Trong phân tích mô hình cấu trúc tuyến tính SEM, một bước quan trọng để kiểm định sự khác biệt giữa các nhóm đối tượng là phân tích cấu trúc đa nhóm (Multigroup Analysis – viết tắt: MGA). Phương pháp này cho phép nhà nghiên cứu xác định xem các mối quan hệ trong mô hình có khác biệt giữa các nhóm định tính (như giới tính, độ tuổi, vùng miền, trình độ học vấn,…) hay không.
Đây là kỹ thuật được ứng dụng phổ biến nhất trong các luận văn thạc sĩ và nghiên cứu học thuật hiện nay khi sử dụng phần mềm AMOS để thực hiện SEM (Structural Equation Modeling).
Multigroup Analysis là gì?
Phân tích cấu trúc đa nhóm (Multigroup Analysis – MGA) là phương pháp thống kê được sử dụng trong AMOS nhằm so sánh và đánh giá sự khác biệt của các mối quan hệ giữa các nhóm đối tượng trong cùng một mô hình SEM.
Ví dụ:
Giả sử mô hình SEM của bạn xem xét tác động của Chất lượng dịch vụ (CLDV) lên Sự hài lòng của khách hàng (SHL).
Nếu biến định tính trong bộ dữ liệu là Giới tính (Nam – Nữ), bạn có thể dùng Multigroup Analysis để kiểm định xem:
- Ở nhóm Nam, CLDV có ảnh hưởng đến SHL không?
- Ở nhóm Nữ, CLDV có ảnh hưởng khác đi không?
- Mức độ tác động (hệ số hồi quy chuẩn hóa) giữa hai nhóm có khác biệt đáng kể không?
Như vậy, Multigroup trong AMOS giúp phát hiện và giải thích sự khác biệt cấu trúc mô hình giữa các nhóm đối tượng khác nhau, qua đó hỗ trợ kết luận mang tính chuyên sâu và chính xác hơn.
Chức năng và chỉ số đánh giá trong Multigroup
Khi thực hiện Multigroup Analysis trong AMOS, ba nhóm chỉ số thường được quan tâm gồm:
- p-value (sig)
→ Dùng để xác định xem mối quan hệ có ý nghĩa thống kê ở từng nhóm hay không. - Standardized Regression Weights (hệ số hồi quy chuẩn hóa)
→ Cho biết mức độ mạnh yếu của tác động giữa các biến trong từng nhóm (ví dụ, CLDV tác động mạnh hơn đến SHL ở nam so với nữ). - Squared Multiple Correlation (R²)
→ Biểu thị mức độ giải thích của biến độc lập lên biến phụ thuộc giữa các nhóm khác nhau.
👉 Khác với ANOVA (One-way) – chỉ so sánh một biến định lượng giữa các nhóm định tính,
Multigroup Analysis tập trung so sánh các mối quan hệ (đường dẫn) trong mô hình SEM giữa các nhóm định tính.
Cơ chế hoạt động của Multigroup trong AMOS
Theo phương pháp của Jöreskog (1971), việc xác định sự khác biệt giữa các nhóm được đánh giá dựa trên so sánh giá trị Chi-square (χ²) giữa hai loại mô hình:
- Mô hình khả biến (Unconstrained Model – MHKB):
Các hệ số đường dẫn được để tự do, không bị ràng buộc. - Mô hình bất biến (Constrained Model – MHBB):
Một hoặc nhiều hệ số đường dẫn được cố định bằng nhau giữa các nhóm.
Sau khi chạy SEM cho cả hai mô hình, ta tính sai biệt Chi-square và bậc tự do (df) để kiểm định giả thuyết:
- H₀: Không có sự khác biệt giữa MHBB và MHKB
- H₁: Có sự khác biệt giữa MHBB và MHKB
Nếu p-value < 0.05, bác bỏ H₀ → Mô hình giữa các nhóm khác nhau → chọn MHKB để đọc kết quả.
Nếu p-value > 0.05, chấp nhận H₀ → Không có khác biệt giữa các nhóm → chọn MHBB vì mô hình này đơn giản hơn.
Quy trình thực hiện Multigroup Analysis trong AMOS
Bước 1: Chuẩn bị mô hình SEM hoàn chỉnh
Trước khi thực hiện Multigroup, bạn cần hoàn thiện mô hình SEM gốc (đã đạt độ phù hợp tốt, các giả thuyết có ý nghĩa).
Bước 2: Tạo hai mô hình
Tạo hai file AMOS diagram tương ứng:
- MHBB (mô hình bất biến)
- MHKB (mô hình khả biến)
Trong MHBB, các hệ số hồi quy (Regression Weights) được cố định (ví dụ: B1, B2, B3…).
Trong MHKB, các hệ số được để tự do.
Bước 3: Khai báo nhóm (Group)
Vào Manage Groups để tạo các nhóm định tính cần phân tích, ví dụ:
- Giới tính: Nam, Nữ
- Độ tuổi: <18, 18–35, 36–50, >50
Bước 4: Gắn dữ liệu cho từng nhóm
Trong Select Data File(s), chọn file dữ liệu SPSS (.sav), khai báo biến định tính (Grouping Variable) và gán giá trị mã hóa tương ứng (ví dụ: 1 = Nam, 2 = Nữ).
Bước 5: Chạy mô hình và thu giá trị Chi-square, df
Chạy SEM cho cả MHBB và MHKB, ghi lại Chi-square và df để so sánh.
Bước 6: Tính p-value sai biệt
Dùng công thức hoặc file Excel tính sai biệt Chi-square và p-value.
- Nếu p < 0.05 → có khác biệt giữa các nhóm
- Nếu p ≥ 0.05 → không có khác biệt
Ví dụ minh họa kết quả Multigroup
Trường hợp 1: Giới tính (Nam – Nữ)
Khi kiểm định cho biến Giới tính, kết quả cho thấy:
- p-value = 0.044 < 0.05
→ Có sự khác biệt giữa MHBB và MHKB
→ Chọn mô hình khả biến (MHKB) để đọc kết quả.
Khi đọc output AMOS:
- Hệ số CLDV → SHL ở Nam = 0.65, ở Nữ = 0.45
⇒ Tác động CLDV lên SHL mạnh hơn ở Nam. - R² (SHL) của Nam = 0.52, Nữ = 0.38
⇒ Mức độ giải thích của mô hình ở Nam cao hơn.
Kết luận: Giới tính có ảnh hưởng đến mối quan hệ CLDV → SHL.
Trường hợp 2: Độ tuổi
Thực hiện tương tự cho biến Độ tuổi (4 nhóm), kết quả cho thấy:
- p-value = 0.396 > 0.05
→ Không có khác biệt giữa MHBB và MHKB
→ Chọn MHBB để đọc kết quả.
Kết luận: Mối quan hệ CLDV → SHL không thay đổi đáng kể giữa các nhóm độ tuổi.
Diễn giải kết quả Multigroup
Khi đọc kết quả, tập trung vào ba bảng trong AMOS:
- Regression Weights (Hệ số hồi quy)
- Standardized Regression Weights (Hệ số chuẩn hóa)
- Squared Multiple Correlations (R²)
So sánh các giá trị này giữa các nhóm (Nam/Nữ, các độ tuổi…) để xác định:
- Mối quan hệ nào có ý nghĩa hay không.
- Hệ số nào mạnh hơn ở nhóm nào.
- Mức độ giải thích (R²) khác nhau ra sao.
Từ đó, bạn có thể rút ra kết luận cụ thể và logic cho từng nhóm đối tượng trong nghiên cứu.
Kết luận
Multigroup Analysis trong AMOS là công cụ mạnh mẽ giúp nhà nghiên cứu so sánh cấu trúc mô hình SEM giữa các nhóm định tính khác nhau.
Kỹ thuật này mang lại:
✅ Hiểu sâu hơn về sự khác biệt hành vi, nhận thức giữa các nhóm;
✅ Tăng giá trị giải thích và ý nghĩa học thuật của nghiên cứu;
✅ Đảm bảo kết luận chính xác, khách quan.
Nếu bạn đang thực hiện luận văn, đề tài SEM hoặc nghiên cứu hành vi khách hàng, việc áp dụng Multigroup (MGA) trong AMOS là bước quan trọng để chứng minh sự khác biệt có ý nghĩa giữa các nhóm đối tượng – từ đó đưa ra những gợi ý quản trị hiệu quả và chính xác hơn.
