó cung cấp các giải pháp tính toán tốc độ cao và tiên tiến

và cho phép kết luận chính xác hơn các mối tương quan giữa các biến được phân tích, cùng với khả năng kiểm định các mối quan hệ nhân quả Ngược lại, trong AMOS, giao diện đồ họa linh hoạt của sơ đồ đường dẫn có thể được sử dụng thay vì cú pháp (syntax) OpenMx cho phép ước tính các mô hình dựa trên dữ liệu thô (với mô hình FIML) hoặc trên ma trận tương quan hoặc hiệp phương sai OpenMx cũng có thể xử lý hỗn hợp dữ liệu thứ tự và liên tục Cuối cùng, với phần mềm LAAVAN, có thể kiểm định rất nhiều

mô hình thống kê đa biến, bao gồm phân tích đường dẫn, phân tích nhân tố khẳng định,

mô hình cân bằng cấu trúc và mô hình đường cong tăng trưởng tiềm ẩn

Mỗi phần mềm kể trên đều có ưu điểm cũng như hạn chế riêng Để phân tích SEM,

có một số cách tiếp cận khác nhau Cách tiếp cận đầu tiên là SEM dựa trên hiệp phương sai (CB-SEM), sử dụng các gói phần mềm như AMOS, EQS, LISREL và MPlus Cách

tiếp cận thứ hai là bình phương nhỏ nhất một phần (PLS), tập trung vào phân tích phương sai và có thể được thực hiện bằng PLS-Graph, VisualPLS, SmartPLS và WarpPLS Cách tiếp cận thứ ba là dựa trên thành phần gọi là Phân tích thành phần cấu trúc tổng quát (GSCA) Đối với các cách tiếp cận khác nhau để mô hình hóa đường dẫn, chúng ta phải xem xét các ưu điểm và hạn chế của chúng để chọn một phương pháp phù hợp

3.2 Các phần tử trong mô hình SEM

3.2.1 Biến quan sát và biến tiềm ẩn

- Biến quan sát (observed variable)

Biến quan sát là các biến có thể trực tiếp khảo sát đối tượng điều tra (trực tiếp đo lường) Trên thực tế, các biến quan sát là nội hàm các câu hỏi trong bảng hỏi Mỗi câu hỏi điều tra sẽ khảo sát đối tượng điều tra về một khía cạnh nào đó mà họ có thể trả lời một cách rõ ràng Biến quan sát còn được gọi là biến chỉ báo (cấu tạo/phản ánh), biến đo lường, biến ngoại sinh hay biến độc lập tùy trường hợp cụ thể Biến quan sát trong mô hình SEM có thể là biến danh mục (categorical), thứ tự (ordinal) hoặc biến liên tục (continuous)

Trong hình 3.1a, mô hình biến quan sát được biểu diễn bằng hình chữ nhật (V1, V2, V3) Biến V1, V2, V3 có mũi tên đi ra nên trong trường hợp này còn được gọi là biến ngoại sinh hay biến độc lập (trong mô hình truyền thống) Trong hình 3.1b, mô hình biến quan sát V1, V2, V3 phản ánh biến tiềm ẩn F và biến tiềm ẩn F đóng vai trò biến ngoại sinh (nguyên nhân) trong mô hình SEM

Hình 3.1: Mô hình biểu diễn quan hệ giữa các biến quan sát và biến tiềm ẩn

Biến tiềm ẩn là các biến không quan sát trực tiếp được mà phải quan sát bằng suy luận thống kê, thường thông qua một mô hình toán học từ các biến khác được quan sát Biến tiềm ẩn còn gọi là nhân tố, biến nội sinh hay biến phụ thuộc trong mô hình truyền thống (hình 3.1a)

Trong mô hình SEM, biến tiềm ẩn thường đi kèm với các khái niệm giả thuyết (hypotherical constructs) Biến tiềm ẩn trực tiếp ảnh hưởng kết quả hay giá trị của biến quan sát và biểu diễn dưới dạng hình ê-líp (hình 3.2) Biến tiềm ẩn F thể hiện một khái niệm lý thuyết, không thể đo trực tiếp được mà phải thông qua các biến quan sát V1, V2, V3 Trường hợp này biến F còn được gọi là nhân tố cơ sở (underlying factor) trong mô hình đo lường

Hình 3.2: Ví dụ về mô hình đo lường Các biến tiềm ẩn (F1, F2, F3) hay các sai số đo lường (e1, e2, e3) có thể tương quan với nhau (mũi tên 2 chiều) hay có thể ảnh hưởng trực tiếp biến tiềm ẩn khác (mũi tên 1 chiều) Biến F3 trên hình vẽ có các mũi tên đi vào nên còn được gọi là biến nội sinh hay biến phụ thuộc trong mô hình hồi quy hay mô hình cấu trúc (hình 3.3)