Bạn có thể chạy CFA miễn phí trên trình duyệt bằng công cụ CFA và SEM online của Góc Nghiên Cứu: tải file dữ liệu, khai báo khái niệm và biến quan sát, nhận chỉ số phù hợp (χ², CFI, TLI, RMSEA, SRMR), hệ số tải chuẩn hoá, CR, AVE, HTMT và chỉ số điều chỉnh (MI). Công cụ được kiểm tra tự động với gói R lavaan 0.7.3 trên dữ liệu công khai, nên kết quả trùng lavaan.
Bài này chạy một mô hình CFA kinh điển để bạn thấy từng con số và cách đọc. Ngưỡng của từng chỉ số và nguồn gốc của chúng có ở bài CFA trong AMOS: chỉ số phù hợp mô hình và trang ngưỡng chấp nhận các chỉ số.
Ví dụ: mô hình 3 nhân tố trên dữ liệu Holzinger-Swineford
Dữ liệu Holzinger và Swineford (1939): 301 học sinh làm 9 bài kiểm tra năng lực, file holzinger-swineford-1939.csv ở trang kiểm chứng. Mô hình: thị giác (x1, x2, x3), ngôn ngữ (x4, x5, x6), tốc độ (x7, x8, x9). Đây cũng là ví dụ mở đầu trong tài liệu của lavaan (Rosseel, 2012), nên bạn có thể đối chiếu ở nhiều nơi.
Chỉ số phù hợp
| Chỉ số | Mô hình gốc | Ngưỡng tham khảo (Hu & Bentler, 1999) |
|---|---|---|
| χ² (df) | 85,31 (24), p < 0,001 | p > 0,05, nhưng nhạy với cỡ mẫu |
| CFI | 0,931 | gần 0,95 |
| TLI | 0,896 | gần 0,95 |
| RMSEA [KTC 90%] | 0,092 [0,071; 0,114] | gần 0,06 |
| SRMR | 0,065 | gần 0,08 |
SRMR đạt, CFI sát mốc, nhưng TLI và RMSEA chưa đạt. Mô hình chưa phù hợp tốt.
Hệ số tải chuẩn hoá, CR và AVE
| Nhân tố | Hệ số tải chuẩn hoá | CR | AVE |
|---|---|---|---|
| Thị giác | x1 0,772; x2 0,424; x3 0,581 | 0,626 | 0,371 |
| Ngôn ngữ | x4 0,852; x5 0,855; x6 0,838 | 0,885 | 0,720 |
| Tốc độ | x7 0,570; x8 0,723; x9 0,665 | 0,691 | 0,430 |
CR và AVE tính từ hệ số tải chuẩn hoá của lavaan theo Fornell và Larcker (1981). Chỉ nhân tố ngôn ngữ đạt CR từ 0,70 và AVE từ 0,50; x2 có hệ số tải thấp (0,424). HTMT giữa các nhân tố từ 0,29 đến 0,47, đạt giá trị phân biệt. Cách tính và xử lý khi AVE thấp xem bài AVE và CR là gì.
Chỉ số điều chỉnh (MI) gợi ý gì?
Hai MI lớn nhất: cho x9 tải thêm lên nhân tố thị giác (MI = 36,4) và cho sai số x7 tương quan với x8 (MI = 34,1). Khi thêm một tải chéo (thị giác → x9) và một tương quan sai số (x2 với x3), lavaan cho χ²(22) = 46,00; CFI = 0,973; TLI = 0,956; RMSEA = 0,060 [0,035; 0,085]; SRMR = 0,040.
Chỉ số đẹp hơn nhiều, nhưng sửa mô hình theo MI là quyết định dựa trên dữ liệu và dễ "khớp" với chính mẫu này mà không lặp lại được ở mẫu khác (MacCallum et al., 1992). Chỉ thêm đường nào có lý do về nội dung câu hỏi, giới hạn ở một vài thay đổi, và báo cáo cả mô hình trước và sau khi sửa.
{{CTA}}
Các bước trên công cụ
- Mở công cụ CFA và SEM, tải file Excel hoặc CSV (một dòng là một phiếu), hoặc bấm nút ví dụ Holzinger–Swineford để chạy lại đúng mô hình trong bài.
- Kiểm tra các khái niệm được gom theo tiền tố tên cột; sửa nếu cần.
- Chọn CFA (chỉ mô hình đo lường) hoặc SEM (thêm đường tác động giữa khái niệm).
- Đọc theo thứ tự: chỉ số phù hợp, hệ số tải, CR và AVE, HTMT, rồi mới tới MI nếu mô hình chưa phù hợp.
- Bấm "Tải Word" để lấy phần kết quả cho chương 4; công cụ còn có kiểm định bất biến giữa các nhóm, kiểm tra CMB và bootstrap tác động gián tiếp. Ghi trong chương 3 phần mềm và phương pháp ước lượng (hợp lý cực đại, ML).
Muốn chạy PLS-SEM thay cho CB-SEM, xem PLS-SEM là gì và công cụ PLS-SEM.
Viết vào chương 4 thế nào?
Kết quả CFA mô hình ba nhân tố cho χ²(24) = 85,31; p < 0,001; CFI = 0,931; TLI = 0,896; RMSEA = 0,092; SRMR = 0,065, cho thấy mô hình chưa phù hợp tốt theo các mốc của Hu và Bentler (1999). Nhân tố thị giác và tốc độ có AVE dưới 0,50 (lần lượt 0,371 và 0,430), nên giá trị hội tụ của hai nhân tố này chưa được bảo đảm.
Câu hỏi thường gặp
Kết quả công cụ có giống AMOS không?
AMOS và lavaan cùng dùng ước lượng hợp lý cực đại; khác biệt nhỏ ở χ² đến từ việc chia cho N hay N − 1. Trên dữ liệu này, χ² là 85,31 theo cách mặc định của lavaan và 85,02 theo cách của AMOS; các chỉ số khác gần như không đổi.
Cỡ mẫu bao nhiêu thì chạy CFA được?
Không có con số chung; nhiều tài liệu khuyến nghị từ 200 trở lên cho mô hình vừa. Tính theo mô hình của bạn bằng máy tính cỡ mẫu.
Có cần chạy EFA trước CFA không?
Với thang đo đã có, nhiều khoá luận chạy EFA để kiểm tra sơ bộ rồi CFA để khẳng định. Nếu thang đo đã được kiểm định nhiều, có thể vào thẳng CFA; ghi rõ lý do.
Tài liệu tham khảo
- Fornell, C., & Larcker, D. F. (1981). Evaluating structural equation models with unobservable variables and measurement error. Journal of Marketing Research, 18(1), 39–50. https://doi.org/10.1177/002224378101800104
- Holzinger, K. J., & Swineford, F. (1939). A study in factor analysis: The stability of a bi-factor solution (Supplementary Educational Monographs, No. 48). University of Chicago.
- Hu, L., & Bentler, P. M. (1999). Cutoff criteria for fit indexes in covariance structure analysis: Conventional criteria versus new alternatives. Structural Equation Modeling, 6(1), 1–55. https://doi.org/10.1080/10705519909540118
- MacCallum, R. C., Roznowski, M., & Necowitz, L. B. (1992). Model modifications in covariance structure analysis: The problem of capitalization on chance. Psychological Bulletin, 111(3), 490–504. https://doi.org/10.1037/0033-2909.111.3.490
- Rosseel, Y. (2012). lavaan: An R package for structural equation modeling. Journal of Statistical Software, 48(2), 1–36. https://doi.org/10.18637/jss.v048.i02