Bài giảng PTDLKD 01/08/2023

Chương 5
PHÂN TÍCH NHÂN TỐ CFA

Chương 5. PHÂN TÍCH NHÂN TỐ CFA

Các nội dung chính:
5.1 Khái niệm
5.2 Đo lường sự phù hợp
5.3 Thực hành trên Stata

Mr U_Giảng viên PTDLKD 1

Bài giảng PTDLKD 01/08/2023

5.1 Khái niệm

Ý tưởng. Các lý thuyết về khoa học xã hội và hành vi thường gặp phải
rất nhiều các khái niệm trừu tượng (khó đo lường), chẳng hạn như trong
nghiên cứu “Nhận thức rủi ro trong sự chấp nhận thanh toán qua mạng
xã hội” của Nguyễn Thị Thùy Vân & Nguyễn Duy Thanh (2016) thì khái
niệm “Kỳ vọng hiệu quả khi thanh toán qua mạng” không thể đo lường
một cách trực tiếp
Nhân tố Các biến quan sát
Kỳ vọng Thực hiện thanh toán qua MXH sẽ nâng cao hiệu quả giao dịch (PEE1)
hiệu quả Thực hiện thanh toán qua MXH giúp tiết kiệm thời gian (PEE2)
(PEE) Thanh toán qua MXH rất hữu ích (PEE3)
Thanh toán qua MXH rất thuận tiện (PEE4)

5.1 Khái niệm

Phân tích nhân tố (CFA – Confirmantory Factor Analysis) là một mô
hình thống kế giải quyết việc đo lường các biến tiềm ẩn (factor, latent
variable, construct variable) qua các biến quan sát (hoặc chỉ báo –
indicator) được dùng để đo lường các biến tiểm ẩn.
Ví dụ 5.1 Trong nghiên cứu “Nhận thức rủi ro trong sự chấp nhận thanh
toán qua mạng xã hội” của Nguyễn Thị Thùy Vân & Nguyễn Duy Thanh
(2016)

Mr U_Giảng viên PTDLKD 2

Bài giảng PTDLKD 01/08/2023

Notes.
- Các biến trong một construct variable đòi hỏi các nghiên cứu phải xây
dựng một cơ sở lý thuyết đầy đủ để khẳng định các biến dùng để đo
lường construct variable là phù hợp.
- CFA được sử dụng để kiểm tra cấu trúc của một construct variable dựa
trên dữ liệu của các biến trong construct variable được thu thập, chẳng
hạn như từ bảng hỏi.

Mr U_Giảng viên PTDLKD 3

Bài giảng PTDLKD 01/08/2023

Ví dụ 5.1 (tt)

ε1 ε2 ε3 ε4

PEE1 PEE2 PEE3 PEE4

PEE

Option 1. One latent variable

trong đó
- λ được gọi là hệ số tải nhân tố (factor loading)- hệ số hồi quy

- ξ đgl nhân tố (factor, construct var, latent var)

- δ đgl sai số của chỉ báo (indicator, variables)

- x đgl chỉ báo (indicator, variable)

Mr U_Giảng viên PTDLKD 4

Bài giảng PTDLKD 01/08/2023

Mô hình CFA cũng có thể được biểu diễn dưới dạng một hệ phương trình
như sau
x1  1  1  1
x 2   2   2  2
x 3   3   3  3
x 4   4   4  4
trong đó
- αi là tung độ gốc trong phương trình thứ i
- λi là hệ số góc trong phương trình thứ i
- δi là sai số trong phương trình thứ i
Notes. CFA chỉ quan tâm đến giá trị trung bình và phương sai của biến
tiềm ẩn (construct var, latent var, factor)

Case 1. Amsumption λi =1.0

Mr U_Giảng viên PTDLKD 5

Bài giảng PTDLKD 01/08/2023

Ví dụ 5.2 Mở file cfa1.dta, Tìm λi trong CFA có mô hình như sau

với giả định λ1 =1.0

OIM
Coef. Std. Err. z P>|z| [95% Conf. Interval]

Measurement
du1
L1 1 (constrained)
_cons 4.022727 .0554632 72.53 0.000 3.914021 4.131433

du2
L1 .9536576 .0343667 27.75 0.000 .8863001 1.021015
_cons 4.040909 .0535191 75.50 0.000 3.936014 4.145805

du3
L1 .9134626 .0335243 27.25 0.000 .8477562 .9791689
_cons 3.918182 .0515318 76.03 0.000 3.817181 4.019182

var(e.du1) .0676399 .0114014 .0486098 .0941199

var(e.du2) .0761759 .0112192 .057076 .1016676
var(e.du3) .0759598 .0106771 .0576682 .1000533
var(L1) .6091163 .0648879 .4943375 .7505453

. sum du1 du2 du3

Variable Obs Mean Std. Dev. Min Max

du1 220 4.022727 .824528 3 5

du2 220 4.040909 .7956268 3 5
du3 220 3.918182 .7660826 3 5

Mr U_Giảng viên PTDLKD 6

Bài giảng PTDLKD 01/08/2023

Case 2. Amsumption Var (ξ)=1.0

x1  1  1  1
x 2   2  2  2
x 3   3   3  3
x 4   4  4  4
 Var(x1 )  Var  1  1  1   12 Var()  Var(1 )
 12  Var(1 )

Case 2. Amsumption Var (ξ)=1.0

x1  1  1  1
x 2   2  2  2
x 3   3   3  3
x 4   4  4  4
 Var(x1 )  Var  1  1  1   12 Var()  Var(1 )
 12  Var(1 )

Mr U_Giảng viên PTDLKD 7

Bài giảng PTDLKD 01/08/2023

Case 2. Amsumption Var (ξ)=1.0 (tt)

Step 1. Tính hệ số tương quan giữa các xi

corr x1 x2 x3 x4
x1 r11
x2 r21 r22
x3 r31 r32 r33
x4 r41 r42 r43 r44

Step 2. Tìm mối liên hệ giữa rij và các hệ số λi

λi*λj =rij công thc này ch úng vi var(theta) = 1

Step 3. Giải các phương trình trong Step 2 để tìm λi

Ví dụ. Mở file cfa1.dta, Tìm λi trong CFA có mô hình như sau với giả
định Var (DU) =1

lamda1 lamda2 lamda3

Mr U_Giảng viên PTDLKD 8

Bài giảng PTDLKD 01/08/2023

OIM
Standardized Coef. Std. Err. z P>|z| [95% Conf. Interval]

Measurement
du1
L1 .9487111 .0099508 95.34 0.000 .929208 .9682143
_cons 4.889951 .2426727 20.15 0.000 4.414321 5.36558

du2
L1 .9376106 .0108991 86.03 0.000 .9162488 .9589723
_cons 5.090483 .2518703 20.21 0.000 4.596826 5.584139

du3
L1 .932727 .0113429 82.23 0.000 .9104953 .9549588
_cons 5.126232 .2535129 20.22 0.000 4.629356 5.623108

var(e.du1) .0999472 .0188808 .0690195 .1447336

var(e.du2) .1208864 .0204381 .0867893 .1683795
var(e.du3) .1300203 .0211597 .0945116 .1788698
var(L1) 1 . . .

. sum du1 du2 du3

Variable Obs Mean Std. Dev. Min Max

du1 220 4.022727 .824528 3 5

du2 220 4.040909 .7956268 3 5
du3 220 3.918182 .7660826 3 5

cui k, thi 4 TN 16 câu + 6 im TL,

60ph ngày thi 8/8, m, b c1

Option 2. Two latent variables cov(theta1,theta2) Chng 5: Xác nh latern var c biu
din + h pt (v mô hình)
T gi nh 1 -> tính h s ti nhân t
lamda i

chng 4:
- H s tng quan tuyn tính
- o lng s phù hp OLS dùng R^2 i vi hi quy n bin
- Xác nh mi liên h gia TSS, RSS và ESS
- Công thc B1, B2
- c kt qu reg
- Xác nh c TSS, RSS, ESS là gì? Mi liên h ca TSS, RSS, ESS vi R^2
- Mi liên h gia R^2 vi h s tng quan rxy
- c lng - tin cy

x1  1  111  1
- Kim nh - Mc ý ngha
- Tính giá tr kim nh
- Hc trng hp 1 và 2, b TH3

x 2   2   211  2 - Không thi phn T l và o lng, 4.2.2.2

x 3   3   32 2  3
x 4   4   42 2   4
Hi quy tuyn tính a bin
c các ch s trong stata, (nhìn vào xem có ý ngha hay không)
- o lng s phù hp
- Hc công thc
- S u im ca Adj R^2 so vi R^2 (s khác bit gia hi quy n và a)
- H s o lng iu chnh Rngang^2

Mr U_Giảng viên PTDLKD 9

Bài giảng PTDLKD 01/08/2023

Case 1. Assumption λi = 1 Case 2. Assumption Var (ξi ) = 1

Ví dụ. Mở file cfa1.dta, với mô hình CFA như sau:

Tìm λi trong 2 trường hợp sau:

Case 1. λi = 1
Case 2. Var (ξi ) = 1

Mr U_Giảng viên PTDLKD 10

Bài giảng PTDLKD 01/08/2023

OIM
Coef. Std. Err. z P>|z| [95% Conf. Interval]

Measurement
du1
L1 1 (constrained)
_cons 4.022727 .0554632 72.53 0.000 3.914021 4.131433

du2
L1 .9536506 .0343666 27.75 0.000 .8862933 1.021008
_cons 4.040909 .0535191 75.50 0.000 3.936014 4.145805

du3
L1 .9134636 .0335238 27.25 0.000 .8477581 .9791692
_cons 3.918182 .0515317 76.03 0.000 3.817181 4.019182

tu1
L2 1 (constrained)
_cons 4.209091 .0510998 82.37 0.000 4.108937 4.309245

tu2
L2 .9716888 .0569295 17.07 0.000 .8601091 1.083268
_cons 3.813636 .0559218 68.20 0.000 3.704032 3.923241

tu3
L2 .6236927 .0328731 18.97 0.000 .5592627 .6881227
_cons 4.368182 .0337643 129.37 0.000 4.302005 4.434359

var(e.du1) .0676373 .0114011 .0486078 .0941168

var(e.du2) .0761819 .0112191 .0570818 .1016731
var(e.du3) .0759565 .010677 .0576652 .1000498
var(e.tu1) .0711836 .017587 .0438609 .1155266
var(e.tu2) .2128102 .0254424 .1683556 .2690031
var(e.tu3) .0550339 .0082048 .0410892 .0737111
var(L1) .6091184 .0648878 .4943397 .7505472
var(L2) .5032789 .0567207 .4035305 .6276839

cov(L1,L2) .011743 .0396105 0.30 0.767 -.0658922 .0893781

LR test of model vs. saturated: chi2(8) = 5.57, Prob > chi2 = 0.6948

Mr U_Giảng viên PTDLKD 11

Bài giảng PTDLKD 01/08/2023

OIM
Standardized Coef. Std. Err. z P>|z| [95% Conf. Interval]

Measurement
du1
L1 .9487131 .0099505 95.34 0.000 .9292104 .9682157
_cons 4.889952 .2426726 20.15 0.000 4.414322 5.365582

du2
L1 .9376055 .0108992 86.02 0.000 .9162434 .9589676
_cons 5.090484 .2518703 20.21 0.000 4.596827 5.584141

du3
L1 .93273 .0113427 82.23 0.000 .9104987 .9549613
_cons 5.126234 .2535128 20.22 0.000 4.629358 5.62311

tu1
L2 .935995 .0172458 54.27 0.000 .9021939 .9697961
_cons 5.553381 .2731966 20.33 0.000 5.017926 6.088837

tu2
L2 .8310721 .0248006 33.51 0.000 .7824639 .8796804
_cons 4.597762 .2293241 20.05 0.000 4.148295 5.047229

tu3
L2 .8834996 .0205287 43.04 0.000 .8432642 .923735
_cons 8.722321 .4212503 20.71 0.000 7.896685 9.547956

var(e.du1) .0999435 .0188803 .0690167 .1447289

var(e.du2) .1208959 .0204384 .086798 .168389
var(e.du3) .1300147 .0211594 .0945068 .1788637
var(e.tu1) .1239134 .0322839 .0743617 .2064842
var(e.tu2) .3093191 .0412221 .2382152 .4016466
var(e.tu3) .2194284 .0362741 .1587008 .3033937
var(L1) 1 . . .
var(L2) 1 . . .

cov(L1,L2) .0212092 .0714961 0.30 0.767 -.1189207 .161339

LR test of model vs. saturated: chi2(8) = 5.57, Prob > chi2 = 0.6948

Mr U_Giảng viên PTDLKD 12

Bài giảng PTDLKD 01/08/2023

Option 3. Complex two latent variables

x1  1  111  1
x 2   2   211   2
x 3   3   311   32  2  3
x 4   4   42 2  4
x 5   5   52 2  5

Mr U_Giảng viên PTDLKD 13

Bài giảng PTDLKD 01/08/2023

Mr U_Giảng viên PTDLKD 14

Bài giảng PTDLKD 01/08/2023

Phân biệt CFA và SEM

5.2 Đo lường sự phù hợp (goodness-of-fit indices)

2
 2  FML  n  1  22  n  1
1
d   2  df / (N)
RMSEA  SQRT(d / df )
CFI  1  max   T2  df T  ,0  / max   T2  df T  ,   2B  df B  ,0 

TLI    2B / df B     T2 / df T   /  2B / df B   1

RMSEA - the root mean square error of approximation - đánh giá mức
độ phù hợp của model có hay không sự phù hợp với tổng thể.

Mr U_Giảng viên PTDLKD 15

Bài giảng PTDLKD 01/08/2023

CFI - Comparative fit indices dùng để đo lường sự phù hợp của mô hình
hiện thời với một mô hình giả định (baseline model), thường là mô hình
được giả định hiệp phương sai (Cov) giữa các chỉ báo (indicators,
variables) là cố định hoặc bằng 0 (O’Boyle & Williams, 2011).
TLI - Tucker–Lewis index- non-normed fit index dùng để đo lường sự
phù hợp của mô hình hiện thời tương tự như CFI nhưng kèm thêm chức
năng là ngăn chặn model hiện thời xuất hiện thêm các tham số tự do
được thêm vào model nếu các tham số tự do này không tốt.

Chỉ số đo Ngưỡng chấp nhận Ngưỡng từ

độ phù chối
hợp
RMSEA < 0.08 (Browne and Cudeck (1993)) >0.10
< 0.06 (Hu and Bentler (1999))
0.08 - 0. 10 “mediocre fit “ ( MacCallum et al,
1996)
CFI > 0.9 (Bentler, 1990) < 0.90
TLI > 0.9 (Bentler, 1990) < 0.90

Mr U_Giảng viên PTDLKD 16