Chỉ số MI - Modification Indices trong AMOS

 Trong AMOS, chúng ta có chỉ số MI (Modification Indices) - chỉ số hiệu chỉnh - dùng để nhận diện các vấn đề liên quan đến cấu trúc thang đo nhân tố, trùng lắp thang đo, gây ảnh hưởng đến độ phù hợp mô hình.

Để hiển thị MI trong output của AMOS, chúng ta nhấp vào biểu tưởng Analysis Properties.

Chuyển sang thẻ Output, tích chọn vào Modification indices và nhập ngưỡng giá trị 15 vào ô kế bên. Sau đó nhấn nút X góc trên bên phải để xác nhận các thay đổi.

Sau khi chạy phân tích, trong Output, chúng ta vào mục Modification Indices giống như ảnh. Bên phải lần lượt sẽ là các bảng MI của phương sai, hiệp phương sai và hệ số tác động.

1. MI Covariances cao: Hiện tượng trùng lắp thang đo

Bảng Covariances trong MI thể hiện vấn đề hiệp phương sai của các yếu tố với nhau. Chúng ta sẽ chú trọng tới hiệp phương sai cặp sai số e trong cùng một thang đo. Nếu MI cao khá đột biến (thường lấy ngưỡng từ 30), nghĩa là hai sai số có hiệp phương sai quá cao, chúng ta nên nối mũi tên Covariance giữa chúng để giảm MI đi.

                  

Kết quả MI Covariances ở trên cho thấy cặp sai số e1 và e2 có MI rất cao là 83.480, và 2 sai số này tương ứng với biến quan sát C2, C5 thuộc cùng thang đo C. MI cao chỉ ra rằng nếu nối mũi tên hai chiều cặp sai số này thì hệ số MI sẽ giảm và mô hình sẽ tốt hơn. Thường việc dẫn đến MI cao giữa hai sai số của hai biến quan sát cùng một thang đo là do sự chồng chéo, trùng lặp dữ liệu (hai câu hỏi có nội dung tương tự nhau). 

Để giảm MI và tăng độ phù hợp mô hình, chúng ta cần khai báo cho phần mềm biết rằng cặp e1-e2 có hiệp phương sai cao bằng cách nối mũi tên hai chiều giữa chúng.

2. MI Regression Weights cao: Hiện tượng biến quan sát thang đo này tải mạnh lên thang đo khác

Bảng Regression Weights trong MI thể hiện vấn đề hệ số tải của của các yếu tố với nhau. Hệ số MI cao giữa biến quan sát ở nhóm này với biến tiềm ẩn ở nhóm khác cho thấy biến quan sát đó đang biểu hiện đặc điểm của biến tiềm ẩn khác rất mạnh. 

Như trong ví dụ ở bảng trên, biến A3 thuộc thang đo A nhưng lại tải mạnh lên thang đo B bởi vì hệ số MI từ B lên A3 rất cao 53.957. Hướng xử lý để giảm MI và tăng độ phù hợp mô hình là nối mũi tên một chiều từ B lên A3. Việc này ngụ ý chúng ta chỉ định A3 vừa nằm trong nhóm B vừa nằm ở nhóm A.

Tuy nhiên, trên thực tế làm luận văn chúng ta nên xử lý triệt để vấn đề tính phân biệt. Biến A3 tải lên ở cả hai thang đo, đây thực sự là một biến không rõ ràng, do vậy nên được loại bỏ khỏi nghiên cứu thay vì xử lý bằng cách nối mũi tên như ở trên.

-------------

Nếu bạn gặp các vấn đề về tính hội tụ, phân biệt, các chỉ số độ phù hợp mô hình không đạt ngưỡng, kết quả SEM các mối tác động đều không có ý nghĩa, tác động sai chiều,... có thể tham khảo qua dịch vụ AMOS của Phạm Lộc Blog tại đây.