Mô hình bậc hai trong AMOS: đặc tả, kiểm định và mô hình cạnh tranh

1. Mục tiêu học tập và điều kiện đầu vào

Sau chuyên đề, bạn cần phân biệt nhân tố bậc hai với composite và bifactor, dựng đúng mũi tên trong AMOS, nhận biết trường hợp tầng bậc hai vừa đủ nhận dạng, đọc tải cùng disturbances, so mô hình cạnh tranh và viết báo cáo APA 7.

Điều kiện đầu vào là từng nhân tố bậc một có định nghĩa rõ, chỉ báo đủ chất lượng và correlated first-order CFA có nghiệm hợp lệ. Không nên dựng nhân tố bậc hai để che một mô hình bậc một có tải yếu, tương quan bất khả thi hoặc giá trị phân biệt chưa được giải thích.

• Khái niệm bậc hai có định nghĩa vượt lên trên từng chiều.
• Mỗi nhân tố bậc một có miền nội dung riêng.
• Mô hình bậc một đã được đánh giá trước.
• Không có phương sai âm hoặc tải bất khả thi.
• Số nhân tố bậc một đủ cho mục tiêu kiểm định.
• Mô hình cạnh tranh đã được xác định trước.

2. Second-order factor trả lời câu hỏi gì?

Trong second-order factor model, các chỉ báo phản ánh các nhân tố bậc một, còn một nhân tố bậc hai giải thích tương quan giữa các nhân tố bậc một. Marsh và Hocevar (1985) dùng CFA để nghiên cứu cấu trúc bậc một, bậc cao và tính bất biến giữa nhóm.

Nhân tố bậc hai là common factor, không phải một điểm trung bình được tạo từ các chiều. Mũi tên đi từ nhân tố bậc hai đến các nhân tố bậc một vì mô hình giả định một nguyên nhân chung đứng sau covariance của các chiều.

Nếu các chiều tạo nên một chỉ số tổng hợp và bỏ một chiều làm đổi nghĩa khái niệm, logic có thể gần composite hơn. AMOS higher-order CFA thông thường không tự giải quyết mô hình composite; đảo chiều mũi tên không đủ để biến một factor model thành measurement model cấu tạo.

3. Correlated factors, second-order và bifactor không tương đương

Correlated first-order model cho phép các chiều tương quan tự do. Second-order model giải thích các tương quan đó bằng một factor bậc cao và vì thế áp đặt cấu trúc lên ma trận covariance giữa các first-order factors.

Bifactor model cho mỗi item tải trực tiếp lên general factor và một specific factor, thường với các factor trực giao theo đặc tả. Reise (2012) giải thích bifactor là cách tách general và specific variance tại cấp item, không phải cách viết khác của second-order CFA.

Brown (2015) và Kline (2023) khuyến nghị dùng lý thuyết, nhận dạng, parameter estimates, residuals và model comparison cùng nhau. Chọn mô hình có fit tốt nhất mà bỏ qua ý nghĩa factor dễ tạo nghiệm đẹp nhưng khó bảo vệ.

4. Nhận dạng và giới hạn khi chỉ có ba chiều

Mỗi first-order factor cần được định thang, thường bằng cách cố định một loading bằng 1 hoặc cố định phương sai factor. Second-order factor cũng cần được định thang theo cùng logic. Mỗi first-order factor trở thành biến nội sinh ở tầng hai và cần một disturbance.

Nếu chỉ có đúng ba first-order factors tải lên một second-order factor, phần bậc hai thường vừa đủ nhận dạng. Số covariance giữa ba factor bằng số tham số cần ước lượng ở tầng này sau định thang, nên second-order model có thể tái tạo đúng các covariance đó.

Hệ quả là fit tổng thể có thể giống correlated first-order model. Khi ấy, fit không cung cấp phép kiểm định mạnh cho cấu trúc bậc hai. Cần dựa nhiều hơn vào lý thuyết, tải bậc hai, độ hợp lý của disturbances, mô hình cạnh tranh và dữ liệu xác nhận.

5. Dựng mô hình bậc hai trong AMOS

Theo hướng dẫn IBM Corp. (2022), AMOS cho phép đặc tả factor, regression paths, variances và disturbances trực tiếp trên sơ đồ. Quy trình nên bắt đầu từ file correlated first-order CFA đã được xác nhận, rồi lưu thành một phiên bản mới trước khi thêm nhân tố bậc hai.

Xóa các covariance hai chiều giữa first-order factors và thay bằng các đường một chiều từ second-order factor đến từng first-order factor. Thêm disturbance cho từng first-order factor nếu AMOS chưa tạo. Không xóa residual của các item.

Giữ cùng dữ liệu, estimator và cách xử lý missing khi so các mô hình. Nếu thay đồng thời item, covariance residual và cấu trúc tầng hai, bạn không còn biết thay đổi fit đến từ đâu.

6. Đánh giá tải bậc hai, disturbances và độ phù hợp

Standardized loading từ second-order factor đến first-order factor cho biết phần biến thiên của chiều được general factor giải thích. Bình phương loading là tỷ lệ phương sai của first-order factor được giải thích khi đặc tả chuẩn hóa đơn giản.

Loading cao nhưng không làm một chiều trở nên thừa. Mỗi chiều vẫn phải đóng góp nội dung riêng. Loading thấp có thể báo rằng chiều không thuộc general construct, nhưng quyết định loại phải dựa trên định nghĩa và xác nhận, không chỉ p-value.

Đọc fit theo hồ sơ gồm chi-square, df, CFI, TLI, RMSEA với confidence interval, SRMR khi có và residuals. Không dùng một cutoff duy nhất. Nếu tầng hai có ba chiều và vừa đủ nhận dạng, fit giống mô hình bậc một không phải bằng chứng xác nhận HOC.

7. Ví dụ số giả định: chất lượng dịch vụ bậc hai

Ví dụ dưới đây là tình huống minh họa, không phải dữ liệu nghiên cứu thật. Giả sử Chất lượng dịch vụ là second-order factor gồm Tin cậy, Đáp ứng, Bảo đảm và Đồng cảm. Mỗi chiều có ba item và correlated first-order CFA đã cho nghiệm hợp lệ.

Second-order standardized loadings lần lượt là .82, .76, .71 và .68. Phương sai được giải thích của bốn chiều xấp xỉ .67, .58, .50 và .46. Mô hình cho chi-square = 148.6, df = 50, CFI = .951, TLI = .935, RMSEA = .069, 90% CI [.056, .082].

Đồng cảm có loading thấp nhất nhưng vẫn đại diện một miền nội dung riêng. Không loại chiều chỉ để tăng loading trung bình. Nhóm nghiên cứu giữ chiều này và so second-order model với correlated first-order model cùng một bifactor model có căn cứ.

8. So mô hình cạnh tranh mà không chọn theo fit đơn thuần

Correlated first-order model là đối chứng gần nhất vì nó cho các chiều tương quan nhưng không áp general factor. Second-order model đáng ưu tiên khi cấu trúc covariance giữa các chiều phù hợp với một factor bậc cao và khái niệm tổng quát có ý nghĩa.

Bifactor model có thể fit tốt hơn vì linh hoạt hơn, nhưng cũng dễ tạo specific factors yếu hoặc nghiệm không ổn định. Reise (2012) lưu ý các giả định hạn chế của bifactor và nhu cầu kiểm tra general cùng specific dimensions.

Model comparison cần cùng item, cùng mẫu và estimator. Với nested models, có thể dùng chi-square difference phù hợp; với nonnested alternatives, dùng fit, information criteria khi hợp lệ, parameter quality và interpretability. Kline (2023) nhấn mạnh rằng fit tốt không thay cho mô hình có ý nghĩa.

9. Bất biến đo lường cho mô hình bậc hai

Nếu so latent means hoặc structural paths giữa nhóm, cần kiểm tra invariance ở cả tầng item và tầng bậc hai. Chen, Sousa và West (2005) trình bày chuỗi kiểm tra gồm configural model, first-order loadings, second-order loadings, intercepts, disturbances và residual variances theo mục tiêu.

Không nên chỉ ràng buộc second-order loadings rồi tuyên bố bất biến. Nếu item loadings hoặc intercepts khác nhóm, các first-order factors chưa chắc có cùng ý nghĩa hoặc cùng điểm gốc.

Khi một số ràng buộc không phù hợp, partial invariance có thể được cân nhắc nếu có căn cứ và đủ anchor parameters. Mọi ràng buộc được giải phóng phải được công bố, không chọn hậu nghiệm rồi gọi là quy trình xác nhận.

10. Lỗi thường gặp khi làm second-order CFA

11. Mẫu báo cáo APA 7 và bảng kiểm

Mẫu sau dùng số giả định. Khi áp dụng, báo cả mô hình bậc một đối chứng, cách định thang, estimator, xử lý missing và mọi mô hình cạnh tranh.

• Đã định nghĩa HOC và từng LOC.
• Đã phân biệt factor, composite và bifactor.
• Đã xác nhận correlated first-order CFA trước.
• Đã định thang cả first-order và second-order factors.
• Mỗi first-order factor có disturbance.
• Đã kiểm tra hội tụ và phương sai âm.
• Đã báo second-order loadings cùng uncertainty.
• Đã đọc R-squared và disturbances của LOCs.
• Đã báo chi-square, df và hồ sơ fit.
• Không dùng fit làm bằng chứng lý thuyết duy nhất.
• Đã lưu mô hình bậc một làm đối chứng.
• Đã so mô hình cạnh tranh có căn cứ.
• Đã lưu ý trường hợp chỉ có ba LOCs.
• Đã kiểm tra invariance trước khi so nhóm.
• Đã đối chiếu trích dẫn với tài liệu tham khảo.