Bài viết này là về SEM, một kĩ thuật cũng không kém hữu ích cho những ai cần làm thesis mà liên quan tới mấy cái mô hình đa cấu trúc, kiki. Mình hiểu được tới đâu thì viết tới đó để share cùng mọi người thui, không có ý múa rìu qua mắt thợ nhé. Ah cái này dùng sau EFA mọi người nhé.
SEM sử dụng các mô hình khác nhau nhằm dự đoán mối quan hệ giữa các biến được quan sát (observed variables), với cùng mục tiêu là cung cấp một test định lượng cho model được người nghiên cứu giả định.
Trong khi có nhiều mô hình khác nhau có thể đự đoán được mối quan hệ giữa các biến, tại sao SEM lại được sử dụng phổ biến nhất. Hãy điểm qua một số lí do sau đây:
Trước hết, SEM có thể giải quyết các mối quan hệ đa biến (multiple observed variables) trong khi các phương pháp thống kê cơ bản chỉ sử dụng một số lượng biến giới hạn, không thể giải quyết được các học thuyết phức tạp khi chúng được phát triển thêm.
Ngoài ra, phân tích SEM bao hàm phân tích các biến ẩn (latent variables) và biến quan sát (observed variables) cũng như các sai số đo lường (measurement errors), vì vậy các kêt quả về validity cũng như reliability cũng đáng tin cậy hơn.
Hơn nữa các phần mềm dành cho SEM cũng ngày càng được sử dụng thân thiện hơn, các bạn cũng sẽ không gặp phải nhiều khó khăn như trước đây khi chạy SEM (yên tâm nhé!!!). Nhớ cài AMOS trong máy tính nghe, hihi.
Thật ra, chạy SEM được tiến hành sau khi chay EFA (áp dụng cho pre-test khi bạn làm questionnaire ấy), mà phần EFA thì anh Tâm “bánh bèo” đã viết rùi nên các bạn cứ vào web của trường mà coi, mình sẽ không nói lại nữa.
Chạy SEM bao gồm chạy CFA (confirmatory factor analysis) và kiểm định hypotheses. Mình sẽ lấy luận văn của anh Hùng Steven “đài tệ” để nói cho các bạn một cách khái quát về SEM nhé (^_^), hy vọng dajia hiểu được. Tên đề tài của anh Hùng là “An Investigation of Factors Affecting the Relationship between Franchisee and Franchisor: A Study of the Vietnamese Retail Franchising”.
Đầu tiên thì các bạn phải xây dựng được model cho đề tài của mình (cái này đòi hỏi phải đọc nhiều article rùi dùng công nghệ CP hoặc CPM (copy-paste-modify) để đưa ra cho được một cái model hoàn chỉnh, nếu các bạn may mắn thì không phải mất nhiều thời gian đâu).
Trong model này, anh Hùng có 6 constructs và mỗi construct có số items như sau:
Click hết sạch mấy cái ô trong Output nhé (để sau này mình thik sử dụng cái kết quả nào thì đều có trong Output ý mà):
Bây giờ thì tính data nè (nhớ Save File theo ý mình nhé, chẳng hạn mình lưu là FSpt):
Sau khi chạy data xong rùi, thì màn hình sẽ hiện ra Chi-square và df, nhìn ở phía hình trên nha^^. Giờ là cách đọc output nè (đọc một số index cơ bản thui, không phải đọc hết đâu, vì nó display ra cả đống cho mình ấy)
Vào View text nhé:
Trước tiên coi Model Fit nhé (để coi cái model mình xây dựng như vậy nó có fit không ấy mà):
Cả đống index như thế này, nhưng mình chỉ xem mấy cái cơ bản đại diện cho độ fitness của model thôi (goodness-of-fit). Cơ bản thì coi NNFI, CFI, RMSEA, rùi cả Chi-square nữa (đó là mình đọc trong mấy cái articles rùi thì nó bảo chỉ cần xem thế là okie, nhưng mà anh Hùng thì lựa chọn thêm GFI, và AGFI; cũng không khác nhau là mấy, vì (lại là tớ đọc article nữa nhé, thì ngta bảo) nếu một vài chỉ số đảm bảo tiêu chuẩn thì mấy cái còn lại không cần xem, ngta cũng dự đoán là nó okie hết.
Đây là bảng tiêu chuẩn cho mấy cái index này, cứ đối chiếu mà thấy nó đảm bảo thì là okie nhé:
Vẫn là trong cái Output, giờ mình coi tới Estimates nhé:
Nhìn cái chố Standardized Regression Weights nhé, mấy cái số đấy chỉ cho mình giá trị factor loading đấy, rule của nó là cứ lớn hơn 0.5 là ô văn kê rùi ^^ (cái này trong thống kê thì ai cũng bít rùi nhỉ).
Giờ thì coi Modification Indices nè:
Nhìn cái giá trị M.I ở Covariances ấy nhé, xem cái này để mình coi nên bỏ đi e nào ấy mà, nếu mà giá trị M.I nhở hơn 10 thì okie, không vấn đề gì. Nhưng nếu nó lớn hơn 10 thì mọi người phải xóa e đó đi và chạy lại CFA từ đầu để cho ra output đẹp hơn nhé, đơn giản vậy thui ah, jia you, hơi mất công một chút thôi.
Đấy là mình chạy CFA trên AMOS cho từng construct, còn sau đó thì phải chạy CFA cho cả model nữa, hic (Test correlation of all constructs in model). Cái này thì phải vẽ toàn bộ construct ra và nối bọn nó với nhau để tạo quan hệ trong model, và phải coi bảng Validity output rùi. Mọi người lại làm tương tự từng bước như trên nhé, cũng không khó lắm đâu (PS: anh Hùng nói thế, mình cũng chưa làm thử nữa, hihi).
Xong bước một là chạy CFA trên AMOS, bước hai là test hypotheses. Cái này thì để mình viết một bài khác nhé, bài này nhiều chữ rùi, đọc nhiều là loạn lên mất ^^.
Phần mếm Endnote là một công cụ quản trị cở sở dữ liệu giúp lưu trữ và quản lý danh mục tài liệu trích dẫn/ tài liệu tham khảo. Đây cũng là công cụ tạo danh mục tài liệu tham khảo trong các bài viết. Endnote còn giúp chúng ta tìm kiếm tài liệu trực tuyến.
Hướng Dẫn Cài đặt Endnote
+ Giải nén file vừa download về
+ Sau khi giải nén xong. Trong folder Thomson.Endnote-x2.12.0.0.3210.Inc.Crack-NoPE vừa được giải nén sẽ có 2 phan. 1 phan la folder NoPE dung de crack va phan con lai la folder Setup dùng để cài đặt). Bạn vào folder Setup, chạy file ENX2Inst để cài đặt.
+ Crack software. Bạn cần phải copy file EndNote (file này ở trong folder NoPE), bạn paste vào trong folder C:\Program Files\EndNote X3. (máy tính sẽ hỏi bạn: Would you like to replace the existing file... ban chon Yes).
+ Bạn đã cài đặt và crack thành công software EndNote.
Dưới đây là link download tài liệu (file .ppt) môn Quản Trị Đa Văn Hóa (Cross-culture Management). Với tài liệu này các anh chi em IMBA có thể tham khảo trước khi lên lớp hoặc tiết kiệm được thời gian chuẩn bị bài thuyết trình.
ột siêu thị ở thành phố Kyoto (Nhật Bản) đang thử nghiệm một loại robot có thể hỗ trợ người già và người tàn tật mua sắm
Robovie-II, tên của robot nói trên, là công trình của Viện nghiên cứu viễn thông tiên tiến quốc tế (ATR), sẽ được thử nghiệm ở siêu thị Apita-Seikadai từ nay đến tháng 3.2010 với sự tham gia của 20 cụ bà. Robovie-II được thiết kế nhằm mục đích làm cho việc mua sắm trở nên dễ dàng và thú vị hơn đối với người lớn tuổi.
Để sử dụng Robovie-II, trước hết người già phải nhập danh sách những thứ cần mua vào điện thoại di động được thiết kế đặc biệt. Khi đến siêu thị, Robovie-II - với chiều cao khoảng 1,2m - có thể nhanh chóng nhận dạng vị khách của mình thông qua một thiết bị cảm biến. Robot sẽ cầm giỏ đựng hàng hóa và đi cùng khách hàng đến các quầy hàng. Bên cạnh đó, bằng những mẫu thoại đơn giản và giọng nói the thé kiểu robot, Robovie-II có thể trò chuyện với người sử dụng về những món cần mua trong danh sách cũng như đưa ra những gợi ý mua sắm ngoài danh sách mua hàng.
Những người trẻ cũng có khi thu xếp thời gian để cùng ông, bà đi mua sắm ở siêu thị, nhưng chưa chắc họ có thể tự tay xách giỏ hàng như Robovie-II. Phụ tá mua sắm đặc biệt này không những có thể xách một giỏ đầy hàng hóa mà còn kiên nhẫn đi cùng với người già trong suốt cuộc mua sắm, điều mà đôi khi chúng ta có thể không làm được vì nhiều lý do khác nhau. “Tôi không cảm thấy mệt vì robot đã giúp tôi cầm giỏ. Tôi thấy vui khi nó dẫn mình đi quanh siêu thị và có cảm giác thú vị như khi trò chuyện với cháu của mình”, cụ bà Hasegawa, năm nay 67 tuổi, nhận xét về Robovie-II.
Robovie-II là một sự đóng góp nữa của giới nghiên cứu Nhật Bản cho xã hội nước này trong bối cảnh dân số đang già đi nhanh chóng và lực lượng lao động đang thu hẹp. Nó cũng chứng minh rằng robot đang có vai trò ngày càng đa dạng trong cuộc sống của người dân xứ mặt trời mọc.
Các chuyên gia Mỹ đang nỗ lực chế tạo một chiếc xe lăn có thể vận hành không cần sự hướng dẫn của con người hoặc kiểm soát từ xa.
Ảnh: Lehigh.edu
Từ nhận định tàn tật không phải là trở ngại cho tính cơ động, ông John Spletzer, giáo sư công nghệ máy tính và kỹ thuật (thuộc Đại học Lehigh) và là trưởng nhóm nghiên cứu, tin tưởng công nghệ mà nhóm đang nghiên cứu có thể đóng vai trò như chân, tay và mắt của người sử dụng, giúp họ phục hồi khả năng tương tác với môi trường.
Trong khuôn khổ dự án nghiên cứu kéo dài 5 năm với khoản tài trợ 480.000 USD của Quỹ Khoa học quốc gia Mỹ, nhóm nghiên cứu của ông Spletzer đã thiết kế một chiếc xe lăn dành cho việc di chuyển trên lề đường, trong công viên và các khu vực ngoài trời khác. Chiếc xe sử dụng tia laser, thiết bị cảm biến và phần mềm vẽ bản đồ để định vị và di chuyển một cách hoàn toàn tự động.
Tương tự như những chiếc xe thông minh khác được thiết kế trước đây, xe lăn mới nhất của giáo sư Spletzer sử dụng LiDAR (hệ thống sử dụng tín hiệu phản hồi của tia laser vào việc thăm dò địa hình) để phát hiện cây cối, cột điện, góc cạnh và những chướng ngại vật khác trong đời sống thực tế. Một điểm khác biệt quan trọng là chiếc xe mới sẽ “tham khảo chéo” các bản đồ mà nó tự vẽ về khu vực xung quanh bằng công nghệ LiDAR với những bản đồ 3D mà ông Spletzer và các cộng sự đã cài vào bộ nhớ của xe.