Trong AMOS, chỉ số MI (Modification Indices – chỉ số hiệu chỉnh) được sử dụng nhằm phát hiện các vấn đề liên quan đến cấu trúc thang đo nhân tố, hiện tượng trùng lắp giữa các thang đo, từ đó ảnh hưởng đến mức độ phù hợp tổng thể của mô hình nghiên cứu.
Để hiển thị chỉ số MI trong kết quả phân tích của AMOS, người nghiên cứu lựa chọn biểu tượng Analysis Properties trên thanh công cụ.
Tại cửa sổ Analysis Properties, chuyển sang thẻ Output, tích chọn mục Modification indices và nhập ngưỡng giá trị 15 vào ô tương ứng. Sau đó nhấn nút X ở góc trên bên phải để lưu và xác nhận các thiết lập.
Sau khi thực hiện phân tích, trong phần Output, người nghiên cứu truy cập vào mục Modification Indices như minh họa. Ở phía bên phải, AMOS lần lượt cung cấp các bảng chỉ số MI liên quan đến phương sai, hiệp phương sai và các hệ số tác động.
1. Chỉ số MI Covariances cao và hiện tượng trùng lắp thang đo
Bảng Covariances trong Modification Indices phản ánh các vấn đề liên quan đến hiệp phương sai giữa các yếu tố trong mô hình. Trong thực hành phân tích, cần đặc biệt quan tâm đến hiệp phương sai giữa các cặp sai số e thuộc cùng một thang đo. Khi giá trị MI của một cặp sai số quá cao, điều này cho thấy tồn tại mối tương quan mạnh giữa hai sai số, và việc khai báo mối quan hệ hiệp phương sai (nối mũi tên hai chiều) giữa chúng có thể giúp làm giảm giá trị MI và cải thiện độ phù hợp của mô hình.
Kết quả MI Covariances minh họa cho thấy cặp sai số e1 và e2 có giá trị MI rất cao, đạt 83.480. Hai sai số này tương ứng với các biến quan sát C2 và C5, cùng thuộc thang đo C. Giá trị MI cao hàm ý rằng nếu thiết lập mối quan hệ hiệp phương sai hai chiều giữa cặp sai số này, chỉ số MI sẽ giảm và mô hình sẽ đạt mức độ phù hợp tốt hơn. Trong nhiều trường hợp, MI cao giữa hai sai số của các biến quan sát trong cùng một thang đo xuất phát từ sự chồng chéo hoặc trùng lặp về nội dung đo lường, chẳng hạn như các câu hỏi có ý nghĩa hoặc cách diễn đạt tương tự nhau.
Do đó, nhằm giảm chỉ số MI và nâng cao độ phù hợp của mô hình, người nghiên cứu cần khai báo hiệp phương sai giữa cặp sai số e1 và e2 bằng cách nối mũi tên hai chiều giữa chúng trong mô hình AMOS.
2. MI Regression Weights cao: Hiện tượng biến quan sát tải mạnh lên thang đo khác
Bảng Regression Weights trong phân tích MI phản ánh mối quan hệ tải chéo giữa các yếu tố trong mô hình đo lường. Khi chỉ số MI giữa một biến quan sát thuộc thang đo này với một biến tiềm ẩn của thang đo khác có giá trị cao, điều đó cho thấy biến quan sát này đang phản ánh đặc trưng của biến tiềm ẩn ngoài thang đo ban đầu một cách đáng kể, hàm ý sự vi phạm tính phân biệt giữa các khái niệm.
Trong ví dụ minh họa ở bảng trên, biến A3 được thiết kế thuộc thang đo A nhưng lại có mức tải cao lên thang đo B, thể hiện qua chỉ số MI từ B đến A3 đạt giá trị 53.957. Một cách xử lý thường được đề xuất nhằm giảm giá trị MI và cải thiện độ phù hợp của mô hình là thiết lập một mũi tên một chiều từ biến tiềm ẩn B đến biến quan sát A3. Cách tiếp cận này hàm ý rằng A3 được mô hình hóa như một biến quan sát chịu ảnh hưởng đồng thời của cả hai thang đo A và B.
Tuy nhiên, trong bối cảnh nghiên cứu học thuật và đặc biệt là khi thực hiện luận văn, việc xử lý cần tập trung vào đảm bảo tính phân biệt giữa các thang đo. Việc biến A3 có tải đáng kể lên cả hai thang đo cho thấy đây là một biến quan sát có nội hàm khái niệm không rõ ràng. Do đó, giải pháp phù hợp hơn về mặt phương pháp luận là loại bỏ biến này khỏi mô hình nghiên cứu, thay vì điều chỉnh mô hình bằng cách thêm các mối quan hệ như trường hợp trên.
