The Light DataThe Light DataKiến thức phân tích dữ liệu
Phần mềm · AMOS · SEM

AMOS là gì? Làm chủ CFA & SEM bằng cách “vẽ” mô hình

Xây dựng, kiểm định và đánh giá mô hình nghiên cứu bằng sơ đồ trực quan — kèm thao tác chi tiết trên AMOS.

⏱ ~11 phút đọcPhần mềm: IBM SPSS AMOS

Nếu SPSS mạnh về thống kê truyền thống thì AMOS là công cụ để bạn “vẽ” và kiểm định cả một mô hình nghiên cứu — từ CFA, đánh giá độ phù hợp mô hình đến SEM, kiểm định trung gian và phân tích đa nhóm.

Trong bài viết này
  1. AMOS là gì?
  2. Ưu điểm & ứng dụng
  3. CFA — phân tích nhân tố khẳng định
  4. Độ phù hợp mô hình (Model Fit)
  5. Giá trị hội tụ & phân biệt
  6. Mô hình cấu trúc (SEM)
  7. Kiểm định trung gian
  8. Phân tích đa nhóm
  9. Chuẩn bị dữ liệu trên SPSS

1AMOS là gì?

AMOS (Analysis of Moment Structures) là phần mềm phân tích mô hình cấu trúc tuyến tính (SEM) do IBM phát triển và tích hợp cùng bộ IBM SPSS Statistics. AMOS cho phép xây dựng, kiểm định và đánh giá mô hình nghiên cứu thông qua giao diện trực quan bằng cách vẽ sơ đồ thay vì lập trình.

Khác với SPSS chủ yếu thực hiện các phân tích thống kê truyền thống, AMOS được dùng để kiểm định mô hình nghiên cứu, đánh giá quan hệ giữa các biến tiềm ẩn và biến quan sát, cũng như kiểm định đồng thời nhiều giả thuyết trong một mô hình.

2Ưu điểm & ứng dụng

Ưu điểm

  • Giao diện trực quan, thao tác bằng sơ đồ
  • Tích hợp với dữ liệu từ SPSS
  • Kiểm định đồng thời nhiều mối quan hệ
  • Hỗ trợ phân tích CFA và SEM
  • Phổ biến trong nghiên cứu khoa học & luận văn

Ứng dụng phổ biến

  • Kiểm định mô hình đo lường (độ phù hợp thang đo, hội tụ, phân biệt)
  • Kiểm định mô hình cấu trúc (giả thuyết, quan hệ nhân tố)
  • Đánh giá & so sánh chất lượng mô hình
  • Phân tích tác động: trực tiếp, gián tiếp, tổng
  • Phân tích trung gian (Mediator) & điều tiết (Moderator)

3Phân tích nhân tố khẳng định (CFA)

CFA kiểm định mô hình đo lường và xác nhận các biến quan sát thực sự đo lường đúng biến tiềm ẩn theo giả thuyết. Khác với EFA (khám phá cấu trúc nhân tố), CFA thực hiện khi đã có mô hình lý thuyết rõ ràng. Qua CFA có thể đánh giá độ phù hợp mô hình, giá trị hội tụ, giá trị phân biệt, độ tin cậy tổng hợp (CR) và phương sai trích (AVE).

Ví dụ

Nhân tố “Chất lượng dịch vụ” (CL1–CL4): Factor Loading đều > 0,7 · AVE = 0,65 · CR = 0,88 → thang đo đạt giá trị hội tụ và độ tin cậy.

🖱️ Thao tác CFA trên AMOS
  1. Mở AMOS Graphics.
  2. Chọn File → Data Files và liên kết với file .sav.
  3. Vẽ các biến tiềm ẩn (Ellipse).
  4. Vẽ các biến quan sát (Rectangle).
  5. Nối các biến bằng mũi tên một chiều.
  6. Thêm sai số (Error Variables).
  7. Chọn Analyze → Calculate Estimates.
  8. Kiểm tra các chỉ số phù hợp mô hình và hệ số tải nhân tố.

4Đánh giá độ phù hợp của mô hình (Model Fit)

Sau khi thực hiện CFA hoặc SEM, cần đánh giá mức phù hợp giữa mô hình và dữ liệu khảo sát qua các chỉ số phù hợp mô hình. Mô hình được xem là phù hợp khi các chỉ số đạt ngưỡng chấp nhận:

Chỉ sốNgưỡng đề nghị
CMIN/DF< 3 (hoặc < 5)
GFI≥ 0,90
AGFI≥ 0,80
CFI≥ 0,90
TLI≥ 0,90
IFI≥ 0,90
RMSEA≤ 0,08
SRMR≤ 0,08
Ví dụ

Kết quả CFA: CMIN/DF = 2,11 · GFI = 0,92 · CFI = 0,95 · TLI = 0,94 · RMSEA = 0,053 → mô hình đo lường phù hợp với dữ liệu khảo sát.

🖱️ Thao tác kiểm tra Model Fit
  1. Sau khi chạy mô hình, chọn View Text Output.
  2. Kiểm tra các mục: Model Fit · CMIN · Baseline Comparisons · RMSEA.
  3. Đối chiếu với các ngưỡng đánh giá để kết luận.

5Kiểm định giá trị hội tụ & giá trị phân biệt

Sau CFA, cần đánh giá chất lượng thang đo qua giá trị hội tụ (Convergent Validity) và giá trị phân biệt (Discriminant Validity):

Ví dụ

Nhân tố “Động lực học tập”: AVE = 0,63 · CR = 0,90 → đạt giá trị hội tụ và độ tin cậy.

🖱️ Thao tác đánh giá hội tụ & phân biệt
  1. Chạy CFA.
  2. Ghi nhận hệ số tải nhân tố chuẩn hóa.
  3. Tính CR và AVE dựa trên các hệ số tải.
  4. So sánh căn bậc hai AVE với hệ số tương quan giữa các nhân tố để đánh giá giá trị phân biệt.

6Mô hình cấu trúc tuyến tính (SEM)

SEM kiểm định đồng thời các giả thuyết và mối quan hệ giữa các biến tiềm ẩn. Khác với hồi quy tuyến tính, SEM cho phép kiểm định nhiều phương trình cùng lúc, xem xét sai số đo lường và đánh giá tác động trực tiếp, gián tiếp, tổng. Các kết quả cần quan tâm: Standardized Regression Weights, Critical Ratio (CR), P-value, Squared Multiple Correlations (R²).

Ví dụ

Giả thuyết Chất lượng dịch vụ → Sự hài lòng: Beta = 0,62 · CR = 8,45 · P < 0,001 → tác động tích cực và có ý nghĩa thống kê.

🖱️ Thao tác SEM trên AMOS
  1. Hoàn thiện mô hình CFA.
  2. Vẽ các đường dẫn giữa các biến tiềm ẩn theo giả thuyết nghiên cứu.
  3. Chọn Analyze → Calculate Estimates.
  4. Kiểm tra: Regression Weights · Standardized Regression Weights · Squared Multiple Correlations.
  5. Đánh giá ý nghĩa thống kê của giả thuyết qua CR và P-value.

7Kiểm định tác động trung gian (Mediation)

Kiểm định trung gian xác định liệu ảnh hưởng của biến độc lập lên biến phụ thuộc có được truyền qua một biến trung gian hay không. AMOS thường dùng phương pháp Bootstrap; nếu khoảng tin cậy Bootstrap không chứa giá trị 0 thì tác động gián tiếp có ý nghĩa thống kê.

Ví dụ

Mô hình Chất lượng dịch vụ → Sự hài lòng → Lòng trung thành: Indirect Effect = 0,31 · 95% CI = [0,18; 0,45] → Sự hài lòng đóng vai trò trung gian.

🖱️ Thao tác kiểm định trung gian
  1. Chọn Analyze Properties.
  2. Chọn tab Bootstrap.
  3. Tích chọn Perform Bootstrap.
  4. Nhập số mẫu Bootstrap (thường 2.000–5.000).
  5. Chạy mô hình và kiểm tra mục Indirect Effects / Bootstrap Estimates.

8Phân tích đa nhóm (Multi-Group Analysis)

So sánh mô hình nghiên cứu giữa hai hoặc nhiều nhóm đối tượng (Nam/Nữ, sinh viên năm 3/năm 4, khách hàng mới/cũ…) nhằm xác định các mối quan hệ trong mô hình có khác biệt giữa các nhóm hay không — giúp đánh giá tính ổn định của mô hình.

Ví dụ

So sánh tác động của Động lực học tập → Kết quả học tập giữa nam và nữ: β Nam = 0,58 · β Nữ = 0,42 → mức độ ảnh hưởng khác nhau giữa hai nhóm.

🖱️ Thao tác phân tích đa nhóm
  1. Chuẩn bị biến phân nhóm trong dữ liệu SPSS.
  2. Trong AMOS, chọn Manage Groups để tạo các nhóm.
  3. Gán điều kiện cho từng nhóm theo giá trị của biến phân nhóm.
  4. Chạy mô hình đồng thời cho các nhóm.
  5. So sánh hệ số đường dẫn và chỉ số phù hợp mô hình để đánh giá khác biệt.

9Chuẩn bị dữ liệu trên SPSS

AMOS đọc dữ liệu trực tiếp từ file .sav. Trước khi phân tích, dữ liệu cần được xử lý sạch trên SPSS:

  1. Làm sạch dữ liệu — kiểm tra Missing Value, Outlier, dữ liệu nhập sai
  2. Kiểm định độ tin cậy — Cronbach's Alpha; loại biến có Corrected Item-Total Correlation < 0,3 hoặc khi “Alpha if Item Deleted” làm tăng đáng kể Alpha
  3. Phân tích EFA — loại biến có Factor Loading thấp, xác định số nhân tố
  4. Chuẩn bị file .sav để AMOS đọc trực tiếp
⚠️ Bắt buộc trước khi chạy AMOS

Chất lượng đầu vào quyết định độ tin cậy của mô hình AMOS.

🧹
Hướng dẫn chi tiết
Xem chi tiết cách xử lý dữ liệu đầu vào
Mã hóa biến, đặt tên chuẩn SPSS, gán Variable & Value Labels trước khi đưa vào AMOS.
→
🎯 Tóm lại
  • AMOS = vẽ & kiểm định mô hình SEM: CFA → Model Fit → hội tụ/phân biệt → SEM → trung gian → đa nhóm.
  • Quy trình bắt đầu bằng xử lý dữ liệu sạch trên SPSS (.sav).
  • Chỉ số fit đạt ngưỡng + β có ý nghĩa (CR, P < 0,05) → mô hình được ủng hộ.