Độ tin cậy tổng hợp (Composite Reliability - CR) là chỉ số được ưa thích sử dụng nhiều hơn so với Cronbach's Alpha trong phân tích mô hình SEM bởi Cronbach's Alpha tồn tại nhiều hạn chế như có xu hướng đánh giá thấp độ tin cậy của thang đo, đánh giá không đúng độ tin cậy nhất quán nội tại, nhạy cảm với số lượng biến quan sát thang đo.
1. Độ tin cậy nhất quán nội bộ (internal consistency reliabilty)
Độ tin cậy nhất quán nội bộ được hiểu là sự đồng nhất (homogeneity) về đo lường của các chỉ báo trong một thang đo (scale) (Devellis, 2016; Price và cộng sự, 2015).
Cơ sở của độ tin cậy nhất quán nội bộ chính là các chỉ báo có mối tương quan thuận chặt chẽ với nhau (mô hình đo lường kết quả). Điều này dẫn tới một kết quả quan trọng là nếu mức độ tương quan thuận giữa các chỉ báo (inter-items) mà cao, chứng tỏ các chỉ báo này đang đo lường tốt cho một khái niệm.
2. Độ tin cậy tổng hợp (composite reliability)
2.1 Khái niệm và công thức
Độ tin cậy tổng hợp là một hệ số dùng để đo lường cho độ tin cậy nhất quán nội bộ của các chỉ báo trong một thang đo và được dùng thay thế cho hệ số Cronbach's Alpha (Netemeyer và cộng sự, 2003).
Hệ số độ tin cậy tổng hợp CR sử dụng các hệ số tải chuẩn hóa và sự biến thiên sai số của các biến quan sát thuộc một biến tiềm ẩn. McDonald (1970) đưa ra công thức tính toán hệ số độ tin cậy tổng hợp của một biến tiềm ẩn A gồm m biến quan sát như sau:
Trong đó:
- CR: độ tin cậy tổng hợp CR của biến tiềm ẩn A
- ld1, ld2, ldm: hệ số tải chuẩn hóa của biến quan sát thuộc biến tiềm ẩn A
- m: số lượng biến quan sát của biến tiềm ẩn A
- σ12, σ22, σm2: phương sai sai số đo lường của biến quan sát thuộc biến tiềm ẩn A ( σm2 = 1 - ldm2)
2.2 Ngưỡng chấp nhận của Composite Reliability
Giống như Cronbach's Alpha, giá trị độ tin cậy tổng hợp nằm trong khoảng từ 0-1, với giá trị càng cao, gần với 1 cho thấy mức độ tin cậy càng cao.
Dưới đây là các ngưỡng đánh giá theo đề xuất của Hair và cộng sự (2022):
- CR ≥ 0.7: Độ tin cậy tốt.
- 0.6 ≤ CR < 0.7: Có thể chấp nhận được trong một số nghiên cứu khám phá.
- CR < 0.6: Không đạt yêu cầu, cần xem xét lại thang đo.
Mức chấp nhận của CR là từ từ 0.7 - 0.9 (Nunally và Bernstein, 1994). Nếu giá trị này lớn hơn 0.95 được xem như có vấn đề vì có khả năng cao xảy ra tình trạng trùng lắp biến quan sát, nghĩa là các biến quan sát cùng một nội dung với nhau. Với nghiên cứu khám phá (exploratory research), giá trị độ tin cậy từ 0.6 - 0.7 có thể được chấp nhận. Nếu độ tin cậy tổng hợp có giá trị nhỏ hơn 0.6, điều này cho thấy rằng thiếu độ tin cậy nhất quán nội tại và cần xem xét lại
3. Cách xem độ tin cậy tổng hợp Composite Reliability trên SMARTPLS, AMOS
3.1 Composite Reliability trên SMARTPLS 3, SMARTPLS 4
Trên phiên bản SMARTPLS 3 chỉ số độ tin cậy tổng hợp được gọi là Composite Reliability, còn trên phiên bản SMARTPLS 4 chỉ số này được gọi là Composite Reliability rho_c.
Giá trị độ tin cậy tổng hợp nằm trong bảng Construct Reliability and Validity thuộc phân tích PLS-Algorithm.
Giao diện trên phiên bản SMARTPLS 3:
Thang đo HL trong kết quả trên có Composite Reliability bằng 1 vì đây là thang đo chỉ có một biến quan sát. Thang đo chỉ có một biến quan sát mặc định sẽ có Composite Reliability luôn bằng 1 trong SMARTPLS 3.
Giao diện trên phiên bản SMARTPLS 4:
Trên phiên bản SMARTPLS 4, chỉ số độ tin cậy rho_a được đặt tên lại là Composite Reliability rho_a và chỉ số Composite Reliability cũ gọi là Composite Reliability rho_c. Khác biệt Composite Reliability rho_c và rho_a bạn xem tại đây. Thang đo chỉ có một biến quan sát sẽ không hiển thị các chỉ số độ tin cậy trên SMARTPLS 4.
3.2 Composite Reliability trên AMOS
Phần mềm AMOS không hỗ trợ xuất kết quả chỉ số độ tin cậy tổng hợp Composite Reliability. Để tính toán được chỉ số này, thường chúng ta sẽ dùng một plugin phụ tích hợp vào AMOS là Reliability and Validity.
Cách thao tác lấy chỉ số này trên AMOS mời bạn xem tại bài viết Đánh giá tính hội tụ, tính phân biệt trong phân tích CFA 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.