Độ tin cậy tổng hợp (Composite Reliability – CR) được xem là chỉ số ưu tiên trong phân tích mô hình phương trình cấu trúc (SEM), do khắc phục được nhiều hạn chế của Cronbach’s Alpha. Cụ thể, Cronbach’s Alpha có xu hướng đánh giá thấp độ tin cậy của thang đo, giả định các hệ số tải nhân tố bằng nhau và không phản ánh chính xác mức độ nhất quán nội tại của các biến quan sát. Bên cạnh đó, hệ số này còn chịu ảnh hưởng đáng kể bởi số lượng biến quan sát trong thang đo, dẫn đến khả năng sai lệch trong ước lượng độ tin cậy. Trong khi đó, CR được tính toán dựa trên hệ số tải chuẩn hóa của từng chỉ báo trong mô hình đo lường, vì vậy phản ánh chính xác hơn mức độ đóng góp thực tế của từng biến quan sát vào khái niệm tiềm ẩn.
1. Độ tin cậy nhất quán nội bộ (internal consistency reliability)
Độ tin cậy nhất quán nội bộ được định nghĩa là mức độ đồng nhất trong đo lường giữa các chỉ báo cấu thành cùng một thang đo, thể hiện khả năng các biến quan sát cùng phản ánh một khái niệm tiềm ẩn chung (DeVellis, 2016; Price và cộng sự, 2015). Nói cách khác, đây là mức độ các mục hỏi trong cùng một thang đo có sự liên kết chặt chẽ và vận hành như những biểu hiện khác nhau của cùng một cấu trúc lý thuyết.
Nền tảng của độ tin cậy nhất quán nội bộ dựa trên giả định rằng các chỉ báo trong mô hình đo lường phản xạ phải có mối tương quan thuận và có ý nghĩa thống kê với nhau. Khi mức độ tương quan giữa các biến quan sát cao, điều này cho thấy các chỉ báo đang cùng đo lường một khái niệm tiềm ẩn một cách hiệu quả và nhất quán. Ngược lại, tương quan thấp giữa các chỉ báo có thể phản ánh sự thiếu đồng nhất trong cấu trúc thang đo hoặc sự tồn tại của sai số đo lường đáng kể.
2. Độ tin cậy tổng hợp (Composite Reliability)
2.1 Khái niệm và công thức
Độ tin cậy tổng hợp là một chỉ số được sử dụng để đánh giá mức độ nhất quán nội tại của các biến quan sát trong cùng một thang đo, thường được xem như một lựa chọn thay thế phù hợp cho hệ số Cronbach’s Alpha trong các nghiên cứu sử dụng mô hình cấu trúc tuyến tính (Netemeyer và cộng sự, 2003). Khác với Cronbach’s Alpha giả định các hệ số tải bằng nhau, độ tin cậy tổng hợp tính đến sự khác biệt về hệ số tải chuẩn hóa của từng biến quan sát, do đó phản ánh chính xác hơn mức độ đóng góp thực tế của từng chỉ báo vào biến tiềm ẩn.
Hệ số độ tin cậy tổng hợp CR được tính dựa trên tổng bình phương các hệ số tải chuẩn hóa và tổng phương sai sai số đo lường của các biến quan sát thuộc cùng một biến tiềm ẩn. Theo McDonald (1970), đối với một biến tiềm ẩn A gồm m biến quan sát, công thức xác định độ tin cậy tổng hợp được biểu diễn như sau:
Trong đó:
- CR là độ tin cậy tổng hợp của biến tiềm ẩn A
- ldi là hệ số tải chuẩn hóa của biến quan sát thứ i thuộc biến tiềm ẩn A
- m là số lượng biến quan sát của biến tiềm ẩn A
- σi2 là phương sai sai số đo lường của biến quan sát thứ i, được xác định theo công thức σi2 = 1 − ldi2
2.2 Ngưỡng chấp nhận của Composite Reliability
Tương tự Cronbach’s Alpha, giá trị của độ tin cậy tổng hợp dao động trong khoảng từ 0 đến 1; giá trị càng tiến gần 1 cho thấy mức độ nhất quán nội tại của thang đo càng cao. Theo khuyến nghị của Hair và cộng sự (2022), các ngưỡng đánh giá thường được áp dụng như sau:
- CR ≥ 0,7: thang đo đạt độ tin cậy tốt.
- 0,6 ≤ CR < 0,7: có thể chấp nhận trong các nghiên cứu mang tính khám phá.
- CR < 0,6: thang đo không đạt yêu cầu về độ tin cậy và cần được xem xét, điều chỉnh.
Theo Nunnally và Bernstein (1994), khoảng giá trị phù hợp của CR thường nằm trong khoảng từ 0,7 đến 0,9. Trường hợp hệ số này vượt quá 0,95 có thể hàm ý sự trùng lặp nội dung giữa các biến quan sát, tức là các chỉ báo đo lường những khía cạnh gần như tương đồng, làm giảm giá trị phân biệt của thang đo. Trong bối cảnh nghiên cứu khám phá, mức độ tin cậy từ 0,6 đến 0,7 vẫn có thể được chấp nhận. Ngược lại, nếu độ tin cậy tổng hợp nhỏ hơn 0,6, điều này cho thấy sự thiếu nhất quán nội tại đáng kể và đòi hỏi phải rà soát lại cấu trúc và nội dung của thang đo.
3. Cách xác định độ tin cậy tổng hợp Composite Reliability trên SMARTPLS và AMOS
3.1 Composite Reliability trên SMARTPLS 3 và SMARTPLS 4
Trong phần mềm SmartPLS 3, chỉ số độ tin cậy tổng hợp được ký hiệu là Composite Reliability. Sang phiên bản SmartPLS 4, chỉ số này được điều chỉnh tên gọi thành Composite Reliability rho_c nhằm phân biệt với các hệ số tin cậy khác trong mô hình đo lường.
Giá trị Composite Reliability được trình bày trong bảng Construct Reliability and Validity, thuộc kết quả phân tích PLS-Algorithm. Đây là bảng tổng hợp các chỉ số đánh giá độ tin cậy và giá trị của thang đo trong mô hình PLS-SEM, bao gồm Cronbach’s Alpha, rho_a, rho_c và AVE.
Giao diện trên SmartPLS 3:
Trong kết quả minh họa, thang đo HL có giá trị Composite Reliability bằng 1 do chỉ bao gồm một biến quan sát. Về mặt kỹ thuật, đối với thang đo đơn biến, SmartPLS 3 mặc định hệ số Composite Reliability bằng 1 vì phương sai của sai số đo lường không được ước lượng riêng biệt trong trường hợp này.
Giao diện trên SmartPLS 4:
Trong SmartPLS 4, hệ số rho_a được đặt tên là Composite Reliability rho_a, trong khi chỉ số Composite Reliability truyền thống được ký hiệu là Composite Reliability rho_c. Sự phân biệt này giúp làm rõ bản chất ước lượng độ tin cậy theo các cách tiếp cận khác nhau trong mô hình PLS-SEM. Đối với thang đo chỉ gồm một biến quan sát, SmartPLS 4 không hiển thị các chỉ số độ tin cậy, do không đủ điều kiện để ước lượng độ tin cậy nội tại của thang đo.
3.2 Composite Reliability trên AMOS
Phần mềm AMOS không cung cấp trực tiếp chỉ số Composite Reliability trong bảng kết quả mặc định. Do đó, để tính toán hệ số này, nhà nghiên cứu thường sử dụng tiện ích bổ sung Reliability and Validity tích hợp vào AMOS. Plugin này cho phép trích xuất các chỉ số độ tin cậy tổng hợp và giá trị hội tụ dựa trên kết quả phân tích CFA.
Quy trình thao tác cụ thể nhằm tính toán Composite Reliability trên AMOS thường được thực hiện sau khi hoàn tất phân tích CFA và có thể tham khảo trong các hướng dẫn đánh giá giá trị hội tụ và giá trị phân biệt trong CFA sử dụng AMOS.
——
Nguồn tham khảo:
Hair và cộng sự (2022), A primer on partial least squares structural equation modeling (PLS-SEM), 3rd ed., Thousand Oaks, CA: Sage.
