Phân tích cấu trúc đa nhóm trong AMOS: Cách chạy và đọc kết quả
Khi nào dùng phân tích cấu trúc đa nhóm trong AMOS
Phân tích cấu trúc đa nhóm trong AMOS được dùng khi bạn muốn kiểm tra mô hình đo lường hoặc mô hình cấu trúc có hoạt động giống nhau giữa từ hai nhóm trở lên. Ví dụ, bạn có thể so sánh sinh viên nam và nữ, khách hàng dưới 30 tuổi và từ 30 tuổi trở lên, hoặc người đã sử dụng dịch vụ dưới một năm và từ một năm trở lên.
Câu hỏi nghiên cứu thường có dạng: mối quan hệ giữa X và Y có khác nhau giữa nhóm A và nhóm B không. Nếu chỉ chạy hồi quy riêng cho từng nhóm rồi thấy một hệ số có ý nghĩa thống kê còn nhóm kia không có, bạn chưa thể kết luận hai hệ số khác nhau. Cần kiểm định sự khác biệt giữa các nhóm trong cùng một mô hình.
Trong AMOS, quy trình thường đi từ CFA đến kiểm định measurement invariance, sau đó mới so sánh các path trong structural model. CFA giúp xác nhận mô hình đo lường, tức các biến quan sát có đo đúng biến tiềm ẩn hay không. Bạn có thể xem thêm hướng dẫn về chỉ số độ phù hợp mô hình trong AMOS trước khi bắt đầu.
AMOS phù hợp khi đề tài của bạn dùng CB-SEM và cần kiểm tra Model Fit, CFA, covariance hoặc path coefficient giữa các nhóm. SmartPLS cũng có chức năng Multi-Group Analysis, nhưng cách đọc và bộ chỉ số không giống AMOS. Vì vậy, không nên lấy tiêu chí của PLS-SEM đưa thẳng vào kết quả AMOS.
Chuẩn bị dữ liệu trước khi chạy
Bạn cần một file dữ liệu có biến phân nhóm và các biến quan sát dùng trong mô hình. Biến phân nhóm có thể là giới tính, độ tuổi, thu nhập hoặc kinh nghiệm sử dụng. Mỗi dòng là một đáp viên, mỗi cột là một biến quan sát. Các biến Likert nên được mã hóa nhất quán, chẳng hạn từ 1 đến 5.
Kiểm tra biến phân nhóm
Trong SPSS, mở Analyze > Descriptive Statistics > Frequencies để xem số lượng quan sát ở từng nhóm. Đặt tên nhóm rõ ràng, chẳng hạn GENDER với 1 là nam và 2 là nữ. Nếu một nhóm chỉ có rất ít quan sát, kết quả CFA và SEM của nhóm đó có thể không ổn định.
Bạn không nên tạo nhóm bằng cách cắt một biến liên tục chỉ vì muốn có đủ nhóm để so sánh. Nếu cần chia tuổi hoặc thu nhập, hãy ghi rõ cơ sở lý thuyết và cách mã hóa trong chương phương pháp. Một quyết định chia nhóm sau khi xem kết quả có thể khiến lập luận bị nghi ngờ.
Kiểm tra missing values và mã hóa đảo chiều
Mở Analyze > Descriptive Statistics > Frequencies để phát hiện giá trị trống, giá trị ngoài thang đo và mã sai. Một biến Likert từ 1 đến 5 nhưng xuất hiện giá trị 99 cần được khai báo là missing hoặc xử lý trước khi đưa vào AMOS.
Nếu bảng hỏi có biến quan sát đảo chiều, bạn phải recode trước khi chạy CFA. Trong SPSS, dùng Transform > Recode into Different Variables, tạo biến mới và kiểm tra lại bằng bảng tần số. Không sửa trực tiếp tên biến gốc nếu bạn còn cần đối chiếu với bảng hỏi.
Chuẩn hóa cấu trúc file dữ liệu
Tên biến nên ngắn, không có dấu cách và không dùng ký tự đặc biệt. Các biến quan sát của cùng một khái niệm nên có quy tắc, chẳng hạn PU1, PU2, PU3. Biến phân nhóm nên để trong cùng file với dữ liệu phân tích để AMOS có thể phân nhóm theo đúng mã.
Bạn cũng cần bảo đảm các nhóm dùng cùng một bộ biến quan sát. Nếu nhóm A có PU1 đến PU4 nhưng nhóm B thiếu PU4 vì bảng hỏi khác nhau, việc so sánh measurement invariance không còn cùng một nền tảng đo lường.
Các bước chạy phân tích cấu trúc đa nhóm trong SPSS
AMOS là phần mềm thuộc bộ IBM SPSS nhưng thao tác chính diễn ra trong AMOS Graphics. Dưới đây là cách chạy phân tích cấu trúc đa nhóm trong AMOS theo thứ tự an toàn cho một luận văn định lượng.
Bước 1: Vẽ mô hình CFA chung
Mở AMOS Graphics, chọn File > New và vẽ các biến tiềm ẩn, biến quan sát, mũi tên một chiều và covariance cần thiết. Mỗi biến tiềm ẩn phải có thang đo được xác định, thường bằng cách cố định một factor loading về 1 hoặc cố định variance của nhân tố.
Đặt tên biến quan sát trong AMOS trùng với tên cột dữ liệu SPSS. Vào File > Data Files để chọn file .sav. Sau đó kiểm tra phần Analysis Properties > Output, chọn Standardized estimates, Squared multiple correlations, Residual moments và Modification indices nếu cần chẩn đoán.
Chạy mô hình bằng nút Calculate Estimates. Nếu CFA chung không đạt, bạn cần xử lý mô hình đo lường trước. Việc chia nhóm khi mô hình chung còn lỗi thường khiến bạn không biết vấn đề đến từ thang đo hay từ khác biệt giữa các nhóm.
Bước 2: Tạo biến nhóm trong AMOS
Trong AMOS, mở Analyze > Manage Groups. Tạo các group tương ứng với mã trong dữ liệu, chẳng hạn Nam và Nu. Ở phần Group number, khai báo giá trị dữ liệu tương ứng nếu phiên bản AMOS của bạn yêu cầu. Kiểm tra lại group chính và group phụ trong cửa sổ quản lý nhóm.
Một lỗi dễ gặp là đặt tên nhóm trong AMOS nhưng quên gán giá trị phân nhóm trong file dữ liệu. Khi đó AMOS có thể chạy nhưng số quan sát giữa các group không đúng. Sau khi chạy, kiểm tra bảng Notes for Model và thông tin cỡ mẫu của từng nhóm.
Bước 3: Chạy mô hình unconstrained
Mô hình unconstrained cho phép các tham số giữa các nhóm được ước lượng tự do. Trong AMOS, giữ nguyên cùng một sơ đồ mô hình cho các group và chạy Calculate Estimates. Đây là mô hình cơ sở để so sánh với các mô hình bị ràng buộc.
Ghi lại các chỉ số Model Fit của từng group và mô hình tổng thể. Bạn cũng nên lưu file .amw theo từng phiên bản, chẳng hạn CFA_unconstrained.amw, để có thể quay lại khi một ràng buộc làm mô hình không hội tụ.
Bước 4: Kiểm định metric invariance
Ở bước này, bạn ràng buộc các factor loading tương ứng giữa các nhóm bằng nhau. Mục tiêu là xem các nhóm có hiểu và phản hồi thang đo theo cùng cấu trúc hay không. Trong AMOS, dùng cùng một nhãn tham số cho các đường tải tương ứng ở các group.
So sánh Model Fit của mô hình metric constrained với mô hình unconstrained. Nếu chênh lệch độ phù hợp quá lớn, bạn cần thận trọng khi so sánh các quan hệ cấu trúc. Có thể một số biến quan sát hoạt động khác nhau giữa các nhóm.
Bước 5: Ràng buộc covariance và intercept khi cần
Sau metric invariance, bạn có thể kiểm tra các mức bất biến tiếp theo tùy mục tiêu nghiên cứu. Scalar invariance thường liên quan đến intercept của biến quan sát, còn covariance invariance kiểm tra sự tương đồng của hiệp phương sai giữa các nhân tố.
Bạn không nên ràng buộc mọi tham số chỉ để tạo ra một mô hình có vẻ chặt chẽ. Mỗi ràng buộc phải gắn với câu hỏi nghiên cứu. Nếu mục tiêu chỉ là so sánh path X đến Y, hãy tập trung vào những tham số cần thiết để trả lời câu hỏi đó.
Bước 6: So sánh path giữa các nhóm
Sau khi mô hình đo lường đủ cơ sở, ràng buộc path cần so sánh bằng nhau giữa các group. Chạy mô hình unconstrained và constrained, sau đó xem sự thay đổi Model Fit hoặc kiểm định chênh lệch tham số theo cách AMOS xuất ra.
Kết quả có ý nghĩa khi chênh lệch giữa hai path được kiểm định trực tiếp, không chỉ dựa vào việc p-value của từng nhóm có nhỏ hơn 0.05 hay không. Một path có p-value nhỏ ở nhóm A và lớn ở nhóm B chưa tự động chứng minh hai path khác nhau.
Đọc kết quả output
Các bảng quan trọng gồm Model Fit Summary, Regression Weights, Standardized Regression Weights, Squared Multiple Correlations và phần so sánh giữa các mô hình bị ràng buộc. Khi kiểm định đa nhóm, bạn cần đọc kết quả theo từng group và theo mô hình tổng thể.
Bảng dưới đây là số liệu minh họa, không phải kết quả của một nghiên cứu thực tế. Tên bảng và cột được trình bày theo dạng bạn thường gặp trong output AMOS.
| Bảng output AMOS | Group 1: Nam | Group 2: Nữ | Diễn giải minh họa |
|---|---|---|---|
| CMIN/DF | 2.14 | 2.31 | Mức độ phù hợp tương đối của mô hình |
| CFI | 0.934 | 0.921 | So sánh độ phù hợp với mô hình cơ sở |
| RMSEA | 0.061 | 0.067 | Sai số xấp xỉ của mô hình |
| Standardized Regression Weight, PU → BI | 0.48 | 0.31 | Hệ số path chuẩn hóa theo group |
| P-value của PU → BI | 0.003 | 0.041 | Ý nghĩa thống kê của path trong từng group |
| R-square của BI | 0.42 | 0.28 | Phần phương sai BI được giải thích |
Trong bảng Regression Weights, hãy xem cột Estimate, S.E., C.R. và P. Estimate là hệ số chưa chuẩn hóa, S.E. là sai số chuẩn, C.R. là critical ratio và P là p-value. Khi trình bày ảnh hưởng giữa các nhóm, nên báo cáo thêm Standardized Regression Weights để người đọc dễ so sánh độ lớn tương đối.
Ví dụ minh họa ở trên cho thấy PU → BI có hệ số chuẩn hóa cao hơn ở nhóm nam. Tuy vậy, bạn chỉ được viết rằng tác động khác nhau giữa hai nhóm nếu kiểm định ràng buộc path cho thấy chênh lệch có ý nghĩa. Chênh lệch 0.48 và 0.31 tự nó chưa đủ để kết luận.
Nếu AMOS báo mô hình không hội tụ, hãy kiểm tra variance âm, standard error quá lớn, correlation vượt 1 và các tham số chưa được xác định. Hướng xử lý chi tiết cho trường hợp này có thể xem tại mô hình không được nhận dạng phải làm sao.
Tiêu chí đánh giá
Bạn cần phân biệt tiêu chí đánh giá mô hình chung với tiêu chí đánh giá sự khác biệt giữa các group. Các ngưỡng dưới đây là mốc tham khảo thường dùng trong CB-SEM, không phải quy tắc cho phép xóa biến tùy ý.
| Nội dung đánh giá | Ngưỡng tham khảo | Nguồn |
|---|---|---|
| CFI | Từ 0.90 trở lên | (Hu và Bentler, 1999) |
| TLI | Từ 0.90 trở lên | (Hu và Bentler, 1999) |
| RMSEA | Không vượt quá 0.08 | (Hu và Bentler, 1999) |
| SRMR | Không vượt quá 0.08 | (Hu và Bentler, 1999) |
| Composite Reliability | Từ 0.70 trở lên | (Fornell và Larcker, 1981) |
| AVE | Từ 0.50 trở lên | (Fornell và Larcker, 1981) |
| Factor loading | Từ 0.50 trở lên | (Hair và cộng sự, 2010) |
| Cronbach's Alpha | Từ 0.70 trở lên | (Nunnally, 1978) |
| Corrected Item-Total Correlation | Từ 0.30 trở lên | (Nunnally và Bernstein, 1994) |
Các chỉ số CFI, TLI, RMSEA và SRMR trong bảng này áp dụng cho CB-SEM, trong đó có AMOS. Bạn không nên lấy ngưỡng R², Q² hoặc HTMT của PLS-SEM thay thế cho Model Fit của AMOS.
Khi so sánh các mô hình đa nhóm, hãy báo cáo mô hình unconstrained, mô hình constrained và phần thay đổi độ phù hợp. Nếu một mô hình bị ràng buộc làm fit giảm rõ rệt, điều đó gợi ý tham số tương ứng có thể khác giữa các nhóm. Cần nêu rõ bạn ràng buộc factor loading, covariance, intercept hay path nào.
CFI nhỏ hơn 0.90 không nên được xử lý bằng cách xóa biến liên tục cho đến khi đạt ngưỡng. Trước hết kiểm tra dữ liệu, cấu trúc mô hình, outlier và các loading yếu. Bạn có thể tham khảo bài CFI nhỏ hơn 0.9 phải làm sao và lỗi CFI nhỏ hơn 0.9 AMOS để phân biệt lỗi dữ liệu với lỗi đặc tả mô hình.
Cách viết kết quả vào luận văn
Trong chương 4, bạn nên trình bày theo thứ tự: mô tả các group, kết quả CFA, mô hình unconstrained, mô hình constrained và kết luận về path được so sánh. Ghi số quan sát của từng group, cách mã hóa biến phân nhóm và lý do chọn group.
Cách viết vào luận văn: “Kết quả CFA theo nhóm cho thấy mô hình đo lường của nhóm [tên nhóm 1] và [tên nhóm 2] có các chỉ số phù hợp lần lượt là [CFI], [TLI], [RMSEA] và [SRMR]. Sau khi ràng buộc [tên tham số], chỉ số [tên chỉ số] thay đổi [mức thay đổi]. Kết quả kiểm định cho thấy mối quan hệ giữa [biến độc lập] và [biến phụ thuộc] [có/không có] sự khác biệt có ý nghĩa giữa [nhóm 1] và [nhóm 2].”
Bạn cần thay toàn bộ phần trong ngoặc vuông bằng số liệu từ file của mình. Không ghi “mô hình nhóm nam tốt hơn nhóm nữ” nếu bạn chỉ mới so sánh CFI giữa hai mô hình. Câu kết luận phải nói rõ khác biệt nằm ở path hoặc tham số nào.
Nếu bạn dùng bảng hoặc hình từ AMOS, đặt số thứ tự và tên nhất quán, chẳng hạn “Bảng 4.8. So sánh path PU → BI giữa các nhóm”. Phần dưới bảng nên giải thích ý nghĩa của kết quả, không chỉ chép lại các con số trong output.
Lỗi thường gặp khi chạy phân tích cấu trúc đa nhóm
Lỗi đầu tiên là chia nhóm sau khi xem p-value. Cách này làm mất tính minh bạch của thiết kế nghiên cứu. Bạn nên xác định biến phân nhóm từ câu hỏi nghiên cứu hoặc cơ sở lý thuyết trước khi chạy mô hình.
Lỗi thứ hai là chạy CFA riêng từng nhóm nhưng không kiểm tra invariance. Hai mô hình đều có CFI trên 0.90 vẫn có thể dùng thang đo khác nhau giữa các nhóm. Khi đó việc so sánh mean hoặc path cần được giải thích thận trọng.
Lỗi thứ ba là kết luận khác biệt chỉ từ p-value riêng lẻ. Hãy kiểm định trực tiếp sự chênh lệch giữa các path. Nếu phần mềm hoặc phương pháp bạn dùng không cung cấp kiểm định phù hợp, hãy ghi rõ giới hạn thay vì khẳng định quá mức.
Lỗi thứ tư là thêm covariance theo Modification Indices mà không có cơ sở nội dung. Modification Indices chỉ là tín hiệu chẩn đoán. Mỗi thay đổi phải có lý do về cách diễn đạt biến quan sát hoặc cấu trúc lý thuyết, đồng thời cần được ghi lại trong lịch sử xử lý.
Lỗi thứ năm là nhầm phân tích đa nhóm với kiểm định trung gian. Multi-Group Analysis so sánh mô hình giữa các nhóm, còn mediation kiểm tra ảnh hưởng gián tiếp qua biến trung gian. Nếu đề tài có cả hai phần, hãy tách quy trình và giả thuyết. Với phần trung gian, bạn có thể xem kiểm định trung gian bằng bootstrap trong AMOS.
Câu hỏi thường gặp
Phân tích cấu trúc đa nhóm trong AMOS là gì?
Đây là cách dùng AMOS để ước lượng và so sánh cùng một mô hình giữa nhiều nhóm dữ liệu. Bạn có thể so sánh factor loading, intercept, covariance hoặc path coefficient tùy mục tiêu nghiên cứu.
Có cần chạy CFA trong AMOS trước khi phân tích đa nhóm không?
Có. CFA giúp kiểm tra mô hình đo lường và phát hiện biến quan sát có loading yếu, sai số bất thường hoặc cấu trúc không phù hợp. Sau đó bạn mới có cơ sở kiểm tra measurement invariance giữa các nhóm.
Hai nhóm có CFI khác nhau thì có phải hai nhóm khác biệt không?
Chưa thể kết luận như vậy. CFI của từng nhóm phản ánh độ phù hợp của mô hình trong từng nhóm, còn câu hỏi “có khác nhau không” cần dựa vào mô hình ràng buộc và kiểm định trực tiếp tham số cần so sánh.
Mỗi nhóm cần bao nhiêu mẫu để chạy AMOS?
Không có một con số duy nhất phù hợp cho mọi mô hình. Cỡ mẫu phụ thuộc số biến quan sát, số tham số, độ phức tạp mô hình và chất lượng dữ liệu. Bạn nên tránh để một group quá nhỏ so với group còn lại, đồng thời giải thích cách xác định cỡ mẫu trong chương phương pháp.
Nếu mô hình constrained không đạt thì phải làm sao?
Trước tiên xác định ràng buộc nào làm độ phù hợp giảm. Kiểm tra lại mã group, dữ liệu thiếu, biến đảo chiều, factor loading và đặc tả mô hình. Không nên xóa biến hoặc bỏ ràng buộc chỉ để làm chỉ số đẹp hơn mà không có lý do lý thuyết.
Bạn hãy mở lại file dữ liệu, ghi mã biến phân nhóm, chạy CFA chung rồi lưu riêng các phiên bản unconstrained và constrained trước khi viết kết quả; nếu cần chạy phân tích trên chính file .sav hoặc .csv và kiểm tra từng output AMOS, bạn có thể dùng M4 phân tích dữ liệu.