Các thắc mắc ngoài dịch vụ, bạn vui lòng thảo luận tại nhóm Facebook này nhé.
😄

Đánh giá tính hội tụ thang đo bằng Average Variance Extracted AVE

Giá trị hội tụ (Convergent validity) chính là việc các biến quan sát của một biến tiềm ẩn có tương quan thuận với nhau không và sự tương quan thuận đó mạnh tới mức độ nào. Để đánh giá giá trị hội tụ, nhà nghiên cứu sẽ xem xét hệ số tải ngoài của các biến quan sát, cũng như giá trị phương sai trích trung bình (average variance extracted - AVE). Lưu ý, phương thức đánh giá hội tụ này áp dụng cho mô hình đo lường kết quả (reflective).

danh gia tinh hoi tu bang AVE

1. Ngưỡng hệ số tải chuẩn hóa của biến quan sát

Nếu hệ số tải chuẩn hóa (outer loading với SMARTPLS hoặc standardized regression weight với AMOS) đối với biến nghiên cứu càng cao, điều đó có nghĩa là biến kết quả sẽ cùng đo lường chung khái niệm, được gọi chung là độ tin cậy biến quan sát (indicator reliability). Tối thiểu, hệ số tải chuẩn hóa của các biến số phải có ý nghĩa thống kê. 

Hệ số tải chuẩn hóa của biến quan sát trong thang đo kết quả thể hiện mức độ giải thích của biến tiềm ẩn cho biến quan sát đó. Ngưỡng là hệ số tải chuẩn hóa tốt nên từ 0.708 trở lên, bình phương giá trị hệ số tải chúng ta sẽ thu được phương sai trích của biến quan sát đó. Bình phương ngưỡng hệ số tải chuẩn hóa (0.708)2 = 0.5 = 50%, điều này nói lên rằng, biến tiềm ẩn phải giải thích tối thiểu 50% ý nghĩa cho từng biến quan sát. Trong hầu hết mọi trường hợp, giá trị 0.70 được xem như gần với 0.708 nhưng dễ nhớ hơn, nên 0.7 được chấp nhận để sử dụng làm ngưỡng đánh giá hệ số tải chuẩn hóa.

Các nhà nghiên cứu thường sử dụng các hệ số tải ngoài thấp hơn (< 0.7) trong các nghiên cứu về khoa học xã hội, đặc biệt với các thang đo mới hình thành (Hulland, 1999). Nhà nghiên cứu thường cân nhắc rất kỹ ảnh hưởng của các biến bị loại bỏ (effects of item removal) lên độ tin cậy tổng hợp cũng như tính giá trị nội dung của biến nghiên cứu (constructs content validity) để ra quyết định có nên bỏ hay giữ lại biến trong trường hợp hệ số tải ngoài nhỏ hơn 0.7. Thông thường, khi thấy hệ số tải ngoài nằm trong khoảng giữa 0.4 – 0.7, chúng ta sẽ loại biến khỏi thang đo nếu việc loại bỏ biến này sẽ làm tăng độ tin cậy tổng hợp (CR - composite reliability) hay khi loại biến này thì giá trị của phương sai trích trung bình AVE đạt ngưỡng quy định.

Ngoài ra, việc loại bỏ biến quan sát khỏi thang đo cũng có cách tiếp cận khác khi xem xét ảnh hưởng của việc loại biến tác động tới giá trị nội dung. Những biến quan sát nào có hệ số tải yếu hơn đôi khi được giữ lại do có đóng góp về giá trị nội dung. Những biến có hệ số tải thấp (nhỏ hơn 0.4), thường bị loại khỏi thang đo. 

2. Đánh giá tính hội tụ thang đo bằng chỉ số AVE

Một cách để đánh giá giá trị hội tụ một thang đo đó là căn cứ vào giá trị của phương sai trích trung bình AVE. Chỉ số này được định nghĩa là tổng giá trị trung bình của bình phương hệ số tải chuẩn hóa của các biến quan sát trong một biến tiềm ẩn (tức là, tổng bình phương hệ số tải chia cho số lượng biến quan sát). Giá trị AVE được tính theo công thức:

Trong đó:

  • AVE: phương sai trích trung bình AVE của biến tiềm ẩn A
  • ld1, ld2, ldm: hệ số tải chuẩn hóa của biến quan sát thuộc biến tiềm ẩn A
  • m: số lượng biến quan sát của biến tiềm ẩn A

Hair và cộng sự (A Primer on Partial Least Squares Structural Equation Modeling, 2021) cho rằng giá trị AVE từ 0.5 hoặc cao hơn cho thấy, biến tiềm ẩn sẽ giải thích nhiều hơn phân nửa phương sai các biến quan sát của nó, lúc này thang đo đạt tính hội tụ tốt. Ngược lại, nếu giá trị của AVE nhỏ hơn 0.5, điều này có nghĩa là, trung bình, có nhiều sai số vẫn còn tồn tại trong các biến quan sát hơn là phương sai được giải thích bởi biến tiềm ẩn. 

Công thức tính chỉ số AVE không quan tâm đến sự đóng góp của từng chỉ báo mà quan tâm tới tính đại diện. Nếu tập biến quan sát, nếu tồn tại một biến quan sát bất kỳ có hệ số tải chuẩn hóa nhỏ hơn 0.7 nhưng các biến quan sát còn lại có hệ số tải cao và gắn vào công thức tính AVE vẫn đảm bảo chỉ số này từ 0.5 trở lên, thang đo vẫn đảm bảo giá trị hội tụ.

1 nhận xét

  1. bài viết rất hay. cảm ơn admin đã chia sẻ