Third, to evaluate the validity of

Third, to evaluate the validity of all constructs in the models, confirmatory factor analyses of the measurement models were tested, based on the goodness of fit statistics that can be used to assess the model fit of measurement models in the present study. According to researchers, several common indices are examined. Chi – square (χ2) and chi-square / df (χ2/df) is examined to test the relative fit of the model. According to Marsh and Hocevar (1985), the ratios as low as 2 or as high as 5 are considered as a reasonable fit. The root mean square error of approximation (RMSEA) is one of the most important indices. Steiger, (2007) recommended that the cutoff value of RMSEA between 0.05 – 0.08 be reasonable. The fit indices including comparative fit index (CFI), the Tucker-Lewis Index (TLI), the goodness of fit index (GFI)), the normed fit index (NFI) are commonly used to test the model fit. Bentler and Bonnete (1980) proposed that the values of CFI, TLI and GFI which are greater than or equal to 0.9 are considered to be a good fit, and value of NFI should be greater or equal 0.9 to fit the model (Hoyle, 1995). Another index, the root mean square residual (RMR), should be less than 0.10 to fit the model (Hu and Bentler, 1999).

Kết quả (Việt) 1:

Thứ ba, để đánh giá tính hợp lệ của tất cả các cấu trúc trong các mô hình, confirmatory factor phân tích của các mô hình đo lường đã được thử nghiệm, dựa vào lòng tốt phù hợp với số liệu thống kê có thể được sử dụng để đánh giá mô hình phù hợp với các mô hình đo lường trong nghiên cứu hiện nay. Theo các nhà nghiên cứu, một số chỉ số thường được kiểm tra. Chí-square (χ2) và chi-vuông / df (χ2/df) được kiểm tra để kiểm tra sự phù hợp tương đối của các mô hình. Theo Marsh và Hocevar (1985), tỷ lệ là thấp nhất là 2 hoặc cao như 5 được coi là một sự hợp lý phù hợp. Lỗi root mean square xấp xỉ (RMSEA) là một trong những chỉ số quan trọng nhất. Steiger, (năm 2007) khuyến cáo rằng giá trị cắt của RMSEA giữa 0,05-0,08 là hợp lý. Các chỉ số phù hợp, bao gồm cả chỉ số phù hợp so sánh (CFI), chỉ số Tucker-Lewis (TLI), lòng tốt phù hợp với chỉ số (GFI)), không phù hợp với chỉ số (NFI) thường được sử dụng để thử nghiệm mô hình phù hợp. Bentler và Bonnete (1980) đã đề xuất rằng các giá trị của CFI, TLI và GFI là lớn hơn hoặc bằng 0,9 được coi là thích hợp, và giá trị của NFI phải lớn hơn hoặc bằng 0,9 để phù hợp với các mô hình (Hoyle, 1995). Một chỉ số, root mean square dư (RMR), nên là ít hơn 0,10 để phù hợp với các mô hình (Hu và Bentler, 1999).

Kết quả (Việt) 2:

Thứ ba, để đánh giá hiệu lực của tất cả các cấu trúc trong các mô hình, nhân tố chứng phân tích các mô hình đo lường đã được thử nghiệm, dựa vào sự tốt lành của thống kê phù hợp có thể được sử dụng để đánh giá các mô hình phù hợp của mô hình đo lường trong nghiên cứu này. Theo các nhà nghiên cứu, một số chỉ số thông thường được kiểm tra. Chí - vuông (χ2) và chi-square / df (χ2 / df) được kiểm tra để kiểm tra sự phù hợp tương đối của các mô hình. Theo Marsh và Hocevar (1985), tỷ lệ thấp nhất là 2 hoặc cao như 5 được coi là một sự phù hợp lý. Các gốc có nghĩa là lỗi vuông xấp xỉ (RMSEA) là một trong những chỉ số quan trọng nhất. Steiger, (2007) khuyến cáo rằng các giá trị cắt của RMSEA giữa 0,05-0,08 là hợp lý. Các chỉ số phù hợp bao gồm chỉ số phù hợp so sánh (CFI), Tucker-Lewis Index (TLI), sự tốt lành của chỉ số phù hợp (GFI)), chỉ số phù hợp với định chuẩn (NFI) thường được sử dụng để thử nghiệm các mô hình phù hợp. Bentler và Bonnete (1980) đề xuất rằng các giá trị của CFI, TLI và GFI mà là lớn hơn hoặc bằng 0,9 được coi là phù hợp, và giá trị của NFI phải lớn hơn hoặc bằng 0,9 để phù hợp với mô hình (Hoyle, 1995 ). chỉ số khác, gốc có nghĩa là còn lại vuông (RMR), nên được ít hơn 0.10 để phù hợp với mô hình (Hu và Bentler, 1999).