Biến phân loại trong SEM: mã hóa predictor, chọn mô hình outcome và xử lý item ordinal

1. Phân biệt vai trò trước khi mở phần mềm

Một predictor danh nghĩa được dùng để giải thích khác biệt giữa nhóm. Một outcome nhị phân đặt câu hỏi về xác suất xảy ra sự kiện. Một item ordinal đo một khái niệm qua các mức phản hồi có thứ tự. Đó là ba bài toán khác nhau, không thể xử lý bằng một mẹo chuyển kiểu biến (Kline, 2023).

Nhóm được mã 1, 2, 3 không có nghĩa nhóm 3 gấp ba nhóm 1. Nếu đưa nguyên cột ngành vào phương trình như biến liên tục, mô hình áp một xu hướng tuyến tính theo thứ tự mã. Thay thứ tự mã có thể thay kết quả dù thông tin nhóm không đổi.

2. Predictor danh nghĩa: chọn tham chiếu và giữ đủ thông tin

Với K nhóm, một cách mã hóa thông dụng là K−1 biến dummy khi mô hình có intercept. Tài liệu lavaan minh họa cách xử lý này cho covariate ngoại sinh. Việc chọn contrast khác vẫn có thể hợp lệ nếu ý nghĩa hệ số được công bố (The lavaan project, n.d.).

Trong phương trình tuyến tính này, α là giá trị kỳ vọng của nhóm A khi X bằng 0; b_B là chênh lệch B so với A tại cùng X. Đây không phải chênh lệch giữa B và C. Muốn so B với C cần ước lượng b_B − b_C và độ bất định tương ứng hoặc đổi contrast theo kế hoạch.

Nếu đưa cả ba dummy cùng intercept vào một mô hình thông thường, thông tin bị phụ thuộc tuyến tính. Dùng mã 0/1 cũng không tự bảo đảm diễn giải nhân quả: nhóm có thể khác nhau về nhiều đặc điểm chưa được kiểm soát.

3. Outcome nhị phân và outcome ordinal

Với outcome 0/1, logit hoặc probit mô hình hóa xác suất thông qua hàm liên kết. Trong logit, exp(b) là odds ratio có điều kiện; trong probit, hệ số nằm trên thang phản hồi tiềm ẩn và không được đổi thành odds ratio bằng cùng phép mũ (Kline, 2023).

Ví dụ giả định một hệ số logit bằng 0,70 cho dummy B. Khi các biến khác giữ cố định, odds ở B xấp xỉ exp(0,70) = 2,01 lần nhóm A. Không viết xác suất tăng 101%. Để mô tả xác suất, cần thêm mức nền và tính xác suất dự báo ở các cấu hình covariate có ý nghĩa.

Với outcome thứ bậc, các điểm cắt phân chia mức phản hồi trong một mô hình ordinal. Cần báo chiều xếp hạng và kiểm tra giả định của mô hình liên kết đã chọn. Predictor ordinal cũng không tự được xem là tuyến tính: nhập 1, 2, 3 áp một quy luật khoảng cách và xu hướng cần biện minh.

Phạm vi hỗ trợ khác nhau giữa phần mềm. Chẳng hạn tutorial lavaan nêu hỗ trợ endogenous binary/ordinal, không phải mọi outcome danh nghĩa nhiều mức. Vì vậy không nên hứa một lệnh CFA sẽ xử lý toàn bộ trường hợp generalized SEM (The lavaan project, n.d.).

4. Item Likert và mô hình ngưỡng

Khi item có thứ tự, có thể mô hình hóa một phản hồi tiềm ẩn liên tục được phân nhóm bởi các ngưỡng. Cách này phân biệt mã quan sát với khoảng cách trên phản hồi tiềm ẩn. So sánh MLR với WLSMV của Li (2016) cho thấy hiệu năng phụ thuộc điều kiện dữ liệu; không có một quy tắc số mức thay cho toàn bộ chẩn đoán (Li, 2016).

Trước ước lượng, hãy xem tần số từng mức, item hằng, cặp biến có ô rất thưa, missing và chiều mã. Bảng tần số cung cấp thông tin mà một cột dữ liệu toàn số không thể hiện. Không gộp các mức hiếm chỉ để phần mềm chạy nếu việc gộp làm mất ý nghĩa nội dung.

Trong lavaan, khai báo ordered cho item dẫn tới WLSMV: DWLS được dùng cho ước lượng cùng hiệu chỉnh kiểm định và sai số chuẩn theo triển khai. Không thêm missing="fiml" vào ví dụ ordinal này vì tutorial hiện nêu FIML chưa được hỗ trợ cho trường hợp đó (The lavaan project, n.d.).

5. Mã CFA minh họa và những thứ cần kiểm tra

Đầu vào là survey.csv có bốn cột s1 đến s4, mỗi cột chỉ nhận 1–5 hoặc giá trị thiếu đã khai báo. Bốn item được giả định phản ánh cùng nhân tố SAT. Đây là mẫu lệnh để áp dụng trên dữ liệu của người đọc, không phải một kết quả phân tích đã được chạy hay xác nhận giá trị thang đo.

library(lavaan)
dat <- read.csv("survey.csv", na.strings = c("", "NA"), check.names = FALSE)
items <- c("s1", "s2", "s3", "s4")
stopifnot(all(items %in% names(dat)))
valid <- vapply(dat[items], function(x) all(is.na(x) | x %in% 1:5), logical(1))
stopifnot(all(valid))
model <- 'SAT =~ s1 + s2 + s3 + s4'
fit <- cfa(model, data = dat, ordered = items, estimator = "WLSMV")
summary(fit, fit.measures = TRUE, standardized = TRUE)

Mã dừng nếu xuất hiện mức ngoài miền 1–5, thay vì âm thầm biến mã lỗi thành missing. Dữ liệu gốc được giữ trong tệp riêng. Quy tắc xử lý thiếu của phân tích phải được kiểm tra và báo cáo; ví dụ không tự chọn một cơ chế missing hoặc chứng minh dữ liệu là MAR.

Sau khi chạy, đọc thông báo hội tụ, ngưỡng, tải nhân tố, sai số chuẩn, tương quan nhân tố nếu có và các chỉ số phù hợp được estimator cung cấp. Một mô hình có thể nhận dạng về số lượng tham số nhưng vẫn có nghiệm bất thường hoặc thông tin quá yếu. Các chỉ số scaled/robust không được ghép tùy ý với công thức kiểm định từ ML thông thường.

6. Vì sao có biến phân loại chưa đủ để chọn họ SEM

Một nhóm danh nghĩa làm predictor có thể xuất hiện trong nhiều họ SEM. Ngược lại, việc thuật toán nhận cột 0/1 không chứng minh nó đang ước lượng mô hình xác suất mong muốn. Cần kiểm tra mô hình khái niệm, loại phương trình và estimator cụ thể (Hair et al., 2022) (Kline, 2023).

Nếu mục tiêu là so sánh các nhóm, không suy ra khác biệt chỉ vì một nhóm có p nhỏ còn nhóm kia không. Cần kiểm tra khả năng so sánh thang đo và kiểm định trực tiếp tham số hoặc tập ràng buộc đã định. Một biến nhóm được tạo sau khi cắt đôi điểm liên tục cũng làm thay đổi câu hỏi, nên phải nêu lý do và kiểm tra độ bền.

7. Mẫu báo cáo và kiểm tra trước khi nộp

• Miền mã và nhãn mức khớp bảng hỏi.
• Predictor, outcome, item và nhóm được phân biệt rõ.
• Nhóm tham chiếu, chiều mức và link được công bố.
• Không xem hệ số probit là odds ratio.
• Estimator và xử lý missing có trong manual của phiên bản thực tế.
• Ô hiếm, nghiệm và độ bất định đã được kiểm tra.

Đọc tiếp: lựa chọn CB-SEM và PLS-SEM.

Kết luận

Hãy mô tả vai trò và thang đo của từng biến trước khi quyết định phần mềm. Mã hóa đúng tạo nền tảng cho diễn giải đúng; đổi họ SEM không thay thế công việc đó.