Một thang đo có nhiều câu hỏi không có nghĩa là đo tốt. Các item có thể rất giống nhau nên Alpha cao nhưng tất cả cùng đo sai khái niệm; hoặc các construct khác tên nhưng thực chất không phân biệt được. Vì vậy đánh giá thang đo phải đi qua ít nhất ba câu hỏi: có nhất quán không, có hội tụ vào đúng cấu trúc không, và có phân biệt với cấu trúc khác không?
Chuyên đề: Mô hình định lượng, không gian & mô phỏng trong BĐS · Bài 02 · Đo lường, SEM và ra quyết định bán định lượng
Biên soạn: ThS. Nguyễn Mạnh Hùng
Đơn vị: GV. Khoa QLĐĐ&BĐS – ĐH Nông Lâm TP.HCM
Email: nguyenmanhhung@hcmuaf.edu.vn
1. Reliability không đồng nghĩa validity
Reliability – độ tin cậy – hỏi phép đo có ổn định/nhất quán không. Validity – giá trị đo lường – hỏi nó có thật sự đo đúng khái niệm không. Một cân bị lệch +2 kg nhưng rất ổn định có reliability cao và validity thấp.
Trong survey, bốn item gần như giống hệt nhau có thể tạo alpha rất cao nhưng không bao phủ đầy đủ construct.
2. Cronbach’s Alpha: dùng đúng vai trò
Alpha phản ánh mức nhất quán nội tại dưới các giả định nhất định, trong đó tau-equivalence thường không hoàn toàn đúng. Alpha không phải bằng chứng duy nhất của reliability và không nên được tối đa hóa bằng cách viết item trùng nhau.
Ngưỡng 0,70 thường được dùng tham khảo, nhưng không phải quy luật cứng. Nghiên cứu khám phá, số item ít và mục tiêu đo khác nhau cần diễn giải theo bối cảnh.
3. Composite Reliability và Omega
Composite Reliability sử dụng loading ước lượng nên linh hoạt hơn khi item có loading khác nhau. McDonald’s Omega cũng thường được khuyến nghị vì ít phụ thuộc tau-equivalence hơn alpha.
Một báo cáo tốt không cần chạy mọi chỉ số để “đẹp”, mà nên chọn phù hợp mô hình đo lường và trình bày minh bạch.
4. Indicator reliability và factor loading
Với reflective model, standardized loading cho biết indicator liên hệ với latent factor. Loading thấp gợi ý item chứa nhiều nhiễu hoặc đo khác nội dung.
Không nên xóa item chỉ vì loading dưới một ngưỡng máy móc. Cần xét content validity: item có đại diện một khía cạnh quan trọng mà các item khác không có không?
5. Giá trị hội tụ – Convergent Validity
Các indicator của cùng construct phải cùng hội tụ. Trong CFA/SEM, Average Variance Extracted – AVE – thường được dùng: trung bình phần phương sai indicator được construct giải thích.
AVE khoảng 0,50 thường được xem là dấu hiệu construct giải thích ít nhất một nửa phương sai indicator, nhưng phải đọc cùng loading và lý thuyết.
6. Giá trị phân biệt – Discriminant Validity
Hai construct khác nhau phải đủ phân biệt. Ví dụ Perceived Usefulness không được gần như trùng hoàn toàn với Performance Expectancy; Trust không được là Satisfaction đổi tên.
Nếu discriminant validity kém, structural paths giữa hai construct rất khó diễn giải vì ta chưa chắc đang đo hai thứ khác nhau.
7. Fornell–Larcker: hữu ích nhưng không nên là kiểm tra duy nhất
Tiêu chí Fornell–Larcker so căn bậc hai AVE với tương quan giữa constructs. Tuy nhiên nghiên cứu phương pháp sau này cho thấy nó có thể bỏ sót vấn đề phân biệt. Vì vậy nên kết hợp thêm HTMT và kiểm nội dung item.
8. HTMT
Heterotrait–Monotrait Ratio đánh giá mức tương quan chéo giữa indicators của các construct khác nhau so với cùng construct. HTMT thấp hơn khoảng 0,85 hoặc 0,90 thường được tham khảo tùy bối cảnh.
Không nên biến 0,90 thành lằn ranh tuyệt đối. Quan trọng là construct definition và khoảng tin cậy của HTMT.
9. Bảng kiểm thang đo
| Construct | Alpha | Omega/CR | AVE | HTMT lớn nhất | Kết luận |
|---|---|---|---|---|---|
| Trust | 0.86 | 0.89 | 0.67 | 0.71 | Ổn |
| Satisfaction | 0.91 | 0.92 | 0.74 | 0.93 với Trust | Cần xem phân biệt |
Bảng này cho thấy reliability tốt chưa đủ nếu Trust và Satisfaction không phân biệt.
10. Xóa item: quyết định lý thuyết trước thống kê
Nếu xóa item chỉ để Alpha tăng từ 0,78 lên 0,82 nhưng item đó đại diện một chiều quan trọng, thang đo có thể hẹp đi. Mọi thay đổi sau CFA nên được ghi lại và nếu có thể kiểm trên mẫu khác.
11. Content validity
Trước mọi chỉ số, thang đo phải bao phủ nội hàm construct. Expert review, cognitive interview và literature mapping giúp kiểm content validity. Thống kê không thể cứu một thang đo bỏ sót phần cốt lõi.
12. Criterion validity và predictive validity
Nếu Trust được kỳ vọng liên quan Transaction Completion, ta có thể kiểm nó dự báo outcome ngoài thang đo. Với app BĐS, satisfaction có thể được đối chiếu renewal hoặc churn. Điều này giúp thang đo gắn với hành vi thật.
13. Measurement invariance trước so nhóm
Một construct có reliability tốt ở toàn mẫu nhưng item vận hành khác giữa nhóm. Trước MGA hoặc so mean, cần kiểm cấu trúc đo lường có tương đương. Nếu không, khác biệt nhóm có thể do cách hiểu item.
14. Case: Trust và Perceived Risk trong e-contract
Pilot cho thấy Trust Alpha 0,90, Risk Alpha 0,88. Nhưng HTMT giữa Trust và Risk = 0,94 do nhiều item viết đối nghĩa nhau: “an toàn” và “không rủi ro”. Nhóm phải viết lại Risk theo khả năng/mức tổn thất, thay vì chỉ phủ định Trust.
15. Cấu trúc dữ liệu để audit thang đo
| item_id | construct | wording | loading | reverse | source | status | reason |
|---|---|---|---|---|---|---|---|
| TR3 | TRUST | ... | 0.63 | No | Adapted | Keep | Content quan trọng |
Lưu lịch sử item giúp tránh “p-hacking thang đo” và hỗ trợ tái lập.
16. Sai lầm thường gặp
- Alpha cao = thang đo đúng.
- Xóa item để tối đa Alpha.
- Chỉ dùng Fornell–Larcker.
- Không kiểm construct definition.
- Không có content validity.
- So nhóm khi chưa kiểm invariance.
17. Bài tập thực hành
Cho ba construct Trust, Satisfaction và Perceived Usefulness. Hãy lập kế hoạch kiểm reliability, convergent validity và discriminant validity; nêu điều bạn sẽ làm nếu CR tốt nhưng HTMT quá cao; và giải thích khi nào không nên xóa item loading thấp.
Ghi nhớ trong 30 giây
- Reliability khác validity.
- Alpha không phải tiêu chuẩn duy nhất.
- AVE hỗ trợ convergent validity.
- HTMT hữu ích cho discriminant validity.
- Thống kê phải phục vụ định nghĩa lý thuyết, không thay thế nó.
Nguồn tham khảo
- Fornell & Larcker (1981) – đánh giá mô hình đo lường với biến tiềm ẩn.
- Henseler, Ringle & Sarstedt – HTMT cho discriminant validity.
- McDonald – Test Theory về Omega.
Bài tiếp theo: EFA và CFA: khám phá và xác nhận cấu trúc nhân tố