Độ tin cậy Cronbach’s Alpha và Composite Reliability đều là những chỉ số đánh giá độ tin cậy của thang đo trong nghiên cứu định lượng. Tuy nhiên, chúng có sự khác nhau về cách tính toán và ứng dụng.
1. Độ tin cậy Cronbach's Alpha là gì?
Độ tin cậy Cronbach's Alpha là một thống kê được sử dụng rộng rãi trong nghiên cứu để đánh giá độ tin cậy của một thang đo, tức là mức độ mà các biến quan sát thuộc một nhân tố có liên quan với nhau và đo lường cùng một khái niệm.
Ý nghĩa:
- Cronbach's Alpha giúp các nhà nghiên cứu xác định xem thang đo có đáng tin cậy hay không. Hay nói cách khác, xem bộ câu hỏi đo lường của một nhân tố có phù hợp hay không.
- Một giá trị Cronbach's Alpha cao cho thấy rằng các biến quan sát trong thang đo có liên quan chặt chẽ với nhau và đo lường cùng một khái niệm nhân tố mẹ.
- Ngược lại, một giá trị Cronbach's Alpha thấp cho thấy rằng các biến quan sát trong thang đo không có liên quan chặt chẽ với nhau và có thể không đo lường cho nhân tố mẹ.
Giá trị chấp nhận được:
Ngưỡng chấp nhận phổ biến của giá trị Cronbach's Alpha là từ 0.7 trở lên (Andy Field, 2009; Hair và cộng sự, 2010). Tuy nhiên, giá trị chấp nhận được có thể thay đổi tùy thuộc vào lĩnh vực nghiên cứu và mục đích của thang đo.Hạn chế:
- Cronbach’s Alpha giả định rằng tất cả các biến quan sát có mức độ đóng góp tương đương vào thang đo. Trong thực tế, các biến có thể có mức độ quan trọng khác nhau, làm cho Alpha có thể đánh giá không chính xác độ tin cậy của thang đo.
- Nếu một thang đo có nhiều biến quan sát, giá trị Cronbach's Alpha có thể cao ngay cả khi các biến quan sát không thực sự liên kết tốt với nhau. Ngược lại, một thang đo có ít biến quan sát có thể có hệ số Alpha thấp dù các biến quan sát có liên hệ chặt chẽ.
2. Độ tin cậy tổng hợp Composite Reliability (CR) là gì?
Độ tin cậy tổng hợp (Composite Reliability - CR) là một chỉ số đo lường độ tin cậy của một thang đo, đặc biệt là trong các mô hình cấu trúc tuyến tính (SEM). Nó được xem là một sự cải tiến so với Cronbach's Alpha, khắc phục một số hạn chế của chỉ số này.
Hair và cộng sự (2017) cho rằng hệ số đánh giá độ tin cậy truyền thống Cronbach's Alpha có nhiều nhược điểm và có xu hướng đánh giá quá thấp độ tin cậy vốn có của thang đo. Thay vào đó, chúng ta có thể đánh giá độ tin cậy bằng hệ số tin cậy tổng hợp Composite Reliability (trong SMARTPLS 4 ký hiệu là rho_c) sẽ phù hợp hơn.
Ý nghĩa:
Độ tin cậy tổng hợp CR đo lường mức độ nhất quán nội tại của các biến quan sát trong một thang đo, tương tự như Cronbach's Alpha. Tuy nhiên, CR tính đến trọng số khác nhau của các biến quan sát, điều mà Cronbach's Alpha không làm được.
Do đó, CR thường được coi là một chỉ số chính xác hơn, đặc biệt khi các biến quan sát có mức độ đóng góp khác nhau vào khái niệm đo lường.
Giá trị chấp nhận được:
Cách đánh giá CR tương tự như Cronbach's Alpha. Hệ số này dao động từ 0 đến 1 (những trường hợp âm là dữ liệu lỗi), tiến gần về 0 độ tin cậy càng thấp, tiến gần về 1 độ tin cậy càng cao. Giá trị CR từ 0,7 trở lên thường được coi là chấp nhận được (Hair và cộng sự, 2017).
Ưu điểm so với Cronbach's Alpha:
- Khắc phục nhược điểm giả định các biến quan sát có trọng số bằng nhau của Cronbach's Alpha.
- Cung cấp đánh giá chính xác hơn về độ tin cậy khi các biến quan sát có mức độ ảnh hưởng khác nhau.
- Phù hợp hơn cho các mô hình SEM, nơi trọng số của các biến quan sát được ước lượng.
3. Lưu ý về Cronbach's Alpha và Composite Reliability trong SMARTPLS
- Cronbach's Alpha đánh giá quá thấp độ tin cậy, ở mặt ngược lại, Composite Reliability lại đánh giá quá cao độ tin cậy. Do vậy, khi đánh giá kết quả, chúng ta nên trình bày cả hai chỉ số, giá trị độ tin cậy hợp lý thường nằm ở khoảng giữa của Cronbach's Alpha và Composite Reliability.
- Chỉ đánh giá Cronbach's Alpha và Composite Reliability của thang đo kết quả (reflective), không đánh giá cho thang đo nguyên nhân.
- Khi Cronbach's Alpha và Composite Reliability trong SMARTPLS không đạt ngưỡng chấp nhận tối thiểu, chúng ta sẽ loại dần các biến quan sát có hệ số tải ngoài Outer loading thấp nhất trong nhóm (với thang đo kết quả) rồi phân tích lại.
Quá trình loại biến quan sát để tăng Cronbach's Alpha và Composite Reliability trong SMARTPLS được thực hiện lặp đi lặp lại tới khi nhân tố đạt được độ tin cậy thì dừng. Nếu loại biến mà nhân tố vẫn còn tối thiểu 2 biến quan sát và đạt ngưỡng độ tin cậy thì kết luận thang đo đạt độ tin cậy.
Nếu loại biến mà tới khi nhân tố còn 2 biến quan sát nhưng vẫn chưa đạt ngưỡng độ tin cậy thì kết luận thang đo không đạt độ tin cậy và loại bỏ cả nhân tố khỏi diagram. Một số trường hợp chấp nhận nhân tố đo lường bằng 1 biến quan sát, nhưng rất giới hạn.
4. Xem hệ số Cronbach's Alpha và Composite Reliability trong SMARTPLS
Trên phiên bản SMARTPLS 3 và SMARTPLS 4, giá trị Cronbach's Alpha và Composite Reliability sẽ nằm trong bảng Construct Reliability and Validity thuộc phân tích PLS-Algorithm.
Chúng ta sẽ nhận xét và trình bày kết quả hai hệ số này trong phần đánh giá mô hình đo lường trên SMARTPLS.
Giao diện trên phiên bản SMARTPLS 3:
Thang đo HL trong kết quả trên có Cronbach's Alpha và Composite Reliability đều 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 Cronbach's Alpha và Composite Reliability luôn bằng 1 trong SMARTPLS 3.
Giao diện trên phiên bản SMARTPLS 4:
Trên phiên bản SMARTPLS 4, cấu trúc chỉ có một biến quan sát sẽ không hiển thị các chỉ số độ tin cậy.
------
Nguồn tham khảo:
Andy Field (2009), Discovering Statistics Using SPSS. 3rd Edition, Sage Publications Ltd., London.
Hair và cộng sự (2010), Multivariate Data Analysis. 7th Edition, Pearson, New York.
Hair và cộng sự (2017), A Primer on Partial Least Squares Structural Equation Modeling (PLS-SEM). 2nd Edition, Sage Publications Inc., Thousand Oaks, CA.