BÀI GIẢNG - tinhgiac.com · NGUYỄN KHÁNH DUY Giảng viên Khoa Kinh tế Phát Triển Trường ĐH Kinh tế TPHCM BÀI GIẢNG (Bản thảo lần 1) THỰC HÀNH MÔ HÌNH

NGUYỄN KHÁNH DUY Giảng viên Khoa Kinh tế Phát Triển

Trường ĐH Kinh tế TPHCM

BÀI GIẢNG

(Bản thảo lần 1) THỰC HÀNH MÔ HÌNH CẤU TRÚC TUYẾN TÍNH (SEM)

VỚI PHẦN MỀM AMOS

gs_gqs

gqs6 e9

gqs5 e8

gqs4 e7

gqs3 e6

gss6 e5

gss5 e4

gss4 e3

gss2 e2

gss1 e1

.80

lcs

cos2e17

cos1e16

cgss4e15

cgss1e14

lcs5e13

lcs3e12

lcs2e11

lcs1e10

.77

.71

.63

.69

cs

cos8e23

cos7e22

cos6e21

cos5e20

cos4e19

cos3e18

.83.81

.80.77.72.76

lrs

lrs4e27

lrs3e26

lrs2e25

lrs1e24

.78

.75.66

.67

gts

gts6e33

Chi-square= 1595.832df= 1007

P-value= .000Chi-square/df= 1.585

TLI= .915CFI= .921

IFI=.922RMSEA= .053

gts5e32

gts4e31

gts3e30

gts2e29

gts1e28

2.7

.63.76.77.79.77

awsaws3e36

aws2e35

aws1e34

.78

cflsgss8e38

gss7e37

.75.73.74.76.79

.82.80

.67

.67.82

.79

.88

.86

.69.71

.72

ossoss3 e41

oss2 40

oss1 e39

.79

.90.92

ls

ls1 e42

ls2 e43

ls3 e44

ls4 e45

ls5 e46

ls6 e47

.81.95.95

.88.87

.65

z2

z3

z1

.20

.15

.24

.50

-.11.84

.32

.50

.74

.54

.69

.59

.66

.54

.79

.65

.34

.46

.21

.46

.38

.73

.40

.69

.41 .36

.60

Tháng 5/2009 TRƯỜNG ĐẠI HỌC KINH TẾ TP.HCM

(Lưu hành nội bộ)

1

LỜI NÓI ĐẦU

Mô hình cấu trúc tuyến tính (SEM) được các nhà nghiên cứu trên thế giới sử dụng từ

rất lâu. Ở Việt Nam, khoảng từ năm 2000 trở lại đây, SEM đã được nhiều nhà nghiên cứu sử dụng trong các công trình nghiên cứu hàn lâm, cũng như các nghiên cứu ứng dụng phục vụ các chương trình tư vấn doanh nghiệp, tư vấn chính sách cho các Tỉnh/thành phố.

Gần đây, việc học tập / áp dụng mô hình cấu trúc tuyến tính (SEM) nói riêng cũng

như các kỹ thuật phân tích định lượng nói chung trong kinh tế, quản trị kinh doanh, tài chính-ngân hàng … được đông đảo bạn trẻ gồm sinh viên đại học, học viên cao học, nghiên cứu sinh quan tâm để giải quyết tốt nhất những mục tiêu nghiên cứu đã đặt ra.

Bài giảng này nhằm hỗ trợ các bạn bước đầu tiếp cận SEM dưới góc độ thực hành với

phần mềm AMOS được dễ dàng hơn, nhanh chóng hơn mà trước mắt là làm tài liệu học tập mang tính trực quan phục vụ cho chương trình bồi dưỡng cử nhân tài năng do Đoàn Khoa Kinh tế phát triển – Trường ĐH Kinh tế TPHCM tổ chức (chủ đề này học trong 2 buổi), hay các khoá đào tạo ngắn hạn tại Trung tâm Tư vấn doanh nghiệp và Phát triển kinh tế vùng về Phân tích dữ liệu và dự báo trong kinh doanh. Bên cạnh đó, trong quá trình học tập, các bạn sinh viên/ học viên sẽ được phát các tài liệu đọc về mặt lý thuyết SEM, các bài báo khoa học, công trình nghiên cứu có áp dụng SEM bằng tiếng Anh/ tiếng Việt khác…

Do SEM khá phức tạp dưới góc độ toán học và trình độ của tác giả còn hạn chế nên

những sai sót trong quá trình biên soạn là khó có thể tránh khỏi. Tác giả rất mong nhận được sự đóng góp ý kiến, phê bình của bạn đọc để quyển bài giảng này trong lần tái bản tiếp theo sẽ được hoàn thiện hơn, mang lại nhiều lợi ích hơn cho bạn đọc xa gần. Thư góp ý xin gửi về:

Nguyễn Khánh Duy Khoa Kinh tế Phát triển – Trường ĐH Kinh tế TPHCM Địa chỉ: 1A Hoàng Diệu – Quận Phú Nhuận - TPHCM Email: [email protected] hoặc [email protected] Điện thoại: 098.900.1766

Mong rằng bạn đọc sẽ tiếp tục đón nhận những quyển sách tốt hơn liên quan đến chủ

đề kinh tế lượng, phân tích dữ liệu & dự báo nâng cao do các đồng nghiệp & tôi biên soạn (được xuất bản chính thức) trong tương lai.

Xin chân thành cảm ơn và chúc các bạn thành công!

TP.Hồ Chí Minh, tháng 5 năm 2009 Tác giả

Nguyễn Khánh Duy

2

mailto:[email protected]

mailto:[email protected]

LỜI CẢM ƠN

Tài liệu học tập này không đồ sộ và chặt chẽ như những quyển sách khác, bởi nó được viết dưới góc độ trực quan, ứng dụng… Nó được hoàn thành trong thời gian rất ngắn nhằm phục vụ trước mắt cho chương trình bồi dưỡng cử nhân tài năng do Đoàn Khoa Kinh tế Phát Triển tổ chức, cũng như các khoá học ngắn hạn về “Phân tích dữ liệu và dự báo trong kinh doanh”. Tuy vậy, quyển bài giảng này cũng là một kết quả của sự tích luỹ lâu dài từ trong quá trình học tập, giảng dạy, công việc, nghiên cứu từ trước tới nay. Và quá trình ấy, tác giả đã được sự hỗ trợ tận tình của quý thầy cô giáo, bạn bè, các em sinh viên, và những người thân trong gia đình.

Năm 2004, khi AMOS, tài liệu về SEM còn rất hiếm; cô Trần Kim Dung, thầy Đinh Thái Hoàng (Khoa QTKD, Khoa Toán-Thống Kê-ĐH Kinh tế TPHCM) đã giới thiệu, khuyến khích, động viên tôi trong quá trình tìm hiểu về SEM, và gửi tặng tôi những tài liệu, phần mềm có liên quan. Nhờ sự giúp đỡ của quý thầy cô mà việc tìm hiểu về SEM của tôi những thời gian đầu rất thuận lợi. Tôi xin được gửi lời cảm ơn đến Thầy Nguyễn Hữu Lam; thầy đã nhiệt tình hướng dẫn luận văn tốt nghiệp bậc thạc sĩ – nghiên cứu đầu tiên mà tôi sử dụng SEM (năm 2006). Trong môn phương pháp nghiên cứu, Thầy Lê Nguyễn Hậu với câu nói “SEM thật đơn giản!”, “SEM dễ hơn mô hình hồi quy nhiều!” đã khuyến khích nhiều học viên chúng tôi tìm tòi về nó. Tôi chân thành cảm ơn thầy Nguyễn Đình Thọ vì những gợi mở, những hướng dẫn tận tình của thầy đã dành cho chúng tôi. Những nghiên cứu của thầy là những tài liệu rất quý cho những người làm Marketing hay bất cứ ai đang làm nghiên cứu ngành quản trị kinh doanh, và những ai tìm hiểu về SEM... Thời gian học tập ở bậc đại học, sau đại học có biết bao kỷ niệm với bạn bè, và sự tri ân của học viên chúng tôi với tất cả quý thầy cô đã tham gia giảng dạy.

Tôi muốn được gửi lời cảm ơn của mình đến thầy Hoàng Trọng vì những quyển sách về phân tích dữ liệu bằng SPSS mà thầy đã tham gia biên soạn (từ 1997 đến nay). Nó là những tài liệu thật quý giá đối với tôi cũng như những bạn đam mê, hay muốn tìm hiểu về phân tích dữ liệu trong nghiên cứu; thật không ngờ quyển sách đầu tiên của thầy (viết cùng với thầy Võ Văn Huy, cô Võ Thị Lan) mà tôi ngẫu nhiên tìm được ở nhà sách khi mới bước chân vào giảng đường đại học đã hướng tôi đến việc làm nhiều nghiên cứu khoa học với phương pháp định lượng khi còn là sinh viên.

Tôi xin được chân thành cảm ơn thầy Nguyễn Trọng Hoài, Thầy Cao Hào Thi đã tạo điều kiện hỗ trợ, động viên, hướng dẫn tôi trong công việc giảng dạy về phân tích định lượng từ những ngày đầu mùa thu năm 2007 ở chương trình giảng dạy Kinh tế Fulbright.

Xin gửi đến Thu Hương lời cảm ơn chân thành vì rất nhiều điều, bạn đã đồng hành, chia sẻ, hỗ trợ tôi trong suốt thời gian học tập/ nghiên cứu ở bậc đại học, sau đại học…

Xin cảm ơn những bạn đồng nghiệp: anh Quốc Duy, anh Thanh Bình, anh Thanh Vũ … và những người bạn khác luôn hỗ trợ, động viên, trao đổi, chia sẻ những kiến thức, kinh nghiệm về phân tích dữ liệu, cũng như hỗ trợ tôi trong công việc, trong nghiên cứu.

Quyển bài giảng này viết ra chủ yếu dành cho các bạn sinh viên đại học khối kinh tế - quản trị. Cũng nhờ sự ham học tập, sự khát khao khám phá và những tình cảm tốt đẹp mà các bạn sinh viên đại học (mà tôi có dịp gặp gỡ ở Trường ĐH Kinh tế TPHCM, Trường ĐH Ngoại Thương (CS2), Trường ĐH Ngân Hàng TPHCM, chương trình đào tạo đặc biệt của Trường ĐH Mở TPHCM) đã dành cho tôi trong thời gian qua đã giúp tôi luôn có những niềm vui trong công việc, và nghiên cứu. Xin chân thành cảm ơn các bạn!

3

Bài giảng này cũng hướng đến nhiều đối tượng bạn đọc khác, đặc biệt hướng đến các bạn sinh viên Khoa Kinh tế phát triển đang tham dự lớp bồi dưỡng cử nhân tài năng do Đoàn Khoa tổ chức. Lớp học này khó có thể thành công nếu không được sự hỗ trợ, tạo điều kiện của rất nhiều thầy cô giáo, của các bạn trong ban tổ chức, các anh chị em phòng quản trị thiết bị, tổ chức hành chính, phòng công nghệ thông tin, phòng điều phối giảng đường – thời khoá biểu, chi đoàn, chi hội, ban cán sự các lớp và sự nỗ lực của từng bạn sinh viên.

Các ví dụ trong quyển bài giảng này; các bài tập/ tình huống kèm theo và các quyển sách trong tương lai sẽ có những chất liệu, nguồn dữ liệu từ các nghiên cứu không chỉ của tôi, mà còn của các bạn bè, của các bạn sinh viên, cũng như rất nhiều tác giả khác. Xin chân thành cảm ơn bạn Nguyễn Thị Mỹ Thuận, bạn Mai Thuỳ Ninh, anh Võ Đức Thọ, anh Lê Văn Khoa … về những dữ liệu mà các bạn, các anh đã khảo sát rất công phu. Xin cảm ơn các tác giả của các quyển sách, tạp chí, bài viết … mà tôi đã tham khảo; vì sự đam mê và nghiên cứu nghiêm túc của họ đã giúp tôi hiểu rõ hơn và nhanh hơn những vấn đề chưa biết. Xin cảm ơn anh Phạm Đức Kỳ và thầy Bùi Nguyên Hùng ở Khoa Quản lý công nghiệp – ĐH Bách Khoa TPHCM về các bài viết mà quyển bài giảng này đã giới thiệu trong phụ lục để các bạn sinh viên tham khảo thêm.

Cuối cùng, tôi không quên gửi lời cảm ơn chân thành đến bố, mẹ, em Khánh Hùng và những người thân về tất cả!

Nguyễn Khánh Duy

4

MỤC LỤC Lời nói đầu Lời cảm ơn Mục lục

Trang 1. Trao đổi với các bạn sinh viên lớp bồi dưỡng cử nhân tài năng &

giới thiệu mô hình cấu trúc tuyến tính (SEM), phần mềm AMOS......................................6

2. Phân tích nhân tố khám phá (EFA_ Exploratory Factor Analysis) ..............................14

3. Phân tích nhân tố khẳng định (CFA_Confirmatory Factor Analysis) ..........................20

4. Mô hình cấu trúc (SEM_Structural Equation Modeling) .............................................48

5. Kiểm định Bootstrap .....................................................................................................54

6. Phân tích cấu trúc đa nhóm ...........................................................................................57

Lời kết Tài liệu tham khảo Phụ lục

5

1. TRAO ĐỔI VỚI CÁC BẠN SINH VIÊN LỚP BỒI DƯỠNG CỬ NHÂN TÀI NĂNG & GIỚI THIỆU VỀ SEM, PHẦN MỀM AMOS

Từ đầu học kỳ đến nay, lớp chúng ta đã học về các chủ đề Tư duy sáng tạo (Thầy

Nguyễn Hoàng Bảo, trong 3 buổi), phương pháp nghiên cứu nâng cao – đi sâu vào khung phân tích và nghiên cứu định tính (Thầy Trần Tiến Khai, trong 2 buổi), Mô hình Logit (Thầy Lương Vinh Quốc Duy, trong 1 buổi), Các chủ đề của kinh tế lượng tài chính và dự báo nâng cao ARIMA, SARIMA, ARCH-GARCH … (thầy Phùng Thanh Bình, trong 4 buổi), Phân tích kỹ thuật (Thầy Võ Thanh Sơn, trong 2 buổi). Cô Trương Công Thanh Nghị đã chia sẻ với các bạn về kinh nghiệm làm nghiên cứu, và giới thiệu các giải thưởng nghiên cứu khoa học sinh viên, kinh nghiệm học tập của một thủ khoa đầu vào cũng như đầu ra Khoá 28 của trường ĐH Kinh tế TPHCM; anh Hoàng Anh (Kế hoạch đầu tư K31) đã chia sẻ kinh nghiệm của anh trong việc học tập của một người đội trưởng đạt giải nhất cuộc thi “Kinh tế học - tầm nhìn bạn và tôi” – cuộc thi do Khoa KTPT chúng ta tổ chức với hơn 5000 thí sinh từ 11 trường đại học ở phía Nam - cũng như những nghiên cứu mà anh đang nỗ lực1, anh Nguyễn Ngọc Danh cũng đã trao đổi với các bạn về nghiên cứu của anh về sức khoẻ trẻ em với phương pháp 2SLS (là luận văn tốt nghiệp chương trình cao học Việt Nam-Hà Lan của anh Danh) …

Bên cạnh đó, những bạn sinh viên lớp nhân lực, một số bạn lớp KHĐT, Thẩm định

giá cũng đã từng nghe nói về SEM cũng như biết được sự phổ biến của nó trong các nghiên cứu khi tham dự buổi báo cáo chuyên đề “Ứng dụng phương pháp định lượng trong nghiên cứu quản trị nguồn nhân lực và hành vi tổ chức” do cô Trần Kim Dung báo cáo. Sáng nay, và chiều nay, một ngày chủ nhật, chúng ta sẽ tìm hiểu những vấn đề quan trọng nhất, cơ bản nhất của SEM, CFA… và thử tìm hiểu xem người ta đã vận dụng nó trong nghiên cứu về quản trị, Marketing, nhân lực, hành vi trong lĩnh vực tài chính – chứng khoán, tâm lý học … ở khu vực tư cũng như khu vực công như thế nào để từ đó các bạn có thể tự học sâu hơn về SEM và vận dụng một cách sáng tạo vào những nghiên cứu mà các bạn đang ấp ủ. Giờ ra chơi sáng nay, Anh Hoàng Nam (Sachvang), là admin và cũng là giảng viên trẻ của Khoa Quản trị Kinh Doanh sẽ giới thiệu với các bạn Forum caohockinhte.info là một diễn đàn rất hấp dẫn và sôi động của cộng đồng cao học kinh tế ở Việt Nam, và trên ấy cũng có một mục dành riêng cho các bạn sinh viên đại học yêu thích hoạt động nghiên cứu khoa học (mục Cử nhân và thạc sĩ tài năng tương lai).

Trong những năm gần đây, không chỉ nhiều người nghiên cứu trên thế giới và Việt

Nam có áp dụng SEM2 (Các bạn xem thêm trong phụ lục, tài liệu phát, các file đã gửi qua email… về nghiên cứu của thầy Nguyễn Đình Thọ, cô Mai Trang, cô Kim Dung, nghiên cứu của tôi, và nghiên cứu của các tác giả khác) mà một số bạn sinh viên đại học, học viên cao

1 Tối ngày mai, thứ hai (11/5/09), 4 bạn thuộc lớp chúng ta (Hoàng – NLK32, Phương – BĐSK32, Hải & Cần TĐG K32) sẽ là 1 đội đại diện cho trường ta tham gia vòng chung kết cuộc thi “Nhà kinh tế tương lai” do trường bạn – ĐH Ngoại Thương (CS2) tổ chức tại Nhà văn hoá thanh niên. Tuy mảng quản trị kinh doanh không phải thế mạnh của các bạn SV khoa KTPT, nhưng tham gia cuộc thi này cũng là một môi trường để học tập, rèn luyện, thể hiện bản thân, và giao lưu! Chúc các bạn ấy may mắn, vui, và học tập được nhiều điều bổ ích! 2 Tôi đã có ý định huấn luyện thêm cho lớp về một số chủ đề khác nữa, nhưng những chủ đề này chỉ có một vài nhóm sử dụng và mất khá nhiều thời gian khi trình bày trên lớp: Mô hình hệ phương trình (một số nhóm có thể sử dụng trong dự báo các chỉ tiêu vĩ mô), Kinh tế lượng với dữ liệu bảng (Nhóm bạn Mạnh Dũng, Thanh Hằng, Thanh Thuý – lớp Thẩm định giá K32), Khai thác bộ dữ liệu VHLSS với phần mềm STATA (Nhóm của Thế Hùng về bất bình đẳng trong thu nhập– KHĐT K32, Nhóm bạn Khương lớp Nhân lực K32) … các bạn có thể liên hệ với tôi qua email, hoặc trao đổi trực tiếp tại phòng giáo viên H103 vào trưa thứ năm hàng tuần về những vấn đề này. Và tôi cũng biết, lớp ta có khả năng tự học rất cao!

6

học cũng đã áp dụng SEM trong nghiên cứu của họ. Hai bạn sinh viên đại học Khoá 31 mà tôi có dịp hướng dẫn cũng đã sử dụng trong việc đo lường chất lượng dịch vụ khách sạn ở Nha Trang (khảo sát cả khách du lịch quốc tế và khách trong nước), các yếu tố tạo động lực làm việc cho công nhân ở các Khu công nghiệp tại TPHCM, Bình Dương. Năm ngoái, một bạn sinh viên ở Trường ĐH Kinh tế - ĐH Đà Nẵng cũng đã sử dụng trong đề tài NCKH sinh viên của bạn, và tôi biết nhiều bạn sinh viên khác cũng đã làm, sẽ làm…

AMOS được viết tắt từ Analysis of MOment Structures (Phân tích cấu trúc mô

măng). Phần mềm này dùng để thực hiện một phương pháp chung trong phân tích dữ liệu là Structural Equation Modeling (SEM_ mô hình cấu trúc tuyến tính). SEM cũng có những tên gọi khác như Analysis of Covariance Structures (Phân tích cấu trúc hiệp phương sai), hay Causal Modeling (mô hình nhân quả). Trên đường lên tham quan bức tượng Chúa giang tay ở thành phố biển Vũng Tàu (Mũi Nghinh Phong), bạn sẽ thấy một hình ảnh của vị thánh cũng có tên là AMOS!

Bạn hãy xem qua một ví dụ về CFA. Pont & Quilken (2002) đã khảo sát 348 khách hàng ở các ngân hàng và sử dụng phân tích nhân tố khẳng định (viết tắt là CFA, Xem Hình 1.1 – cái sơ đồ “lằng nhằng” với mấy cái móc hai đầu ở trên) để kiểm định thang đo chất lượng dịch vụ ngân hàng (BANKSERV) do Avkiran đề xuất năm 1994 ở nước Úc (kế thừa 17 item đo lường chất lượng dịch vụ ngân hàng của Avkiran1). Trong phân tích nhân tố khẳng định, Pont và Quilken đã chỉ ra rằng thang đo này hiện nay không phù hợp, vì Chi-square=419.15; P=0.001 (<0.05), df = 113, CMIN/df=3.7 (>2), Các chỉ tiêu TLI=0.86, CFI=0.88, GFI=0.87 (đều <0.9)2

Tuy nhiên, Theo bạn vì sao kết quả lại như thế? Làm thế nào để tốt hơn? (bạn hãy đọc kỹ lại nghiên cứu của Pont và Quilken trong file đã gửi vào email chung!)

Bạn có thấy rằng: năm 2002, Pont & Quilken (có lẽ 2 bạn này đang là học viên sau đại học) áp dụng y nguyên thang đo BANKSERV do Avkiran đề xuất từ năm 1994 mà không có sự điều chỉnh nào cả? Pont không bổ sung biến quan sát nào, không hiệu chỉnh gì, không EFA lại … Không cần làm nghiên cứu này cũng biết là áp dụng y nguyên thì nó sẽ không còn phù hợp, bởi qua thời gian mọi điều đã thay đổi. Trong CFA, bạn cũng có thể có cách hiệu chỉnh mô hình, cải thiện mức độ phù hợp với thị trường bằng cách thêm các tương quan giữa sai số … Trong CFA ta còn quan tâm đến nhiều điều khác nữa! 1 Avkiran, N.K, (1999), Developing an instrument to measure customer service quality in branch banking, Internation Journal of Banking Marketing, 12 (6), 10-18 2 Bạn hãy để ý những đẳng thức được in đậm trong ngoặc đơn, nếu các chỉ tiêu tương ứng rơi vào trường hợp như vậy thì mô hình đo lường (hay mô hình nghiên cứu mà bạn sẽ tiếp cận sau này) không phù hợp với thị trường

7

Hình 1.1

Các biến trong sơ đồ trên được giải thích như sau:

8

Trong chủ đề này, người ta không chỉ nghĩ đến việc kiểm định mô hình đo lường thông qua CFA, mà điều quan tâm hơn nữa là xây dựng, kiểm định mô hình nghiên cứu1 thông qua mô hình nhân quả, hay thường gọi là mô hình cấu trúc (SEM).

Chị Mai Thuỳ Ninh (sinh viên đại học ngành kế hoạch đầu tư Khoá 31 mà tôi may mắn có dịp hướng dẫn) đang làm đề tài tốt nghiệp về đánh giá mức độ thoả mãn của khách du lịch đối với chất lượng dịch vụ khách sạn tại thành phố Nha Trang. Ninh đã phát triển thang đo chất lượng dịch vụ khách sạn (Qualification of Hotel Service) của Saleh and Ryan (1990) và thang đo chất lượng dịch vụ du lịch của Kanampully (2001) với một số thành phần mới như vị trí, thông tin, và quan tâm đến yếu tố giá cả. Khảo sát 107 khách du lịch quốc tế và 73 khách nội địa, sau khi EFA, Ninh đã làm CFA và đạt yêu cầu, sau đó thực hiện mô hình cấu trúc để xem xét ảnh hưởng của chất lượng, vị trí, giá cả …đến sự thoả mãn và lòng trung thành thì một kết quả ban đầu như Hình 1.2: Bạn nhận xét sơ bộ gì về mức độ phù hợp của mô hình? Có cách nào để cải thiện mô hình được tốt hơn? - Bạn sẽ nhận định rằng mô hình này chưa tốt, chưa phù hợp phải không? Đúng thế! - Có nhiều cách thức để hiệu chỉnh mô hình. Ví dụ như: thêm vào các hệ số tương quan giữa các sai số; điều chỉnh mối quan hệ giữa các khái niệm; bỏ bớt một số biến quan sát, một số khái niệm trong mô hình nghiên cứu không đạt yêu cầu; thực hiện lại các phân tích trước đó - EFA … - Còn cách nào khác nữa không? Khi tôi đang viết bài giảng này, các em có biết chị Ninh đang làm gì không? Mặc dù chuyên đề tốt nghiệp đã xong, chị cũng đang chuẩn bị để bảo vệ, và tham gia đề tài NCKH sinh viên, mô hình đã tạm được (Không phải là mô hình như Hình 1.2), nhưng chị đang trên chuyến tàu về Nha Trang để khảo sát thêm khoảng 100 khách quốc tế, 100 khách nội địa nữa tại các khách sạn, phòng chờ ở sân bay, một số khu du lịch và chú trọng hơn chất lượng của cuộc phỏng vấn… ngoài ra, chị cũng chú trọng thêm về khảo sát định tính. Tôi nghĩ, có lẽ chị ấy muốn khám phá, và khẳng định một điều gì đó, muốn đóng góp một điều gì đó có ý nghĩa, muốn nghiên cứu này không chỉ bỏ vào trong thư viện để các khoá sau tham khảo, hay chỉ đăng trên các tạp chí hàn lâm!

1 Mô hình thể hiện các quan hệ tương quan, và quan hệ nhân quả giữa các khái niệm. Nó thường được biểu diễn bởi sơ đồ, phương trình.

9

Hình 1.2

chatluong

.51che3e2

.60che1e1

.72

.77

.80reab1e3

.90

.81reab2e4

.90

.74reab3e5

.86

.79reab4e6

.89

.79res1e7

.89

.83res2e8

.91

.78res3e9

.88.77

res4e10 .88.74res5e11 .86.85res6e12

.92.88

res7e13.94

.80ser1e14

.89

.73ser2e15

.85

.82ser3e16

.91

.76ser4e17

.87

.78ser5e18

.88

.73ser6e19

.85

.75ser7e20

.86

.86tang1e21

.93

.66tang4e22

.81

.66tang5e23

.81

vitri

.76loc1e26 .72loc2e27

.85

.87

chi-square= 2406.583 ; df= 534 ; p= .000 ;chi-square/df= 4.507 ;

cfi= .811 ; tli= .790 ;rmsea= .140

.63

.53

.46

.12

.23

.29

.30

.15

.15

.23

.32

.25

.06

.25

gia ca

.88pri1e28 .88pri2e29

.94

.94

.35foo2e30

.59

.89

thoa man

.87sat1

e33

.91sat2

e32

.93sat3

e31

.95

.94

.62

trung thanh

.82loy1

e34

.89loy2

e35

.81loy3

e36

.94

.91 .90.67

loy4

e37

.82

e38 e39.67

.97

.79

.13.32

.33

.53

.48

.83

.24

.11

-.63

.18

Sau khi học xong chủ đề này, bạn sẽ không chỉ có những hiểu biết căn bản về mô hình

cấu trúc, những thao tác trên AMOS, mà còn giúp bạn biết cách xây dựng, hiệu chỉnh, hoàn chỉnh mô hình. Và bạn có đủ kiến thức nền tảng để có thể dễ dàng hiểu được các nghiên cứu (có áp dụng SEM) mà các tác giả trong và ngoài nước đã làm! Điều này giúp bạn đi nhanh, và xa hơn trong tiếp cận những tri thức mới, và tạo ra tri thức mới trong khoa học.

10

Trong gần 100 em đang học ở đây, đề tài của nhóm em nào có thể áp dụng CFA, SEM? Dĩ nhiên, sẽ có nhiều em có thể làm được, và nhiều đề tài có thể sử dụng SEM, bởi

các em học lớp này là để làm tốt hơn các nghiên cứu mà các em đang làm, để đóng góp một điều gì đó có ý nghĩa cho xã hội ngay trong khoảng thời gian ở giảng đường đại học, và chuẩn bị hành trang cho công việc/học tập sau khi tốt nghiệp đại học! Ví dụ những đề tài của một số nhóm: chất lượng dịch vụ bệnh viện, ký túc xá, máy bán hàng tự động, dịch vụ vận tải hành khách của tàu Thống Nhất, dịch vụ giáo dục; động lực làm việc của nhân viên trong khu vực công, yếu tố ảnh hưởng đến kết quả làm việc của nhân viên, xu hướng mua, hành vi của nhà đầu tư trên thị trường chứng khoán, văn hoá tổ chức, phong cách lãnh đạo …1.

Một số nhóm sử dụng kinh tế lượng với dữ liệu bảng (như đề tài các yếu tố ảnh ưởng

đến FDI vào các quốc gia đang phát triển), hay đề tài áp dụng kỹ thuật kinh tế lượng truyền thống (ước lượng TFP, các yếu tố tác động đến thu nhập của lao động trẻ ở Việt Nam…), kỹ thuật dự báo với ARIMA, SARIMA, VAR, ARCH-GARCH (dự báo giá vàng, khách du lịch, FDI trong bối cảnh khủng hoảng… kiểm định tính hiệu quả của thị trường chứng khoán, thị trường vàng …) hay chỉ áp dụng thống kê mô tả… cũng đừng lo lắng, và hãy tiếp tục hoàn thiện nghiên cứu theo hướng đó! Phương pháp nghiên cứu nào, phương pháp phân tích dữ liệu nào…tất cả chỉ là cách thức, công cụ để các em đạt được mục tiêu nghiên cứu! Vấn đề quan trọng là lựa chọn phương pháp phù hợp để đạt được mục tiêu mà thôi!

Thời gian gần đây, trong một buổi huấn luyện về phân tích dữ liệu với SPSS cho các

bạn SV nghiên cứu khoa học của Khoa Thương Mại – Du Lịch – Marketing do Đoàn Khoa bên ấy tổ chức, một nhóm bạn sinh viên có trao đổi với tôi về nghiên cứu sự thoả mãn của khách hàng đi xe bus với mô hình Kano (sử dụng EFA, và thống kê mô tả)... Hay một số bạn sinh viên ở các Khoa trong trường chúng ta tham gia khoá huấn luyện về phân tích dữ liệu nghiên cứu với SPSS do Đoàn Trường tổ chức cũng trao đổi về những nghiên cứu: Các yếu tố ảnh hưởng đến tình hình phá sản (anh Bảo - Khoa TCDN, áp dụng phân tích phân biệt), các yếu tố ảnh hưởng đến xác suất rơi vào tình hình nợ xấu của các doanh nghiệp (anh Thành – Khoa TCDN, áp dụng Logit), đề tài về ngân hàng điện tử (EFA, Hồi quy), Marketing địa phương (anh Chinh – Khoa KTPT, áp dụng Thống kê mô tả, nghiên cứu định tính), định vị thương hiệu Vĩnh Tiến (chị Phương Linh, khoa KTPT, áp dụng EFA, Hồi quy, MDS) … Rất nhiều bạn bè (Khoá 32), các anh chị sinh viên (Khoá 31) trong trường cũng đang làm các nghiên cứu như các em!

Một gợi ý nghiên cứu dành cho các bạn sinh viên kế hoạch đầu tư, bất động sản, thẩm định giá…?

Hãy xem qua bài viết “Investment Management and personality type” của Mayfield, Perdue, Wooten vừa đăng trên tạp chí Financial Service Review, số 17 năm 2008 (đã được gửi qua email). Hình 1.3 thể hiện một mô hình mà các tác giả đã làm ở Hoa Kỳ. Các bạn thử nghiên cứu vấn đề này ở Việt Nam! Một một ngân hàng có mở sàn giao dịch vàng cũng đặt hàng tôi nghiên cứu hành vi của các nhà đâu tư trên thị trường vàng ở Việt Nam, các bạn thử xem xem liệu rằng nghiên cứu của Mayfield & ctg (2008) này có hỗ trợ gì không? 1 Chúng ta còn nhớ vào giữa tháng 6/2009, Đoàn Khoa KTPT sẽ tổ chức hội thảo khoa học về “Các vấn đề Kinh tế Xã hội của Việt Nam và thế giới qua phân tích định lượng”, mà người báo cáo, người tham dự chính là các em, và một số bạn sinh viên NCKH của khoa bạn, trường bạn, và một số anh chị Khoá 31.

11

Hình 1.3

Mô hình trên có Chi-square=183.63, df=141, P=0.009; GFI=0.91, CFI=0.95 Trong mô hình những yếu tố ảnh hưởng đến ý định đầu tư ngắn hạn trên (bên cạnh đó, các tác giả cũng nghiên cứu mô hình đối với ý định đầu tư dài hạn), một số biến quan sát để đo lường các khái niệm được trình bày ở trang 13

12

13

Trong bài học này, có 1 ví dụ xuyên suốt; chúng ta sẽ sử dụng dữ liệu mà chị Nguyễn Thị Mỹ Thuận1 khảo sát để phục vụ cho đề tài NCKH sinh viên của chị để làm ví dụ phân tích. Đề tài của chị Thuận sử dụng các công cụ phân tích EFA, Cronbach’s Alpha, Regression (các chủ đề này các bạn đều đã được học trong môn phân tích dữ liệu và dự báo). Và bây giờ, các bạn hãy thử phát triển thêm bằng cách sử dụng CFA, SEM xem thế nào! Tình huống đơn giản và gần gũi này sẽ giúp bạn dễ hiểu hơn về CFA, SEM – với các thao tác chính trên AMOS. Những tình huống với các mô hình rất phức tạp khác mà bạn sẽ tìm hiểu, sẽ làm được sau này cũng tương tự như thế thôi! 2. PHÂN TÍCH NHÂN TỐ KHÁM PHÁ (Nhắc lại sơ lược vì đã học)

Bảng câu hỏi của chị Thuận (xem phụ lục) dựa trên nghiên cứu của Dung (2005) đã hiệu chỉnh cho Việt Nam. Từ nghiên cứu định tính, chị Thuận đã hiệu chỉnh một số biến quan sát (Item), bỏ đi một số Item không phù hợp với nhân viên trong lĩnh vực Tài chính-ngân hàng, bất động sản, công nghệ thông tin (những ngành mũi nhọn của TPHCM) mà chị đang quan tâm…

Chị Thuận đã phải EFA lại, vì cấu trúc của thang đo trong tình huống của chị Thuận

chưa chắc đã giống với nghiên cứu trước của Dung và Nam (2005), và dĩ nhiên có thể càng không giống với kết quả nghiên cứu của Stanton và Crossley (2000) cũng như của Crossman và Bassem (2003) mà Dung đã kế thừa. Chị Thuận với mục tiêu là sau EFA sẽ chạy Regression vì thế khi EFA cho thang đo JDI (Thoả mãn của nhân viên với công việc) chị có thể sử dụng phương pháp Principal Components với phép xoay Varimax cũng được. Còn bạn, sau EFA bạn sẽ làm tiếp CFA và SEM nên rất quan tâm đến cấu trúc của thang đo, các khái niệm sau khi rút ra có thể tương quan với nhau, và cũng rất quan tâm đến sự phân biệt rõ ràng giữa các nhân tố. Vì vậy bạn nên làm EFA với những đổi mới sau:

• Sử dụng phương pháp trích Principal Axis Factoring với phép xoay Promax2 • Quan tâm đến tiêu chuẩn3: |Factor Loading| lớn nhất của mỗi Item >=0.5 • Quan tâm đến tiêu chuẩn: Tại mỗi Item, chênh lệch |Factor Loading| lớn nhất và

|Factor Loading| bất kỳ phải >=0.3 (Jabnoun & Al-Tamimi, 2003) • Tổng phương sai trích >=50% (Gerbing & Anderson, 1988) • KMO>=0.5, Kiểm định Bartlett có ý nghĩa thống kê (Sig<0.05)4

a. Khái niệm sự thoả mãn của nhân viên với công việc

1 Chị Thuận là sinh viên khoá 30 ngành kế hoạch đầu tư khoa KTPT (mà tôi hướng dẫn đề tài NCKH sinh viên), chị Thuận cũng là liên chi hội phó hội sinh viên của Khoa KTPT, đề tài của chị đạt giải khuyến khích cấp Bộ. Hiện nay chị Thuận đã ra trường được 1 năm và đang làm việc tại ngân hàng ACB 2 Theo Gerbing & Anderson (1988), Phương pháp trích Principal Axis Factoring với phép xoay Promax (Oblique) sẽ phản ánh cấu trúc dữ liệu chính xác hơn phương pháp trích Principal Components với phép xoay Varimax (Orthogonal) 3 Theo Hair & ctg (1998,111), Factor loading laø chæ tieâu ñeå ñaûm baûo möùc yù nghóa thieát thöïc cuûa EFA (ensuring practical significance). Factor loading > 0.3 ñöôïc xem laø ñaït ñöôïc möùc toái thieåu, Factor loading > 0.4 ñöôïc xem laø quan troïng, ≥ 0.5 ñöôïc xem laø coù yù nghóa thöïc tieãn. Hair & ctg (1998,111) cuõng khuyeân baïn ñoïc nhö sau: neáu choïn tieâu chuaån factor loading > 0.3 thì côõ maãu cuûa baïn ít nhaát phaûi laø 350, neáu côõ maãu cuûa baïn khoaûng 100 thì neân choïn tieâu chuaån factor loading > 0.55, neáu côõ maãu cuûa baïn khoaûng 50 thì Factor loading phaûi > 0.75 4 KMO là một chỉ tiêu dùng để xem xét sự thích hợp của EFA, 0.5≤KMO≤1 thì phân tích nhân tố là thích hợp. Kiểm định Bartlett xem xét giả thuyết về độ tương quan giữa các biến quan sát bằng không trong tổng thể. Nếu kiểm định này có ý nghĩa thống kê (Sig < 0.05) thì các biến quan sát có tương quan với nhau trong tổng thể (Trọng & Ngọc, 2008)

14

Bạn còn nhớ thao tác EFA trong phần mềm SPSS? Analyze\Data Reduction\Factor Hình 1.4

Hình 1.5

Hình 1.7 Hình 1.6

Hình 1.8

15

Kết quả ban đầu Pattern Matrixa

Factor 1 2 3 4 5 6 7

prom1 .863

prom3 .753 prom2 .689 prom4 .651 work4 .436 sup6 .811 sup5 .784 sup3 .758 sup7 .664 .325 sup4 .482 sup2 .351 .411 sup1 .268 .378 -.282 .283 pay4 .889 pay5 .770 pay2 .607 .297 ben4 .331 .549 .211 pay3 -.301 .488 .293 pay1 .485 .271 cow1 .814 cow3 .810 cow2 .810 .207 cow4 .432 .454 ben3 .982 ben2 .977 ben1 .334 .592 env3 .264 work3 .768 work2 .541 work1 .246 .223 .514 env2 .541 env1 -.279 .478 env4 .213 .232 Extraction Method: Principal Axis Factoring. Rotation Method: Promax with Kaiser Normalization.

a. Rotation converged in 7 iterations.

Các con số trong bảng này gọi là các Factor loading (hệ số tải nhân tố)

Env4 bị loại đầu tiên vì con số này nhỏ hơn 0.5, và “tệ” nhất

Lần lượt loại từng biến không đạt yêu cầu (biến nào “tệ” nhất bị loại trước): Env4, env3, sup1, sup2, work4, cow4, env2, env1, pay3, pay1, pay2, Và ben1

16

Kết quả EFA lần cuối

Pattern Matrixa

Factor

1 2 3 4 5 6

sup6 .841 sup5 .826 sup3 .758 sup7 .628 .278 sup4 .520 prom1 .899 prom2 .707 prom3 .670 prom4 .602 cow1 .913 cow2 .795 cow3 .768 pay4 .907 pay5 .817 ben4 .270 .593 ben2 .961 ben3 .952 work3 .915work2 .791work1 .545

Extraction Method: Principal Axis Factoring. Rotation Method: Promax with Kaiser Normalization.

a. Rotation converged in 6 iterations.

Các con số trong bảng này gọi là các Factor loading (hệ số tải nhân tố)

Bạn có nhận xét gì từ kết quả EFA? Có 6 nhân tố được rút ra. Nhân tố 1: gồm các biến quan sát sup3-sup7 được đặt tên là “Lãnh đạo” Nhân tố 2: gồm prom1-prom4 “Thăng tiến” Nhân tố 3: gồm cow1-cow3 “Đồng nghiệp” Nhân tố 4: gồm pay4, pay5, ben4 “lương-thưởng” Nhân tố 5: gồm ben2, ben3 “bảo hiểm” Nhân tố 6: gồm work1-work4 “bản chất công việc”

17

Total Variance Explained

Initial Eigenvalues Extraction Sums of Squared Loadings

Rotation Sums of Squared

Loadingsa

Factor Total % of Variance Cumulative % Total % of Variance Cumulative % Total

1 7.378 36.889 36.889 7.016 35.080 35.080 5.210 2 1.880 9.401 46.290 1.726 8.632 43.712 5.142 3 1.752 8.759 55.049 1.428 7.138 50.849 4.015 4 1.512 7.560 62.609 1.167 5.835 56.685 3.801 5 1.359 6.794 69.403 1.022 5.109 61.793 2.615 6 1.067 5.334 74.737 .712 3.558 65.352 4.584 7 .722 3.612 78.349 8 .564 2.821 81.169 9 .537 2.683 83.853 10 .461 2.306 86.159 11 .403 2.014 88.173 12 .395 1.973 90.146 13 .365 1.826 91.971 14 .341 1.704 93.676 15 .306 1.530 95.206 16 .252 1.260 96.466 17 .244 1.221 97.687 18 .212 1.062 98.749 19 .182 .911 99.660 20 .068 .340 100.000 Extraction Method: Principal Axis Factoring. a. When factors are correlated, sums of squared loadings cannot be added to obtain a total variance.

Tổng phương sai trích/ hay tổng biến thiên được giải thích bởi các nhân tố

KMO and Bartlett's Test

Kaiser-Meyer-Olkin Measure of Sampling Adequacy. .847

Approx. Chi-Square 2327.451

df 190

Bartlett's Test of Sphericity

Sig. .000

Hai bảng trên cho bạn nhận xét gì? - Tổng phương sai trích (hay tổng biến thiên được giải thích) bằng 65.35% (>50%) - KMO = 0.847 (>0.5) và kiểm định Bartlett có ý nghĩa thống kê (Sig<0.05) Nên EFA là phù hợp.

18

b. Khái niệm lòng trung thành Khái niệm lòng trung thành là 1 khái niệm đơn hướng (khi EFA, các biến quan sát rút thành 1 nhân tố), nên có thể thử sử dụng phương pháp trích Principal Component Analysis vì phương pháp trích này sẽ làm cho tổng phương sai trích tốt hơn. Bạn có nhận xét gì nếu có kết quả từ EFA cho các biến quan sát thuộc khái niệm lòng trung thành như sau?

KMO and Bartlett's Test

Kaiser-Meyer-Olkin Measure of Sampling Adequacy. .701

Approx. Chi-Square 188.787

df 3

Bartlett's Test of Sphericity

Sig. .000

Total Variance Explained

Initial Eigenvalues Extraction Sums of Squared Loadings Compo

nent Total % of Variance Cumulative % Total % of Variance Cumulative %

1 2.146 71.523 71.523 2.146 71.523 71.523

2 .487 16.230 87.753

3 .367 12.247 100.000

Extraction Method: Principal Component Analysis.

Component Matrixa

Component

1

loy1 .874

loy3 .834

loy2 .829

Extraction Method: Principal Component

Analysis.

a. 1 components extracted.

Bảng này chỉ có 1 cột, cho thấy loy1, loy2, loy3 rút thành 1 nhân tố

- Chỉ có 1 nhân tố được rút ra, nhân tố này cũng được đặt tên là “Trung thành” - EFA cũng phù hợp vì Tổng phương sai trích bằng 71.53 (>50%), KMO = 0.701 (>0.5), Sig của kiểm định Bartlett=0.000 (<0.05)

Mô hình cấu trúc tuyến tính (SEM) bao gồm nhiều kỹ thuật thống kê khác nhau như phân tích đường dẫn (Path Analysis), phân tích nhân tố khẳng định (Confirmatory Factor Analysis), Mô hình nhân quả với các biến tiềm ẩn (Causal modeling with Latent variable, và cũng thường gọi là SEM), và thậm chí cả phân tích phương sai (Analysis of Variance), mô hình hồi quy tuyến tính bội (Multiple Linear Regression). Chúng ta sẽ tìm hiểu CFA, SEM.

19

3. PHÂN TÍCH NHÂN TỐ KHẲNG ĐỊNH (CFA) Từ kết quả của EFA, giờ bạn thấy rằng ta có 7 khái niệm chính sử dụng trong mô hình nghiên cứu sau này. Đó là

• “Lãnh đạo” được đo lường bởi các biến quan sát sup3-sup7 • “Thăng tiến” được đo lường bởi các biến quan sát prom1-prom4 • “Đồng nghiệp” được đo lường bởi các biến quan sát cow1-cow3 • “Lương-thưởng” được đo lường bởi các biến quan sát pay4, pay5, ben4 • “Bảo hiểm” được đo lường bởi các biến quan sát ben2, ben3 • “Bản chất công việc” được đo lường bởi các biến quan sát work1-work4 • “Lòng trung thành”: được đo lường bởi loy1, loy2, loy3

6 khái niệm đầu tiên là các khái niệm thành phần của khái niệm “Sự thoả mãn của nhân viên với công việc”. Cấu trúc của thang đo “Sự thoả mãn nhân viên với công việc” gồm có 6 khái niệm thành phần như trên, và các biến quan sát tương ứng cho từng khái niệm cũng đã được liệt kê như trên. Các biến quan sát quan sát sup3-sup7; prom1-prom4; cow1-cow3; pay4, pay5, ben4; ben2, ben3; work1-work4 tạo thành một thang đo để đo lường khái niệm “Sự thoả mãn của nhân viên với công việc”. Các biến quan sát loy1, loy2, loy3 tạo thành một thang đo để đo lường khái niệm “lòng trung thành”. Những điều trên tạo thành một mô hình đo lường các khái niệm sử dụng trong nghiên cứu của bạn. Và bây giờ Chúng ta cần kiểm định xem Mô hình đo lường này có đạt được yêu cầu không? Các thang đo có đạt được yêu cầu của một thang đo tốt không? Việc này chúng ta cần sử dụng đến phân tích nhân tố khẳng định (CFA) Trong CFA ta có thể thực hiện cho từng khái niệm, một số khái niệm, hoặc thực hiện với tất cả các khái niệm có trong mô hình (gọi là mô hình tới hạn) Veà maët lyù thuyeát, trong CFA, chuùng ta chuù yù ñeán moät soá vaán ñeà sau: Ñeå ño löôøng möùc ñoä phuø hôïp cuûa moâ hình vôùi thoâng tin thò tröôøng, ngöôøi ta thöôøng söû duïng Chi-square (CMIN); Chi-square ñieàu chænh theo baäc töï do (CMIN/df); chæ soá thích hôïp so saùnh (CFI_ Comparative Fit Index). Chæ soá Tucker & Lewis (TLI_ Tucker & Lewis Index); Chæ soá RMSEA (Root Mean Square Error Approximation). Moâ hình ñöôïc xem laø thích hôïp vôùi döõ lieäu thò tröôøng khi kieåm ñònh Chi-square coù P-value > 0.05. Tuy nhieân Chi-square coù nhöôïc ñieåm laø phuï thuoäc vaøo kích thöôùc maãu. Neáu moät moâ hình nhaän ñöôïc caùc giaù trò GFI, TLI, CFI ≥0.9 (Bentler & Bonett, 1980); CMIN/df ≤ 2, moät soá tröôøng hôïp CMIN/df coù theå ≤ 3 (Carmines & McIver, 1981); RMSEA ≤ 0.08, RMSEA ≤ 0.05 ñöôïc xem laø raát toát (Steiger, 1990); thì moâ hình ñöôïc xem laø phuø hôïp vôùi döõ lieäu thò tröôøng, hay töông thích vôùi döõ lieäu thò tröôøng. Thoï & Trang (2008) cho raèng Neáu moâ hình nhaän ñöôïc caùc giaù trò TLI, CFI ≥0.9, CMIN/df ≤ 2, RMSEA ≤ 0.08 thì moâ hình phuø hôïp (töông thích) vôùi döõ lieäu thò tröôøng. Quy taéc naøy cuõng ñöôïc söû duïng ñeå ñaùnh giaù möùc ñoä phuø hôïp cuûa moâ hình caáu truùc ôû muïc 4. Khi CFA, neân thöïc hieän caùc ñaùnh giaù khaùc nhö1:

1 Xem thêm Thọ & Trang (2008)

20

(1) Ñaùnh giaù ñoä tin caäy cuûa thang ño thoâng qua: (a) Heä soá tin caäy toång hôïp (composite reliability) vaø (b) Toång phöông sai trích ñöôïc (variance extracted), (c) Heä soá Cronbach’s Alpha Ñoä tin caäy toång hôïp (ρC

) (Joreskog 1971 ), vaø toång phöông sai trích (ρVC)

(Fornell & Larcker 1981) ñöôïc tính theo coâng thöùc sau:

∑=

−+∑=

∑==

p

i

C

ip

ii

p

ii

1

22

2

)1(1

1

)(

)(

λλ

λρ

∑∑

∑

==

=

−+= p

i

p

i

p

iVC

ii

i

1

2

1

2

1

2

)1( λλ

λρ

Trong ñoù λ i laø troïng soá chuaån hoaù cuûa bieán quan saùt thöù i; 1-λ i2 laø phöông sai cuûa sai

soá ño löôøng bieán quan saùt thöù i, p laø soá bieán quan saùt cuûa thang ño. Chæ tieâuρC

,ρVC phaûi ñaït yeâu caàu töø 0.5 trôû leân

Theo Hair (1998, 612):”phöông sai trích (Variance Extracted) cuûa moãi khaùi nieäm neân vöôït quaù 0.5”; vaø phöông sai trích cuõng laø moät chæ tieâu ño löôøng ñoä tin caäy. Noù phaûn aùnh löôïng bieán thieân chung cuûa caùc bieán quan saùt ñöôïc tính toaùn bôûi bieán tieàm aån Schumacker & Lomax (2006, 178) cho raèng trong CFA, moät vaán ñeà quan troïng caàn phaûi quan taâm khaùc laø ñoä tin caäy cuûa taäp hôïp caùc bieán quan saùt ño löôøng moät khaùi nieäm (nhaân toá); vaø nhö truyeàn thoáng, heä soá tin caäy Cronbach’s Alpha vaãn thöôøng ñöôïc söû duïng. Noù ño löôøng tính kieân ñònh noäi taïi xuyeân suoát taäp hôïp caùc bieán quan saùt cuûa caùc caâu traû lôøi Trong kieåm ñònh Cronbach’s Alpha, caùc bieán quan saùt coù heä soá töông quan bieán-toång (item-total correlation) nhoû hôn 0.3 seõ bò loaïi vaø tieâu chuaån choïn thang ño khi heä soá Cronbach’s Alpha töø 0.6 trôû leân (Nunnally & Burnstein, 1994). Tuy nhieân, cuõng caàn löu yù raèng neáu Cronbach’s Apha quaù cao (>0.95) thì coù khaû naêng xuaát hieän bieán quan saùt thöøa (Redundant items) ôû trong thang ño. Bieán quan saùt thöøa laø bieán ño löôøng moät khaùi nieäm haàu nhö truøng vôùi bieán ño löôøng khaùc, töông töï nhö tröôøng hôïp coäng tuyeán (collinearity) trong hoài quy, khi ñoù bieán thöøa neân ñöôïc loaïi boû. (2) Tính ñôn höôùng/ ñôn nguyeân (unidimensionality) - Theo Steenkamp & Van Trijp (1991), möùc ñoä phuø hôïp cuûa moâ hình vôùi döõ lieäu thò tröôøng cho chuùng ta ñieàu kieän caàn vaø ñuû ñeå cho taäp bieán quan saùt ñaït ñöôïc tính ñôn höôùng, tröø tröôøng hôïp caùc sai soá cuûa caùc bieán quan saùt coù töông quan vôùi nhau. (3) Giaù trò hoäi tuï (Convergent validity) - Gerbring & Anderson (1988) cho raèng thang ño ñaït ñöôïc giaù trò hoäi tuï khi caùc troïng soá chuaån hoaù cuûa thang ño ñeàu cao (>0.5); vaø coù yù nghóa thoáng keâ (P <0.05)

21

(4) Giaù trò phaân bieät (Discriminant validity) - Coù theå kieåm ñònh giaù trò phaân bieät cuûa caùc khaùi nieäm trong moâ hình tôùi haïn (saturated model) moâ hình maø caùc khaùi nieäm nghieân cöùu ñöôïc töï do quan heä vôùi nhau). Coù theå thöïc hieän kieåm ñònh heä soá töông quan xeùt treân phaïm vi toång theá giöõa caùc khaùi nieäm coù thöïc söï khaùc bieät so vôùi 1 hay khoâng. Neáu noù thöïc söï khaùc bieät thì caùc thang ño ñaït ñöôïc giaù trò phaân bieät. Ví duï: Moät thang ño coù 2 khaùi nieäm spatial vaø verbal, soá quan saùt= 73 r SE=SQRT((1-r2)/(n-2)) (1-r)/SE P-value spatial <--> verbal 0.487 0.104 4.949 0.000

TINV(0.05,71)=1.993 TDIST(4.95,71,2)=0.000 (<0.05) baùc boû giaû thuyeát cho raèng ρ (spatial,verbal)=1 Ghi chuù quy taéc kieåm ñònh1: Ho: ρ = ρ o

H1: ρ ≠ ρo

Tính T =

21

||2

−−

−

n

r

roρ ; Tra baûng phaân phoái Student t n 2,

2, −α

Neáu T > t n 2,2

, −α thì baùc boû Ho

(5) Giaù trò lieân heä lyù thuyeát (Nomological validity) - Caùc vaán ñeà töø 1 ñeán 4 ñöôïc ñaùnh giaù thoâng qua moâ hình ño löôøng. Rieâng giaù trò lieân heä lyù thuyeát ñöôïc ñaùnh giaù trong moâ hình lyù thuyeát (Anderson & Gerbing, 1988) Khi caùc vaán ñeà treân thoaû maõn thì moâ hình ño löôøng laø toát. Tuy nhieân, raát hieám moâ hình ño löôøng naøo ñaït ñöôïc taát caû caùc vaán ñeà treân! Ví duï, moâ hình ño löôøng vaãn coù theå ñöôïc söû duïng khi thang ño khoâng ñaït ñöôïc tính ñôn höôùng… 1 Xem Hoaøi (2001)

22

Amos Graphics1Veà maët thöïc haønh, ta söû duïng phaàn meàm AMOS với cách thứcKhởi động AMOS? Start Program AMOS 16 Amos Graphics Công dụng của các nút? Hình 3.1

Dùng để vẽ biến tiềm ẩn và các biến quan sát

Di chuyển đối tượng

Ngón tay: chọn 1 đối tượng Bàn tay dài: Chọn tất cả đối tượng Bàn tay ngắn: Không chọn nữa

Xoá đối tượng

Máy phô tô: Copy đối tượng

Xoay đối tượng

Chỉnh kích cỡ đối tượng

Copy sơ đồ đường dẫn vào Clipboard

Tính toán các ước lượng

Xem kết quả dạng văn bản/ bảng biểu

Di chuyển các tham số ước lượng

Liệt kê danh sách biến

Dùng để vẽ yếu tố sai số

Dùng để vẽ biến tiềm ẩn

Dùng để vẽ biến quan sát

Vẽ hệ số đường dẫn, hệ số hồi quy Vẽ hiệp phương sai, hệ số tương quan

1 Trong AMOS, ngoài AMOS Graphics có một cách thức khác nữa là gõ các lệnh VB.NET hay C#

23

Tạo file mới? File\New Mở file dữ liệu? File\Data Files (Ctrl-D) Chọn File Name Chọn kiểu file và chỉ đến file cần mở OK Hình 3.2

Hiển thị danh sách biến? Chọn nút sau Hình 3.3

Khi đó bạn sẽ thấy một hộp thoại nhỏ xuất hiện, liệt kê các biến có trong dữ liệu Hình 3.4

Vẽ các biến tiêm ẩn, các biến quan sát tương ứng? Bước 1. Chọn nút Hình 3.5

24

Bước 2. Rê đến vị trí tương ứng để vẽ ra 1 vòng tròn, nhấp chuột 5 trái năm cái, bạn sẽ có đối tượng như Hình 3.6 Hình 3.6

Bước 3. Nhấp bàn tay dài, để chọn cả đối tượng

Bước 4. Nhấp nút này để xoay đối tượng sao cho như Hình 3.7

Bước 6. Nhấp ô tô để di chuyển đối tượng sao cho đẹp

Bước 5. Nhấp nút này để Chỉnh sửa kích cỡ của đối tượng sao cho đẹp

Hình 3.7

Copy đối tượng? Hiện nay chỉ có một Biến tiềm ẩn với 5 biến quan sát như Hình 3.7. Đầu tiên bạn sẽ chọn đối tượng cần Copy bằng cách nhấp nút bàn tay dài, rồi nhấp cái máy Photocopy, sau đó rê chuột đến vị trí cần dán đối tượng được copy. Bạn sẽ có Hình như Hình 3.8

25

Hình 3.8

Bước 2. Chọn máy Photocopy để copy, sau đó rê chuột đến vị trí mới bạn sẽ có thêm một đối tượng nữa

Bước 1. Chọn nút này để đánh dấu đối tượng cần Copy

Đt mới

Bây giờ bạn đã Copy xong rồi, thì hãy nhấp nút bàn tay ngắn, để không chọn gì nữa. Tuy nhiên đối tượng mới của bạn chỉ cần có 4 biến quan sát thôi. Do đó bạn cần xoá đi 1 biến quan sát. Xoá 1 cái gì đó?

Chọn nút sau đó di chuyển chột đến đối tượng cần xoá, nhấp chuột vào đối tượng đó Bạn hãy kết hợp các nút và tạo ra sơ đồ như Hình 3.9:

26

Hình 3.9

Vẽ các các mũi tên 2 đầu? (Thể hiện cho hiệp phương sai/ hệ số tương quan) Hình 3.10

Bạn hãy tự vẽ ra tiếp để được như Hình 3.11 nhé

27

Hình 3.11

1

1

1

1

1

1

11

1

1

1

1

1

1

1

1

1

1

1

1

1

1

1

1

1

1

1

1

1

1

28

Gắp các biến quan sát vào các hình chữ nhật (hình vuông) đại diện cho các biến quan sát trên sơ đồ ? Hình 3.12

Nhấp biến tương ứng trong danh sách và gắp sang

Sau khi đã gắp các biến quan sát vào các hình chữ nhật tương ứng. Bạn sẽ được sơ đồ như Hình 3.13. Bây giờ, bạn nên gán tên cho các biến tiềm ẩn (Hình elip) bằng cách

Chọn nút ngón tay Nhấp vào Hình elip đầu tiên, Click phải chuột, Chọn Object Properties (Hình 3.13) Hộp thoại như Hình 14, xuất hiện. Bạn hãy nhập tên biến vào ô Variable name

Bạn hãy nhấp vào nút ngón tay, , sau đó lần lượt nhấp vào các Elip còn lại, đặt tên cho các biến tiềm ẩn này. Hãy làm tương tự trong việc đặt tên cho các sai số: e1, e2 ... (Hình 3.15) Và bây giờ bạn đã vẽ song Sơ đồ như Hình 3.16.

29

Hình 3.13

Hình 3.14

30

Hình 3.15

31

Hình 3.16

lanh dao

sup7e5

1

1sup6e4

1sup5e3

1sup4e2

1sup3e1

1

thang tien

prom4e9

prom3e8

prom2e7

prom1e6

1

1

1

1

1

dong nghiep

cow3e12

cow2e11

cow1e10

1

1

1

1

luong thuong

ben4e15

pay5e14

pay4e13

1

1

1

1

bao hiemben3e17

ben2e161

1

cong viec

work3e20

work2e19

work1e18

1

1

1

1

1

trung thanh

loy3e23

loy2e22

loy1e21

1

1

1

1

32

Thể hiện một số chỉ tiêu lên màn hình? Nếu bạn muốn thể hiện một số chỉ tiêu lên màn hình sơ đồ đường dẫn, hãy chọn nút Title

, nhâp chuột tại 1 vị trí muốn thể hiện, gõ các Macro sau Hình 3.17

Khi đó trên sơ đồ sẽ có các dòng tương ứng (Hình 3.18) Hình 3.18

Khai báo các thuộc tính cần tính toán? Từ thanh Menu chọn View\Analysis Properties Hình 3.19

Sau đó đánh dấu chọn như Hình 3.20, Hình 3.21

33

Hình 3.20

Hình 3.21

Lưu lại file Sơ đồ sơ đồ? Files \ Save hoặc Save As Trước khi tính toán, bạn nên lưu lại file sơ đồ đường dẫn

34

Tính toán các ước lượng? Nhấp nút

Các kết quả sẽ được tính toán Thể hiện kết quả? Hình 3.22

Chọn nút này để thể hiện kết quả tính toán lên sơ đồ

Chuyển đổi cách thể hiện dạng không chuẩn hoá/ chuẩn hoá

35

Kết quả dạng sơ đồ chưa chuẩn hoá Hình 3.23

1.48

lanh dao

sup71.07

e51.001

sup6.92

e4 .891

sup5.71

e3.921

sup4.98

e2 .651

sup3.73

e1.92

1

1.43

thang tien

prom4.95

e9

prom31.39

e8

prom2.81

e7

prom11.18

e6

1.001.83

1

1.0311.07

1

1.23

dong nghiep

cow3.71

e12

cow2.61

e11

cow1.52

e10

1

1

11.04

1.00

.97

1.34

luong thuong

ben41.77

e15

pay5.71

e14

pay4.78

e13

1

1

11.14

1.00

1.14

2.40

bao hiemben3

.40

e17

ben2.05

e161

1

1.59

cong viec

work3.93

e20

work2.78

e19

work11.01

e18

1

1

1.88

1.00

.95

1.00

1.10

1.62

trung thanh

loy31.15

e23

loy21.68

e22

loy1.83

e21

1

1

11.00

1.00.99

.96

.65

.67

.52

.87

.97

.60

.71

.39

1.02

1.00

.41

.41

.73

.62

.47

.62

1.03.45

.34

.94

Chi-square= 403.140 ; df= 209 ; P= .000 ;Chi-square/df = 1.929 ;

GFI= .858 ; TLI = .909 ; CFI = .925 ;RMSEA= .068

36

Kết quả dạng sơ đồ đã chuẩn hoá Hình 3.24

lanh dao

.58

sup7e5.76

.56

sup6e4 .75

.64

sup5e3.80

.39

sup4e2 .62

.63

sup3e1.79

thang tien

.60

prom4e9

.41

prom3e8

.65

prom2e7

.58

prom1e6

.78.64

.81.76

dong nghiep.63

cow3e12

.66

cow2e11

.72

cow1e10 .85

.80

.81

luong thuong.43

ben4e15

.71

pay5e14

.69

pay4e13 .83

.66

.84

bao hiem.86

ben3e17

.98

ben2e16

cong viec.63

work3e20

.65

work2e19

.55

work1e18 .74

.79

.80

.93

.99

trung thanh.58

loy3e23

.48

loy2e22

.66

loy1e21 .81

.76.70

.66

.48

.48

.28

.57

.63

.45

.51

.21

.67

.66

.32

.24

.52

.44

.26

.43

.70.23

.17

.59


GFI= .858 ; TLI = .909 ; CFI = .925 ;RMSEA= .068

37

Kết quả dạng các bảng số liệu

Chọn nút , cửa số Amos Output sẽ xuất hiện Hình 3.25

Nhấp vào các mục tương ứng bên trái của cửa số Output, bạn sẽ xem các kết quả khác nhau:

Regression Weights: (Group number 1 - Default model) – Bảng các trọng số chưa chuẩn hoá

Estimate S.E. C.R. P Label sup7 <--- lanhdao 1.000 sup6 <--- lanhdao .895 .085 10.533 *** sup5 <--- lanhdao .919 .082 11.273 *** sup4 <--- lanhdao .654 .076 8.637 *** sup3 <--- lanhdao .917 .082 11.192 *** prom4 <--- thangtien 1.000 prom3 <--- thangtien .826 .093 8.890 *** prom2 <--- thangtien 1.030 .091 11.360 *** prom1 <--- thangtien 1.075 .100 10.735 *** cow1 <--- dongnghiep 1.037 .087 11.968 *** cow3 <--- dongnghiep 1.000 cow2 <--- dongnghiep .974 .084 11.619 *** pay4 <--- luong_thuong 1.138 .122 9.353 *** ben4 <--- luong_thuong 1.000 pay5 <--- luong_thuong 1.141 .121 9.411 *** work1 <--- congviec .881 .086 10.224 ***

38

Estimate S.E. C.R. P Label work3 <--- congviec 1.000 work2 <--- congviec .952 .086 11.012 *** ben3 <--- baohiem 1.000 ben2 <--- baohiem 1.096 .101 10.804 *** loy1 <--- trungthanh .999 .093 10.774 *** loy3 <--- trungthanh 1.000 loy2 <--- trungthanh .985 .106 9.338 ***

Standardized Regression Weights: (Group number 1 - Default model)

Estimate sup7 <--- lanhdao .762sup6 <--- lanhdao .750sup5 <--- lanhdao .799sup4 <--- lanhdao .625sup3 <--- lanhdao .793prom4 <--- thangtien .776prom3 <--- thangtien .643prom2 <--- thangtien .808prom1 <--- thangtien .764cow1 <--- dongnghiep .846cow3 <--- dongnghiep .795cow2 <--- dongnghiep .811pay4 <--- luong_thuong .830ben4 <--- luong_thuong .656pay5 <--- luong_thuong .843work1 <--- congviec .740work3 <--- congviec .793work2 <--- congviec .805ben3 <--- baohiem .925ben2 <--- baohiem .992loy1 <--- trungthanh .812loy3 <--- trungthanh .764loy2 <--- trungthanh .695

Các trọng số (đã chuẩn hoá) này cần > 0.5 để thang đo có thể đạt được giá trị hội tụ. Trường hợp biến quan sát nào có trọng số <0.5 thì bạn lần lượt loại ra.

Covariances: (Group number 1 - Default model) Hiệp phương sai

Estimate S.E. C.R. P Label lanhdao <--> thangtien .961 .158 6.070 *** lanhdao <--> dongnghiep .646 .130 4.974 *** lanhdao <--> luong_thuong .671 .143 4.686 *** lanhdao <--> baohiem .519 .158 3.287 .001 lanhdao <--> congviec .875 .158 5.542 ***

39

Estimate S.E. C.R. P Label lanhdao <--> trungthanh .970 .168 5.791 *** thangtien <--> dongnghiep .602 .127 4.745 *** thangtien <--> luong_thuong .707 .145 4.873 *** thangtien <--> baohiem .389 .152 2.561 .010 thangtien <--> congviec 1.017 .166 6.136 *** thangtien <--> trungthanh 1.002 .168 5.948 *** dongnghiep <--> luong_thuong .408 .118 3.466 *** dongnghiep <--> baohiem .408 .141 2.886 .004 dongnghiep <--> congviec .729 .139 5.237 *** dongnghiep <--> trungthanh .618 .136 4.536 *** luong_thuong <--> baohiem .470 .154 3.058 .002 luong_thuong <--> congviec .621 .145 4.287 *** luong_thuong <--> trungthanh 1.029 .179 5.735 *** congviec <--> baohiem .454 .163 2.784 .005 baohiem <--> trungthanh .338 .162 2.085 .037 congviec <--> trungthanh .941 .170 5.528 ***

Correlations: (Group number 1 - Default model) Hệ số tương quan

Estimate lanhdao <--> thangtien .661lanhdao <--> dongnghiep .480lanhdao <--> luong_thuong .478lanhdao <--> baohiem .276lanhdao <--> congviec .572lanhdao <--> trungthanh .628thangtien <--> dongnghiep .454thangtien <--> luong_thuong .511thangtien <--> baohiem .210thangtien <--> congviec .675thangtien <--> trungthanh .658dongnghiep <--> luong_thuong .318dongnghiep <--> baohiem .238dongnghiep <--> congviec .523dongnghiep <--> trungthanh .439luong_thuong <--> baohiem .262luong_thuong <--> congviec .426luong_thuong <--> trungthanh .699congviec <--> baohiem .233baohiem <--> trungthanh .171congviec <--> trungthanh .588

40

Variances: (Group number 1 - Default model) Phương sai

Estimate S.E. C.R. P Label lanhdao 1.476 .243 6.068 *** thangtien 1.431 .232 6.158 *** dongnghiep 1.227 .194 6.336 *** luong_thuong 1.337 .274 4.879 *** congviec 1.586 .255 6.228 *** baohiem 2.402 .349 6.888 *** trungthanh 1.619 .273 5.932 *** e5 1.066 .131 8.165 *** e4 .920 .111 8.297 *** e3 .707 .092 7.660 *** e2 .985 .108 9.147 *** e1 .730 .094 7.746 *** e9 .947 .123 7.683 *** e8 1.388 .156 8.926 *** e7 .807 .113 7.120 *** e6 1.177 .150 7.849 *** e12 .713 .099 7.167 *** e11 .607 .089 6.816 *** e10 .525 .089 5.873 *** e15 1.765 .202 8.718 *** e14 .706 .126 5.601 *** e13 .781 .130 5.988 *** e17 .403 .214 1.885 .059 e16 .049 .253 .194 .847 e20 .934 .136 6.855 *** e19 .781 .118 6.599 *** e18 1.014 .130 7.775 *** e23 1.154 .155 7.456 *** e22 1.680 .202 8.325 *** e21 .834 .129 6.481 ***

41

Squared Multiple Correlations: (Group number 1 - Default model) thường gọi là R2

Estimate loy1 .659 loy2 .483 loy3 .584 work1 .548 work2 .648 work3 .629 ben2 .983 ben3 .856 pay4 .689 pay5 .711 ben4 .431 cow1 .715 cow2 .657 cow3 .632 prom1 .584 prom2 .653 prom3 .413 prom4 .602 sup3 .629 sup4 .390 sup5 .638 sup6 .562 sup7 .581

CMIN

Model NPAR CMIN DF P CMIN/DF Default model 67 403.140 209 .000 1.929 Saturated model 276 .000 0 Independence model 23 2831.904 253 .000 11.193

RMR, GFI

Model RMR GFI AGFI PGFI Default model .142 .858 .813 .650 Saturated model .000 1.000 Independence model .812 .262 .195 .240

42

Baseline Comparisons

Model NFI Delta1

RFIrho1

IFIDelta2

TLIrho2 CFI

Default model .858 .828 .926 .909 .925 Saturated model 1.000 1.000 1.000 Independence model .000 .000 .000 .000 .000

RMSEA

Model RMSEA LO 90 HI 90 PCLOSE Default model .068 .058 .078 .002 Independence model .226 .219 .234 .000 Bạn hãy dựa vào các kết quả trên và đánh giá về mô hình đo lường? Mức độ phù hợp chung? - Chi-square/df = 1.93 (<2); TLI = 0.909 ; CFI=0.925; RMSEA=0.068 (<0.08) nên có thể nói là mô hình phù hợp với dữ liệu thị trường. Tuy nhiên, có 1 số chỉ tiêu chưa đạt, theo bạn cải thiện các chỉ tiêu này bằng cách nào? Giá trị hội tụ? - Các trọng số (chuẩn hoá) đều > 0.5 và các trọng số (chưa chuẩn hoá) đều có ý nghĩa thống kê nên các khái niệm đạt được giá trị hội tụ. Tính đơn nguyên? Mô hình này đo lường này phù hợp với dữ liệu thị trường, và không có tương quan giữa các sai số đo lường nên nó đạt được tính đơn nguyên.

43

Độ tin cậy? Áp dụng công thức và tính Độ tin cậy tổng hợp? Tổng phương sai trích? Và dễ nhất là sử dụng Cronbach’s Alpha Bạn còn nhớ thao tác trên SPSS? Analyze\ Scale\ Reliability Analysis Hình 3.26

Ví dụ: Với thang đo lãnh đạo

Reliability Statistics

Cronbach's

Alpha

N of Items

.860 5

Item-Total Statistics

Scale Mean if

Item Deleted

Scale Variance if

Item Deleted

Corrected Item-

Total Correlation

Cronbach's

Alpha if Item

Deleted

sup3 20.31 21.391 .728 .819

sup4 19.70 24.163 .563 .858

sup5 20.06 21.343 .736 .817

sup6 19.80 21.340 .699 .826

sup7 20.44 20.529 .674 .835

Hệ số Cronbach’s Alpha = 0.86 (>0.6) và Các hệ số tương quan biến – tổng đều > 0.3 nên thang đo “lãnh đạo” đạt được độ tin cậy

44

Với thang đo thăng tiến

Reliability Statistics

Cronbach's

Alpha N of Items

.835 4

Bạn có nhận xét gì?

Item-Total Statistics

Scale Mean if

Item Deleted

Scale Variance if

Item Deleted

Corrected Item-

Total Correlation

Cronbach's

Alpha if Item

Deleted

prom1 13.57 14.758 .696 .778

prom2 13.73 15.726 .707 .774

prom3 13.11 16.826 .587 .825

prom4 13.29 15.897 .677 .787

Và tương tự với thang đo cho các khái niệm khác

45

Độ tin cậy tổng hợp, tổng phương sai trích? bạn hãy tính bằng Excel

Bạn hãy tính độ tin cậy tổng hợp, tổng phương sai trích cho các khái niệm khác nhé!

46

Giá trị phân biệt? Cách dễ nhất là hệ số tương quan giữa các khái niệm thành phần của một khái niệm lớn phải <0.9 thì mới đạt được giá trị phân biệt. Một cách khác, cẩn thận hơn, bạn kiểm định xem hệ số tương quan có khác biệt so với 1 hay không (làm bằng Excel) n=200 TINV(0.05,198) 1.972 Correlations: (Group number 1 - Default model)

r SE= SQRT((1-r2)/(n-2))

CR= (1-r)/SE P-value

Estimate lanhdao <--> thangtien 0.661 0.053 6.36 0.000 lanhdao <--> dongnghiep 0.48 0.062 8.34 0.000 lanhdao <--> luong_thuong 0.478 0.062 8.36 0.000 lanhdao <--> baohiem 0.276 0.068 10.60 0.000 lanhdao <--> congviec 0.572 0.058 7.34 0.000 lanhdao <--> trungthanh 0.628 0.055 6.73 0.000 thangtien <--> dongnghiep 0.454 0.063 8.62 0.000 thangtien <--> luong_thuong 0.511 0.061 8.00 0.000 thangtien <--> baohiem 0.21 0.069 11.37 0.000 thangtien <--> congviec 0.675 0.052 6.20 0.000 thangtien <--> trungthanh 0.658 0.054 6.39 0.000 dongnghiep <--> luong_thuong 0.318 0.067 10.12 0.000 dongnghiep <--> baohiem 0.238 0.069 11.04 0.000 dongnghiep <--> congviec 0.523 0.061 7.87 0.000 dongnghiep <--> trungthanh 0.439 0.064 8.79 0.000 luong_thuong <--> baohiem 0.262 0.069 10.76 0.000 luong_thuong <--> congviec 0.426 0.064 8.93 0.000 luong_thuong <--> trungthanh 0.699 0.051 5.92 0.000 congviec <--> baohiem 0.233 0.069 11.10 0.000 baohiem <--> trungthanh 0.171 0.070 11.84 0.000 congviec <--> trungthanh 0.588 0.057 7.17 0.000

Hàm tính P-value trong Excel ở trên là TDIST(|CR|, n-2, 2) Bạn sẽ thấy P-value đều <0.05 nên Hệ số tương quan của từng cặp khái niệm khác biệt so với 1 ở độ tin cậy 95% (Mà là hệ số tương quan thì bạn có thể suy ra tiếp rằng nó < 1). Do đó, các khái niệm đạt được giá trị phân biệt.

47

4. MÔ HÌNH CẤU TRÚC (SEM) Anh chị hãy lưu lại file trên với 1 tên khác, ví dụ là SEM JDI Loy 1.amw Sau đó vẽ lại sơ đồ như sau. Chú ý elip của khái niệm trung thành có 1 sai số e24 (bạn có thể ký hiệu khác, ví dụ là z1 cũng được). Mỗi một biến phụ thuộc trong mô hình cấu trúc phải có 1 sai số. Hình 4.1

lanh dao

sup7e511

sup6e41

sup5e31

sup4e21

sup3e11

thang tien

prom4e9

prom3e8

prom2e7

prom1e6

11

1

1

1

dong nghiep

cow3e12

cow2e11

cow1e10

1

1

1

1

luong thuong

ben4e15

pay5e14

pay4e13

1

1

1

1

bao hiemben3e17

ben2e161

1

cong viec

work3e20

work2e19

work1e18

1

1

1

1

1

trung thanh

loy3

e23

loy2

e22

loy1

e211 1 1

1

e24

1

Tính toán bằng cách bấm vào nút , bạn sẽ có kết quả

48

Hình 4.2

lanh dao

.58

sup7e5.76

.56

sup6e4 .75

.64

sup5e3.80

.39

sup4e2 .62

.63

sup3e1.79

thang tien

.60

prom4e9

.41

prom3e8

.65

prom2e7

.58

prom1e6

.78.64

.81.76

dong nghiep.63

cow3e12

.66

cow2e11

.72

cow1e10 .85

.80

.81

luong thuong.43

ben4e15

.71

pay5e14

.69

pay4e13 .83

.66

.84

bao hiem.86

ben3e17

.98

ben2e16

cong viec.63

work3e20

.65

work2e19

.55

work1e18 .74

.79

.80

.93

.99

.66

trung thanh

.58

loy3

e23

.48

loy2

e22

.66

loy1

e21

.70

.66

.48

.48

.28

.57

.45

.51

.21

.67

.32

.24

.52.26

.43

.23

Chi-square= \chi-square ; df= 209 ; P= .000 ;Chi-square/df = 1.929 ;

GFI= .858 ; TLI = .909 ; CFI = .925 ;RMSEA= .068

.81

.76

.20

.19

.06

.45-.09

.14 e24

Nghiên cứu của Dung & Nam (2005) chỉ ra rằng các thành phần của sự thoả mãn của nhân viên với công việc ảnh hưởng đến lòng trung thành, và điều này cũng được kiểm định bởi nhiều tác giả khác như Yousef(2000), Schepker (2001), Jernigan & ctg (20002). Vì vậy, mô hình nghiên cứu của bạn dự định có thể như Hình 4.1 và kết quả ước lượng lần đầu tiên như Hình 4.2

49

Kết quả dạng bảng số liệu

Regression Weights: (Group number 1 - Default model)

Estimate S.E. C.R. P Label trungthanh <--- lanhdao .212 .101 2.096 .036 trungthanh <--- thangtien .204 .119 1.713 .087 trungthanh <--- dongnghiep .068 .090 .755 .450 trungthanh <--- luong_thuong .495 .099 4.983 *** trungthanh <--- baohiem -.073 .050 -1.470 .142 trungthanh <--- congviec .142 .104 1.372 .170

Đồng nghiệp không có ý nghĩa thống kê ở độ tin cậy 90% vì P-value >0.1

Khái niệm nào không có ý nghĩa thống kê ở độ tin cậy 90% ta sẽ loại lần lượt ra khỏi mô hình. (Dĩ nhiên là để tìm được mô hình tốt, bạn có thể phải thử nhiều mô hình khác nhau) Lưu lại file SEM JDI Loy 1.amw để giữ lại sơ đồ (khi cần, có thể sử dụng lại) Lưu file SEM JDI Loy 1.amw với tên khác SEM JDI Loy 2.amw … Hình 4.3

lanh dao

.58

sup7e5.76

.57

sup6e4 .75

.64

sup5e3.80

.39

sup4e2 .62

.62

sup3e1.79

thang tien

.59

prom4e9

.42

prom3e8

.65

prom2e7

.59

prom1e6

.77.65

.81.77

luong thuong.41

ben4e15

.74

pay5e14

.67

pay4e13 .82

.64

.86

.64

trung thanh

.57

loy3

e23

.48

loy2

e22

.67

loy1

e21

.70


GFI= .894 ; TLI = .912 ; CFI = .929 ;RMSEA= .079

.82

.76

e24

.66

.52 .45

.23

.48

.27

50

Regression Weights: (Group number 1 - Default model)

Estimate S.E. C.R. P trungthanh <--- lanhdao .241 .098 2.463 .014 trungthanh <--- thangtien .291 .106 2.748 .006 trungthanh <--- luong_thuong .496 .102 4.886 *** sup7 <--- lanhdao 1.000 sup6 <--- lanhdao .898 .085 10.580 *** sup5 <--- lanhdao .919 .082 11.271 *** sup4 <--- lanhdao .648 .076 8.569 *** sup3 <--- lanhdao .911 .082 11.126 *** prom4 <--- thangtien 1.000 prom3 <--- thangtien .844 .095 8.886 *** prom2 <--- thangtien 1.039 .094 11.100 *** prom1 <--- thangtien 1.089 .103 10.571 *** pay4 <--- luong_thuong 1.146 .126 9.120 *** ben4 <--- luong_thuong 1.000 pay5 <--- luong_thuong 1.186 .128 9.267 *** loy2 <--- trungthanh .994 .108 9.245 *** loy1 <--- trungthanh 1.014 .095 10.653 *** loy3 <--- trungthanh 1.000

P-value của lãnh đạo, thăng tiến, lương thưởng đều <0.05. Nên các biến này đều thực sự ảnh hưởng đến lòng trung thành

Và, các trọng số chưa chuẩn hoá mang dấu dương cũng cho thấy các biến lãnh đạo, thăng tiến, lương thưởng ảnh hưởng tỷ lệ thuận đến trung thành

Standardized Regression Weights: (Group number 1 - Default model)

Estimate trungthanh <--- lanhdao .232trungthanh <--- thangtien .273trungthanh <--- luong_thuong .446sup7 <--- lanhdao .763sup6 <--- lanhdao .754sup5 <--- lanhdao .800sup4 <--- lanhdao .621sup3 <--- lanhdao .790prom4 <--- thangtien .769prom3 <--- thangtien .651prom2 <--- thangtien .808prom1 <--- thangtien .767pay4 <--- luong_thuong .820ben4 <--- luong_thuong .644pay5 <--- luong_thuong .860loy2 <--- trungthanh .696loy1 <--- trungthanh .818loy3 <--- trungthanh .758

- Các trọng số chuẩn hoá đều dương, nên các biến lãnh đạo, thăng tiến, lương thưởng ảnh hưởng thuận chiều đến trung thành - lương thưởng tác động mạnh nhất đến lòng trung thành vì trị tuyệt đối của trọng số chuẩn hoá là 0.446, lớn nhất trong 3 số 0.446, 0.273, 0.232.

51

Squared Multiple Correlations: (Group number 1 - Default model)

Estimate trungthanh .636

Modification Indices (Group number 1 - Default model)

Covariances: (Group number 1 - Default model)

M.I. Par Change e22 <--> luong_thuong 4.741 .232 e22 <--> lanhdao 4.312 -.215 e13 <--> thangtien 9.951 -.243 e15 <--> thangtien 6.609 .264 e6 <--> lanhdao 4.899 -.196 e6 <--> e13 13.166 -.330 e6 <--> e15 5.793 .290 e7 <--> e6 7.529 .234 e9 <--> lanhdao 5.466 .189 e9 <--> e14 7.447 .217 e9 <--> e7 6.705 -.202 e1 <--> luong_thuong 10.649 -.238 e1 <--> thangtien 5.395 .160 e1 <--> e22 5.827 -.229 e1 <--> e9 4.866 .164 e2 <--> luong_thuong 4.322 .164 e2 <--> e7 6.723 -.198 e5 <--> luong_thuong 24.137 .421 e5 <--> e14 7.505 .223 e5 <--> e2 4.470 -.173

Mô hình có Chi-square càng nhỏ càng tốt. Cột MI gợi ý cho bạn xem nên móc mũi tên hai đầu vào cặp sai số nào để có thể cải thiện Chi-square. Nếu móc giữa e6 và e13 thì hiệp phương sai giữa chúng sẽ là -0.33 và Chi-square sẽ giảm một lượng là 13.166 so với Chi-square của mô hình ban đầu. Khi đó GFI, TLI, CFI … cũng sẽ được cải thiện. Khi thêm 1 tham số, nếu Chi-square giảm khoảng từ 4 trở lên thì gọi là có sự thay đổi đáng kể. Bạn nên chọn những trường hợp mà có MI lớn để ưu tiên móc trước. Sau đó, chạy lại mô hình, và xem nên móc tiếp giữa hai sai số nào để tiếp tục cải thiện… Tuy nhiên, một mô hình không nên móc quá nhiều mũi tên hai đầu giữa các cặp sai số!

Bạn có nhận xét gì về mô hình trên? - Mô hình ở Hình 4.3 có thể nói là phù hợp với dữ liệu thị trường vì Chi-square=2.24 (<3), TLI=0.912, CFI=0.929 (>0.9); RMSEA=0.079 (<0.08). Tuy nhiên các chỉ tiêu này chưa phải tốt lắm! -Xem bảng Regression Weights, ta thấy cả ba khái niệm Lãnh đạo, thăng tiến, lương thưởng đều ảnh hưởng thuận chiều đến trung thành và có ý nghĩa thống kê. -Xem bảng Standardized Regression Weights, ta thấy các trọng số đã chuẩn hoá. Trị tuyệt đối của các trọng số này càng lớn thì khái niệm độc lập tương ứng tác động càng mạnh đến khái niệm phụ thuộc. Trường hợp này lương thưởng là yếu tố tác động mạnh nhất (trọng số hồi quy đã chuẩn hoá bằng 0.446); Mạnh nhì là thăng tiên (trọng số hồi quy đã chuẩn hoá là 0.273) và cuối cùng là lãnh đạo (trọng số hồi quy đã chuẩn hoá là 0.232) -Ba khái niệm Lãnh đạo, thăng tiến, lương thưởng giải thích được 63.6% biến thiên của trung thành.

52

Làm sao để mô hình SEM tốt hơn? - Dựa vào chỉ tiêu MI, bạn sẽ có thể cải thiện mô hình tốt hơn. Hãy xem mô hình ở Hình 4.4 Hình 4.4

lanh dao

.58

sup7e5.76

.57

sup6e4 .75

.64

sup5e3.80

.39

sup4e2 .62

.63

sup3e1.79

thang tien

.71

prom4e9

.41

prom3e8

.63

prom2e7

.46

prom1e6

.84.64

.80.68

luong thuong.40

ben4e15

.75

pay5e14

.67

pay4e13 .82

.64

.87

.63

trung thanh

.58

loy3

e23

.48

loy2

e22

.66

loy1

e21

.70


GFI= .908 ; TLI = .927 ; CFI = .943 ;RMSEA= .072

.81

.76

e24

.68

.54 .44

.23

.48

.28.31

-.33

-.20

Bạn hãy thử so sánh các chỉ tiêu đánh giá mức độ phù hợp của mô hình ở Hình 4.3 và mô hình ở Hình 4.4?

53

5. KIỂM ĐỊNH BOOTSTRAP Các hệ số hồi quy trong mô hình ở mục 4 có được ước lượng tốt không? Làm sao đánh giá được mức độ tin cậy của các ước lượng trong mô hình nghiên cứu? Để đánh giá độ tin cậy của các ước lượng, trong các phương pháp nghiên cứu định lượng bằng phương pháp lấy mẫu, thông thường chúng ta phải chia mẫu ra làm hai mẫu con. Một nửa dùng để ước lượng các tham số mô hình, và một nửa dùng để đánh giá lại. Cách khác là lặp lại nghiên cứu bằng một mẫu khác. Hai cách trên đây thường không thực tế vì phương pháp cấu trúc thường đòi hỏi mẫu lớn nên việc làm này tốn kém nhiều thời gian và chi phí (Anderson & Gerbing, 1988) 1. Trong những trường hợp như vậy thì Bootstrap là phương pháp phù hợp để thay thế (Schumacker & Lomax, 2006). Bootstrap là phương pháp lấy mẫu lặp lại có thay thế, trong đó mẫu ban đầu đóng vai trò là đám đông. Ví dụ, từ đám đông (mẫu ban đầu) có 200 quan sát. Với dữ liệu của mẫu ban đầu, ta sẽ tính toán được các ước lượng (các trọng số hồi quy…) như ở mục 4. Trong Bootstrap, máy tính sẽ chọn ra những mẫu khác ví dụ 500 mẫu khác chẳng hạn theo phương pháp lặp lại, và có thay thế. Và mỗi một mẫu lặp lại có thể có cùng số quan sát với số quan sát ban đầu: 200. Và theo bạn như vậy thì trong một mẫu mà Bootstrap chọn ra, có khi nào có 2 hay nhiều quan sát trùng nhau không? Dĩ nhiên là hoàn toàn có thể có điều đó xảy ra. Và từ 500 mẫu này có thể tính được trung bình của các ước lượng (các trọng số hồi quy…). Hiệu số giữa trung bình các ước lượng từ Bootstrap và các ước lượng ban đầu gọi là độ chệch. Trị tuyệt đối các độ chệch này càng nhỏ, càng không có ý nghĩa thống kê càng tốt. Khai báo tính toán Bootstrap? View\ Analysis Properties Hình 5.1

Chọn nút để tính toán. Bây giờ, ngoài các ước lượng bình thường, sẽ có thêm các ước lượng bằng Bootstrap

1 Trích từ Thọ & Trang (2008, 56)

54

Hình 5.2

Hình5.3

Khi đang chọn chuột tại Standardized Regression Weights, bạn hãy nhấp chuột vào mục Bootstrap standard errors.

55

Sẽ có kết quả như Hình 5.4 Hình 5. 4

Parameter Estimate SE

SE-SE Mean Bias SE-

Bias CR trungthanh <- luong_thuong 0.436 0.105 0.003 0.432 -0.004 0.005 -0.800 trungthanh <- lanhdao 0.229 0.125 0.004 0.236 0.007 0.006 1.167 trungthanh <- thangtien 0.278 0.132 0.004 0.274 -0.004 0.006 -0.667 Cột Estimate cho thấy ước lượng bình thường với phương pháp ML, Các cột còn lại được tính từ phương pháp Bootstrap. Cột Mean cho ta trung bình các ước lượng Bootstrap. Bias (độ chệnh) bằng cột Mean trừ cột Estimate. Cột CR tự tính bằng Excel bằng cách lấy cột Mean chia cho cột SE-Bias. Trị tuyệt đối CR rất nhỏ so với 2 nên có thể nói là độ chệch là rất nhỏ, không có ý nghĩa thống kê ở độ tin cậy 95%. Và như vậy, ta có thể kết luận là các ước lượng trong mô hình (như Hình 4.4) có thể tin cậy được.

56

6. PHÂN TÍCH CẤU TRÚC ĐA NHÓM Giả sử bạn muốn xem xét sự ảnh hưởng giữa lãnh đạo, thăng tiến, lương thưởng đến lòng trung thành có khác biệt giữa nhóm nhân viên nam và nhân viên nữ hay không thì phải làm thế nào? Ta sẽ thực hiện phân tích cấu trúc đa nhóm Quản lý các nhóm? Bạn đang mở file SEM phan tich da nhom jdi loy mh1.amw Hình 6.1

Nếu bạn chọn File\Data file thì sẽ thấy như Hình 6.2. Hình 6.2 này cho thấy file dữ liệu sử dụng trong phân tích là khao sat nhan vien.sav, và toàn bộ các quan sát đang được tổ chức thành 1 nhóm. Bạn muốn tách thành 2 nhóm là nhóm nam, và nhóm nữ. Click chuột vào nút Grouping Variable Chọn biến gioitinh

57

Hình 6.2

Hình 6.3

58

Hình 6.4

Sau khi chọn xong biến trong mục Grouping Variable, Nhấp tiếp nút Group Value để xác định giá trị phân nhóm. Chọn mã 1 (tương ứng với nhóm Nam) và OK Hình 6.5

Cửa sổ thể hiện tên các nhóm.

Có một khung nhỏ thể hiện các nhóm. Và bây giờ mới chỉ có nhóm 1. Với tên là Group number 1.

59

Đổi tên Group, tạo Group mới? Chọn Analyze\Manage Group Hộp thoại như Hình 6.7 xuất hiện. Bạn có thể thay đổi chữ Group number thành chữ nhom nam. Sau đó bấm New để tạo nhóm mới tên là nhom nu. Hình 6.6

Hình 6.7

Hình 6.8

Đưa dữ liệu đầu vào cho Nhom nu? Hãy làm lại thao tác File\Data files Bạn sẽ thấy có sẵn tên “Nhom nu” ở mục group name; Chọn Nhom nu. Sau đó xác định File Name cho nhóm này, xác định biến phân nhóm là gioitinh, và giá trị phân nhóm là 2 (Hình 6.9)

60

Hình 6.9

Chọn OK Đưa vào Title để ghi chú các mô hình trong phân tích đa nhóm?

Chọn Nút , rê chuột đến vị trí thích hợp Gõ vào các dòng Macro như Hình 6.10 Hình 6.10

61

Bạn hãy thử nhấp vào tên các nhóm tương ứng trong cửa sổ thể hiện tên nhóm. Sơ đồ đường dẫn ở bên phải sẽ hiện ra tương ứng. Và sau này kết quả nếu được tính toán cũng sẽ được hiện ra tương ứng với nhóm mà bạn chọn. (Xem Hình 6.11) Hình 6.11

Nhấp vào tên nhóm tương ứng

62

Hình 6.12

lanh dao

sup7e511

sup6e41

sup5e31

sup4e21

sup3e11

thang tien

prom4e9

prom3e8

prom2e7

prom1e6

11

1

1

1

luong thuong

ben4e15

pay5e14

pay4e13

1

1

1

1

trung thanh

loy3

e23

loy2

e22

loy1

e211 1 1

1

e24

1

Phan tich da nhomNhom nu

Model Specification

63

Hình 6.13

lanh dao

sup7e511

sup6e41

sup5e31

sup4e21

sup3e11

thang tien

prom4e9

prom3e8

prom2e7

prom1e6

11

1

1

1

luong thuong

ben4e15

pay5e14

pay4e13

1

1

1

1

trung thanh

loy3

e23

loy2

e22

loy1

e211 1 1

1

e24

1

Phan tich da nhomNhom nam

Model Specification Phương pháp chung trong phân tích cấu trúc đa nhóm là gì? Phương pháp phân tích cấu trúc đa nhóm để so sánh mô hình nghiên cứu theo các nhóm nào đó của một biến định tính. Chẳng hạn như: bạn có thể so sánh mô hình thể hiện tác động của lãnh đạo, thăng tiến, lương thưởng đến lòng trung thành theo nhóm giới tính (nam/ nữ), theo nhóm độ tuổi (nhóm trẻ / không trẻ), nhóm ngành (tài chính ngân hàng/ không phải tài chính ngân hàng) … Trong ví dụ đang xét, so sánh mô hình nghiên cứu giữa nhóm nam và nhóm nữ. Đầu tiên người ta sẽ làm 2 mô hình: Mô hình khả biến, và mô hình bất biến (từng phần). Trong mô hình khả biến, các tham số ước lượng trong từng mô hình của các nhóm không bị ràng buộc (Xem Hình 6.14). Trong mô hình bất biến, thành phần đo lường không bị ràng buộc nhưng các mối quan hệ giữa các khái niệm trong mô hình nghiên cứu được ràng buộc có giá trị như nhau cho tất cả các nhóm (Xem Hình 6.15)

64

Hình 6.14 Mô hình khả biến

lanh dao

thang tien

luong thuong

trung thanh

lanh dao

thang tien

luong thuong

trung thanh

Nhóm Nam Nhóm Nữ β1Nữβ1Nam

β2Nữβ 2Nam

β 3Nam β3Nữ

Hình 6.15 Mô hình bất biến

lanh dao

thang tien

luong thuong

trung thanh

lanh dao

thang tien

luong thuong

trung thanh

Nhóm Nam Nhóm Nữ β1Nữ = β1Namβ1Nam

β2Nữ = β2Namβ 2Nam

β 3Nam

Β3Nữ = β3Nam

Kiểm định Chi-square được sử dụng để so sánh giữa 2 mô hình. Nếu kiểm định Chi-square cho thấy giữa mô hình bất biến và mô hình khả biến không có sự khác biệt (P-value > 0.05) thì mô hình bất biến sẽ được chọn (có bậc tự do cao hơn). Ngược lại, nếu sự khác biệt Chi-square là có ý nghĩa giữa hai mô hình (P-value<0.05) thì chọn mô hình khả biến (có độ tương thích cao hơn). (Xem Thọ & Trang, 2008, 208). Bây giờ chúng ta bắt đầu ước lượng mô hình khả biến, mô hình bất biến, và so sánh giữa 2 mô hình. Bước 1. Ước lượng mô hình khả biến Files sơ đồ đường dẫn mà bạn đang mở là Sem phan tich da nhom jdi loy mh1.amw Dữ liệu mà bạn sử dụng cho nó cũng đã được tách thành hai nhóm Nhóm nam, và Nhóm nữ. Hình 6.12, Hình 6.13 là 2 sơ đồ của nhóm nam và nhóm nữ thể hiện Mô hình khả biến

65

Trước khi tính toán, bạn hãy chọn Views\ Analysis Properties và đánh dấu chọn như sau trong tab Output. Tab Estimation bạn hãy để mặc định là phương pháp Maximum Likelihood, Tab Bootstrap bạn không cần đánh dấu chọn gì cả. Hình 6.16

Bạn chỉ cần nhấp nút là có thể tính toán.

66

Hình 6.17

1.52

lanh dao

sup7.86

e51.001

sup6.98

e4 .771

sup5.73

e3.861

sup4.93

e2 .741

sup3.86

e1.86

1

1.34

thang tien

prom4.81

e9

prom31.84

e8

prom2.38

e7

prom11.41

e6

1.001.83

1

1.2111.04

1

1.96

luong thuong

ben41.39

e15

pay5.52

e14

pay4.95

e13

1

1

1.93

1.00

1.00

trung thanh

loy3

1.45

e23

loy2

1.92

e22

loy1

1.03

e211 1 1

1.09


GFI= .859 ; TLI = .906 ; CFI = .927 ;RMSEA= .060

1.15

1.00

.44

e24

1

.90

.72 .38

.41

.87.00

.08

-.15


Unstandardized estimates

.03

Hình 6.18

1.43

lanh dao

sup71.26

e51.001

sup6.76

e4 1.051

sup5.70

e3.961

sup4.99

e2 .561

sup3.57

e1.98

1

2.03

thang tien

prom4.43

e9

prom3.97

e8

prom2.95

e7

prom11.58

e6

1.001.69

1

.751.78

1

.63

luong thuong

ben42.19

e15

pay5.52

e14

pay4.82

e13

1

1

11.59

1.00

1.72

trung thanh

loy3

.74

e23

loy2

1.45

e22

loy1

.60

e211 1 1

.89


GFI= .859 ; TLI = .906 ; CFI = .927 ;RMSEA= .060

.88

1.00

.67

e24

1

1.15

.74 .51

.09

.42.55

.47

-.38



-.30

67

Chọn nút View Text để thể hiện cửa sổ Amos Output Hình 6.19

Hình 6.20

68

Bước 2. Ước lượng mô hình bất biến Bạn hãy lưu lại file sơ đồ Sem phan tich da nhom jdi loy mh1.amw. Sau đó lưu lại (Save as) với một tên khác Sem phan tich da nhom jdi loy mh2.amw Ta sẽ xây dựng mô hình bất biến (từng phần)

Bấm nút để bắt đầu chọn đối tượng nào đó Chọn mũi tên 1 chiều từ khái niệm lãnh đạo hướng đến khái niệm trung thành, Click phải chuột, Chọn Object Properties (Hình 6.21) Hình 6.21

Hộp thoại Object Properties xuất hiện, Chọn thẻ Parameters. Nhấp Chữ Beta1 (bạn có thể nhập chữ khác cũng được) vào Ô Regression weight, và đánh dấu chọn All groups để ràng buộc hệ số đường dẫn trên mũi tên này bằng nhau ở nhóm nam và nhóm nữ và bằng Beta1. (Hình 6.22) Bạn hãy nhấp chuột tương tự vào các mũi tên từ thăng tiến đến trung thành, từ lương thưởng đến trung thành, và nhập Beta2, Beta3. (chú ý nhớ đánh dấu chọn All groups) Và bây giờ, Sơ đồ như Hình 6.23. Đó là mô hình bất biến

69

Hình 6.22

Hình 6.23

lanh dao

sup7e511

sup6e41

sup5e31

sup4e21

sup3e11

thang tien

prom4e9

prom3e8

prom2e7

prom1e6

11

1

1

1

luong thuong

ben4e15

pay5e14

pay4e13

1

1

1

1

trung thanh

loy3

e23

loy2

e22

loy1

e211 1 1

1

e24

1

Beta3

Beta1

Beta2


Model Specification

70

Lưu lại file sơ đồ, nhấp nút là có thể tính toán. Kết quả như sau Hình 6.24

1.50

lanh dao

sup7.87

e51.001

sup6.99

e4 .771

sup5.73

e3.861

sup4.92

e2 .751

sup3.84

e1.87

1

1.11

thang tien

prom4.94

e9

prom31.73

e8

prom2.57

e7

prom11.48

e6

1.001.96

1

1.2611.11

1

1.82

luong thuong

ben41.44

e15

pay5.53

e14

pay4.92

e13

1

1

1.96

1.00

1.04

trung thanh

loy3

1.43

e23

loy2

1.97

e22

loy1

1.06

e211 1 1

.97


GFI= .854 ; TLI = .901 ; CFI = .923 ;RMSEA= .061

1.03

1.00

.55

e24

1

.85

.64 .44

.23

.83.35

.20

-.01



.01

Hình 6.25

1.44

lanh dao

sup71.26

e51.001

sup6.75

e4 1.051

sup5.70

e3.961

sup4.99

e2 .561

sup3.58

e1.97

1

2.15

thang tien

prom4.34

e9

prom31.00

e8

prom2.94

e7

prom11.64

e6

1.001.66

1

.721.74

1

.80

luong thuong

ben42.18

e15

pay5.55

e14

pay4.81

e13

1

1

11.41

1.00

1.52

trung thanh

loy3

.78

e23

loy2

1.46

e22

loy1

.56

e211 1 1

.93


GFI= .854 ; TLI = .901 ; CFI = .923 ;RMSEA= .061

.93

1.00

.68

e24

1

1.18

.85 .44

.23

.47.35

.47

-.42



-.29

71

Hình 6.26 Trọng số hồi quy trong mô hình bất biến của nhóm nam

Hình 6.27

Trong Hình 6.24, 6.25; Hình 6.26, 6.27; bạn có thấy các hệ số Beta1, Beta2, Beta3 ở cả 2 nhóm nam va nữ đều bằng nhau không? Nhìn vào các kết quả tính toán dạng bảng số liệu, bạn có nhận định gì về mối quan hệ giữa lương thưởng, lãnh đạo, thăng tiến với trung thành? Các mối quan hệ này đều có ý nghĩa thống kê ở độ tin cậy 95%.

72

Bước 3. So sánh sự khác biệt giữa hai mô hình Bây giờ, bạn chọn mô hình khả biến, hay mô hình bất biến? Ta đi kiểm tra giả thuyết sau Ho: Chi-square của mô hình khả biến bằng Chi-square của mô hình bất biến H1: Có sự khác biệt về Chi-square giữa mô hình khả biến và mô hình bất biến Bạn hãy mở file Excel. Hình 6.28

Phần trên đã đề cập: Kiểm định Chi-square được sử dụng để so sánh giữa 2 mô hình. Nếu kiểm định Chi-square cho thấy giữa mô hình bất biến và mô hình khả biến không có sự khác biệt (P-value > 0.05) thì mô hình bất biến sẽ được chọn (có bậc tự do cao hơn). Ngược lại, nếu sự khác biệt Chi-square là có ý nghĩa giữa hai mô hình (P-value<0.05) thì chọn mô hình khả biến (có độ tương thích cao hơn). (Xem Thọ & Trang, 2008, 208). Như vậy, P-value = 0.017 (<0.05) nên bạn bác bỏ giả thuyết Ho. Chấp nhận H1. Nói cách khác là Có sự khác biệt về Chi-square giữa mô hình khả biến, và mô hình bất biến. Và bạn sẽ chọn mô hình khả biến. Khi chọn mô hình khả biến, ta có thể đưa ra kết luận là Có sự khác biệt trong mối ảnh hưởng giữa lãnh đạo, thăng tiến, lương thưởng đến lòng trung thành giữa nhóm nhân viên nam, và nhóm nhân viên nữ. Trong Hình 6.19, bạn thấy rằng với nhóm nam, yếu tố thăng tiến không tác động đến lòng trung thành vì P-value = 0.978 (>0.05). Nhưng với nhóm nữ (Hình 6.20) yếu tố thăng tiến lại tác động đến lòng trung thành (P-value<0.05). Ta cũng thấy rằng, với nhóm nam, yếu tố lãnh đạo có ảnh hưởng đến lòng trung thành (P-value=0.002), nhưng với nhóm nữ thì không (P-value=0.521).

73

LỜI KẾT SEM rất hữu ích cho các nghiên cứu thuộc lĩnh vực khoa học hành vi nói chung (nó

cũng hữu ích với nhiều lĩnh vực khác), và AMOS cũng rất dễ sử dụng. SEM với AMOS không quá phức tạp khi bạn tiếp cận dưới góc độ ứng dụng. Nếu bạn đã hiểu được hồi quy trong kinh tế lượng truyền thống thì SEM cũng dễ dàng vậy thôi. Bài giảng này trình bày những vấn đề quan trọng nhất (nhiều người nghiên cứu thường sử dụng) trong thực hành SEM với AMOS, các vấn đề khác bạn có thể tự học thêm. Điều quan trọng hơn cả là hãy áp dụng SEM vào nghiên cứu của bạn, vào công việc của bạn sao cho hiệu quả (khi cần)

Buổi học hôm nay là buổi học cuối của lớp bồi dưỡng cử nhân tài năng nên tôi muốn nói vài điều với các bạn. Qua sự gặp gỡ với các anh chị, các bạn cựu sinh viên, tôi hiểu rằng: dù nghề nghiệp sau này của bạn có là người làm nghiên cứu, là người hoạch định chính sách, là doanh nhân, là nhân viên ở các công ty/tổ chức… thì những điều bạn đã học trong lớp học này và trong các môn phương pháp nghiên cứu, phân tích dữ liệu và dự báo (mà các giảng viên của khoá học này có dịp tham gia hướng dẫn các bạn), …, những điều bạn đã trải nghiệm trong quá trình làm các đề tài NCKH sinh viên… luôn có ích với bạn. Làm NCKH sinh viên là dịp để bạn gắn lý thuyết với thực tế, tự học nhiều hơn, có động lực hơn trong học tập… Qua quá trình ấy bạn cũng trưởng thành hơn, cũng đạt được những điều mà bạn đang khát khao, đang muốn khám phá; và chắc chắn bạn sẽ có thêm những kỷ niệm thật đẹp của một thời sinh viên. Cũng đừng máy móc khi chỉ áp dụng các nghiên cứu định lượng, cũng đừng quá chủ quan khi đưa ra các quyết định chỉ dựa vào các nghiên cứu định lượng. Nghiên cứu của bạn có tham khảo các tạp chí quốc tế và đạt được được các chuẩn mực quốc tế trong nghiên cứu nhưng nó khó thể có sức sống, và những gợi ý chính sách hợp lý khi bạn không sâu sát, cọ xát với người dân, với doanh nghiệp, với thị trường, với các nhà hoạch định chính sách… và thiếu một cái tâm, một dũng khí của người làm nghiên cứu.

Trong năm học này, năm tới, và sau này, các giảng viên chúng tôi luôn hy vọng các bạn sẽ là những động lực cho các ngành khoa học kinh tế-quản trị còn rất non trẻ và còn nhiều điều để khám phá ở Việt Nam. Bởi vì, chúng tôi đã thấy một nhóm sinh viên ở ngành thẩm định giá đang làm một đề tài về “Mô hình thẩm định giá trị tăng thêm của thương hiệu xanh”, về thẩm định giá các mỏ tài nguyên; một số bạn sinh viên ngành kế hoạch đầu tư đang khảo sát các doanh nghiệp và ước lượng vấn đề lá chắn thuế nhằm cung cấp dữ liệu đầu vào cho các công ty tư vấn dự án, những người thẩm định dự án; hay đề tài áp dụng mô hình TGARCH cho thị trường chứng khoán, thị trường vàng ở VN; một nhóm bạn ở lớp Thẩm định giá, bất động sản đang nghiên cứu về “Bong bóng” ở thị trường bất động sản VN …

Nhiều thanh niên Trung Quốc (TQ) hiện nay đang có một phương châm là làm gì đó để người ta phải kính nể TQ, TQ phải là nước “bá chủ toàn cầu” hay tương tự như vậy! Trong dịp đi Sapa công tác, tiện ghé qua du lịch ở một địa phương ở bên kia biên giới TQ, anh hướng dẫn viên chỉ tôi một biểu trưng của Trung Quốc rất cao (chừng 15m) và giải thích đó là một bàn tay nắm lấy cả trái đất! Rất nhiều khách du lịch Việt Nam đến chụp hình bên cạnh biểu trưng ấy, còn một vài thầy giáo trong đoàn thì không, nhất quyết không! Bạn có biết người TQ muốn nói điều gì với thế giới qua biểu trưng ấy không? Tôi không biết điều suy nghĩ của nhiều thanh niên TQ (có thể xuất phát từ một số lãnh đạo TQ) có tốt hay không; nhưng tôi mong bạn có một tình yêu đất nước, yêu con người, yêu hoà bình chứ không muốn các bạn có những suy nghĩ dân tộc hẹp hòi, hay suy nghĩ rằng một dân tộc có thể giẫm chân lên các dân tộc khác như nhiều bạn thanh niên TQ ấy! Hãy làm điều gì đó có ích cho cả cộng đồng, cho con người nói chung và được nhiều bạn bè quốc tế yêu mến, quý trọng!

Xin chân thành cảm ơn các bạn đã tham gia khoá học! Các thầy cô giáo chúng tôi cảm thấy rất vui, rất tự hào khi được trao đổi, hướng dẫn các bạn trong thời gian qua. Và chúng tôi cũng mong mỏi rằng các bạn sinh viên sẽ cảm thấy tự tin, tự hào khi đã từng học tập ở một trường đại học của Việt Nam (với các bạn, là Trường ĐH Kinh tế TPHCM) dù sau này bạn có học tập thêm, và làm việc ở bất cứ nơi đâu trên trái đất này. Chúc bạn thành công!

74

Tài liệu tham khảo

Anderson, J.C & Gerbing, D.W (1988) “Structural Equation Modeling in practice: a review and recommended two-step approach”, Psychological Bulletin, 103 (3): 411-423 Arbuckle, J.L (2008), AMOS 16 User's Guide, SPSS Inc Albright, J.J (2006), Confirmatory Factor Analysis using AMOS, LISREL, AND MPLUS, The Trustees of Indiana University, www.indiana.edu/~statmath Bentler, P. M. & Bonett, D. G., (1980), “Significane tests and goodness of fit in the analysis of covariance structures”, Psychological Bulletin, Vol 80, 600 Carmines, E. & McIver, J., (1981) Analyzing models with unobserved variables: analysis of covariance structures, Beverly Hills, CA: Sage Publications, 65 115 Trần Thị Kim Dung, Trần Hoài Nam (2005), Nhu cầu, sự thoả mãn của nhân viên và mức độ gắn kết đối với tổ chức, Đề tài NCKH Cấp bộ, Trường ĐH Kinh tế TPHCM Gerbing W.D. & Anderson, J.C (1988), “An update paradigm for scale development incorporating unidimensionality and its assessment”, Journal of Marketing Research, 25(2): 186-192 Hair, Anderson, Tatham, Black (1998), Multivariate Data Analysis, Prentical-Hall International, Inc. Hair, Black, Babin, Anderson, Tatham (2006), Multivariate Data Analysis, Prentical-Hall International, Inc. Nguyễn Trọng Hoài (2001), Mô hình hoá và dự báo chuỗi thời gian trong kinh doanh & kinh tế, NXB ĐHQG TPHCM Jabnoun & Al-Tamimi (2003) “Measuring perceived service quality at UAE commercial banks”, International Journal of Quality and Reliability Management, (20), 4 Nunnally & Burnstein (1994) Pschychometric Theory, 3rd edition, NewYork, McGraw Hill Pont, M., Mc Quilken, L. (2002), “Testing the Fit of the BANKSERV Model BANKPERF”, ANZMAC 2002 Conference Proccedings, Deankin University Steiger, J, H., (1990), “Structural Modeling Evaluation and Modification: An Interval Estimation Approach”, Multivariate Behavioral Research, Vol.25 , 176 Schumacker, R. E. & Lomax, R. G. (2006), A beginner’s guide to Structural Equation Modeling, Lawrence Erlbaum associates, publisher, London Nguyễn Đình Thọ, Nguyễn Thị Mai Trang (2008), Nghiên cứu khoa học marketing - ứng dụng mô hình cấu trúc tuyến tính SEM, NXB ĐHQG TPHCM Hoàng Trọng, Chu Nguyễn Mộng Ngọc (2008) Phân tích dữ liệu nghiên cứu với SPSS, NXB Hồng Đức

75

Phụ lục 1 PHIEÁU KHAÛO SAÙT VEÀ MÖÙC ÑOÄ THOÛA MAÕN CUÛA NHAÂN VIEÂN

PHAÀN I. Anh/chò vui loøng cho bieát möùc ñoä ñoàng yù cuûa mình veà caùc phaùt bieåu döôùi ñaây. Ñoái vôùi moãi phaùt bieåu, anh chò haõy caùch ñaùnh daáu X vaøo moät trong caùc caùc con soá töø 1 ñeán 7; theo quy öôùc laø 1:hoaøn toaøn khoâng ñoàng yù,.. , 4:phaân vaân, …, 7:hoaøn toaøn ñoàng yù; Soá caøng lôùn laø anh/chò caøng ñoàng yù.

Maõ soá Caùc phaùt bieåu Möùc ñoä ñoàng yù

work 1 Coâng vieäc cho pheùp anh/chò söû duïng toát caùc naêng löïc caù nhaân 1 2 3 4 5 6 7 work 2 Coâng vieäc raát thuù vò 1 2 3 4 5 6 7 work 3 Coâng vieäc coù nhieàu thaùch thöùc 1 2 3 4 5 6 7 work 4 Khi coâng vieäc hoaøn thaønh toát, seõ ñöôïc coâng ty raát hoan ngheânh 1 2 3 4 5 6 7

pay 1 Anh/ chò ñöôïc traû löông cao 1 2 3 4 5 6 7pay 2 Anh/ chò thöôøng ñöôïc taêng löông 1 2 3 4 5 6 7pay 3 Anh/ chò coù theå soáng hoaøn toaøn döïa vaøo thu nhaäp töø coâng ty 1 2 3 4 5 6 7pay 4 Tieàn löông töông xöùng vôùi keát quaû laøm vieäc 1 2 3 4 5 6 7pay 5 Tieàn löông, thu nhaäp ñöôïc traû coâng baèng 1 2 3 4 5 6 7

ben 1 Coâng ty coù cheá ñoä phuùc lôïi toát 1 2 3 4 5 6 7ben 2 Coâng ty thöïc hieän cheá ñoä baûo hieåm xaõ hoäi toát 1 2 3 4 5 6 7ben 3 Coâng ty thöïc hieän cheá ñoä baûo hieåm y teá toát 1 2 3 4 5 6 7ben 4 Anh chò haøi loøng vôùi cheá ñoä tieàn thöôûng cuûa coâng ty 1 2 3 4 5 6 7

env 1 Coâng vieäc khoâng bò aùp löïc cao 1 2 3 4 5 6 7env 2 Coâng vieäc khoâng ñoøi hoûi thöôøng xuyeân phaûi laøm ngoaøi giôø 1 2 3 4 5 6 7env 3 Trang thieát bò nôi laøm vieäc an toaøn, saïch seõ 1 2 3 4 5 6 7env 4 Coâng vieäc oån ñònh, khoâng phaûi lo laèng veà maát vieäc laøm 1 2 3 4 5 6 7

cow 1 Ñoàng nghieäp cuûa anh/chò thoaûi maùi vaø deã chòu 1 2 3 4 5 6 7cow 2 Anh/ chò vaø caùc ñoàng nghieäp phoái hôïp laøm vieäc toát 1 2 3 4 5 6 7cow 3 Nhöõng ngöôøi maø anh/ chò laøm vieäc vôùi thöôøng giuùp ñôõ laãn nhau 1 2 3 4 5 6 7cow 4 Anh/ chò caûm thaáy coù nhieàu ñoäng löïc trau doài chuyeân moân khi ñöôïc laøm vieäc vôùi

caùc ñoàng nghieäp cuûa mình 1 2 3 4 5 6 7

prom1 Anh/ chò ñöôïc bieát nhöõng ñieàu kieän ñeå ñöôïc thaêng tieán 1 2 3 4 5 6 7

prom2 Coâng ty taïo cho anh chò nhieàu cô hoäi thaêng tieán 1 2 3 4 5 6 7

Prom3 Anh/ chò ñöôïc cung caáp kieán thöùc/ kyõ naêng caàn thieát cho coâng vieäc 1 2 3 4 5 6 7Prom4 Coâng ty taïo cho anh/chò nhieàu cô hoäi phaùt trieån caù nhaân 1 2 3 4 5 6 7

76

sup 1 Caáp treân hoûi yù kieán anh/chò khi coù vaán ñeà lieân quan ñeán coâng vieäc cuûa anh/chò 1 2 3 4 5 6 7

sup 2 Caáp treân khuyeán khích caáp döôùi tham gia vaøo nhöõng quyeát ñònh quan troïng 1 2 3 4 5 6 7

sup 3 Nhaân vieân ñöôïc söï hoã trôï cuûa caáp treân 1 2 3 4 5 6 7sup 4 Coâng ty hoaït ñoäng coù hieäu quaû 1 2 3 4 5 6 7sup 5 Nhaân vieân ñöôïc toân troïng vaø tin caäy trong coâng vieäc 1 2 3 4 5 6 7

sup 6 Laõnh ñaïo coù taùc phong lòch söï, hoøa nhaõ 1 2 3 4 5 6 7sup 7 Nhaân vieân ñöôïc ñoái xöû coâng baèng, khoâng phaân bieät 1 2 3 4 5 6 7

PHAÀN II. Anh/chò vui loøng cho bieát möùc ñoä ñoàng yù cuûa mình veà caùc phaùt bieåu döôùi ñaây loy1 Anh/chò coù yù ñònh ôû laïi laâu daøi cuøng coâng ty 1 2 3 4 5 6 7loy2 Neáu coù nôi khaùc coù lôøi ñeà nghò löông boång töông ñoái haáp daãn hôn, anh/chò vaãn seõ ôû

laïi cuøng coâng ty 1 2 3 4 5 6 7

loy3 Veà nhieàu phöông dieän, anh chò coi coâng ty laø maùi nhaø thöù hai cuûa mình 1 2 3 4 5 6 7 PHAÀN III. Xin vui loøng cho bieát ñoâi neùt veà coâng vieäc vaø baûn thaân anh/chò 1. Boä phaän coâng taùc cuûa anh chò trong coâng ty :……………………………………………………………………… 2. Vò trí coâng taùc cuûa anh chò thuoäc nhoùm: � Nhaân vieân ôû caùc boä phaän � Caùn boä quaûn lyù ôû caùc boä phaän (toå tröôûng) � Tröôûng/phoù phoøng ban hoaëc töông ñöông 3. Giôùi tính: � Nam � Nöõ 4. Trình ñộ chuyeân moân: � Trung caáp � Cao ñaúng � Ñaïi hoïc � Sau ñaïi hoïc 5. Tuoåi ñôøi cuûa anh/chò:……………………………tuoåi 6. Thôøi gian laøm vieäc taïi coâng ty: � Döôùi 5 naêm � Töø 5-<10 naêm � Töø 10 - <15 naêm � Treân 15 naêm 7. Thu nhaäp trung bình/thaùng cuûa anh chò (tính caû caùc khoaûn ngoaøi löông) thuoäc nhoùm: � <3 tr ñ � Töø 3 ñ-<5 tr ñ � Töø 5 – <7tr ñ � Töø 7 tr ñ trôû leân

77

Phụ lục 2 Xin giới thiệu với bạn đọc bài viết sau đây của tác giả Phạm Đức Kỳ - Giảng viên Khoa Quản Lý Công Nghiệp, Đại học Bách Khoa TPHCM

Tóm lược lý thuyết về SEM1

Phạm Đức Kỳ

Phần này tóm tắt ngắn gọn và không thiên về đặc tính kỹ thuật của các vấn đề căn bản có liên quan trong SEM, bao gồm các vấn đề ước lượng, thích hợp mô hình, và các giả thiết thống kê.

SEM (Structural Equation Modelling) là một kỹ thuật mô hình thống kê rất tổng quát, được sử dụng rộng rãi trong khoa học nghiên cứu hành vi. Nó có thể được xem là sự kết hợp của phân tích nhân tố và hồi quy hay phân tích đường dẫn. Sự quan tâm trong SEM thường là vào các kiến trúc lý thuyết (các khái niệm lý thuyết), được trình bày bởi các nhân tố ngầm (các khái niệm tiềm ẩn). Các quan hệ giữa các kiến trúc lý thuyết được trình bày bởi các hệ số hồi quy hay hệ số đường dẫn giữa các nhân tố. SEM ám chỉ 1 cấu trúc của các hiệp tương quan (covariances_hiệp phương sai) giữa các biến được quan sát, các quan hệ này cho ra một tên khác là mô hình hóa cấu trúc hiệp tương quan (covariance structure modeling_mô hình cấu trúc hiệp phương sai). Tuy nhiên, mô hình có thể được mở rộng thêm bao gồm trung bình của các biến quan sát được hoặc các nhân tố trong mô hình, làm cho tên mô hình hóa cấu trúc hiệp tương quan ít chính xác. Nhiều nhà nghiên cứu chỉ đơn giản nghĩ mô hình loại này là “các mô hình Lisrel,” điều này cũng ít chính xác. LISREL là chữ viết tắt của Linear Structural RELations (các quan hệ cấu trúc tuyến tính), và tên này được Jưreskog sử dụng cho một trong những chương trình (phần mềm) SEM đầu tiên thông dụng nhất. Các mô hình phương trình cấu trúc ngày nay không nhất thiết phải tuyến tính, và khả năng mở rộng của SEM xa hơn phương trình Lisrel ban đầu. Ví dụ, Browne (1993) thảo luận khả năng làm thích hợp các đường cong phi tuyến. SEM cung cấp một khung thuận tiện và rất tổng quát cho các phân tích thống kê bao gồm các thủ tục đa biến truyền thống, ví dụ các trường hợp đặc biệt là phân tích nhân tố, phân tích hồi quy, phân tích phân biệt, và tương quan canonical. SEM thường được minh họa bằng biểu đồ đường dẫn (sơ đồ đường dẫn). Phương trình thống kê này thường được trình bày trong một hệ phương trình ma trận. Trong đầu thập niên 70, khi kỹ thuật này được giới thiệu lần đầu trong nghiên cứu xã hội và nghiên cứu hành vi, phần mềm thường yêu cầu cài đặt chỉ rõ mô hình theo điều kiện của những ma trận này. Do đó, các nhà nghiên cứu đã phải lọc việc trình bày ma trận từ biểu đồ đường dẫn, và cung cấp phần mềm với 1 chuỗi ma trận cho các tập hợp tham số khác nhau, như là hệ số nhân tố và các hệ số hồi quy. Các phần mềm được phát triển gần đây cho phép các nhà nghiên cứu chỉ định trực tiếp mô hình như là 1 biểu đồ đường dẫn. Việc này hiệu quả với các vấn đề đơn giản, nhưng có thể gây mệt mỏi đối với các mô hình có tính phức tạp hơn. Vì lý do này, phần mềm SEM hiện tại cũng vẫn hỗ trợ các đặc tính kỹ thuật của mô hình loại câu lệnh-hay ma trận. Path analysis (phân tích đường dẫn) là kỹ thuật thống kê dùng để kiểm tra quan hệ nhân quả giữa hai hay nhiều biến (biến quan sát). Dựa trên hệ thống phương trình tuyến tính. Path analysis là thành phần phụ của SEM, một thủ tục đa biến mà theo định nghĩa của

1 Nguồn: http://www.mba-15.comGhi chú: những chữ được in nghiêng đậm và trong ngoặc đơn là do tôi bổ sung thêm, để thống nhất các thuật ngữ thông dụng nhằm giúp bạn đọc thuận lợi hơn.

78

http://www.mba-15.com/

Ullman (1996), “cho phép kiểm tra một tập quan hệ giữa một hay nhiều biến độc lập, hoặc là liên tục hoặc là rời rạc, và một hay nhiều biến phụ thuộc, hoặc là liên tục hoặc là rời rạc.” SEM liên quan đến các biến đo lường được (measured variable) và các biến ngầm (latent variable_biến tiềm ẩn). Một measured variable là một biến có thể được quan sát trực tiếp và được đo lường. Biến đo lường được cũng được biết đến như biến quan sát được (observed variable), biến chỉ báo hay biến biểu thị (indicator or manifest variables). Một latent variable là một biến không thể được quan sát trực tiếp và phải được suy ra từ measured variable. Latent variables được ám chỉ bởi hiệp tương quan (covariances) giữa hai hay nhiều measured variables. Chúng cũng được biết đến như là các nhân tố (nghĩa là, phân tích nhân tố), các biến kiến trúc hay các biến không quan sát được (constructs or unobserved variables). SEM là sự kết hợp giữa hồi quy đa biến và phân tích nhân tố. Path analysis chỉ liên quan đến các biến đo lường (measured variables). CÁC THÀNH PHẦN CỦA SEM Có hai thành phần: mô hình đo lường (measurement model) và mô hình cấu trúc (structural model). + Measurement model: liên quan đến quan hệ giữa measured variables và latent variables. + Structural model: chỉ liên quan đến các quan hệ giữa các latent variables mà thôi. Ký hiệu trong SEM: - Các biến đo lường được: hình chữ nhật hay vuông - Các biến ngầm: elíp hay hình tròn - Các khoản sai số: (“nhiễu” của các biến ngầm) được đưa vào biểu đồ SEM, đại diện bởi “E’s” cho các biến đo lường và “D’s” cho các biến ngầm. Các khoản sai số đại diện phương sai phần dư trong các biến không được tính cho các đường dẫn (pathways) được giả thiết trong mô hình. Tham số của SEM: - Là các biến, hệ số hồi quy và hiệp tương quan giữa các biến. - Phương sai có thể được chỉ ra bằng mũi tên hai đầu kết thúc tại cùng một biến, hoặc đơn giản hơn, ký hiệu bằng số trong hộp vẽ biến hay cung tròn. - Các hệ số hồi quy được trình bày dọc theo mũi tên một chiều chỉ ra đường dẫn được giả thiết giữa hai biến (có trọng số được áp dụng cho các biến trong các phương trình hồi quy tuyến tính) - Hiệp phương sai được kết hợp với các mũi tên vòng cung hai đầu giữa hai biến hoặc các sai số và biểu thị vô hướng (no directionality). Data cho SEM là các phương sai mẫu và hiệp phương sai mẫu lấy từ tổng thể (ký hiệu S, phương sai mẫu quan sát được và ma trận hiệp phương sai). KIẾN TRÚC SEM Mục tiêu trong việc xây dựng 1 sơ đồ đường đẫn (path diagram) hay mô hình phương trình cấu trúc, là tìm một mô hình đủ thích hợp với dữ liệu (S) để phục vụ như là 1 đại diện có ích của độ tin cậy và giải thích chi tiết dữ liệu.

79

Có 5 bước trong kiến trúc SEM: 1. Chỉ định mô hình (Model Specification) 2. Nhận dạng mô hình (Model Identification) 3. Ước lượng mô hình (Model Estimation) 4. Đánh giá độ thích hợp của mô hình (Assesing Fit of the Model) 5. Hiệu chỉnh mô hình (Model Modification) Chỉ định mô hình (Model Specification) Là việc chính thức bắt đầu một mô hình. Trong bước này, các tham số được xác định là cố định hay tự do. Tham số cố định (fixed parameters) không được ước lượng từ dữ liệu và được gán một cách tiêu biểu bằng 0 (chỉ ra không có quan hệ giữa các biến). Các đường dẫn của các tham số cố định được gắn nhãn số (trừ khi được gán giá trị là 0, trong trường hợp này không có đường dẫn nào được vẽ) trong biểu đồ SEM. Tham số tự do (Free parameters) được ước lượng từ dữ liệu quan sát và được người điều tra tin rằng nó khác 0. Việc xác định tham số nào là cố định hay tự do trong SEM là rất quan trọng vì nó xác định tham số nào sẽ được sử dụng để so sánh biểu đồ giả thuyết với ma trận hiệp phương sai và phương sai tổng thể mẫu trong việc kiểm tra tính thích hợp của mô hình (bước 4). Việc chọn tham số nào là cố định và tham số nào là tự do tùy thuộc vào người nghiên cứu. Sự lựa chọn này trình bày một giả thuyết tiền đề về đường xu hướng trong hệ thống là quan trọng trong thế hệ của cấu trúc liên quan của hệ thống được quan sát (ví dụ, phương sai mẫu được quan sát và ma trận hiệp phương sai). Nhận dạng mô hình (Model Identification)

Việc nhận dạng quan tâm đến việc có hay không giá trị duy nhất cho mỗi và mọi tham số tự do có thể thu thập được từ dữ liệu quan sát. Nó phụ thuộc vào việc lựa chọn mô hình và đặc tính kỹ thuật của các tham số cố định, ràng buộc và tự do. Một tham số bị ràng buộc khi nó trong một tập hợp với các tham số khác. Các mô hình cần phải được nhận dạng hoàn chỉnh để có thể ước lượng được (bước 3) và để kiểm định giả thuyết về quan hệ giữa các biến. Có các dạng mô hình có cấu trúc là just-identified, overidentified, hay underidentified. + just-identified model: trong đó tương ứng 1-1 giữa data và các tham số cấu trúc. Nghĩa là, số phương sai dữ liệu và số hiệp phương sai bằng với số tham số được ước lượng. Tuy nhiên, mặc dầu khả năng của mô hình là đạt được một giải pháp duy nhất cho tất cả các tham số, just-identified model không có sự quan tâm của khoa học gia vì bởi nó không có độ tự do và do đó không thể bị loại bỏ. + Overidentified model: là mô hình trong đó số tham số có thể ước lượng được thì nhỏ hơn số điểm dữ liệu (data points) (nghĩa là, phương sai, hiệp tương quan của các biến quan sát được). Tình trạng này tạo kết quả ra độ tự do dương cho phép loại bỏ mô hình, do đó được sử dụng một cách khoa học hơn. Mục đích của SEM là chỉ ra một mô hình như vậy đáp ứng các tiêu chuẩn của overidentification. + Underidentified model: là mô hình trong đó số tham số được ước lượng vượt quá số phương sai và hiệp tương quan. Như vậy, mô hình bao gồm thông tin không ý nghĩa (từ dữ

80

liệu đầu vào) cho việc đạt được 1 giải pháp xác định về ước lượng tham số; nghĩa là, vô số các giải pháp là khả dĩ cho 1 underidentified model. Ước luợng mô hình (Model Estimation) Trong bước này, các giá trị khởi đầu của tham số tự do được chọn để sinh ra 1 ma trận hiệp tương quan tổng thể được ước lượng (estimated population covariance matrix), S(q), từ mô hình. Các giá trị khởi đầu có thể được chọn bởi người nghiên cứu từ thông tin ban đầu, bởi các chương trình máy tính được sử dụng để xây dựng SEM, hay từ phân tích hồi quy đa biến. Mục tiêu của ước lượng là để sinh ra một S(q) hội tụ trên ma trận hiệp tương quan tổng thể quan sát được, S, với ma trậnphần dư (residual matrix) (khác biệt giữa S(q) và S) trở nên tối thiểu. Nhiều phương pháp có thể được sử dụng để sinh ra S(q). Việc chọn các phương pháp được hướng dẫn bằng đặc tính của data bao gồm kích thước và phân phối mẫu. Hầu hết các tiến trình được sử dụng là lặp. Hình thức tổng quát của hàm tối thiểu là: Q = (s - s(q))’W(s - s(q)) Trong đó: s = vector bao gồm phương sai và hiệp phương sai của các biến quan sát được. s(q) = vector bao gồm các phương sai corresponding và hiệp phương sai như được dự đoán bởi mô hình. W = ma trận trọng số (một vài tác giả xem Q như là F) Ma trận trọng số, W, trong hàm trên, phù hợp với phương pháp ước lượng được chọn. W được chọn để tối thiểu Q, và Q(N-1) cho việc thích hợp hàm, trong hầu hết các trường hợp một thống kê phân phối X2. Kết quả thực hiện của X2 bị ảnh hưởng bởi kích thước mẫu, sai số phân phối, nhân tố phân phối, và giả thiết rằng các nhân tố và sai số là độc lập (Ullman 1996). Một vài phương pháp ước luợng được sử dụng thông dụng nhất là: Generalized Least squares (GLS) FGLS = ½ tr[([S - S(q)]W-1)2] Trong đó: tr = toán tử theo dõi (trace operator), cộng các yếu tố trên đường chéo chính của ma trận W-1 = ma trận trọng số tối ưu, phải được chọn bởi nhà nghiên cứu (chọn lựa thông thường nhất là S-1) Maximum Likelihood (ML) FML = log|S| - log|S| + tr(SS-1) - p Trong trường hợp này, W = S-1và p = số lượng biến được đo lường Asymptotically Distribution Free (ADF) Estimator (Hàm ước lượng tự do phân phối tiệm cận) FADF = [S - s(q)]’W-1[S - s(q)] W, trong hàm này, bao gồm các yếu tố xem xét trong kurtosis. Ullman (1996) và Hoyle (1995) thảo luận về các thuận lợi và giới hạn của các hàm ước lượng trên đây. ML và GLS hữu ích cho dữ liệu phân phối chuẩn khi các nhân tố và sai số là độc lập, ADF

81

hữu ích cho các dữ liệu không phân phối chuẩn, nhưng chỉ có giá trị khi kích thước mẫu lớn hơn 2.500. Ullman chỉ ra hàm ước lượng tốt nhất cho dữ liệu không phân phối chuẩn và/hoặc phụ thuộc giữa các nhân tố và sai số là Scaled ML. Bất kể hàm nào được chọn, kết quả mong đợi của tiến trình ước lượng là đạt được một hàm thích hợp gần đến 0. Một hàm thích hợp với số điểm là 0 chỉ ra rằng ma trận hiệp phương sai được ước lượng của mô hình và ma trận hiệp phương sai mẫu nguyên thủy là tương đương. Đánh giá độ thích hợp của mô hình (Assesing Fit of the Model) Như đã phân tích, giá trị hàm thích hợp gần đến 0 được mong đợi cho độ thích hợp mô hình. Tuy nhiên, nói chung, nếu tỷ số giữa X2và bậc tự do nhỏ hơn 3, mô hình là thích hợp tốt (Ullman 1996). Để có độ tin cậy trong kiểm định độ thích hợp mô hình, kích thước mẫu từ 100 đến 200 được yêu cầu (Hoyle 1995). Ullman (1996) thảo luận sự đa dạng của các hàm thích hợp phân phối không-X2, mà ông ta gọi là “các chỉ số thích hợp so sánh (comparative fit indices.)” Hoyle (1995) đề cập đến điều này như “các chỉ số thích hợp phụ thuộc (adjunct fit indices).” Một cách căn bản, những phương pháp này so sánh độ thích hợp của một mô hình độc lập (một mô hình khẳng định không có quan hệ giữa các biến) để thích hợp mô hình được ước lượng. Kết quả của việc so sánh này thì thường là một số giữa 0 và 1, với 0.90 hoặc lớn hơn được chấp nhận như là các giá trị chỉ ra độ thích hợp. Cả Hoyle và Ullman đề nghị sử dụng nhiều chỉ số khi xác định các độ thích hợp mô hình. Hiệu chỉnh mô hình (Model Modification) Nếu ma trận phương sai/hiệp phương sai được ước lượng bằng mô hình không mô phỏng một cách thích hợp ma trận phương sai/hiệp phương sai mẫu, các giả thuyết có thể được hiệu chỉnh và mô hình được kiểm định lại. Để điều chỉnh 1 mô hình, các đường dẫn mới được vẽ thêm hay các đường dẫn cũ được bỏ đi. Nói cách khác, các tham số được thay đổi từ cố định tới tự do hoặc từ tự do đến cố định. Điều quan trọng để nhớ là khi trong các thủ tục thống kê khác, là việc hiệu chỉnh mô hình sau việc kiểm định lần đầu làm gia tăng cơ hội của vấp phải sai lầm loại I. Các thủ tục thông thường được sử dụng cho việc hiệu chỉnh mô hình là Lagrange Multiplier Index (LM) và Kiểm định Wald. Cả hai loại kiểm định này báo cáo các thay đổi trong giá trị X2 khi các đường dẫn được điều chỉnh. LM yêu cầu dù có hay không việc gia tăng các tham số tự do gia tăng sự thích hợp của mô hình. Kiểm định Wald yêu cầu có hay không việc xóa bỏ các tham số tự do gia tăng sự thích hợp mô hình. Để điều chỉnh tỷ lệ sai lầm loại 1 gia tăng, Ullman (1996) yêu cầu sử dụng một giá trị xác suất thấp (p<0.01) khi tăng thêm hay bỏ các tham số. Ullman cũng yêu cầu so sánh giá trị chéo (cross-validation) với các mẫu khác. Vì trật tự của các tham số tự do có thể ảnh hưởng đến việc lựa chọn của các tham số khác, LM nên được áp dụng trước kiểm định Wald (nghĩa

82

là, cộng thêm vào tất cả các tham số trước khi bắt đầu xóa chúng) (MacCullum 1986, đã trích dẫn của Ullman 1996). Trình bày mô hình cuối cùng (Final Presentation of Model) Khi mô hình đã đạt được độ thích hợp chấp nhận được, các ước lượng riêng biệt về các tham số tự do được đánh giá. Các tham số tự do được so sánh với giá trị rỗng (null value), sử dụng thống kê phân phối z. Thống kê z đạt được bằng cách chia tham số ước lượng cho sai số chuẩn của ước lượng đó. Tỷ lệ của kiểm định này phải vượt +/-1.96 để quan hệ trở nên có ý nghĩa. Sau khi các quan hệ riêng biệt trong mô hình được đánh giá, các ước lượng tham số được chuẩn hóa cho việc trình bày mô hình cuối cùng. Khi các ước lượng tham số được chuẩn hóa, chúng có thể được giải thích tham chiếu với các tham số khác trong mô hình và cường độ của đường xu hướng có liên quan trong mô hình có thể được so sánh.

83

Phụ lục 3 Nhằm tạo thuận lợi cho bạn đọc khi tìm hiểu SEM, xin giới thiệu với bạn đọc nghiên cứu sau

đây (có áp dụng SEM) tác giả Phạm Đức Kỳ, Bùi Nguyên Hùng. Bạn nên đọc thêm các nghiên cứu khác đã được phát trong lớp, và một số bài viết dưới dạng file pdf đã được gửi qua email. Tác giả của quyển bài giảng này lựa chọn 2 bài nghiên cứu này để giới thiệu với các bạn bởi 2 tác giả của bài nghiên cứu viết rất tốt, lĩnh vực lòng trung thành, dịch vụ thông tin di động cũng gần gũi với rất nhiều bạn. Bài viết 1.

Nghiên cứu mô hình sự trung thành của khách hàng dịch vụ thông tin di động tại Việt Nam Phạm Đức Kỳ, Bùi Nguyên Hùng

Khoa Quản lý Công Nghiệp-ĐHBK TP.HCM

I. GIỚI THIỆU

Trong bối cảnh khi mà thị trường thông tin di động (TTDĐ) các nước cạnh tranh mạnh mẽ do mở cửa thị trường và giảm mạnh các ưu thế của vị thế độc quyền, với sự tham gia của nhiều nhà cung cấp, dùng các chiến lược cạnh tranh hỗn hợp bao gồm các chiến lược về giá cước, chất lượng dịch vụ cơ bản, dịch vụ gia tăng, quảng cáo khuyến mãi, giảm giá và chăm sóc khách hàng (CSKH), tạo cho họ ngày càng có nhiều sự lựa chọn, với xu hướng chuyển sang mạng khác hấp dẫn hơn, tác động đến sự bền vững về thuê bao của các mạng di động.

Các nghiên cứu thực nghiệm tại nhiều nước trên thế giới trong lĩnh vực TTDĐ như Ấn Độ[1], Canada, Mỹ[14] và Trung Quốc[21], cho thấy mô hình chất lượng dịch vụ theo Parasuraman và các mô hình truyền thống khác[9] không đủ để giải thích sự thoả mãn và sự trung thành của khách hàng. Một số nghiên cứu gần đây tại Bangladesh, Hàn Quốc, Đài Loan đã đề cập thêm một số nhân tố tác động khác (chi phí vật chất, tinh thần, rủi ro, sức hấp dẫn của dịch vụ thay thế, mức độ mật thiết trong quan hệ cá nhân giữa khách hàng và nhà cung cấp,..) mà khách hàng phải cân nhắc mỗi khi có ý định chuyển sang nhà cung cấp khác[10] [22]. Kết quả nghiên cứu của tác giả M-K Kim tại Hàn Quốc còn chỉ ra rằng khách hàng mặc dù thoả mãn với chất lượng dịch vụ của nhà cung cấp hiện tại nhưng vẫn chuyển sang nhà cung cấp khác, hoặc sử dụng nhiều dịch vụ của nhiều nhà cung cấp đồng thời.Các tác giả Fornell, 1992; Ahmad & Buttle, 2002 cũng cho rằng một khi thị trường đã trở nên cạnh tranh quyết liệt thì chiến lược phòng thủ để duy trì khách hàng hiện có còn quan trọng hơn so với chiến lược công kích nhằm mở rộng quy mô toàn bộ thị trường bằng nỗ lực gia tăng các khách hàng tiềm năng[12]. Chiến lược phòng thủ của nhà cung cấp truyền thống Telstra(Australia) trước sự thâm nhập của Optus (Anh-Mỹ) năm1990 là một ví dụ điển hình[3]

Thị trường TTDĐ tại Việt Nam đang trong giai đoạn chuyển dần từ một thị trường độc quyền do nhà nước kiểm soát sang thị trường cạnh tranh với tốc độ phát triển công nghệ di động nhanh, chu kỳ công nghệ rút ngắn, lợi thế do chi phí đầu tư ngày càng giảm đã mang đến những cơ hội cho nhà cung cấp dịch vụ mới tham gia thị trường, đồng thời là thách thức đối

84

với nhà cung cấp dịch vụ hiện tại. Cạnh tranh giữa các mạng TTDĐ hiện nay chủ yếu dựa vào giảm giá cước và khuyến mãi liên tục tạo nên làn sóng thuê bao di chuyển từ mạng này sang mạng khác ngày càng phổ biến. Tỷ lệ thuê bao ngưng hoạt động so với tổng thuê bao trên mạng hiện chiếm tỷ lệ rất lớn ở mạng VinaPhone (1/4), MobiFone (1/3), Viettel(1/2) & S-Fone (2/3). Kết cục của kiểu cạnh tranh bằng giá cước đã dẫn tới tình trạng trong tổng số 14.3 triệu thuê bao công bố, thực chất chỉ có 10.4 triệu thuê bao thực hoạt động, do số thuê bao “ảo” chiếm từ 25-30% (một khách hàng sử dụng cùng lúc từ 2-3 mạng di động). Tình trạng này cho thấy khách hàng hiện nay không còn trung thành với nhà cung cấp như trong thị trường độc quyền trước năm 2003[19].

Trong tương lai, khi số thuê bao ngày càng tiến đến điểm bão hoà và giá cước không còn là lợi thế đối với riêng doanh nghiệp (DN) nào thì việc tìm kiếm và tạo khách hàng mới sẽ rất khó khăn, đòi hỏi nhiều chi phí dành cho quảng cáo-khuyến mãi[12],

Xét ở góc độ vĩ mô, thực trạng trên thể hiện một thị trường phát triển thiếu bền vững, tiêu cực và lãng phí tài nguyên của ngành[19]

Vì vậy, việc nghiên cứu mô hình trung thành của khách hàng dịch vụ TTDĐ tại Việt Nam có ý nghĩa về mặt nghiên cứu khám phá, đóng góp một thang đo mới và một mô hình lý thuyết mới. Về mặt thực tiễn, việc “giữ chân” khách hàng, làm cho khách hàng trở nên trung thành hơn mang tính cấp thiết, đặc biệt đối với hai nhà cung cấp dịch vụ truyền thống hiện nay là MobiFone và VinaPhone, khi mà thị trường TTDĐ tại Việt Nam đang trong giai đoạn phát triển mạnh, vì tỷ lệ thâm nhập hiện mới chỉ đạt 14 máy/100 dân, còn thấp hơn nhiều so với các nước trong khu vực và thế giới (70-80 máy/100 dân). Kết quả nghiên cứu sẽ cung cấp thông tin cho các nhà quản lý hoạch định chiến lược sử dụng hiệu quả nguồn tài nguyên viễn thông, đồng thời giúp các nhà cung cấp dịch vụ TTDĐ hoạch định và thực hiện hiệu quả hơn các hoạt động tiếp thị, CSKH.

II. CÁC MÔ HÌNH NGHIÊN CỨU SỰ TRUNG THÀNH CỦA KHÁCH HÀNG TTDĐ

Nhiều nghiên cứu trước đây đã đề cập mối quan hệ nhân quả giữa chất lượng dịch vụ, sự thỏa mãn và sự trung thành trong mô hình truyền thống được tổng quát hoá như Hình 1:

Hình 1. Mô hình tích hợp sự trung thành của khách hàng [9]

85

Sự thỏa mãn là sự đáp ứng và sự đánh giá của khách hàng về trạng thái mãn nguyện (Oliver, 1997)[12]. Sự thỏa mãn theo Parasuraman (1994) là kết quả tổng hợp của Chất lượng dịch vụ, Chất lượng sản phẩm và Giá hoặc theo Mittal et al (1998) là Chất lượng dịch vụ cốt lõi, Dịch vụ cá nhân và Giá [22]. Trong lĩnh vực dịch vụ TTDĐ thoả mãn cũng được đo lường thông qua 05 thành phần chất lượng dịch vụ của Parasuraman[5][7][10][17][20], theo M-K. Kim et al, là: Chất lượng cuộc gọi, Dịch vụ gia tăng, Cấu trúc giá cước, Dịch vụ khách hàng và Sự thuận tiện [12]

. Mô hình đo lường khái niệm sự trung thành đã tiến triển qua ba giai đoạn, đầu tiên nó chỉ đo “hành vi mua lặp lại” (Jacoby & Chestnut, 1978) được đánh giá là quá giản lược do bỏ qua các yếu tố tình huống (Omally, 1998; Dick & Basu, 1994), hoặc không thể giải thích sự trung thành “tự nguyện” hay trung thành “ép buộc” (Hirschman, 1970; Johnson, 1982; Levinger,1979; Ping, 1993) nên yếu tố “thái độ” đã được đưa vào giải thích cho sự trung thành (Linderstat, 1998)[9]. Cuối cùng yếu tố “nhận thức“ được đưa vào vì khách hàng phải trải qua giai đoạn “trung thành nhận thức” trên cơ sở kiến thức hay niềm tin đã có về thương hiệu (Glember & Brown, 1996). Như vậy, sự trung thành đòi hỏi cùng lúc niềm tin (nhận thức), cảm tình (thái độ) và hành động mua lặp lại (hành vi)[9]. Đây là phương pháp tiếp cận kiểu “tích hợp”. Sự thỏa mãn cao sẽ giảm bớt lợi ích cảm nhận của các dịch vụ thay thế và dẫn đến sự trung thành cao hơn (Anderson & Sullivan, 1993), chất lượng nhận thức và sự thỏa mãn ảnh hưởng đến sự trung thành (Johny, 2001), sự thỏa mãn dẫn đến hành vi mua lại và dẫn đến sự trung thành. Kết quả các nghiên cứu thực nghiệm ở 100 công ty thuộc 13 ngành dịch vụ (có ngành viễn thông) có thể tổng quát hoá như hình 2, nghĩa là chất lượng nhận thức có thể ảnh hưởng trực tiếp lên sự trung thành hoặc cũng có thể ảnh hưởng gián tiếp lên sự trung thành thông qua sự thỏa mãn.

Hình 2: Mô hình lý thuyết sự trung thành của khách hàng [9]

Hạn chế của mô hình này là quá giản lược không thể hiện đầy đủ các yếu tố tác động đến sự trung thành. Phương pháp tiếp cận khái niệm sự trung thành kiểu “tích hợp” được sử dụng trong nhiều nghiên cứu tại Mỹ, Canada, châu Âu [14], Ấn Độ [1] trong lĩnh vực dịch vụ TTDĐ

86

thể hiện rõ tính đa hướng của sự trung thành nhưng về cơ bản vẫn là mô hình truyền thống nêu trên (Hình 1).

1. Mô hình tiếp cận theo kiểu”Rào cản chuyển đổi”

Do cấu trúc thị trường và bản chất cạnh tranh đã biến đổi trong những năm gần đây, nhiều nghiên cứu cho thấy các mô hình truyền thống về sự trung thành kém phù hợp để giải thích thực tiễn về cạnh tranh trong các ngành dịch vụ nói chung, và ngành dịch vụ TTDĐ nói riêng. Các nhà nghiên cứu cũng đã phát hiện các khái niệm mới có tác động điều chỉnh đối với các mô hình truyền thống. Cụ thể, các mô hình nghiên cứu tại thị trường một số nước châu Á gần đây thường tiếp cận theo khái niệm “Rào cản chuyển đổi nhà cung cấp”, đề cập tình huống khách hàng không thỏa mãn dịch vụ hiện tại, muốn chuyển sang dịch vụ khác sẽ gặp phải gánh nặng như khó khăn về tài chính, tâm lý, xã hội, rủi ro,…(Hình 3).

Hình 3: Mô hình lý thuyết sự trung thành của khách hàng dịch vụ TTDĐ

Rào cản chuyển đổi nhà cung cấp trong lĩnh vực dịch vụ TTDĐ thường đề cập là 1) Chi phí chuyển đổi (tổn thất do chuyển đổi, chi phí thích nghi mới và chi phí gia nhập mới), 2) Sự hấp dẫn của mạng khác (về danh tiếng, hình ảnh, chất lượng, giá cước,..) và 3) Quan hệ khách hàng (thăm hỏi, chăm sóc, tin cậy, mật thiết, trao đổi thông tin,…giữa khách hàng với nhân viên nhà cung cấp dịch vụ)[10][12][13][22]. Rào cản chuyển đổi càng cao càng có tác dụng giữ chân khách hàng. Người ta thường chia rào cản chuyển đổi ra làm hai loại: rào cản tiêu cực (loại thứ nhất), rào cản tích cực (loại thứ 2 &3); hoặc phân biệt bằng: rào cản nội sinh (loại thứ 1&3); rào cản ngoại sinh (loại thứ 2)

2. Mô hình tiếp cận kiểu “tích hợp”

Phân tích sâu mô hình khảo sát chỉ số hài lòng của khách hàng một số ngành dịch vụ tại thị trường Mỹ, châu Âu cũng như mô hình nghiên cứu sự thỏa mãn của khách hàng dịch vụ di động tại Canada, dựa theo mô hình Fornell at al (1996)[14] thì quan hệ giữa sự thoả mãn và sự trung thành được sử dụng như một khái niệm đồng nhất (Hình 4), trong đó sự trung thành tiềm ẩn gồm các thành phần: “Khả năng mua lại” (Nhận thức), “ Mức độ chấp nhận giá” (Thái độ) và “Sự than phiền” (Hành vi).

87

Hình 4: Mô hình lý thuyết sự trung thành khách hàng dịch vụ TTDĐ

So với mô hình tiếp cận kiểu rào cản chuyển đổi của M-K.Kim et al (2004)[12], thành phần “khả năng mua lại” giả thiết không bị ảnh hưởng bởi “rào cản chuyển đổi”, nghĩa là khách hàng tự do lựa chọn khi có nhu cầu, không bị ràng buộc với nhà cung cấp (thuê bao trả tiền trước). Ngược lại “mức độ chấp nhận giá” của khách hàng được đo lường trong điều kiện thực có hiện diện của “Rào cản chuyển đổi”[14] (thuê bao trả tiền sau bị ràng buộc bởi hợp đồng với nhà cung cấp). “Khả năng mua lại” hàm ý sự ưa thích của khách hàng có tính bền vững đối với nhà cung cấp (Soderlund,1998), đây là thành phần truyền thống trong mô hình cổ điển, và “mức độ chấp nhận giá” hàm ý khách hàng trung thành sẵn sàng trả giá cao hơn, hoặc không chuyển sang nhà cung cấp khác có giá thấp hơn để tránh rủi ro cảm nhận do xảy ra sự thay đổi nào đó. Khách hàng càng có quan hệ lâu dài và càng trung thành thì mức độ chấp nhận giá càng cao, ít so sánh giá với nhà cung cấp khác (Ruyter et al, 1999)[14] .

3. Đánh giá các mô hình

Khi nghiên cứu sự trung thành của khách hàng dịch vụ TTDĐ, các nhà nghiên cứu thường tiếp cận theo hai trường phái: Các mô hình nghiên cứu tại thị trường châu Âu và Bắc Mỹ (Hoa Kỳ, Canada) tiếp cận kiểu tích hợp theo Thái độ, Nhận thức và Hành vi thể hiện qua “Mức độ chấp nhận giá”, “Khả năng mua lại” và “Sự than phiền” để giải thích cho sự trung thành của khách hàng[14].

Các mô hình nghiên cứu tại thị trường châu Á thì tiếp cận theo các yếu tố liên quan đến khó khăn mà khách hàng gặp phải như: Chi phí vật chất, chi phí tinh thần, rủi ro khi chuyển đổi nhà cung cấp, tạo nên khái niệm gọi là “Rào cản chuyển đổi” nhà cung cấp dịch vụ[10][12][13][22]. Hơn nữa các nghiên cứu này còn chứng minh được rằng “Rào cản chuyển đổi” đóng vai trò biến điều chỉnh mối quan hệ giữa sự thỏa mãn và sự trung thành. Nói cách khác, với một mức độ thoả mãn nhất định, mức độ trung thành có thể thay đổi tuỳ thuộc biên độ thay đổi của “Rào cản chuyển đổi” [12]

88

Tóm lại, sự trung thành trong các mô hình châu Au và Bắc Mỹ là một khái niệm hai thứ nguyên trong đó yếu tố “Mức độ chấp nhận giá” có nguồn gốc từ “rủi ro nhận thức” tương đương với “rào cản chuyển đổi” trong các mô hình nghiên cứu ở thị trường châu Á. Tuy nhiên, mô hình châu Au và Bắc Mỹ nhấn mạnh yếu tố giá như một thành phần chính của “rào cản chuyển đổi” trong khi các mô hình châu Á coi “rào cản chuyển đổi” là sự đánh đổi giữa giá trị nhận thức và chi phí bỏ ra khi khách hàng có ý định chuyển sang nhà cung cấp khác (Ratchford, 1982).

4. Đề xuất mô hình cho nghiên cứu thị trường TTDĐ tại Việt Nam

Trong bối cảnh thị trường TTDĐ Việt nam đang cạnh tranh ngày càng gay gắt với sự tham gia của 06 nhà cung cấp dịch vụ, số lượng khách hàng chuyển đổi qua lại giữa các mạng ngày càng gia tăng thì vấn đề nghiên cứu mô hình sự trung thành của khách hàng với rào cản chuyển mạng thực sự mang tính thực tế và cấp thiết hiện nay.

Mô hình được đề xuất sử dụng thang đo 05 thành phần chất lượng dịch vụ trong lĩnh vực TTDĐ [1,5,6,7,9,10,15,16,17,20,21,22], kết hợp các mô hình nghiên cứu gần đây có xét thêm yếu tố “Rào cản chuyển mạng”, được nhiều tổ chức và cá nhân trên thế giới [2,4,8,11,12,13,18] tiến hành, lựa chọn các nhân tố được xem là phù hợp với thị trường TTDĐ tại Việt Nam để hình thành mô hình lý thuyết và các giả thuyết như Hình 5

Căn cứ vào các dữ liệu thứ cấp của các mạng Vinaphone, MobiFone, Viettel Mobile như: báo

cáo chất lượng dịch vụ, thống kê các khiếu nại, phản ánh của khách hàng qua tổng đài và tại

các giao dịch… Tại các lớp đào tạo nghiệp vụ của Vinaphone từ tháng 12/2005 đến tháng

02/2006, đã kết hợp thăm dò hơn 800 giao dịch viên của 22 Bưu điện tỉnh thành khu vực phía

nam, thường xuyên tiếp xúc với khách hàng bằng 02 câu hỏi mở:

89

Hình 5: Mô hình lý thuyết

- Đánh giá chất lượng dịch vụ TTDĐ dựa trên những yếu tố nào?

- Những yếu tố nào khiến khách hàng chọn mạng mới, dùng thêm mạng, ngưng sử dụng, tiếp tục trung thành với mạng hiện tại?

Sau khi lựa chọn, cân nhắc sắp xếp, có kết quả như bảng 1.

90

Bảng 1: Các nhân tố và thuộc tính đo lường của mô hình

5. Kết luận

Từ các phân tích và đánh giá các mô hình nghiên cứu sự trung thành của khách hàng dịch vụ TTDĐ trên thế giới, mô hình lý thuyết cho nghiên cứu thực nghiệm tại thị trường TTDĐ tại

91

Việt Nam được đề xuất như hình 5. Trong mô hình này sự trung thành của khách hàng sử dụng dịch vụ thông tin di động được quyết định bởi 02 nhóm yếu tố: đó là nhóm yếu tố “ Sự thỏa mãn” – nhóm yếu tố chất lượng dịch vụ của các nhà cung cấp và nhóm yếu tố “Rào cản chuyển mạng” của chính loại dịch vụ này. Trong nhóm yếu tố “Sự thỏa mãn” (chất lượng dịch vụ) có 5 yếu tố: chất lượng cuộc gọi, cấu trúc giá, dịch vụ gia tăng, tính thuận tiện và dịch vụ khách hàng. Trong nhóm “Rào cản chuyển mạng” cũng gồm 5 yếu tố: các tổn thất, chi phí thích nghi mới, chi phí gia nhập mới, sự hấp dẫn của các mạng khác (đối thủ cạnh tranh) và mối quan hệ khách hàng

Mô hình trong hình 5 là một mô hình đa nhân tố, việc tìm hiểu tương tác giữa các nhân tố này với sự trung thành của khách hàng sẽ giúp cho các cơ quan quản lý nhà nước trong hoạch định chính sách phát triển ngành TTDĐ như: số lượng các nhà cung cấp dịch vụ, chính sách phát triển thị trường ổn định bền vững, đầu tư hiệu quả và tiết kiệm tài nguyên của ngành,..

Riêng với góc độ các nhà cung cấp dịch vụ thông tin di động ở Việt Nam thì kết quả ứng dụng mô nghiên cứu này giúp đưa ra các giải pháp nhằm nâng cao chất lượng dịch vụ để giữ chân khách hàng qua việc nâng cao lòng trung thành của khách hàng, bình ổn thị trường, gia tăng số thuê bao và gia tăng lợi nhuận.

TÀI LIỆU THAM KHẢO [1] Apoorva Palkar (2004), Determinants of Customer Satisfaction for Cellular Service Providers, Vol. 28, No,1, Jan-March 2004. [2] Arthur Lin (2004), Antecedent and Consequences of Customer Switching Cost for the Mobile Phone Market, Progress report. [3] Nguyễn Sơn Hải, Tạp chí Bưu chính viễn thông và Công nghệ thông tin. MPT (10/2006) [4] Claes-Robert Julander (Jan,2003), Effect of Switching Barrier on Satisfaction, Repurchase Intentions and Attitudinal Loyalty, SSE/EFI Working paper Series in Business Administration. No. 2003:1. [5] Eli M.Noam, The Quality of regulation in Regulating Quality: A Proposal for an Intergrated Incentive Approach to Telephone Service Performance, in Price Caps and Incentive Regulation in Telecommunications, ed. Micheal Einhorn (Boston: Kluwer Academic Publishers, 1991) 168-189. [6] Garvin, “Competing on the Eight Dimension of Quality” [7]J.D.Power and Associates, A Marketing Information Firm, www.Jdpower.com. [8] Klemperer, Paul(1987), Markets with Consumer Switching Cost, the Quarterly Jounal of Economics, 102:375-394. [9] Lu ting Pong, Johnny(2001), An Intergrated Model of Service Loyalty, Academy of Business & Administrative Sciences 2001 International Conferences, Brussels, Belgium 23-25 July, 2001. [10] Masud Parvez(ID#0120016), (2005), A relational Study on Service Quality, Switching Cost, Trust, Customer Satisfaction and Customer Loyalty in the context of Grameenphone, Independent University, Bangladesh. [11] Mengze Shi(2005), Managing Consumer Switching Cost through Loyalty Incentives, Progress Report, Feb 14,2005. [12] M-K. Kim et al., (2004), The effects of customer satisfaction and switching barrier on customer loyalty in Korean mobile telecommunication services, Telecommunications Policy 28, (145-159) [13] Moon-Koo Kim & Jong-Hyun Park (2003), The effect of switching barrier on customer retention in Korean Mobile Telecommunication services, Electronics and Telecommunications Research Institute, Korea. [14] Ofir Turel & Alexander Serenko (2004), User Satisfaction with Mobile Services in Canada, Proceedings of the Third International Conference on Mobile Business, [15] Parasuraman, A. V. A. Zeithaml, & L.L.Berry (1985), “A conceptual Model of Service Quality and its Implications for Future Research”, Jounal of Marketing.

92

http://www.jdpower.com/

[16] Parasuraman, A. V. A. Zeithaml, & L.L.Berry (1988), “SERQUAL: A multiple-Item scale for measuring consumer perceptions of service quality”, Jounal of Retailing. [17] Richters & Dvorak,“A Framwork Of Defining the Quality of Communications Services” [18] Ruyter. K.D.,M.Wetzels&Bloemer (1998), On the relationship between perceived service quality, service loyalty and switching cost, International of Service Industry Managerment, 19(5), pp.436-453. [19] Trung tâm thông tin, Bộ BCVT (2005-2006), Tổng hợp báo chí tuần, MPT, [20] Trung tâm nghiên cứu tiếp thị –Trường Đại học Marketing (2003), Báo cáo kết quả nghiên cứu dự án khảo sát thị trường dịch vụ điện thoại di động tại TP.HCM, Hợp đồng dịch vụ số 116/Đ-MARC ngày 13/08/2003. [21] Wen-Hai Chih & Tzy-Wen Tang & I-Ju Chen (2002), The Service Quality Perceptional Analysis of Mobile Phone User in Mainland China, National Dong Hwa University. [22] Shih-Ping JENG (2003), Customer Loyalty in Competitive Market : Alternative Attractiveness, Switching Cost, and Satisfaction Effects, Fu Jen Catholic University Tạp chí BCVT-CNTT số tháng 2/2007Nguồn: http://www.mba-15.com/view_news.php?id=491

93

http://tapchibcvt.gov.vn/vi-VN/Tin_noi_bat/2008/1/18546.bcvt

http://www.mba-15.com/view_news.php?id=491

Bài viết 2. Đo lường mức độ trung thành của khách hàng đối với dịch vụ thông tin di động-Nghiên cứu tại thị trường TP.HCM

Phạm Đức Kỳ, Bùi Nguyên Hùng Khoa Quản lý Công nghiệp-ĐHBK TP.HCM

I. GIỚI THIỆU MÔ HÌNH NGHIÊN CỨU Bài viết “Nghiên cứu mô hình sự trung thành của khách hàng trong lĩnh vực thông tin di động tại Việt Nam”, Tạp chí BCVT&CNTT Kỳ 1 tháng 2/2007 đã phân tích các mô hình nghiên cứu sự trung thành của khách hàng trong lĩnh vực dịch vụ thông tin di động (TTDĐ) của một số nước trên thế giới và đề xuất mô hình lý thuyết áp dụng cho nghiên cứu tại thị trường TTDĐ Việt Nam [10]. Bài viết này sẽ trình bày kết quả nghiên cứu thực nghiệm tại thị trường TP. Hồ Chí Minh từ 01/2006 đến 05/2006 nhằm kiểm nghiệm mô hình lý thuyết đề xuất [10] và cung cấp một thang đo sự trung thành của khách hàng trong lĩnh vực dịch vụ TTDĐ tại Việt Nam. Về mặt thực tiễn kết quả nghiên cứu cung cấp thông tin giúp cho việc hoạch định chính sách sử dụng hiệu quả nguồn tài nguyên viễn thông đồng thời giúp các nhà cung cấp dịch vụ TTDĐ xây dựng chiến lược tiếp thị phòng thủ hiệu quả theo định hướng khách hàng. Mô hình nghiên cứu sử dụng thang đo 05 thành phần chất lượng dịch vụ trong lĩnh vực TTDĐ, kết hợp các mô hình nghiên cứu gần đây có xét thêm yếu tố “Rào cản chuyển mạng”, được nhiều tổ chức và cá nhân trên thế giới tiến hành, lựa chọn các nhân tố phù hợp với thị trường TTDĐ tại Việt Nam [10]. Trong mô hình này, chất lượng dịch vụ gồm 05 thành phần: Chất lượng cuộc gọi, Cấu trúc giá cước, Dịch vụ gia tăng, Sự thuận tiện và Dịch vụ khách hàng. Rào cản chuyển mạng gồm 03 thành phần: Chi phí chuyển mạng (tổn thất phát sinh khi chuyển mạng, chi phí thích nghi mạng mới, chi phí gia nhập mạng mới); Sự hấp dẫn của mạng khác, và Quan hệ khách hàng. II. PHƯƠNG PHÁP NGHIÊN CỨU Xác định các biến đo lường: nghiên cứu định tính nhằm xác định các nhân tố và các thuộc tính đo lường. Hơn 800 giao dịch viên các cửa hàng, đại lý Bưu điện tỉnh thành phía Nam đã được lấy ý kiến thăm dò trong khoảng thời gian từ 01/2006 đến 02/2006, sơ bộ hình thành thang đo ban đầu [10]. Tiếp theo tiến hành phỏng vấn 150 khách hàng để kiểm định độ tin cậy thang đo. Sau khi hiệu chỉnh một số biến, thang đo cuối cùng được sử dụng cho phỏng vấn chính thức. Mẫu và thông tin mẫu: khảo sát định lượng thực hiện tại khu vực TP.HCM từ tháng 03/2006 đến 05/2006, đối tượng chọn mẫu là khách hàng các mạng di động MobiFone, VinaPhone, S-Fone và Viettel, sử dụng dịch vụ 6 tháng trở lên, tiến hành phỏng vấn khách hàng tại các khu vực Quận, Huyện theo tỷ lệ dân cư hợp lý. Phương pháp lấy mẫu phi xác suất có phân tổ[14] theo giới tính (nam-58%, nữ-42%), 5 nhóm độ tuổi (18-24, 25-34, 35-44, 45-54, 55-64), thị phần thuê bao các mạng (Mobifone-52.8%, VinaPhone-21%, S-Fone 5.9%, Viettel-20.3%), trong mỗi mạng lại chia theo tỷ lệ thuê bao trả trước và thuê bao trả sau (MobiFone-70/30, VinaPhone-80/20, S-Fone-60/40, Viettel-65/35). Mô hình đo lường gồm 52 biến quan sát, theo quy tắc tối thiểu là: 5 x 3 = 15 mẫu cho một biến đo lường (Bentle & Chou, 1987), do đó số mẫu tính toán ban đầu là: 52 x 15 = 780, sau khi phát hành 1.170 mẫu, ết quả thu được 917 mẫu hợp lệ.k

Thu thập và phân tích dữ liệu: Mô hình lý thuyết nghiên cứu được xây dựng dựa trên nền tảng lý thuyết mô hình mạng SEM (Structural Equation Modeling) [1,3,6] và kỹ thuật xử lý

94

http://tapchibcvt.gov.vn/vi-VN/Tin_noi_bat/2008/1/18546.bcvt

III. KẾT QUẢ NGHIÊN CỨU .1. Kết quả thống kê mô tả 3

Dữ liệu phân tích dùng cỡ mẫu N= 917, với thang Likert 5 khoảng cách cho kết quả các giá trị Skewness và Kurtosis các biến đo lường phân bố trong khoảng [-1, +1] nên phân bố gần chuẩn và phương pháp ước lượng ML (Maximum Likelihood) được chấp nhận sử dụng [8]. Với thang đo Likert 5 khoảng (từ 1: rất không đồng ý đến 5: rất đồng ý), giá trị trung bình (mean) của các biến đo chất lượng dịch vụ có sự khác biệt khá cao (mean=2.82 ->3.64), đặc biệt khách hàng chưa hài lòng về giá cước (mean=2.84); Tổng đài hỗ trợ (mean=2.82); Mạng hay bị nghẽn, rớt mạch (mean=3.1), Giải quyết khiếu nại kéo dài và chưa thỏa đáng (mean=3.11). Ngoài ra, các biến đo “Vùng phủ sóng” và “Tổng đài hỗ trợ” có độ lệch chuẩn khá cao (1.056 và 1.149) và kết quả phân tích ANOVA xác nhận có sự khác biệt trong nhận thức giữa khách hàng của các mạng di động khác nhau đối với 02 biến đo này. Các biến đo Rào cản cũng được đánh giá sai biệt nhiều (mean=2.75->3.76), trong đó biến đo “Bất tiện khi đổi số điện thoại” đánh giá khá cao (mean=3.76) chứng tỏ khách hàng rất ngại chuyển đổi vì sợ bị gián đoạn thông tin liên lạc. Ngược lại, biến “Quan hệ khách hàng” (mean=3.01) và “Sự quan tâm của nhà cung cấp” (mean=2.75) được giá thấp cho thấy nhà cung cấp chưa chú trọng công tác chăm sóc khách hàng. Đối với “Sự hấp dẫn của mạng khác” về chất lượng (mean=3.55), Giá cước rẻ (mean=3.64) và Danh tiếng/Hình ảnh (mean=3.41) được khách hàng đánh giá cao. Khách hàng đánh giá Sự thỏa mãn hơi thấp (mean=3.1) trong khi Sự trung thành lại được đánh giá khá cao (mean=3.64) 3.2 Đánh giá sơ bộ thang đo: Tổ hợp thang đo Chất lượng-Rào cản chuyển mạng bao gồm thang đo “Chất lượng dịch vụ” với 05 thành phần và 31 biến đo lường ; thang đo “Rào cản chuyển mạng” với 03 thành phần và 21 biến đo lường. Kết quả phân tích độ tin cậy thang đo đã loại 02 biến (vì có tương quan biến tổng nhỏ hơn 0.3) còn lại 50 biến đưa vào phân tích EFA, các thành phần thang đo sau

hi loại biến đều có các hệ số Cronbach Alpha > 0.6 đạt yêu cầu.k .3. Phân tích nhân tố khám phá (EFA) 3

Sử dụng phân tích nhân tố bằng SPSS 13.0 cho kết quả EFA như sau: thành phần Dịch vụ gia tăng và thành phần Quan hệ khách hàng có hệ số tải (Factor Loading) nhỏ hơn 0.5 nên bị loại. Thang đo Chất lượng dịch vụ còn lại 04 thành phần là: Chất lượng cuộc gọi, Cấu trúc giá cước, Dịch vụ khách hàng và Sự thuận tiện. Thang đo Rào cản chuyển mạng còn lại 02 thành phần là: Chi phí thích nghi, Sự hấp dẫn của mạng khác. 3.4. Phân tích nhân tố khẳng định (CFA): Kết quả sử dụng phần mềm AMOS 6.0 để tiến hành phân tích CFA các thang đo khái niệm, kiểm nghiệm độ phù hợp của mô hình lý thuyết à kiểm định các giả thuyết như sau:v

Kiểm nghiệm mô hình tổ hợp thang đo Chất lượng –Rào cản a) Kết quả phân tích nhân tố khẳng định (CFA): Các hệ số tải từ các biến quan sát lên các

95

đ b) Các chỉ số độ phù hợp mô hình sau khi điều chỉnh đạt yêu cầu (Bảng 1). Như vậy 04 thành phần của Chất lượng dịch vụ và 02 thành phần của Rào cản chuyển mạng đạt được tính đơn nguyên[8]. Bảng 1: So sánh độ phù hợp của mô hình trước và sau khi hiệu chỉnh

Các chỉ số đánh giá Mô hình ban đầu Mô hình hiệu chỉnh

χ 2 (df) χ 2/ df

p GFI

AGFI TLI CFI

RMSEA

747.871 (155)4.82.000.921.893.879.901.065

423.269 (152)2.78.000.956.939.943.955.044

Ghi chú: các chỉ số cơ bản để đánh giá mô hình gồm: Fmin = χ 2/ df: Chi-square/bậc tự do; GFI: Goodness-of-Fit Index; AGFI: Adjusted GFI; TLI: Tucker-Lewis Coefficient; CFI: Comparative Fit Index; RMSEA: Root Mean Square Error of Approximation. Mô hình có các chỉ số χ 2/ df < 3 ; GFI, AGFI, TLI, CFI >.9 và RMSEA <.06 được xem là mô hình phù hợp với dữ liệu thị trường)[1,3,5]. c) Hệ số tương quan của các khái niệm thành phần đều < 1 và có ý nghĩa (p<.05) , do đó các khái niệm này đạt độ giá trị phân biệt[8]. Kiểm nghiệm mô hình thang đo Thoả mãn và Trung thành Thang đo mức độ thoả mãn của khách hàng là thang đo đơn hướng, được đo lường bằng 02 biến quan sát. Mô hình thang đo này được kiểm định bằng CFA và kết quả cho thấy mô hình này phù hợp với bộ dữ liệu khảo sát thị trường (χ2 = 0, χ 2/ df = 0 p = .000; Các chỉ số AGFI = 1, GFI = 1, TLI= 1 , CFI = 1 và RMSEA = .000). Thang đo này có hệ số tin cậy tổng hợp là .794 và phương sai trích được là 82.9%. Các hệ số tải của thang đo này đều khá cao (nhỏ nhất là Q9b = .80). Vì vậy, thang đo mức độ thoả mãn của khách hàng đạt được giá trị hội tụ và ính đơn nguyên[8].t

Tương tự thang đo mức độ trung thành của khách hàng được đo bằng 03 biến quan sát. Kết quả kiểm định mô hình ban đầu cho thấy mô hình phù hợp tốt với dữ liệu thị trường (χ 2 = 2.688, χ 2/df = 1.34, p = .261; Các chỉ số GFI = .998 , TLI = .998, CFI = .99 và RMSEA = .019). Thang đo có hệ số tin cậy tổng hợp là .755 và phương sai trích được là 67.5%. Các trọng số thang đo đều chấp nhận được (nhỏ nhất là Q11b = .61) . Vậy thang đo mức độ trung thành của khách hàng cũng đạt được giá trị hội tụ và tính đơn nguyên [8]. Kiểm nghiệm độ phù hợp của mô hình lý thuyết bằng SEM: Kết quả kiểm định CFA bằng phần mềm AMOS thực hiện theo nguyên tắc điều chỉnh các quan hệ có MI > 4 (MI-Indice Modification, là hệ số điều chỉnh ứng với sự thay đổi của χ 2 trên một bậc tự do) nhưng sự điều chỉnh này phải đảm bảo phù hợp về mặt cơ sở lý thuyết và bao hàm ý nghĩa về mặt thực tiễn. Sau khi thực hiện điều chỉnh, kết quả CFA cho thấy các chỉ số đánh giá độ phù hợp của mô hình lý thuyết đều được cải thiện đáng kể như hình 1 ( χ2/df = 2.37; GFI=.94; TLI=.94; CFI=.95; RMSEA = .039). Vì vậy mô hình này phù hợp với dữ liệu thị trường. Hơn nữa các hệ số hồi quy giữa khái niệm Sự thỏa mãn và Sự trung thành, các hệ số hồi quy giữa Sự thỏa mãn , Sự trung thành với các thành phần của chúng là Chất lượng dịch vụ và Rào cản chuyển đổi đều nhỏ hơn 1 và khác 0 một cách có ý nghĩa về mặt thống kê

96

(Hình 1). Vì vậy, có thể kết luận là các thành phần đo lường Sự thỏa mãn, Rào cản và Sự trung thành với các thành phần của chúng đạt được giá trị phân biệt[8].

Hình 1: Kết quả kiểm định mô hình lý thuyết

Kiểm nghiệm ước lượng mô hình bằng phân tích BOOSTRAP Để đánh giá tính bền vững của mô hình lý thuyết, phương pháp phân tích Boostrap được sử dụng. Đây là phương pháp lấy mẫu lặp lại có thay thế từ mẫu ban đầu (N=917), trong đó mẫu ban đầu đóng vai trò đám đông (Schumacker& Lomax, 1996). Số lần lấy mẫu lặp lại trong nghiên cứu được chọn là B = 1.500 lần, kết quả ước lượng với B lần từ N mẫu được tính trung bình và giá trị này có xu hướng gần với ước lượng của tổng thể. Kết quả độ chệnh của ước lượng (bias) và sai lệch chuẩn của nó có giá trị nhỏ và ổn định cho phép kết luận rằng các ước lượng ML áp dụng trong mô hình là tin cậy và được dùng cho các kiểm định giả thuyết tiếp theo. 3.5 Kiểm định mô hình hồi quy cấu trúc Kiểm định giả thuyết tương quan Kết quả kiểm định mô hình lý thuyết (Hình 2) cho thấy giữa các khái niệm (thành phần) có quan hệ (tương quan) với nhau một cách ý nghĩa nhưng vẫn đạt độ giá trị phân biệt, nghĩa là

97

c iểm định giả thuyết quan hệ nhân quả K

Hình 2: Kết quả kiểm định mô hình cấu trúc

Nhận xét: Từ kết quả kiểm định giả thuyết của mô hình cấu trúc (hình 2) cho thấy - Các thành phần Chất lượng dịch vụ có tác động tích cực (trực tiếp) lên Sự thỏa mãn và tích cực (gián tiếp) lên Sự trung thành là: Chất lượng cuộc gọi (.40), Giá cước(.23) và Dịch vụ khách hàng (.11), - Sự thuận tiện và Chi phí thích nghi tác động tích cực (trực tiếp) lên Sự trung thành và Rào cản. - Sự hấp dẫn của mạng khác có tác động tiêu cực (trực tiếp) làm giảm đồng thời cả Sự thỏa mãn, Sự trung thành và Rào cản, - Sự trung thành được giải thích bởi sự thoả mãn (.66) và Rào cản (.17) tương ứng với 79% à 21%. v

3.6. Đánh giá sự khác biệt có ý nghĩa giữa các nhóm khách hàng (Bảng 2) Bảng 2: Kết quả phân tích ANOVA giữa các nhóm khách hàng

YẾU TỐ ĐÁNH GIÁ CAO/RẺ ĐÁNH GIÁ THẤP/ĐẮT

CHẤT LƯỢNG CUỘC GỌI

- Vinaphone, MobiFone - Nhân viên, học sinh-sinh viên

- Viettel Mobile - Nhà quản lý

GIÁ CƯỚC - Nam, Lớn tuổi, Học vấn thấp,Vị trí xã hội thấp. - Viettel Mobile - Thuê bao trả trước

- Nữ, Trẻ tuổi, Học vấn cao, Vị trí xã hội cao. - MobiFone, VinaPhone - Thuê bao trả sau

DỊCH VỤ KHÁCH HÀNG

- Lớn tuổi - Trẻ tuổi

THUẬN TIỆN - Thuê bao trả trước - Thuê bao trả sau

CHI PHÍ THÍCH NGHI

- VinaPhone - Thuê bao trả sau

- MobiFone - Thuê bao trả trước

98

THỎA MÃN - MobiFone - VinaPhone

TRUNG THÀNH - VinaPhone - Thời gian sử dụng dịch vụ dài

- MobiFone - Thời gian sử dụng dịch vụ ngắn.

IV. KẾT LUẬN .1. Kết quả nghiên cứu4 Đóng góp của nghiên cứu này là xây dựng mô hình lý thuyết, kiểm định các giả thuyết và cung cấp một thang đo mới trong lĩnh vực TTDĐ tại Việt Nam, lượng hoá cường độ tác động của các yếu tố thành phần, trong đó đáng chú ý là: thành phần Chất lượng dịch vụ vẫn đóng vai trò quan trọng (0.4) so với Giá cước (0.23) và Dịch vụ khách hàng (0.11); Sự thuận tiện tác động trực tiếp lên Sự trung thành mà không thông qua sự thoả mãn, Sự hấp dẫn của mạng khác có tác động tiêu cực đến cả sự thoả mãn và sự trung thành của khách hàng mạng hiện tại; tác động của nhân tố Sự thoả mãn chiếm 79% so với Rào cản chuyển mạng chiếm 21% lên Sự trung thành. Kết quả nghiên cứu cũng phù hợp với một số nghiên cứu tại các thị trường Đài Loan[13] và Hàn Quốc[7]. Kết quả phân tích ANOVA được tổng kết tại Bảng 2 còn cung cấp một số thông tin hữu ích cho các nhà quản lý trong xây dựng chiến lược theo phân khúc thị trường. 4.2. Hàm ý đối nhà quản trị dịch vụ Kết quả nghiên cứu cho thấy: để tăng cường sự trung thành của khách hàng thì tăng sự thỏa mãn của họ đối với chất lượng dịch vụ là chưa đủ mà còn phải tăng rào cản chuyển mạng để giữ khách hàng bằng cách tăng rào cản nội sinh (chi phí thích nghi) và giảm ảnh hưởng của thành phần ngoại sinh (sự hấp dẫn của mạng khác). Về nguyên tắc, doanh nghiệp (DN) cần phối hợp thực hiện các giải pháp theo như mô hình cấu trúc (Hình 2). Đây chính là các đặc tính thứ hai của mô hình Kano[2] mà các nhà quản trị cần quan tâm. Một kết quả đáng được lưu ý nữa là: khách hàng VinaPhone mặc dù có mức độ thỏa mãn thấp nhưng lại có mức độ trung thành khá cao. Điều này được giải thích bằng: a) “Chi phí thích nghi” được khách hàng đánh giá cao từ kết quả thống kê mô tả và từ phân tích ANOVA; b) “Sự thuận tiện” do đang được thừa hưởng kênh bán hàng và chăm sóc khách hàng tại các Bưu điện tỉnh, thành (BĐTT). Chi phí thích nghi và Sự thuận tiện được đánh giá cao chính là nguyên nhân làm tăng Sự trung thành. Mặc dù yếu tố Chi phí thích nghi hiện đang được đánh giá cao (khách hàng ngại chuyển sang mạng khác) nhưng yếu tố này sẽ bị suy giảm rất nhiều trong tương lai khi Bộ BCVT cho phép các mạng liên kết cơ sở dữ liệu chung và khách hàng chuyển mạng được giữ nguyên số điện thoại. Còn Sự thuận tiện cũng sẽ bị hạn chế khi VinaPhone tiến hành cổ phần hoá không còn dựa vào kênh phân phối của các BĐTT như hiện nay. Do vậy, Vinaphone cần chủ động xây dựng rào cản mang tính tính cực và bền vững hơn. Ngược lại, Sự hấp dẫn của mạng khác có tác động tiêu cực làm giảm cả Sự thoả mãn và Sự trung thành. Cho nên, để làm giảm hiệu ứng Sự hấp dẫn của mạng khác, các DN cần nỗ lực thực hiện giải pháp tạo lợi thế cạnh tranh như sau:

4.3. Hàm ý đối với việc hoạch định chính sách Từ kết quả nghiên cứu, có một số đề xuất đối với việc hoạch định chính sách: a) Kiến nghị chính phủ rút ngắn thời gian khấu hao thiết bị để phù hợp với chu kỳ công nghệ

99

v b) Có mức phạt hành chính đối với DN chỉ tập trung phát triển thuê bao bằng giảm giá/khuyến mãi mà không đảm bảo chất lượng dịch vụ và công khai kết quả thanh tra chất lượng dịch vụ của các nhà cung cấp trên các phương tiện thông tin đại chúng. c) Giám sát quy trình quản lý chất lượng dịch vụ theo Quyết định 33/2006/QĐ-BBCVT của Bộ BCVT đối với chỉ tiêu chất lượng đăng ký của các nhà cung cấp dịch vụ TTDĐ bảo vệ lợi ch cho người tiêu dùng, đảm bảo thị trường phát triển bền vững, í

d) Khuyến khích các nhà cung cấp dịch vụ sử dụng chung hạ tầng mạng và cơ sở dữ liệu khách hàng như kinh nghiệm tại một số nước trên thế giới và khu vực (Hàn Quốc, Đài Loan) nhằm tiết kiệm tài nguyên viễn thông, giảm tỷ lệ khách hàng chuyển mạng, giảm lãng phí đầu ư và tăng sức mạnh cho toàn ngành trước khi mở cửa thị trường để hội nhập. t

TÀI LIỆU THAM KHẢO [1]. Bollen, K.A (1989), Structural Equation with Latent Variables, New York: John Wiley & Sons. [2]. Bùi Nguyên Hùng, Nguyễn Thúy Quỳnh Loan (2004), Quản lý chất lượng, NXB Đại học Quốc gia TP.HCM, [3]. Hair et al (2000), Applied Multivariate Statistics, Week 11, chap 11. [4]. Hoàng Trọng (2005), Phân tích dữ liệu nghiên cứu với SPSS, NXB thống kê. [5]. James L. Arbuckle(2005), Amos 6.0 User’s Guide, Copyright © 1995–2005 by Amos Development Corporation, http://amosdevelopment.com [6]. J.J. Hox (2003), An Introduction to Structural Equation Modeling, Family Science Review, 11, 354-373. [7]. M-K. Kim et al., (2004), The effects of customer satisfaction and switching barrier on customer loyalty in Korean mobile telecommunication services, Telecommunications Policy 28, (145-159) [8]. Nguyễn Đình Thọ và các thành viên (2003), Đo lường chất lượng dịch vụ vui chơi giải trí ngoài trời TP.HCM, Đề tài nghiên cứu khoa học, mã số CS2003-19 [9]. Ofir Turel & Alexander Serenko (2004), User Satisfaction with Mobile Services in Canada, Proceedings of the Third International Conference on Mobile Business, [10]. Phạm Đức Kỳ, Bùi Nguyên Hùng, Nghiên cứu mô hình sự trung thành của khách hàng trong lĩnh vực dịch vụ TTDĐ tại Việt Nam”, Tạp chí BCVT&CNTT, 02/2007 [11]. Rich Zimmerman & Olga Dekhtyar (2004), AMOS-Analysis of Moment Structures, University of Kentucky. [12]. Scott MacLean, Kevin Gray (1998), Structural Equation Modeling in Marketing Research, Jounal of the Australian Market Research Society. [13]. Shih-Ping JENG (2003), Customer Loyalty in Competitive Market: Alternative Attractiveness, Switching Cost, and Satisfaction Effects, Fu Jen Catholic University [14]. Trần Xuân Kiêm, Nguyễn Văn Thi (2004), Nghiên cứu tiếp thị, NXB Thống kê. Tạp chí BCVT&CNTT tháng 4/2007

http://opac.lrc.ctu.edu.vn/pdoc/15/4-Nghiencuusutrungthanhcuakhachhang.pdf

Xem http://www.mba-15.com

100

http://www.tapchibcvt.gov.vn/vi-vn/kinhtebuudien/2008/1/18101.bcvt

http://opac.lrc.ctu.edu.vn/pdoc/15/4-Nghiencuusutrungthanhcuakhachhang.pdf

http://www.mba-15.com/

Documents

BÀI GIẢNG - tinhgiac.com · NGUYỄN KHÁNH DUY Giảng viên Khoa Kinh tế Phát Triển Trường ĐH Kinh tế TPHCM BÀI GIẢNG (Bản thảo lần 1) THỰC HÀNH MÔ HÌNH