Độ tin cậy Cronbach’s Alpha và Composite Reliability đều là các chỉ số được sử dụng nhằm đánh giá mức độ tin cậy nội tại của thang đo trong nghiên cứu định lượng. Tuy cùng hướng đến việc kiểm định tính nhất quán của các biến quan sát trong một cấu trúc tiềm ẩn, hai chỉ số này khác biệt về nguyên tắc tính toán và phạm vi ứng dụng trong các mô hình phân tích.
1. Độ tin cậy Cronbach’s Alpha
Cronbach’s Alpha là một hệ số thống kê phổ biến dùng để đo lường mức độ nhất quán nội tại của thang đo, phản ánh mức độ tương quan giữa các biến quan sát cùng đo lường một khái niệm tiềm ẩn. Chỉ số này cho biết các biến quan sát trong cùng một nhân tố có cùng phản ánh một cấu trúc lý thuyết chung hay không.
Về ý nghĩa
– Cronbach’s Alpha hỗ trợ nhà nghiên cứu đánh giá tính ổn định và độ tin cậy của bộ công cụ đo lường. Cụ thể, hệ số này cho phép xác định liệu các biến quan sát thuộc cùng một nhân tố có phù hợp để duy trì trong mô hình nghiên cứu hay cần điều chỉnh.
– Khi giá trị Alpha cao, điều đó cho thấy các biến quan sát có mức độ liên hệ chặt chẽ và cùng đo lường một khái niệm nền tảng.
– Ngược lại, hệ số Alpha thấp phản ánh sự thiếu nhất quán giữa các biến, hàm ý rằng thang đo có thể chưa đảm bảo độ tin cậy hoặc tồn tại biến quan sát không phù hợp.
Về ngưỡng chấp nhận
Nhiều nghiên cứu thực nghiệm đề xuất giá trị Cronbach’s Alpha từ 0.7 trở lên được xem là đạt yêu cầu đối với nghiên cứu khám phá và khẳng định (Field, 2009; Hair và cộng sự, 2010). Tuy nhiên, trong một số bối cảnh nghiên cứu mới hoặc thang đo phát triển ban đầu, mức từ 0.6 có thể được cân nhắc. Ngưỡng đánh giá cụ thể phụ thuộc vào lĩnh vực nghiên cứu, mục tiêu phân tích và đặc điểm mẫu khảo sát.
Mặc dù được sử dụng rộng rãi, Cronbach’s Alpha tồn tại một số hạn chế về phương diện phương pháp luận.
– Thứ nhất, chỉ số này dựa trên giả định tau-equivalence, tức là giả định các biến quan sát đóng góp tương đương vào cấu trúc tiềm ẩn. Trong thực tế, mức độ tải nhân tố của các biến thường khác nhau, khiến Alpha có thể đánh giá chưa chính xác độ tin cậy thực sự của thang đo.
– Thứ hai, hệ số Alpha chịu ảnh hưởng bởi số lượng biến quan sát: thang đo có nhiều biến có xu hướng cho giá trị Alpha cao ngay cả khi mức độ tương quan giữa các biến không thực sự mạnh. Ngược lại, thang đo với số lượng biến ít có thể cho hệ số Alpha thấp dù các biến có mối liên hệ chặt chẽ. Do đó, việc diễn giải Cronbach’s Alpha cần được thực hiện thận trọng và kết hợp với các chỉ số bổ sung như Composite Reliability trong các mô hình phân tích cấu trúc.
2. Độ tin cậy tổng hợp Composite Reliability (CR) là gì?
Độ tin cậy tổng hợp (Composite Reliability – CR) là một chỉ số được sử dụng để đánh giá mức độ tin cậy của thang đo trong các nghiên cứu định lượng, đặc biệt phổ biến trong mô hình cấu trúc tuyến tính (Structural Equation Modeling – SEM). Chỉ số này được xem là một thước đo thay thế và có nhiều ưu điểm hơn so với hệ số Cronbach’s Alpha trong việc đánh giá độ nhất quán nội tại của thang đo.
Theo Hair và cộng sự (2017), hệ số Cronbach’s Alpha tồn tại một số hạn chế về mặt phương pháp luận, đặc biệt là giả định các biến quan sát có hệ số tải bằng nhau, dẫn đến khả năng đánh giá thấp độ tin cậy thực tế của cấu trúc đo lường. Do đó, các tác giả khuyến nghị sử dụng hệ số độ tin cậy tổng hợp Composite Reliability, trong phần mềm SmartPLS 4 được ký hiệu là rho_c, nhằm phản ánh chính xác hơn độ tin cậy của thang đo trong các mô hình SEM.
Ý nghĩa
Độ tin cậy tổng hợp CR phản ánh mức độ nhất quán nội tại giữa các biến quan sát dùng để đo lường cùng một khái niệm tiềm ẩn, tương tự về mục đích với Cronbach’s Alpha. Tuy nhiên, điểm khác biệt quan trọng là CR được tính toán dựa trên hệ số tải chuẩn hóa của từng biến quan sát, do đó có xét đến mức độ đóng góp khác nhau của từng biến vào cấu trúc khái niệm.
Điều này giúp chỉ số CR phản ánh sát hơn bản chất của mô hình đo lường, đặc biệt trong bối cảnh các biến quan sát không có mức độ ảnh hưởng đồng đều.
Giá trị chấp nhận được
Cách diễn giải hệ số CR tương tự như Cronbach’s Alpha. Giá trị của CR dao động trong khoảng từ 0 đến 1; các giá trị âm thường cho thấy vấn đề về dữ liệu hoặc mô hình ước lượng. Hệ số càng tiến gần về 1 thể hiện độ tin cậy càng cao, trong khi giá trị gần 0 cho thấy mức độ nhất quán nội tại thấp. Theo Hair và cộng sự (2017), ngưỡng CR từ 0,7 trở lên được xem là đạt yêu cầu đối với các nghiên cứu khám phá và khẳng định.
Ưu điểm so với Cronbach’s Alpha
– Thứ nhất, CR không giả định các biến quan sát có trọng số bằng nhau, qua đó khắc phục hạn chế cốt lõi của Cronbach’s Alpha trong đánh giá độ tin cậy thang đo.
– Thứ hai, CR cung cấp ước lượng chính xác hơn về độ tin cậy khi các biến quan sát có hệ số tải khác nhau, phản ánh đúng mức độ đóng góp thực tế của từng biến.
– Thứ ba, CR đặc biệt phù hợp với các mô hình SEM, trong đó trọng số và hệ số tải của các biến quan sát được ước lượng trực tiếp từ dữ liệu, giúp nâng cao độ tin cậy và giá trị suy luận của kết quả nghiên cứu.
3. Lưu ý về Cronbach’s Alpha và Composite Reliability trong SmartPLS
– Cronbach’s Alpha có xu hướng đánh giá thấp mức độ tin cậy nội tại của thang đo do giả định các biến quan sát có hệ số tải bằng nhau, trong khi Composite Reliability thường cho kết quả cao hơn vì tính đến hệ số tải chuẩn hóa của từng biến quan sát trong mô hình. Do đó, trong thực hành nghiên cứu với SmartPLS, cần báo cáo đồng thời cả hai chỉ số để đảm bảo tính toàn diện trong đánh giá độ tin cậy. Giá trị độ tin cậy được xem là hợp lý khi nằm trong khoảng giữa hai chỉ số này và đáp ứng các ngưỡng chấp nhận theo khuyến nghị phương pháp luận.
– Việc đánh giá Cronbach’s Alpha và Composite Reliability chỉ áp dụng đối với thang đo phản xạ, bởi loại thang đo này giả định các biến quan sát cùng phản ánh một khái niệm tiềm ẩn và có sự tương quan với nhau. Đối với thang đo hình thành, các biến quan sát đại diện cho các thành phần cấu thành khái niệm và không nhất thiết phải tương quan, do đó không sử dụng hai chỉ số trên để đánh giá độ tin cậy.
– Trong trường hợp Cronbach’s Alpha và Composite Reliability không đạt ngưỡng tối thiểu chấp nhận, nhà nghiên cứu tiến hành loại bỏ dần các biến quan sát có hệ số tải ngoài thấp nhất trong cùng một thang đo phản xạ, sau đó thực hiện phân tích lại mô hình. Quy trình này được lặp lại cho đến khi thang đo đạt yêu cầu về độ tin cậy hoặc không thể tiếp tục loại biến.
Việc loại bỏ biến quan sát nhằm cải thiện độ tin cậy được thực hiện theo nguyên tắc đảm bảo mỗi nhân tố còn tối thiểu hai biến quan sát. Nếu sau khi loại biến mà nhân tố vẫn còn ít nhất hai biến quan sát và đạt ngưỡng độ tin cậy theo quy định, có thể kết luận thang đo đạt yêu cầu.
Ngược lại, nếu nhân tố chỉ còn hai biến quan sát nhưng vẫn không đạt ngưỡng độ tin cậy, cần xem xét loại bỏ toàn bộ nhân tố khỏi mô hình nghiên cứu. Trong một số trường hợp đặc biệt, nhân tố có thể được đo lường bằng một biến quan sát duy nhất, tuy nhiên cách tiếp cận này chỉ được chấp nhận trong những điều kiện rất hạn chế và phải có cơ sở lý luận rõ ràng.
4. Xem hệ số Cronbach’s Alpha và Composite Reliability trong SMARTPLS
Trong các phiên bản SMARTPLS 3 và SMARTPLS 4, hệ số Cronbach’s Alpha và Composite Reliability được hiển thị trong bảng Construct Reliability and Validity thuộc kết quả phân tích PLS-Algorithm. Đây là hai chỉ số quan trọng dùng để đánh giá độ tin cậy nội tại của thang đo trong mô hình đo lường theo phương pháp PLS-SEM.
Cronbach’s Alpha phản ánh mức độ nhất quán nội tại giữa các biến quan sát trong cùng một cấu trúc tiềm ẩn, dựa trên giả định các biến có mức độ đóng góp bằng nhau. Trong khi đó, Composite Reliability được xem là chỉ số phù hợp hơn trong bối cảnh PLS-SEM do không giả định hệ số tải ngoài bằng nhau giữa các biến quan sát, từ đó cung cấp ước lượng chính xác hơn về độ tin cậy của thang đo. Theo các khuyến nghị phương pháp luận, giá trị của hai hệ số này nên đạt từ 0,7 trở lên để đảm bảo độ tin cậy chấp nhận được trong nghiên cứu khám phá; đối với nghiên cứu khẳng định, ngưỡng 0,7 đến 0,9 được xem là phù hợp.
Kết quả của hai hệ số trên sẽ được trình bày và thảo luận trong phần đánh giá mô hình đo lường khi phân tích dữ liệu bằng SMARTPLS.
Đối với giao diện SMARTPLS 3
Bảng kết quả Construct Reliability and Validity hiển thị đầy đủ các chỉ số Cronbach’s Alpha và Composite Reliability cho từng cấu trúc nghiên cứu. Trường hợp thang đo HL trong kết quả minh họa có Cronbach’s Alpha và Composite Reliability đều bằng 1 là do cấu trúc này chỉ bao gồm một biến quan sát. Về mặt kỹ thuật, khi một cấu trúc chỉ được đo lường bằng một biến quan sát, SMARTPLS 3 mặc định tính toán hai hệ số này bằng 1 vì không tồn tại sai khác nội tại giữa các biến quan sát trong cùng thang đo.
Đối với SMARTPLS 4
Bên cạnh Composite Reliability rho_c còn có thêm chỉ số rho_a nhằm cung cấp ước lượng độ tin cậy chính xác hơn theo cách tiếp cận consistent reliability. Tuy nhiên, khác với phiên bản 3, trong SMARTPLS 4 các cấu trúc chỉ bao gồm một biến quan sát sẽ không hiển thị các chỉ số độ tin cậy, do việc đánh giá độ nhất quán nội tại không còn ý nghĩa trong trường hợp này.
——
Nguồn tham khảo:
Andy Field (2009), Discovering Statistics Using SPSS. 3rd Edition, Sage Publications Ltd., London.
Hair và cộng sự (2010), Multivariate Data Analysis. 7th Edition, Pearson, New York.
Hair và cộng sự (2017), A Primer on Partial Least Squares Structural Equation Modeling (PLS-SEM). 2nd Edition, Sage Publications Inc., Thousand Oaks, CA.
