5 trang 5 lượt tải

Phân Tích Độ Tin Cậy và Tính Hợp Lệ của Mô Hình Nghiên Cứu | Hoá sinh | Trường Đại học Khoa học Tự nhiên, Đại học Quốc gia Hà Nội

9

Chương 4 trình bày kết quả phân tích dữ liệu định lượng nhằm kiểm định độ phù hợp và độ tin cậy của mô hình nghiên cứu được đề xuất trong chương trước. Cụ thể, chương này tập trung đánh giá mô hình đo lường (measurement model) thông qua các tiêu chí thống kê để xác định mức độ tin cậy và tính hợp lệ của các thang đo được sử dụng trong nghiên cứu. Tài liệu được sưu tầm và soạn thảo dưới dạng file PDF để gửi tới các bạn cùng tham khảo, ôn tập đầy đủ kiến thức, chuẩn bị cho các buổi học thật tốt. Mời bạn đọc đón xem!

Môn: Hoá sinh (MHS) 10 tài liệu

Trường: Trường Đại học Khoa học tự nhiên, Đại học Quốc gia Hà Nội 687 tài liệu

Tác giả:

Profile

Mai Nguyệt

5 ngày trước
Danh sách Quiz
/5
Giới thiệu chương 4
Chương 4 trình bày kết quả phân tích dữ liệu định lượng nhằm kiểm định độ
phù hợp và độ tin cậy của mô hình nghiên cứu được đề xuất trong chương trước.
Cụ thể, chương này tập trung đánh giá mô hình đo lường (measurement model)
thông qua các tiêu chí thống kê để xác định mức độ tin cậy và tính hợp lệ của các
thang đo được sử dụng trong nghiên cứu. Phương pháp Phân tích Phương trình
Cấu trúc Bình phương Nhỏ nhất Một phần (PLS-SEM) được áp dụng với sự hỗ trợ
của phần mềm SmartPLS để thực hiện phân tích dữ liệu thu thập từ bảng khảo sát.
Trước tiên, mô hình đo lường được kiểm định dựa trên các tiêu chí: độ tin cậy
trung bình (Average Variance Extracted – AVE) và hệ số tải ngoài (Outer
Loadings). Những tiêu chí này giúp đánh giá độ tin cậy nội tại và giá trị hội tụ của
từng biến trong mô hình. Tiếp theo, chương trình bày các kết quả đánh giá giá trị
phân biệt (Discriminant Validity) thông qua hai phương pháp phổ biến là tiêu chí
Fornell-Larcker và tỷ lệ Heterotrait-Monotrait (HTMT). Mục tiêu của các bước
khái niệm và đo lường.
Kết quả phân tích từ mô hình đo lường là tiền đề quan trọng để chuyển sang
đánh giá mô hình cấu trúc trong chương tiếp theo, nơi mối quan hệ giữa các biến
kiện tiên quyết để đưa ra các kết luận nghiên cứu có cơ sở khoa học.
4.1.3. Đánh giá giá trị phân biệt (Discriminant Validity)
4.1.3.1. Tiêu chí Fornell-Larcker
Để đảm bảo rằng các khái niệm trong mô hình đo lường là riêng biệt và không m m m m m m m m m m m m m m m m
mcó m m m m m m m m m m m m m m m m m msự giao thoa về mặt lý thuyết cũng như thống kê, giá trị phân biệt cần được kiểm
mFornell-Larcker, m m m m m m m m m m mđược đề xuất bởi Fornell và Larcker (1981). Phương pháp này
mđánh m m m m m m m m m m m m m m m m mgiá giá trị phân biệt dựa trên so sánh giữa căn bậc hai của phương sai trích
mtrung m m m m m m m m m m m m m m m m mbình (√AVE) của từng biến với các hệ số tương quan iữa biến đó và các biến
mcòn m m m m m m m m m m m m m m m m m m mlại trong mô hình. Cụ thể, nếu giá trị √AVE của một biến lớn hơn tất cả các hệ
msố m m m m m m m m m m m m m m m m m mtương quan giữa biến đó với các biến khác, ta có thể kết luận rằng biến đó đạt
mđược m m m mgiá trị phân biệt.
Ma trận Fornell-Larcker thu được từ kết quả phân tích SmartPLS được trình m m m m m m m m m m m m
mbày m m m m m m m m m m m m m m m m tại Bảng 4.1. Trong ma trận này, các giá trị đường chéo chính là √AVE, trong
mkhi m m m m m m m m m m m m m mcác giá trị còn lại là hệ số tương quan giữa các cặp biến.
Bảng 4.1. Ma trận Fornell-Larcker giữa các biến trong mô hình
Biến A GPB PETU POIU SCT
A
0.83
5
GPB
0.66
4
0.817
PETU
0.57
7
0.442 0.861
POIU
0.72
7
0.654 0.640 0.834
SCT
0.58
6
0.543 0.645 0.686 0.843
Nguồn: Kết quả phân tích SmartPLS của tác giả (2025)
Kết quả trong Bảng 4.1 cho thấy tất cả các biến đều có giá trị √AVE nằm trên m m m m m m m m m m m m m m m m m
mđường m m m m m m m m m m m m m m m m mchéo cao hơn so với bất kỳ hệ số tương quan nào nằm cùng hàng hoặc cùng
mcột. m m m m m m m m m m m m m m m m m m m mCụ thể, đối với biến A, giá trị √AVE đạt 0.835, cao hơn rõ rệt so với các hệ số
mtương m m m m m m m m m m m m mquan giữa A và các biến GPB (0.664), PETU (0.577), POIU (0.727), SCT
m(0.586). m m m m m m m m m m m m m m m mĐiều này cho thấy rằng biến A đo lường một khái niệm riêng biệt và không
mtrùng m m m m m m m m m m m m m m m m mlặp về nội dung với các biến còn lại. Tương tự, biến GPB có √AVE đạt 0.817,
mvượt m m m m m m m m m m m m m m mqua các hệ số tương quan với A (0.664), PETU (0.442), POIU (0.654) và SCT
m(0.543), m m m m m m m m m mchứng tỏ tính phân biệt rõ ràng của biến này.
Biến PETU có giá trị √AVE là 0.861, cao hơn các hệ số tương quan giữa m m m m m m m m m m m m m m m
mPETU m m m m m m m m m m m m mvới A (0.577), GPB (0.442), POIU (0.640) và SCT (0.645). Điều này cho
mthấy m m m m m m m m m m m m m m m m mthang đo PETU có khả năng đại diện tốt cho một khái niệm riêng biệt. Đối với
mbiến m m m m m m m m m mPOIU, √AVE đạt mức 0.834, cao hơn các tương quan với A (0.727), GPB m m m m
m(0.654), m m m m m m m m m m m m m m mPETU (0.640) và SCT (0.686), xác nhận rằng biến này cũng có giá trị phân
mbiệt m m m m m m m m m m m m m m m m mhợp lệ. Cuối cùng, biến SCT có √AVE là 0.843, trong khi các hệ số tương quan
mcủa m m m m m m m m m m m m m m m m m mnó với các biến còn lại đều thấp hơn: với A là 0.586, với GPB là 0.543, với
mPETU m m m m m m m m m m m m m m m mlà 0.645 và với POIU là 0.686. Sự chênh lệch rõ ràng giữa √AVE và các
mtương m m m m m m m m m m m m m mquan này khẳng định rằng biến SCT đáp ứng tốt tiêu chí phân biệt.
Tổng hợp kết quả trên, có thể kết luận rằng tất cả các biến trong mô hình đều m m m m m m m m m m m m m m m m m
mđạt m m m m m m m m m m m m m m myêu cầu về giá trị phân biệt theo tiêu chí Fornell-Larcker. Điều này chứng tỏ
mrằng m m m m m m m m m m m m m m m m mcác khái niệm được đo lường không bị trùng lặp và có khả năng phản ánh rõ
mràng m m m m m m m m m m m m m m m m mtừng cấu trúc lý thuyết riêng biệt, đảm bảo tính chính xác và hợp lệ của mô
mhình m m m m m m m m m m m m m m m mđo lường trước khi chuyển sang kiểm định mô hình cấu trúc ở bước tiếp theo.
4.1.3.2. Tỷ lệ Heterotrait-Monotrait (HTMT)
Ngoài tiêu chí Fornell-Larcker, giá trị phân biệt của mô hình đo lường còn
bởi Henseler, Ringle và Sarstedt (2015). HTMT là tỷ số giữa trung bình các tương
quan giữa các chỉ báo của hai cấu trúc khác nhau (heterotrait-heteromethod) và
heteromethod). Đây là một chỉ số mạnh mẽ và nhạy hơn so với tiêu chí Fornell-
Larcker trong việc phát hiện các vấn đề vi phạm giá trị phân biệt.
Theo khuyến nghị trong các nghiên cứu thực nghiệm, nếu chỉ số HTMT giữa
hai biến nhỏ hơn 0.90 (đối với các nghiên cứu xã hội học, quản trị) thì có thể kết
luận rằng giá trị phân biệt giữa hai cấu trúc là được đảm bảo. Một số học giả còn
Bảng 4.2 dưới đây trình bày các chỉ số HTMT giữa các biến trong mô hình nghiên
cứu.
Bảng 4.2. Ma trận tỷ lệ HTMT giữa các biến trong mô hình
Biến A GPB PETU POIU SCT
A
GPB
0.78
0
PETU
0.65
4
0.508
POIU
0.84
6
0.765 0.735
SCT
0.69
6
0.657 0.763 0.822
Nguồn: Kết quả phân tích SmartPLS của tác giả (2025)
Từ kết quả trong Bảng 4.2 có thể nhận thấy rằng tất cả các giá trị HTMT đều m m m m m m m m m m m m m m m m m
mnằm m m m m m m m m m m m m m m m mdưới ngưỡng 0.90. Cụ thể, HTMT giữa biến A và GPB là 0.780; giữa A và
mPETU m m m m m m m m m m m m m m m m m mlà 0.654; giữa A và POIU là 0.846; và giữa A và SCT là 0.696. Trong tất cả
mcác m m m m m m m m m m m m m m m m m mtrường hợp này, các giá trị đều thấp hơn 0.90, cho thấy rằng A có tính phân biệt
mtốt m m m m m m m mvới từng biến còn lại trong mô hình.
Tương tự, biến GPB có HTMT lần lượt là 0.508 với PETU, 0.765 với POIU và m m m m m m m m m m m m m m m
m0.657 m m m m m m m m m m m m m m m mvới SCT. Các chỉ số này đều nằm dưới ngưỡng quy định, hàm ý rằng biến
mGPB m m m m m m m m m m m m m m m mcũng được đo lường khác biệt so với các khái niệm còn lại. Biến PETU có
mHTMT m m m m m m m m m m m m m m mlà 0.735 với POIU và 0.763 với SCT, đều đạt chuẩn. Trong khi đó, mối
mquan m m m m m m m m m m m m m m m m mhệ giữa POIU và SCT cũng được đảm bảo khi chỉ số HTMT giữa hai biến này
mlà m m m m m m m m m m m m m0.822 – nhỏ hơn 0.90, cho thấy hai cấu trúc là tách biệt.
Không có bất kỳ cặp biến nào có chỉ số HTMT vượt ngưỡng cho phép. Do đó, m m m m m m m m m m m m m m m m
mtoàn m m m m m m m m m m m m m m m m m mbộ mô hình đo lường được xác nhận là có giá trị phân biệt thỏa đáng theo tiêu
mchí m m m m m m m m m m m m m m m m mHTMT. Điều này góp phần củng cố thêm tính hợp lệ của thang đo, tạo cơ sở
mđáng m m m m m m m m m m m m m m m m mtin cậy để tiếp tục thực hiện phân tích mô hình cấu trúc ở bước kế tiếp.
Kết luận chương 4
Chương 4 đã trình bày kết quả phân tích mô hình đo lường nhằm kiểm định độ m m m m m m m m m m m m m m m m
mtin m m m m m m m m m m m m m m m m mcậy và tính hợp lệ của các thang đo được sử dụng trong nghiên cứu. Dựa trên
mphương m m m m m m m m m m m m m mpháp PLS-SEM và kết quả thu được từ phần mềm SmartPLS, các chỉ tiêu
mđánh m m m m m m m m m m m m m m m mgiá đã được phân tích một cách chi tiết, bao gồm độ tin cậy tổng hợp
m(Composite m m m m m m m m m mReliability), hệ số Cronbach’s Alpha, phương sai trích trung bình
m(AVE), m m m m m m m m m m m m m m m mcùng với hệ số tải ngoài (Outer Loadings). Tất cả các chỉ số này đều đáp
mứng m m m m m m m mngưỡng tiêu chuẩn, cho thấy các thang đo có độ cậy nội tại và giá trị hội tụ m m mtin m m m m m m m m
mtốt.
Bên cạnh đó, giá trị phân biệt của các biến trong mô hình cũng đã được kiểm m m m m m m m m m m m m m m m m
mđịnh m m m m m m m m m m m m m mthông qua hai phương pháp phổ biến là tiêu chí Fornell-Larcker và tỷ lệ
mHeterotrait-Monotrait m m m m m m m m m m m m m(HTMT). Kết quả cho thấy các giá trị căn bậc hai của AVE
mđều m m m m m m m m m m m m m m m m mlớn hơn hệ số tương quan giữa các biến, đồng thời các chỉ số HTMT giữa các
mcặp m m m m m m m m m m m m m m mbiến đều nhỏ hơn ngưỡng 0.90. Điều này khẳng định rằng các biến trong mô
mhình m m m m m m m m m m m m m m mlà riêng biệt, không có hiện tượng trùng lắp về khái niệm hay đo lường.
Từ đó ta có thể thấy, mô hình đo lường đáp ứng đầy đủ các yêu cầu về độ m m m m m m m m m m m m m m m m m m mtin
mcậy m m m m m m m m m m m m m m m m m m mvà giá trị phân biệt, qua đó bảo đảm tính chính xác của các công cụ đo lường và
mcơ m m m m m m m m m m m m m m m m msở lý thuyết trong nghiên cứu. Đây là điều kiện tiên quyết để tiếp tục thực hiện
mkiểm m m m m m m m m m m m m m m m m mđịnh mô hình cấu trúc ở chương tiếp theo, nơi mối quan hệ giữa các khái niệm
msẽ m m m m m m m m m m m m m mđược phân tích nhằm làm rõ các giả thuyết nghiên cứu đã đề ra.

Tài liệu khác của Trường Đại học Khoa học tự nhiên, Đại học Quốc gia Hà Nội

Preview text:

Giới thiệu chương 4
Chương 4 trình bày kết quả phân tích dữ liệu định lượng nhằm kiểm định độ
phù hợp và độ tin cậy của mô hình nghiên cứu được đề xuất trong chương trước.
Cụ thể, chương này tập trung đánh giá mô hình đo lường (measurement model)
thông qua các tiêu chí thống kê để xác định mức độ tin cậy và tính hợp lệ của các
thang đo được sử dụng trong nghiên cứu. Phương pháp Phân tích Phương trình
Cấu trúc Bình phương Nhỏ nhất Một phần (PLS-SEM) được áp dụng với sự hỗ trợ
của phần mềm SmartPLS để thực hiện phân tích dữ liệu thu thập từ bảng khảo sát.
Trước tiên, mô hình đo lường được kiểm định dựa trên các tiêu chí: độ tin cậy
tổng hợp (Composite Reliability), hệ số tin cậy Cronbach’s Alpha, phương sai trích
trung bình (Average Variance Extracted – AVE) và hệ số tải ngoài (Outer
Loadings). Những tiêu chí này giúp đánh giá độ tin cậy nội tại và giá trị hội tụ của
từng biến trong mô hình. Tiếp theo, chương trình bày các kết quả đánh giá giá trị
phân biệt (Discriminant Validity) thông qua hai phương pháp phổ biến là tiêu chí
Fornell-Larcker và tỷ lệ Heterotrait-Monotrait (HTMT). Mục tiêu của các bước
kiểm định này là xác nhận rằng các biến trong mô hình là phân biệt rõ ràng về mặt khái niệm và đo lường.
Kết quả phân tích từ mô hình đo lường là tiền đề quan trọng để chuyển sang
đánh giá mô hình cấu trúc trong chương tiếp theo, nơi mối quan hệ giữa các biến
sẽ được kiểm định. Việc đảm bảo tính hợp lệ và độ tin cậy của các thang đo là điều
kiện tiên quyết để đưa ra các kết luận nghiên cứu có cơ sở khoa học.
4.1.3. Đánh giá giá trị phân biệt (Discriminant Validity)
4.1.3.1. Tiêu chí Fornell-Larcker
Để mđảm mbảo mrằng mcác mkhái mniệm mtrong mmô mhình mđo mlường mlà mriêng mbiệt mvà mkhông
có sự giao thoa về mặt lý thuyết cũng như thống kê, giá trị phân biệt cần được kiểm m m m m m m m m m m m m m m m m m m m
tra cẩn thận. Một trong những phương pháp được sử dụng phổ biến là tiêu chí m m m m m m m m m m m m m m m m
Fornell-Larcker, được đề xuất bởi Fornell và Larcker (1981). Phương pháp này m m m m m m m m m m m m
đánh giá giá trị phân biệt dựa trên so sánh giữa căn bậc hai của phương sai trích m m m m m m m m m m m m m m m m m m
trung bình (√AVE) của từng biến với các hệ số tương quan iữa biến đó và các biến m m m m m m m m m m m m m m m m m m
còn lại trong mô hình. Cụ thể, nếu giá trị √AVE của một biến lớn hơn tất cả các hệ m m m m m m m m m m m m m m m m m m m m
số tương quan giữa biến đó với các biến khác, ta có thể kết luận rằng biến đó đạt m m m m m m m m m m m m m m m m m m m
được giá trị phân biệt. m m m m m
Ma mtrận mFornell-Larcker mthu mđược mtừ mkết mquả mphân mtích mSmartPLS mđược mtrình
bày tại Bảng 4.1. Trong ma trận này, các giá trị đường chéo chính là √AVE, trong m m m m m m m m m m m m m m m m m
khi các giá trị còn lại là hệ số tương quan giữa các cặp biến. m m m m m m m m m m m m m m m
Bảng 4.1. Ma trận Fornell-Larcker giữa các biến trong mô hình Biến A GPB PETU POIU SCT 0.83 A 5 0.66 GPB 0.817 4 0.57 PETU 0.442 0.861 7 0.72 POIU 0.654 0.640 0.834 7 0.58 SCT 0.543 0.645 0.686 0.843 6
Nguồn: Kết quả phân tích SmartPLS của tác giả (2025)
Kết mquả mtrong mBảng m4.1 mcho mthấy mtất mcả mcác mbiến mđều mcó mgiá mtrị m√AVE mnằm mtrên
đường chéo cao hơn so với bất kỳ hệ số tương quan nào nằm cùng hàng hoặc cùng m m m m m m m m m m m m m m m m m m
cột. Cụ thể, đối với biến A, giá trị √AVE đạt 0.835, cao hơn rõ rệt so với các hệ số m m m m m m m m m m m m m m m m m m m m m
tương quan giữa A và các biến GPB (0.664), PETU (0.577), POIU (0.727), SCT m m m m m m m m m m m m m m
(0.586). Điều này cho thấy rằng biến A đo lường một khái niệm riêng biệt và không m m m m m m m m m m m m m m m m m
trùng lặp về nội dung với các biến còn lại. Tương tự, biến GPB có √AVE đạt 0.817, m m m m m m m m m m m m m m m m m m
vượt qua các hệ số tương quan với A (0.664), PETU (0.442), POIU (0.654) và SCT m m m m m m m m m m m m m m m m
(0.543), chứng tỏ tính phân biệt rõ ràng của biến này. m m m m m m m m m m m
Biến mPETU mcó mgiá mtrị m√AVE mlà m0.861, mcao mhơn mcác mhệ msố mtương mquan mgiữa
PETU với A (0.577), GPB (0.442), POIU (0.640) và SCT (0.645). Điều này cho m m m m m m m m m m m m m m
thấy thang đo PETU có khả năng đại diện tốt cho một khái niệm riêng biệt. Đối với m m m m m m m m m m m m m m m m m m
biến POIU, √AVE đạt mức 0.834, cao hơn các tương quan mvới mA m(0.727), mGPB m m m m m m m m m m m
(0.654), PETU (0.640) và SCT (0.686), xác nhận rằng biến này cũng có giá trị phân m m m m m m m m m m m m m m m m
biệt hợp lệ. Cuối cùng, biến SCT có √AVE là 0.843, trong khi các hệ số tương quan m m m m m m m m m m m m m m m m m m
của nó với các biến còn lại đều thấp hơn: với A là 0.586, với GPB là 0.543, với m m m m m m m m m m m m m m m m m m m
PETU là 0.645 và với POIU là 0.686. Sự chênh lệch rõ ràng giữa √AVE và các m m m m m m m m m m m m m m m m m
tương quan này khẳng định rằng biến SCT đáp ứng tốt tiêu chí phân biệt. m m m m m m m m m m m m m m m
Tổng mhợp mkết mquả mtrên, mcó mthể mkết mluận mrằng mtất mcả mcác mbiến mtrong mmô mhình mđều
đạt yêu cầu về giá trị phân biệt theo tiêu chí Fornell-Larcker. Điều này chứng tỏ m m m m m m m m m m m m m m m m
rằng các khái niệm được đo lường không bị trùng lặp và có khả năng phản ánh rõ m m m m m m m m m m m m m m m m m m
ràng từng cấu trúc lý thuyết riêng biệt, đảm bảo tính chính xác và hợp lệ của mô m m m m m m m m m m m m m m m m m m
hình đo lường trước khi chuyển sang kiểm định mô hình cấu trúc ở bước tiếp theo. m m m m m m m m m m m m m m m m m
4.1.3.2. Tỷ lệ Heterotrait-Monotrait (HTMT)
Ngoài tiêu chí Fornell-Larcker, giá trị phân biệt của mô hình đo lường còn
được đánh giá bằng tỷ lệ Heterotrait-Monotrait (HTMT), một chỉ số được đề xuất
bởi Henseler, Ringle và Sarstedt (2015). HTMT là tỷ số giữa trung bình các tương
quan giữa các chỉ báo của hai cấu trúc khác nhau (heterotrait-heteromethod) và
trung bình các tương quan giữa các chỉ báo cùng cấu trúc (monotrait-
heteromethod). Đây là một chỉ số mạnh mẽ và nhạy hơn so với tiêu chí Fornell-
Larcker trong việc phát hiện các vấn đề vi phạm giá trị phân biệt.
Theo khuyến nghị trong các nghiên cứu thực nghiệm, nếu chỉ số HTMT giữa
hai biến nhỏ hơn 0.90 (đối với các nghiên cứu xã hội học, quản trị) thì có thể kết
luận rằng giá trị phân biệt giữa hai cấu trúc là được đảm bảo. Một số học giả còn
đề xuất mức ngưỡng nghiêm ngặt hơn là 0.85 để tăng độ tin cậy trong đánh giá.
Bảng 4.2 dưới đây trình bày các chỉ số HTMT giữa các biến trong mô hình nghiên cứu.
Bảng 4.2. Ma trận tỷ lệ HTMT giữa các biến trong mô hình Biến A GPB PETU POIU SCT A 0.78 GPB 0 0.65 PETU 0.508 4 0.84 POIU 0.765 0.735 6 0.69 SCT 0.657 0.763 0.822 6
Nguồn: Kết quả phân tích SmartPLS của tác giả (2025)
Từ mkết mquả mtrong mBảng m4.2 mcó mthể mnhận mthấy mrằng mtất mcả mcác mgiá mtrị mHTMT mđều
nằm dưới ngưỡng 0.90. Cụ thể, HTMT giữa biến A và GPB là 0.780; giữa A và m m m m m m m m m m m m m m m m m
PETU là 0.654; giữa A và POIU là 0.846; và giữa A và SCT là 0.696. Trong tất cả m m m m m m m m m m m m m m m m m m m
các trường hợp này, các giá trị đều thấp hơn 0.90, cho thấy rằng A có tính phân biệt m m m m m m m m m m m m m m m m m m m
tốt với từng biến còn lại trong mô hình. m m m m m m m m m
Tương mtự, mbiến mGPB mcó mHTMT mlần mlượt mlà m0.508 mvới mPETU, m0.765 mvới mPOIU mvà
0.657 với SCT. Các chỉ số này đều nằm dưới ngưỡng quy định, hàm ý rằng biến m m m m m m m m m m m m m m m m m
GPB cũng được đo lường khác biệt so với các khái niệm còn lại. Biến PETU có m m m m m m m m m m m m m m m m m
HTMT là 0.735 với POIU và 0.763 với SCT, đều đạt chuẩn. Trong khi đó, mối m m m m m m m m m m m m m m m m
quan hệ giữa POIU và SCT cũng được đảm bảo khi chỉ số HTMT giữa hai biến này m m m m m m m m m m m m m m m m m m
là 0.822 – nhỏ hơn 0.90, cho thấy hai cấu trúc là tách biệt. m m m m m m m m m m m m m m
Không mcó mbất mkỳ mcặp mbiến mnào mcó mchỉ msố mHTMT mvượt mngưỡng mcho mphép. mDo mđó,
toàn bộ mô hình đo lường được xác nhận là có giá trị phân biệt thỏa đáng theo tiêu m m m m m m m m m m m m m m m m m m m
chí HTMT. Điều này góp phần củng cố thêm tính hợp lệ của thang đo, tạo cơ sở m m m m m m m m m m m m m m m m m m
đáng tin cậy để tiếp tục thực hiện phân tích mô hình cấu trúc ở bước kế tiếp. m m m m m m m m m m m m m m m m m m Kết luận chương 4
Chương m4 mđã mtrình mbày mkết mquả mphân mtích mmô mhình mđo mlường mnhằm mkiểm mđịnh mđộ
tin cậy và tính hợp lệ của các thang đo được sử dụng trong nghiên cứu. Dựa trên m m m m m m m m m m m m m m m m m m
phương pháp PLS-SEM và kết quả thu được từ phần mềm SmartPLS, các chỉ tiêu m m m m m m m m m m m m m m m
đánh giá đã được phân tích một cách chi tiết, bao gồm độ tin cậy tổng hợp m m m m m m m m m m m m m m m m m
(Composite Reliability), hệ số Cronbach’s Alpha, phương sai trích trung bình m m m m m m m m m m m
(AVE), cùng với hệ số tải ngoài (Outer Loadings). Tất cả các chỉ số này đều đáp m m m m m m m m m m m m m m m m m
ứng ngưỡng tiêu chuẩn, cho thấy các thang đo tin mcó mđộ m
mcậy mnội mtại mvà mgiá mtrị mhội mtụ m m m m m m m m m tốt. m
Bên mcạnh mđó, mgiá mtrị mphân mbiệt mcủa mcác mbiến mtrong mmô mhình mcũng mđã mđược mkiểm
định thông qua hai phương pháp phổ biến là tiêu chí Fornell-Larcker và tỷ lệ m m m m m m m m m m m m m m m
Heterotrait-Monotrait (HTMT). Kết quả cho thấy các giá trị căn bậc hai của AVE m m m m m m m m m m m m m m
đều lớn hơn hệ số tương quan giữa các biến, đồng thời các chỉ số HTMT giữa các m m m m m m m m m m m m m m m m m m
cặp biến đều nhỏ hơn ngưỡng 0.90. Điều này khẳng định rằng các biến trong mô m m m m m m m m m m m m m m m m
hình là riêng biệt, không có hiện tượng trùng lắp về khái niệm hay đo lường. m m m m m m m m m m m m m m m m Từ tin
mđó mta mcó mthể mthấy, mmô mhình mđo mlường mđáp mứng mđầy mđủ mcác myêu mcầu mvề mđộ m
cậy và giá trị phân biệt, qua đó bảo đảm tính chính xác của các công cụ đo lường và m m m m m m m m m m m m m m m m m m m m
cơ sở lý thuyết trong nghiên cứu. Đây là điều kiện tiên quyết để tiếp tục thực hiện m m m m m m m m m m m m m m m m m m
kiểm định mô hình cấu trúc ở chương tiếp theo, nơi mối quan hệ giữa các khái niệm m m m m m m m m m m m m m m m m m m
sẽ được phân tích nhằm làm rõ các giả thuyết nghiên cứu đã đề ra. m m m m m m m m m m m m m m m

Tài liệu liên quan: