Reliability là gì? Cách đọc và đánh giá độ tin cậy thang đo
Reliability là gì
Bạn mở bảng kết quả và thấy các cột Cronbach's Alpha, Composite Reliability, rho_A hoặc McDonald's Omega. Tất cả đều có chữ reliability, nhưng chúng không phải cùng một chỉ số. Trong luận văn định lượng, reliability thường được hiểu là độ tin cậy của thang đo, tức mức độ nhất quán giữa các biến quan sát cùng đo một khái niệm.
Ví dụ, thang đo Sự hài lòng có các biến SAT1, SAT2, SAT3 và SAT4. Nếu một người trả lời có xu hướng chọn mức cao cho SAT1 thì các biến còn lại cũng nên có xu hướng tương đối phù hợp, với điều kiện chúng cùng phản ánh Sự hài lòng. Reliability không cho biết thang đo có đo đúng khái niệm hay không. Nó chỉ cho biết các biến quan sát có vận hành nhất quán hay không.
Với Cronbach's Alpha, phần mềm ước tính độ tin cậy từ số lượng biến quan sát và mối tương quan giữa các biến. Dạng công thức thường được trình bày là:
α = k/(k - 1) × [1 - tổng phương sai của từng biến / phương sai tổng điểm]
Trong đó k là số biến quan sát. Với mô hình PLS-SEM, Composite Reliability, thường viết là CR, được tính dựa trên outer loading của các biến quan sát. Vì vậy, bạn cần phân biệt reliability của thang đo với reliability của toàn bộ mô hình nghiên cứu. Muốn xem thêm các khái niệm nền như scale, bạn có thể đọc scale là gì.
Ý nghĩa của reliability trong nghiên cứu định lượng
Reliability là một bước kiểm tra trước khi bạn diễn giải mối quan hệ giữa các biến. Nếu các biến quan sát trong cùng một thang đo không nhất quán, điểm đại diện cho biến tiềm ẩn có thể bị nhiễu. Khi đó, kết quả EFA, hồi quy, SEM hoặc PLS-SEM sẽ khó giải thích hơn.
Trong quy trình thường gặp, bạn kiểm tra reliability sau khi làm sạch dữ liệu và trước khi phân tích nhân tố khám phá. Với SPSS, bạn có thể chạy Cronbach's Alpha cho từng nhóm biến quan sát. Với SmartPLS, bạn xem đồng thời outer loading, Cronbach's Alpha, rho_A và Composite Reliability trong phần đánh giá measurement model.
Reliability trả lời câu hỏi: các biến quan sát trong một thang đo có đủ nhất quán để được giữ lại và dùng cho bước tiếp theo không. Nó không trả lời các câu hỏi về tác động nhân quả, p-value, R² hay ý nghĩa của giả thuyết. Chẳng hạn, một thang đo có CR tốt vẫn có thể có HTMT không đạt, hoặc đường dẫn giữa hai biến tiềm ẩn không có ý nghĩa thống kê.
Bạn cũng nên tách reliability khỏi validity. Reliability liên quan đến tính nhất quán. Convergent validity xem các biến quan sát có hội tụ vào cùng khái niệm không, thường dựa trên outer loading và AVE. Discriminant validity xem các khái niệm khác nhau có bị trùng lặp quá mức không, thường đọc qua HTMT hoặc tiêu chí Fornell-Larcker.
Nếu đề tài có biến mediator hoặc moderator, reliability vẫn được kiểm tra cho từng construct trước khi phân tích quan hệ trung gian hoặc điều tiết. Bạn có thể xem cách gọi các khái niệm này trong bài mediator, moderator và moderating, nhưng đừng dùng reliability để kết luận một biến có phải mediator hay moderator.
Reliability bao nhiêu là đạt
Không nên lấy một con số duy nhất áp cho mọi nghiên cứu. Ngưỡng phụ thuộc vào loại reliability, mục tiêu nghiên cứu, số lượng biến quan sát và tình trạng mới hay đã ổn định của thang đo. Bảng dưới đây tóm tắt các ngưỡng thường được dùng, kèm nguồn để bạn có thể giải trình khi viết chương 3 hoặc chương 4.
| Chỉ số hoặc tiêu chí | Ngưỡng tham khảo | Cách hiểu và nguồn |
|---|---|---|
| Cronbach's Alpha | Từ 0.70 trở lên | Độ tin cậy thường được xem là chấp nhận được (Nunnally, 1978) |
| Cronbach's Alpha cho thang đo khám phá | Từ 0.60 trở lên | Có thể chấp nhận trong nghiên cứu mới hoặc khám phá (Hair và cộng sự, 2010) |
| Corrected Item-Total Correlation | Từ 0.30 trở lên | Biến quan sát có tương quan phù hợp với tổng thang đo (Nunnally và Bernstein, 1994) |
| Composite Reliability | Từ 0.70 trở lên | Độ tin cậy tổng hợp của construct (Fornell và Larcker, 1981) |
| Outer loading trong PLS-SEM | Từ 0.70 trở lên | Biến quan sát đóng góp tốt cho construct (Chin, 1998) hoặc (Hair và cộng sự, 2022) |
| AVE | Từ 0.50 trở lên | Giá trị hội tụ, không phải chỉ số reliability thuần túy (Fornell và Larcker, 1981) |
| HTMT | Dưới 0.85, hoặc dưới 0.90 với khái niệm gần nhau | Giá trị phân biệt (Henseler và cộng sự, 2015) |
| rho_A | Xem cùng nhóm tiêu chí reliability | Chỉ số reliability trong PLS, cần báo cáo cùng CR và Alpha (Dijkstra và Henseler, 2015) |
Các ngưỡng trên là điểm tham chiếu, không phải lý do để xóa biến máy móc. Ví dụ, Alpha rất cao đôi khi xuất hiện vì các biến quan sát bị lặp ý quá nhiều. Ngược lại, Alpha thấp có thể do thang đo có ít biến, biến đảo chiều chưa được mã hóa lại, hoặc các biến thực sự không cùng đo một khái niệm.
CR là chỉ số bạn thường gặp trong SmartPLS và AMOS. Tuy nhiên, cách tính và bối cảnh diễn giải không hoàn toàn giống cách chạy Cronbach's Alpha trong SPSS. Nếu bạn dùng CB-SEM với AMOS, báo cáo thêm các chỉ số phù hợp mô hình theo quy trình của CB-SEM. Các chỉ số CFI, TLI, RMSEA và SRMR theo (Hu và Bentler, 1999) không được đưa vào bài giải thích kết quả SmartPLS như thể chúng là tiêu chí của PLS-SEM.
Cách đọc reliability trên output
Đọc Cronbach's Alpha trong SPSS
Trong SPSS, vào Analyze > Scale > Reliability Analysis. Đưa các biến quan sát của một construct vào ô Items, chọn Model: Alpha, sau đó bấm Statistics. Chọn Item, Scale, Scale if item deleted và Correlations nếu bạn muốn xem thêm thông tin để quyết định loại biến.
Bảng Reliability Statistics thường có hai cột quan trọng là Cronbach's Alpha và N of Items. Sau đó, bảng Item-Total Statistics cho biết Corrected Item-Total Correlation và Cronbach's Alpha if Item Deleted. Bạn cần đọc cả hai bảng, vì Alpha tổng thể đạt chưa có nghĩa mọi biến quan sát đều phù hợp.
Số liệu minh họa
Bảng dưới đây là số liệu minh họa, không phải kết quả của một nghiên cứu thật. Giả sử thang đo Sự hài lòng có bốn biến quan sát và bạn chạy đúng menu trên.
| Bảng trong SPSS | Cột | Dòng hoặc biến | Số liệu minh họa | Cách đọc |
|---|---|---|---|---|
| Reliability Statistics | Cronbach's Alpha | Thang đo Sự hài lòng | 0.842 | Đạt mốc 0.70 theo (Nunnally, 1978) |
| Reliability Statistics | N of Items | Số biến quan sát | 4 | Có bốn biến SAT1 đến SAT4 |
| Item-Total Statistics | Corrected Item-Total Correlation | SAT1 | 0.611 | Cao hơn 0.30 theo (Nunnally và Bernstein, 1994) |
| Item-Total Statistics | Corrected Item-Total Correlation | SAT2 | 0.704 | Tương quan tốt với tổng thang đo |
| Item-Total Statistics | Corrected Item-Total Correlation | SAT3 | 0.286 | Cần kiểm tra vì thấp hơn 0.30 |
| Item-Total Statistics | Cronbach's Alpha if Item Deleted | SAT3 | 0.861 | Alpha tăng nếu xóa SAT3, nhưng cần xem nội dung trước |
Với ví dụ này, SAT3 là biến cần kiểm tra, không phải biến chắc chắn phải xóa. Bạn xem lại câu chữ, mã hóa thuận nghịch, dữ liệu thiếu và tương quan của SAT3 với các biến còn lại. Nếu SAT3 là biến đảo chiều nhưng bạn chưa recode, kết quả thấp có thể do lỗi dữ liệu chứ không phải do thang đo.
Đọc Composite Reliability trong SmartPLS
Trong SmartPLS 4, sau khi chạy PLS Algorithm, mở phần kết quả của measurement model và tìm bảng Construct Reliability and Validity. Các cột thường gặp gồm Cronbach's alpha, rho_A, Composite reliability (rho_C) và Average variance extracted (AVE).
Nếu bảng có dòng Satisfaction, bạn đọc CR của dòng đó, không đọc CR của từng biến SAT1, SAT2 hay SAT3. Reliability thuộc về construct, còn outer loading thuộc về từng biến quan sát. Khi cần kiểm tra biến nào yếu, mở bảng Outer Loadings và đối chiếu mã biến.
Ví dụ minh họa: Satisfaction có Cronbach's Alpha 0.842, rho_A 0.849, Composite Reliability 0.887 và AVE 0.663. CR vượt 0.70 và AVE vượt 0.50, nên thang đo có tín hiệu tốt về độ tin cậy và giá trị hội tụ theo (Fornell và Larcker, 1981). Đây vẫn là số liệu minh họa, bạn phải thay bằng output của file .sav hoặc .csv của mình.
Cách viết vào luận văn
Bạn có thể điều chỉnh câu sau theo output thật: “Kết quả kiểm định cho thấy thang đo [TÊN CONSTRUCT] có Cronbach's Alpha là [GIÁ TRỊ], các biến quan sát có Corrected Item-Total Correlation từ [GIÁ TRỊ THẤP NHẤT] đến [GIÁ TRỊ CAO NHẤT]. Do các giá trị này đáp ứng ngưỡng [NGƯỠNG] theo [NGUỒN], thang đo được giữ lại cho bước phân tích tiếp theo.”
Với SmartPLS, có thể viết: “Composite Reliability của các construct dao động từ [GIÁ TRỊ THẤP NHẤT] đến [GIÁ TRỊ CAO NHẤT], đều [cao hơn hoặc thấp hơn] 0.70. Kết quả này được đối chiếu với tiêu chí của (Fornell và Larcker, 1981) và được xem xét cùng outer loading, AVE và HTMT.” Chỉ dùng câu “đều đạt” khi toàn bộ dòng thực sự đạt.
Khi reliability không đạt thì xử lý thế nào
Bắt đầu bằng việc xác định chỉ số nào không đạt. Alpha thấp trong SPSS cần cách xử lý khác với CR thấp trong SmartPLS. Đừng xóa biến chỉ vì phần mềm hiển thị Alpha if Item Deleted cao hơn.
Thứ nhất, kiểm tra mã hóa. Nếu bảng hỏi có biến quan sát mang nội dung phủ định, bạn cần recode trước khi chạy reliability. Trong SPSS, dùng Transform > Recode into Different Variables, tạo biến mới và ghi lại quy tắc mã hóa. Không nên ghi đè dữ liệu gốc khi chưa lưu một bản sao.
Thứ hai, kiểm tra dữ liệu thiếu, giá trị ngoài khoảng Likert và các mẫu trả lời bất thường. Một bảng trả lời có cùng một mức cho toàn bộ biến có thể làm giảm chất lượng dữ liệu. Bạn có thể đọc thêm về outliers, nhưng outlier không đồng nghĩa với một bản trả lời được phép xóa tùy ý.
Thứ ba, xem nội dung và Corrected Item-Total Correlation của từng biến. Nếu một biến thấp rõ rệt, câu hỏi có thể không phù hợp bối cảnh hoặc người trả lời hiểu khác với dự kiến. Bạn cần ghi lại lý do loại biến, chỉ số trước và sau khi loại, thay vì chạy nhiều lần đến khi bảng đẹp rồi chỉ báo cáo vòng cuối.
Thứ tư, nếu thang đo vẫn không đạt, xem lại cấu trúc khái niệm và nguồn thang đo. Một construct có thể bị gộp sai các chiều thành phần. Nếu thang đo chỉ có hai biến, Alpha cũng có thể khó ổn định. Khi đó, trao đổi với giảng viên về cơ sở lý thuyết và thiết kế đo lường sẽ có giá trị hơn việc xóa thêm biến.
Reviewer thường chấp nhận việc loại biến khi bạn nêu rõ tiêu chí, có lý do nội dung và báo cáo minh bạch các bước. Reviewer khó chấp nhận việc loại biến hàng loạt chỉ để đạt 0.70, hoặc giữ một biến có chỉ số thấp nhưng không giải thích.
Phân biệt reliability với các chỉ số dễ nhầm
Cronbach's Alpha là một cách đánh giá internal consistency. Composite Reliability cũng đánh giá độ tin cậy của construct, nhưng được tính từ outer loading trong mô hình đo lường. Hai chỉ số có thể cùng được báo cáo, nhưng không nên gọi chúng là hai lần đo giống hệt nhau.
Corrected Item-Total Correlation là mức tương quan của một biến quan sát với tổng điểm thang đo sau khi loại chính biến đó khỏi tổng. Nó giúp bạn phát hiện biến không đi cùng nhóm. Đây là chỉ số ở cấp biến quan sát, trong khi Alpha và CR là chỉ số ở cấp thang đo hoặc construct.
AVE là Average Variance Extracted, dùng để xem construct giải thích được bao nhiêu phương sai trung bình của các biến quan sát. AVE từ 0.50 trở lên được dùng làm tiêu chí giá trị hội tụ theo (Fornell và Larcker, 1981). Vì vậy, AVE không thay thế CR.
HTMT là chỉ số đánh giá discriminant validity giữa các construct. HTMT thấp không chứng minh reliability cao, cũng như CR cao không chứng minh các construct đã phân biệt tốt. Bạn cần đọc các nhóm chỉ số theo đúng câu hỏi mà chúng trả lời.
Lỗi thường gặp
Lỗi đầu tiên là lấy Alpha của toàn bộ bảng hỏi để kết luận tất cả thang đo đều đáng tin cậy. Bạn phải chạy và báo cáo theo từng construct, chẳng hạn Sự hữu ích, Dễ sử dụng và Ý định sử dụng.
Lỗi thứ hai là xem Alpha if Item Deleted rồi xóa ngay biến có con số cao. Hãy kiểm tra nội dung biến, mã hóa, phân phối và cơ sở lý thuyết. Một Alpha tăng nhẹ chưa đủ để biện minh cho việc làm mất nội dung quan trọng của construct.
Lỗi thứ ba là trộn tiêu chí SPSS với SmartPLS. Reliability Statistics của SPSS không có CR. Trong SmartPLS, bảng Construct Reliability and Validity có nhiều cột và mỗi cột cần được diễn giải đúng tên.
Lỗi thứ tư là dùng CFI, TLI, RMSEA để đánh giá một mô hình SmartPLS. Đây là nhóm fit indices của CB-SEM, được nêu trong (Hu và Bentler, 1999). Nếu bạn chạy SmartPLS, hãy tập trung vào nhóm chỉ số phù hợp như outer loading, CR, AVE, HTMT, VIF, R², f² và Q².
Lỗi cuối là báo cáo con số làm tròn quá mức hoặc thay số liệu minh họa vào luận văn. Trước khi nộp, mở lại output gốc, đối chiếu tên construct, số biến và số chữ số thập phân. Mỗi con số trong chương 4 phải truy ngược được về file phân tích của bạn.
Câu hỏi thường gặp
Reliability là gì trong SPSS?
Trong SPSS, reliability thường được kiểm tra bằng Cronbach's Alpha qua menu Analyze > Scale > Reliability Analysis. Bạn đọc bảng Reliability Statistics để xem Alpha tổng thể và bảng Item-Total Statistics để xem Corrected Item-Total Correlation của từng biến.
Composite Reliability CR bao nhiêu là đạt?
CR từ 0.70 trở lên thường được dùng làm ngưỡng tham khảo cho độ tin cậy tổng hợp theo (Fornell và Larcker, 1981). Tuy nhiên, cần đọc CR cùng outer loading, AVE và HTMT, không kết luận chỉ từ một con số.
Cronbach's Alpha và Composite Reliability có giống nhau không?
Hai chỉ số đều liên quan đến độ tin cậy của thang đo nhưng cách tính và bối cảnh sử dụng khác nhau. Alpha thường xuất hiện trong SPSS, còn CR thường được báo cáo trong đánh giá measurement model của SmartPLS hoặc SEM.
Reliability thấp thì phải làm sao?
Bạn kiểm tra theo thứ tự: mã hóa biến, dữ liệu thiếu, giá trị bất thường, Corrected Item-Total Correlation và nội dung biến. Chỉ loại biến khi có cả căn cứ thống kê lẫn lý thuyết, đồng thời ghi lại các vòng xử lý để giải trình.
Có cần báo cáo cả Alpha, rho_A và CR không?
Nếu bạn dùng PLS-SEM, nên báo cáo các chỉ số reliability phù hợp với quy trình của bài và đọc chúng cùng nhau. Đừng đưa thêm chỉ số chỉ để làm bảng dài hơn. Quan trọng là nêu rõ phần mềm, phiên bản, construct, giá trị và tiêu chí đối chiếu.
Bây giờ bạn hãy mở output thật, lập một bảng cho từng construct, rồi đối chiếu Alpha hoặc CR với đúng tiêu chí trước khi viết nhận xét. Nếu cần chạy reliability trên file .sav hoặc .csv và chuyển kết quả thành đoạn chương 4, M4 phân tích dữ liệu của DoThesis thực hiện đúng bước này.