Wiki Hub

Structural Equation Modeling (SEM)

4 min read

Structural Equation Modeling (SEM) — Mô hình Phương trình Cấu trúc

Phương pháp thống trị trong vault: 5/10 papers sử dụng (Paper #01, #03, #05, #08, #10)

1. SEM là gì?

SEM là kỹ thuật thống kê đa biến cho phép kiểm tra đồng thời nhiều mối quan hệ phụ thuộc giữa biến quan sát được (observed) và biến ẩn (latent).

Tại sao không dùng regression thông thường?

RegressionSEM
1 biến phụ thuộc (Y)Nhiều Y đồng thời
Chỉ biến quan sát đượcCả biến ẩn (latent)
Không test mediation trực tiếpMediation + Moderation tự nhiên
Không kiểm tra model fitKiểm tra fit toàn diện

2. Hai thành phần của SEM

a) Measurement Model (Mô hình đo lường)

  • Kiểm tra: Các chỉ báo (items/questions) có đo đúng biến ẩn không?
  • Công cụ: Confirmatory Factor Analysis (CFA)
  • Kiểm tra:
    • Reliability (độ tin cậy): Cronbach’s α ≥ 0.7, CR ≥ 0.7
    • Convergent validity (giá trị hội tụ): AVE ≥ 0.5
    • Discriminant validity (giá trị phân biệt): √AVE > inter-correlations

b) Structural Model (Mô hình cấu trúc)

  • Kiểm tra: Các mối quan hệ nhân quả giữa biến ẩn
  • Kết quả: Path coefficients (β), p-values, R²
MEASUREMENT MODEL              STRUCTURAL MODEL
┌─────────────┐                ┌──────────────────┐
│ Item 1 ─┐   │                │                  │
│ Item 2 ─┼─ Latent A ────────▶ Latent C          │
│ Item 3 ─┘   │                │   ▲              │
│             │                │   │              │
│ Item 4 ─┐   │                │   │              │
│ Item 5 ─┼─ Latent B ────────┘   │              │
│ Item 6 ─┘   │                    │              │
│             │                Latent D ──→ R²    │
└─────────────┘                └──────────────────┘
   "Đo có đúng không?"          "Quan hệ ra sao?"

3. CB-SEM vs. PLS-SEM

Tiêu chíCB-SEM (AMOS, LISREL)PLS-SEM (SmartPLS)
Mục đíchKiểm tra lý thuyết (theory testing)Dự báo & khám phá
Sample sizeLớn (≥200)Nhỏ hơn (≥100)
Phân phốiCần normal distributionKhông cần
Model fitCó (CFI, RMSEA, TLI)Hạn chế
Khi nào dùng?Lý thuyết mature, sample lớnLý thuyết mới, sample nhỏ

Các papers trong vault chủ yếu dùng CB-SEM (sample 207-324).

4. Các chỉ số cần báo cáo

Model Fit (CB-SEM)

Chỉ sốNgưỡng chấp nhậnÝ nghĩa
χ²/df< 3.0Chi-square/degrees of freedom
CFI≥ 0.90 (tốt: ≥0.95)Comparative Fit Index
TLI≥ 0.90Tucker-Lewis Index
RMSEA≤ 0.08 (tốt: ≤0.06)Root Mean Square Error of Approximation
SRMR≤ 0.08Standardized Root Mean Residual

Path Analysis

Chỉ sốÝ nghĩa
β (path coefficient)Cường độ & hướng tác động (+/-)
p-value< 0.05 = significant, < 0.01 = highly significant
R²% variance được giải thích (0.25=weak, 0.50=moderate, 0.75=strong)

5. Kỹ thuật nâng cao (từ vault)

Mediation Analysis (Paper #08, #10)

  • Mục đích: Kiểm tra X có tác động qua trung gian M không
  • Phương pháp hiện đại: Bootstrapping (5,000-10,000 mẫu) → tính indirect effect + CI
  • Cũ (không nên dùng): Sobel test, Baron & Kenny steps
  • Báo cáo: Total effect, Direct effect, Indirect effect, % mediated

Moderation Analysis (Paper #10)

  • Mục đích: Kiểm tra W có thay đổi mức độ X → Y không
  • Cách làm: Tạo interaction term (X × W) → kiểm tra tác động lên Y
  • Nếu significant: Vẽ simple slopes plot (high W vs. low W)

Multi-group Analysis (Paper #05)

  • Mục đích: So sánh mô hình giữa 2+ nhóm (VD: BRC-certified vs. non-certified)
  • Kiểm tra: Measurement invariance trước → rồi so sánh path coefficients
  • Tiêu chuẩn: ΔCFI ≤ 0.01 cho configural, metric, scalar invariance

Competing Models (Paper #07)

  • Mục đích: So sánh 2+ mô hình để chứng minh model đề xuất vượt trội
  • Cách làm: Fit cả 2 models → so sánh R², AIC, BIC, model fit indices
  • Reviewer rất thích vì tăng rigor

6. Quy trình SEM (step-by-step)

1. Literature Review → Hypotheses
        ↓
2. Questionnaire Development (Likert scale)
        ↓
3. Pilot Test (n=30-50) → chỉnh sửa
        ↓
4. Data Collection (survey) → n ≥ 200
        ↓
5. Data Screening
   • Missing data, outliers, normality
   • Common Method Bias (CMB) test
        ↓
6. Measurement Model (CFA)
   • Reliability: Cronbach's α, CR
   • Validity: AVE, discriminant validity
        ↓
7. Structural Model
   • Path coefficients, p-values, R²
   • Mediation/Moderation (nếu có)
        ↓
8. Results & Discussion
   • So sánh với literature
   • Theoretical & practical implications

7. Lỗi phổ biến cần tránh

  1. Sample size quá nhỏ cho CB-SEM (< 200)
  2. Không kiểm tra CMB (Common Method Bias) — khi X và Y cùng nguồn survey
  3. Dùng Sobel test cho mediation (đã outdated — dùng bootstrapping)
  4. Không báo model fit indices
  5. Claim “causality” từ cross-sectional survey data — SEM chỉ test associations
  6. Bỏ qua measurement invariance trong multi-group analysis

Graph View

Backlinks