Modification Indices trong AMOS: cách chạy và đọc kết quả
Khi nào dùng Modification Indices trong AMOS
Bạn mở AMOS, chạy mô hình CFA hoặc SEM rồi thấy CMIN/DF, CFI, TLI hay RMSEA chưa đạt. Bảng output cho biết mô hình hiện tại chưa mô tả dữ liệu đủ tốt, còn Modification Indices, thường viết tắt là MI, gợi ý những tham số đang bị cố định nhưng nếu được tự do ước lượng thì Chi-square có thể giảm bao nhiêu. Đây là công cụ chẩn đoán mô hình, không phải nút tự động sửa mô hình.
Modification Indices trong AMOS thường được xem sau khi bạn đã xây dựng mô hình dựa trên lý thuyết, chạy mô hình lần đầu và kiểm tra các chỉ số độ phù hợp. Bạn có thể dùng MI trong CFA để xem mối tương quan giữa sai số đo lường của các biến quan sát, hoặc trong SEM để xem một đường dẫn còn thiếu giữa các biến tiềm ẩn có cần được xem xét. Mỗi đề xuất phải có lý do học thuật và phải được ghi lại trước, sau khi chạy lại mô hình.
Nếu bạn đang nhầm MI với CFI, hãy xem bài chỉ số độ phù hợp mô hình trong AMOS. CFI, TLI, RMSEA và CMIN/DF cho biết mô hình đang phù hợp đến đâu, còn MI chỉ ra nơi mô hình có thể được cải thiện về mặt thống kê.
Chuẩn bị dữ liệu trước khi chạy
AMOS đọc dữ liệu từ SPSS, thường là file .sav. Trước khi mở AMOS, bạn cần kiểm tra tên biến, kiểu dữ liệu và mô hình đo lường. Mỗi biến quan sát phải có một tên duy nhất, tên trong file dữ liệu phải trùng với tên bạn vẽ trong AMOS, và các biến Likert cần được mã hóa theo cùng chiều.
Nếu một biến được hỏi theo chiều ngược, chẳng hạn điểm cao lại thể hiện mức độ không đồng ý, hãy reverse code trước khi chạy. Đừng trông chờ AMOS tự hiểu nội dung câu hỏi. Kiểm tra missing values, các dòng có quá nhiều dữ liệu trống và những giá trị nằm ngoài thang đo. Một giá trị 99 dùng để chỉ “không trả lời” cần được xử lý thành missing, không để AMOS xem như một mức trả lời thật.
Bạn cũng cần xác định mình đang chạy CFA hay SEM. CFA kiểm tra mô hình đo lường, tức quan hệ giữa biến tiềm ẩn và biến quan sát. SEM kiểm tra thêm các đường dẫn giữa các biến tiềm ẩn theo giả thuyết nghiên cứu. Nếu mô hình đo lường chưa ổn định, việc xem MI trong mô hình cấu trúc thường khiến bạn sửa sai tầng phân tích.
AMOS và SmartPLS có cách đánh giá khác nhau. Các chỉ số CFI, TLI và RMSEA thường được dùng trong CB-SEM như AMOS, còn chúng không phải bộ chỉ số chính của PLS-SEM. Nếu bạn đang dùng SmartPLS, hãy chuyển sang hướng dẫn phù hợp trong chủ đề SPSS để tránh trộn tiêu chí giữa hai phương pháp.
Trước khi chạy, nên lưu một bản dữ liệu và một bản mô hình gốc. Đặt tên file theo vòng chạy, chẳng hạn CFA_model_v1.amos, CFA_model_v2.amos. Việc này giúp bạn quay lại mô hình ban đầu khi một điều chỉnh làm kết quả xấu hơn hoặc khiến mô hình mất ý nghĩa lý thuyết.
Các bước chạy Modification Indices trong AMOS
Mở dữ liệu và kiểm tra mô hình đo lường
Mở AMOS Graphics, chọn File > Data Files rồi trỏ đến file .sav. Kiểm tra lại từng tên biến trong sơ đồ. Biến quan sát cần nối với biến tiềm ẩn bằng mũi tên một chiều, mỗi biến quan sát có sai số đo lường, còn biến tiềm ẩn cần được định chuẩn bằng cách cố định một loading hoặc phương sai theo thiết lập của AMOS.
Nếu mô hình có biến tiềm ẩn nhưng chưa có thang đo đủ số biến quan sát, AMOS có thể báo mô hình không được nhận dạng hoặc cho kết quả không đáng tin. Khi gặp tình trạng này, đọc thêm hướng dẫn mô hình không được nhận dạng phải làm sao trước khi xem MI.
Chạy mô hình lần đầu
Chọn Analyze > Calculate Estimates, hoặc bấm biểu tượng tính toán trên thanh công cụ. Nếu AMOS báo lỗi, xử lý lỗi đó trước. Một mô hình chưa hội tụ không cung cấp cơ sở tốt để bạn chọn đường dẫn theo MI.
Sau khi chạy xong, mở View Text để xem output. Ghi lại số lượng quan sát, các cảnh báo về estimation, bảng Model Fit Summary và các chỉ số CMIN, CFI, TLI, RMSEA. Đây là kết quả của mô hình gốc, cần được lưu riêng để so sánh với mô hình sau điều chỉnh.
Bật Modification Indices trong Analysis Properties
Chọn View > Analysis Properties, sau đó mở tab Output. Trong nhóm tùy chọn output, đánh dấu Modification indices và nhập mức hiển thị, thường là 4 hoặc 10 tùy mục đích xem xét. Khi đặt 4, AMOS hiển thị những tham số có MI từ 4 trở lên. Con số này là ngưỡng hiển thị, không phải quy tắc bắt buộc rằng mọi MI trên 4 đều phải được sửa.
Bạn có thể chọn thêm Standardized estimates, Squared multiple correlations và các bảng cần thiết cho báo cáo. Đóng cửa sổ, chạy lại bằng Analyze > Calculate Estimates, rồi mở output mới. Nếu bảng MI không xuất hiện, kiểm tra lại tab Output và chắc chắn mô hình đã được tính toán sau khi bật tùy chọn.
Đọc bảng Covariances và Regression Weights
Trong output, tìm phần Modification Indices. AMOS thường chia gợi ý thành Covariances và Regression Weights. Dòng trong bảng cho biết tham số nào đang bị cố định, còn cột M.I. cho biết mức giảm kỳ vọng của Chi-square nếu tham số đó được tự do ước lượng. Cột Par Change cho biết hướng và độ lớn thay đổi ước lượng dự kiến.
Nếu gợi ý nằm ở cặp sai số e5 <--> e6, AMOS đang đề xuất cho phép hai sai số tương quan. Nếu gợi ý là X2 <--- F2, phần mềm đang đề xuất thêm một loading hoặc đường dẫn. Hai trường hợp này không được giải thích giống nhau. Một cặp sai số có thể liên quan vì hai biến quan sát dùng câu chữ gần nhau hoặc cùng một cách đo, còn một loading chéo thường báo hiệu biến quan sát chưa thuần nhất với khái niệm.
Chọn một điều chỉnh rồi chạy lại
Đừng chọn cùng lúc hàng loạt gợi ý có MI cao. Chọn một đề xuất có lý do lý thuyết rõ nhất, thêm mũi tên tương ứng trên sơ đồ, lưu thành phiên bản mới rồi chạy lại. Sau đó so sánh Model Fit Summary, hệ số tải, các đường dẫn và ý nghĩa khái niệm của mô hình.
Một vòng điều chỉnh nên có nhật ký gồm mã tham số, MI, lý do giữ hoặc loại, thao tác đã thực hiện và kết quả sau khi chạy. Nếu thêm covariance giữa hai sai số, hãy ghi rõ cơ sở nội dung của hai biến quan sát. Nếu không thể giải thích bằng lý thuyết, giữ mô hình gốc thường an toàn hơn việc chạy theo một con số lớn.
Đọc kết quả output
Bảng quan trọng nhất là Modification Indices. Ví dụ dưới đây là số liệu minh họa, không phải kết quả của một nghiên cứu thật. Tên cột được trình bày theo cách AMOS thường hiển thị trong output.
| Parameter | M.I. | Par Change | Diễn giải minh họa |
|---|---|---|---|
| e3 <--> e4 | 18.642 | 0.287 | Hai sai số được đề xuất tương quan |
| e7 <--> e8 | 11.305 | 0.214 | Có thể xem xét nếu hai biến có nội dung gần nhau |
| Y2 <--- X1 | 9.874 | 0.176 | Gợi ý thêm loading hoặc đường dẫn tùy vị trí tham số |
| Y4 <--- X2 | 5.116 | -0.093 | MI vừa phải, cần kiểm tra lý thuyết trước khi sửa |
Trong ví dụ, e3 <--> e4 có MI 18.642. Con số này chỉ nói rằng khi tham số covariance được tự do ước lượng, Chi-square dự kiến giảm theo mức tương ứng trong điều kiện mô hình và dữ liệu đang xét. Nó không chứng minh hai sai số chắc chắn phải tương quan, cũng không chứng minh mô hình sau sửa sẽ đạt tất cả chỉ số.
Bạn cần mở thêm Standardized Regression Weights để kiểm tra factor loading, Squared Multiple Correlations để xem R² của biến quan sát, và Model Fit Summary để so sánh mô hình. Nếu điều chỉnh giúp CFI tăng nhưng tạo ra loading thấp, đường dẫn vô nghĩa hoặc cấu trúc không còn phù hợp giả thuyết, lợi ích thống kê đó chưa đủ để giữ điều chỉnh.
Khi AMOS báo CFI thấp, MI có thể gợi ý một số tham số, nhưng nguyên nhân cũng có thể là mô hình đo lường sai, dữ liệu có outlier, mẫu không phù hợp hoặc các biến quan sát đo nhiều khái niệm cùng lúc. Vì vậy, bạn nên xem hướng dẫn CFI nhỏ hơn 0 9 phải làm sao và lỗi CFI nhỏ hơn 0 9 AMOS để kiểm tra theo thứ tự, thay vì chỉ thêm mũi tên.
Tiêu chí đánh giá
AMOS không có một ngưỡng MI duy nhất áp dụng cho mọi đề tài. Mức 4 thường được dùng để lọc các gợi ý cần xem xét, nhưng ngưỡng này không thay thế lập luận lý thuyết. Các ngưỡng độ phù hợp dưới đây giúp bạn đánh giá toàn bộ mô hình, không dùng riêng để quyết định thêm một covariance.
| Chỉ số hoặc quy tắc | Mức tham khảo | Nguồn |
|---|---|---|
| CFI | Từ 0.90 trở lên trong CB-SEM | (Hu và Bentler, 1999) |
| TLI | Từ 0.90 trở lên trong CB-SEM | (Hu và Bentler, 1999) |
| RMSEA | Không quá 0.08 trong CB-SEM | (Hu và Bentler, 1999) |
| SRMR | Không quá 0.08 trong CB-SEM | (Hu và Bentler, 1999) |
| CMIN/DF | Cần báo cáo cùng các chỉ số khác, không kết luận chỉ từ một chỉ số | (Kline, 2015) |
| Factor loading | Từ 0.5 trở lên | (Hair và cộng sự, 2010) |
| CR | Từ 0.7 trở lên | (Fornell và Larcker, 1981) |
| AVE | Từ 0.5 trở lên | (Fornell và Larcker, 1981) |
CFI, TLI, RMSEA và SRMR trong bảng trên là tiêu chí của CB-SEM, phù hợp với bối cảnh AMOS. Bạn không nên lấy các ngưỡng này để kết luận một mô hình PLS-SEM là đạt. Đồng thời, đừng viết “MI từ 4 trở lên là đạt”. MI chỉ là chỉ báo để xem xét tham số bị cố định.
Một điều chỉnh hợp lý cần thỏa bốn điều kiện: có cơ sở lý thuyết hoặc nội dung đo lường, không làm biến dạng mô hình giả thuyết, cải thiện kết quả trên nhiều chỉ số, và được báo cáo minh bạch. Nếu bạn thêm quá nhiều covariance giữa sai số, mô hình có thể vừa khít với mẫu hiện tại nhưng khó tái lập trên mẫu khác.
Cách viết kết quả vào luận văn
Trong chương 4, hãy trình bày mô hình ban đầu trước, sau đó nêu điều chỉnh và lý do. Bạn có thể viết theo mẫu sau và thay bằng số liệu thật của mình:
Cách viết vào luận văn: “Kết quả CFA ban đầu cho thấy mô hình có các chỉ số phù hợp gồm CFI = [giá trị], TLI = [giá trị], RMSEA = [giá trị]. Dựa trên Modification Indices và sự tương đồng về nội dung của [mã biến 1] và [mã biến 2], nghiên cứu cho phép covariance giữa hai sai số đo lường [mã sai số 1] và [mã sai số 2]. Sau khi điều chỉnh, các chỉ số đạt CFI = [giá trị], TLI = [giá trị], RMSEA = [giá trị], đồng thời factor loading và ý nghĩa lý thuyết của mô hình vẫn được đảm bảo.”
Không ghi rằng “AMOS tự động thêm đường dẫn” hoặc “mô hình đạt vì MI lớn”. Hãy nêu MI như bằng chứng chẩn đoán đi kèm lý do nội dung. Nếu bạn điều chỉnh nhiều vòng, có thể lập bảng gồm mô hình, tham số đã thêm, MI ban đầu, chỉ số phù hợp sau điều chỉnh và lý do giữ lại.
Sau CFA, nếu mô hình cấu trúc có biến trung gian, bạn cần tách phần đánh giá mô hình đo lường khỏi phần kiểm định đường dẫn. Quy trình này khác với việc dùng MI để sửa covariance. Khi cần kiểm tra hiệu ứng gián tiếp, xem bài kiểm định trung gian bằng bootstrap trong AMOS.
Lỗi thường gặp khi chạy Modification Indices trong AMOS
Chọn MI cao nhất mà không đọc nội dung biến
MI cao là lý do để mở hồ sơ biến và xem xét, không phải lệnh phải thực hiện. Hai biến có câu chữ giống nhau có thể tạo covariance hợp lý, nhưng hai biến thuộc hai khái niệm khác nhau có thể làm mô hình mất giá trị phân biệt nếu nối tùy tiện.
Thêm nhiều covariance trong một lần
Khi thêm năm hoặc sáu mũi tên cùng lúc, bạn không biết điều chỉnh nào thực sự giúp mô hình tốt hơn. Hãy sửa từng vòng, lưu từng phiên bản và báo cáo những thay đổi có căn cứ.
Xóa biến chỉ vì MI xuất hiện
MI của một biến quan sát có thể cao vì biến đó có loading chéo, nội dung mơ hồ hoặc dữ liệu bất thường. Trước khi xóa, kiểm tra loading, corrected item-total correlation từ SPSS, nội dung thang đo và vai trò của biến trong mô hình. Việc xóa biến làm thay đổi thang đo, nên cần giải trình rõ.
Chỉ nhìn CFI sau điều chỉnh
CFI tăng chưa đủ. Kiểm tra đồng thời TLI, RMSEA, SRMR, factor loading, CR, AVE, số bậc tự do và ý nghĩa lý thuyết. Nếu AMOS báo lỗi hoặc kết quả thay đổi bất thường, xem thêm phần mô hình không được nhận dạng thay vì tiếp tục thêm đường dẫn.
Báo cáo mô hình sau sửa như mô hình được lập từ đầu
Đây là lỗi dễ bị hỏi khi bảo vệ. Hội đồng có thể hỏi vì sao hai sai số được tương quan và bạn đã xem xét bao nhiêu vòng MI. Giữ nhật ký chạy và trình bày mô hình ban đầu giúp bạn trả lời dựa trên quy trình thật.
Câu hỏi thường gặp
Modification Indices trong AMOS là gì?
Modification Indices là chỉ báo ước lượng mức giảm Chi-square dự kiến khi một tham số đang bị cố định được tự do ước lượng. AMOS hiển thị MI trong bảng Modification Indices, thường kèm Par Change để cho biết hướng thay đổi dự kiến.
MI không tự chứng minh một đường dẫn hoặc covariance là đúng. Bạn cần kết hợp MI với lý thuyết, nội dung biến quan sát và các chỉ số phù hợp của toàn bộ mô hình.
MI bao nhiêu là đạt trong AMOS?
Không có mức MI dùng để kết luận mô hình đạt. Bạn có thể đặt 4 hoặc 10 trong Analysis Properties > Output để lọc gợi ý hiển thị, nhưng đó chỉ là ngưỡng xem xét. Một MI cao vẫn cần lý do học thuật trước khi thêm tham số.
Có nên thêm tất cả covariance mà AMOS gợi ý không?
Không nên. Chỉ thêm covariance khi hai sai số có cơ sở nội dung hoặc phương pháp đo lường rõ ràng. Thêm hàng loạt covariance có thể làm mô hình phụ thuộc quá mức vào mẫu hiện tại và khó giải trình trong luận văn.
Vì sao đã thêm covariance nhưng CFI vẫn thấp?
Có thể nguyên nhân nằm ở cấu trúc mô hình, factor loading thấp, dữ liệu có vấn đề, outlier hoặc các biến quan sát không đo cùng một khái niệm. Kiểm tra lại mô hình đo lường, dữ liệu và các chỉ số khác thay vì tiếp tục thêm mũi tên. Một mô hình chưa phù hợp không phải lúc nào cũng sửa được bằng MI.
Có thể dùng MI để thêm đường dẫn mới giữa các biến tiềm ẩn không?
Có thể xem đó là một gợi ý nghiên cứu, nhưng chỉ thêm khi đường dẫn có cơ sở từ mô hình lý thuyết và giả thuyết. Nếu đường dẫn được phát hiện sau khi nhìn dữ liệu, hãy ghi rõ đó là điều chỉnh hậu nghiệm và thận trọng khi khẳng định kết quả.
Bây giờ bạn hãy lưu mô hình AMOS gốc, bật Modification indices trong Analysis Properties, chạy lại một vòng và lập bảng ghi từng tham số trước khi sửa. Nếu cần hỗ trợ chạy phân tích trên chính file .sav hoặc .csv, bạn có thể dùng module M4 phân tích của DoThesis.