Tổng quan kiến thức về mô hình SEM (Structural equation modeling)

Trong bộ môn Xác suất thống kê nói chung và phân tích thống kê nói riêng, mô hình SEM hay mô hình SEM trong SPSS được nhắc đến rất nhiều và là một phần kiến thức cực kì quan trọng. 

Vậy mô hình SEM là gì? Tác dụng và những thành phần trong mô hình SEM như thế nào? Để trả lời cho các câu hỏi này, Tri thức Cộng đồng xin chia sẻ đến bạn đọc tổng quan kiến thức về mô hình SEM trong bài viết dưới đây.

1. Khái niệm về mô hình SEM

Khái niệm về mô hình SEM

Ưu điểm nổi bật nhất của mô hình tuyến tính SEM so với các kĩ thuật phân tích khác chính là cho phép xuất hiện các biến tiềm ẩn trong mô hình. 

Mô hình SEM được phát triển nhằm đáp ứng những yêu cầu cao của phân tích thống kê trong các công trình nghiên cứu khoa học. 

2. Lịch sử hình thành

Phân tích thống kê là một công cụ cực kì hữu ích mà các tác giả có thể sử dụng trong quá trình thực hiện việc nghiên cứu của mình. 

Nói về lịch sử hình thành, người ta chia phân tích thống kê thành hai thế hệ: thế hệ thứ nhất với các kĩ thuật về phân tích phương sai, hồi quy nhị phân, hồi quy đa biến và phân tích nhân tố khẳng định Confirmation. Thế hệ thứ hai chính là mô hình tuyến tính SEM. 

Trước đây, khi yêu cầu đặt ra đối với việc phân tích số liệu vẫn còn chưa cao thì các kĩ thuật phân tích ở thế hệ thứ nhất vẫn có thể đáp ứng được mong muốn của các nhà nghiên cứu đối với việc thể hiện công trình của họ.

Tuy nhiên, cùng với sự phát triển của máy tính, đặc biệt là hệ thống các phần mềm đã đặt ra sự kì vọng cao hơn trong việc xử lý và phân tích dữ liệu. Hay nói cách khác, kĩ thuật phân tích thống kê ở thế hệ thứ nhất không còn phát huy được hiệu quả nữa. 

Khi các công trình nghiên cứu không chỉ đơn thuần dừng lại ở việc bóc tách số liệu mà đặt ra câu hỏi phải làm sao để từ những dữ liệu thô có thể phân tích để đưa ra kết luận và xa hơn nữa là hiểu được hành vi con người (Ví dụ như hành vi mua hàng của khách hàng ở một trung tâm nào đó…). Đó là lý do vì sao mô hình SEM ra đời. 

Trong những thập kỉ qua, các nhà nghiên cứu đã sử dụng mô hình SEM trong rất nhiều lĩnh vực, có thể kể đến như xã hội học (Lavee, 1988; Lorence và Mortimer, 1985), tâm lý học, (Anderson & Gerbing,1988; Hansell và White, 1991)...

3. 12 lợi ích tuyệt vời của mô hình SEM đem lại

12 lợi ích tuyệt vời của mô hình SEM đem lại

Như đã phân tích ở mục 2 về lý do ra đời của mô hình SEM với những ưu điểm vượt trội hơn so với các phương pháp phân tích thống kê ở thế hệ cũ. 

Mô hình SEM trong SPSS thực sự đem lại những tác động tuyệt vời trong quá trình nghiên cứu khoa học, có thể kể đến 12 lợi ích dưới đây: 

- Kiểm định các giả thuyết về các quan hệ nhân quả;

- Kiểm định khẳng định (Confirmating) các quan hệ giữa các biến;

- Kiểm định các quan hệ giữa các biến quan sát và không quan sát (biến tiềm ẩn);

- Là phương pháp tổ hợp phương pháp hồi quy, phương pháp phân tích nhân tố, phân tích phương sai;

- Ước lượng độ giá trị khái niệm;

- Cho phép thực hiện đồng thời nhiều biến phụ thuộc (nội sinh);

- Cung cấp các chỉ số độ phù hợp cho các mô hình kiểm định;

- Cho phép cải thiện các mô hình kém phù hợp;

- Mô hình SEM cung cấp các công cụ có giá trị về thống kê, khi dùng thông tin đo lường để hiệu chuẩn các quan hệ giả thuyết giữa các biến tiềm ẩn;

- Giả thuyết các mô hình, kiểm định thống kê chúng;

- Là một phức hợp giữa một số lượng lớn các biến quan sát và tiềm ẩn, các phần dư và sai số;

- Giả định có một cấu trúc nhân quả giữa các biến tiềm ẩn có thể là các tổ hợp tuyến tính của các biến quan sát, hoặc là các biến tham gia trong một chuỗi nhân quả.

Tóm lại, mô hình SEM có thể khắc phục được khuyết điểm của các kĩ thuật phân tích thống kê ở thế hệ thứ nhất, sử dụng phương pháp phân tích dữ liệu đa biến, linh động hơn, giúp các nhà nghiên cứu có thể đào sâu hơn với công trình của mình. 

4. Tổng hợp 5 thành phần bên trong mô hình SEM

4.1. Biến quan sát

Ngay từ tên gọi cũng giúp chúng ta hiểu được phần nào về biến quan sát. Theo đó, biến quan sát mang một số đặc điểm riêng biệt như sau:

• Biến quan sát (Observed variable) là các biến có thể đo lường trực tiếp, có thể nhìn được một cách trực quan và có chứa các dữ liệu thô hoặc các giá trị.
• Người ta sử dụng biến quan sát khi yếu tố cần thể hiện đã rõ ràng, hoàn toàn quan sát được. 
• Biến quan sát tập trung trực tiếp vào các giá trị, số liệu thay vì đưa ra một giả thuyết trừ tượng nào đó nhằm tránh những tranh cãi nhất định xung quanh vấn đề; đồng thời giúp người nghiên cứu trình bày và phân tích hạng mục cần nghiên cứu một cách nhanh chóng nhất. 

4.2. Biến tiềm ẩn

Biến tiềm ẩn (Latent variables) là các khái niệm hoặc các giả thuyết trong quá trình nghiên cứu ở nhiều lĩnh vực khác nhau. Ngược lại với biến quan sát, biến tiềm ẩn không thể đo lường trực tiếp được mà phải thông qua nhiều yếu tố khác nhau để tạo nên một định nghĩa tổng quát nhất.

Một ví dụ về biến tiềm ẩn đó là sự thành công. Mỗi người sẽ có cách định nghĩa riêng về sự thành công. Người thì cho rằng thành công là có được công việc tốt với mức lương cao, trong khi số khác lại nghĩ thành công là khi được làm công việc mà mình đam mê. 

Như vậy, chúng ta có thể thấy ở đây các nhà nghiên cứu phải dựa các yếu tố khác nhau một cách tổng quan nhất để đưa ra khái niệm cho sự thành công. Đó cũng chính là tác dụng của biến tiềm ẩn - tập hợp các hạng mục đơn lẻ để đưa ra một kết luận mang tính toàn diện nhất. 

4.3. Biến trung gian

Biến trung gian (Mediator – mediating variable) là một trong các loại biến thường được sử dụng trong quá trình nghiên cứu. Biến trung gian xen vào giữa mối quan hệ nhân - quả từ độc lập đến phụ thuộc. 

Khi phân tích được biến trung gian, chúng ta có thể đánh giá được sự tác động của biến này vào mối quan hệ độc lập - phụ thuộc hay không, sâu hơn nữa chính là sự tác động đó được thể hiện như thế nào (mức độ của tác động đó). 

Một tác giả sáng tác rất nhiều tập truyện tranh, nội dung của những cuốn truyện ảnh hưởng đến tâm lý của độc giả (sự yêu thích của độc giả). Sự yêu thích của độc giả lại ảnh hưởng đến suy nghĩ tiếp tục mua những cuốn truyện khác của tác giả kia.

Ở đây, sự yêu thích của độc giả trong mối quan hệ từ nội dung cuốn truyện đến suy nghĩ tiếp tục mua chính là biến trung gian. 

4.4. Biến chỉ báo phản ánh và Biến chỉ báo cấu tạo 

Cuối cùng, chúng ta tìm hiểu đến một loại biến cũng hết sức thông dụng trong nghiên cứu khoa học, đó là biến chỉ báo. Biến chỉ báo bao gồm biến chỉ báo phản ánh và biến chỉ báo cấu tạo. 

Chúng ta có thể hình dung một cách dễ hiểu như sau: trong một công trình nghiên cứu, biến chỉ báo phản ánh là yếu tố nguyên nhân còn biến chỉ báo cấu tạo sẽ biểu thị kết quả.

Theo đó, mỗi loại biến sẽ mang những đặc trưng nhất định để phát huy được hết chức năng của chúng. Cụ thể, biến chỉ báo phản ánh (Reflective Indicators) có mối quan hệ liên đới với nhau, khi biến chỉ báo này thay đổi sẽ dẫn đến sự thay đổi của biến chỉ báo khác.

Ngược lại, biến chỉ báo cấu tạo (Formative Indicators) lại không có sự liên đới, bởi loại biến chỉ báo này thể hiện kết quả của mô hình nghiên cứu nên sự thay đổi của các  biến chỉ báo sẽ không bị tác động lẫn nhau. 

5. 2 mô hình SEM phổ biến nhất

Mô hình SEM trong SPSS phổ biến nhất chính là mô hình đường dẫn PLS với hai yếu tố gồm: mô hình đo lường và mô hình cấu trúc. 

5.1. Mô hình đo lường

Mô hình đo lường

Mô hình đo lường (Measurement model) hay còn gọi là mô hình bên ngoài, là mô hình để thể hiện cách mà biến quan sát biểu thị và phân tích biến tiềm ẩn.

Mô hình đo lường giúp giải thích các mối quan hệ giữa các biến nghiên cứu và các biến quan sát.

5.2. Mô hình cấu trúc

Mô hình cấu trúc

Mô hình cấu trúc (Structural model) hay còn gọi là mô hình bên trong, là mô hình trình bày các biến nghiên cứu. Bên cạnh đó, mô hình này cũng hiển thị các mối quan hệ giữa các biến nghiên cứu. 

Mô hình cấu trúc giúp làm rõ mối quan hệ nhân quả giữa các biến tiềm ẩn, gán cho chúng các phương sai giải thích và chưa giải thích, tạo thành cấu trúc nhân quả cơ bản.

Trên đây là toàn bộ chia sẻ tổng quan kiến thức về mô hình SEM của Tri thức Cộng Đồng. Hi vọng bài viết sẽ hữu ích với bạn trong quá trình học tập và nghiên cứu về lĩnh vực phân tích thống kê.