Luận văn: Các nhân tố ảnh hưởng đến sự sẵn sàng chuyển đổi số theo UTAUT tại ĐH CNTT và Truyền thông

Luận văn nghiên cứu các nhân tố ảnh hưởng đến sự sẵn sàng chuyển đổi số theo mô hình UTAUT của học viên Trường Đại học Công nghệ Thông tin và Truyền thông.

• Tác giả: Hà Văn Quỳnh
• Người hướng dẫn: TS. Nguyễn Thế Vịnh
• Trường học: Đại học Công nghệ Thông tin và Truyền thông - Đại học Thái Nguyên
• Chuyên ngành: Khoa học máy tính
• Đề tài: Nghiên cứu mối tương quan giữa các nhân tố ảnh hưởng đến việc sẵn sàng chuyển đổi số của học viên lớp chuyển đổi số – Trường Đại học Công nghệ Thông tin và Truyền thông theo mô hình UTAUT
• Loại tài liệu: Luận văn thạc sĩ
• Năm xuất bản: 2023
• Địa điểm: Thái Nguyên

Tóm tắt

I. Tổng quan về sẵn sàng chuyển đổi số theo mô hình UTAUT

Chuyển đổi số là xu thế tất yếu trong thời đại công nghệ 4.0. Trường Đại học Công nghệ Thông tin và Truyền thông – Đại học Thái Nguyên đã triển khai lớp Chuyển đổi số nhằm nâng cao năng lực số cho học viên. Nghiên cứu của tác giả Hà Văn Quỳnh (2023) tập trung đo lường mức độ sẵn sàng chuyển đổi số của học viên thông qua mô hình UTAUT. Mô hình UTAUT (Unified Theory of Acceptance and Use of Technology) được Venkatesh và cộng sự phát triển năm 2003, tích hợp tám lý thuyết nền tảng về chấp nhận công nghệ. Mô hình xác định bốn nhân tố cốt lõi ảnh hưởng đến ý định và hành vi sử dụng công nghệ: kỳ vọng hiệu quả (PE), kỳ vọng nỗ lực (EE), ảnh hưởng xã hội (SI) và các điều kiện thuận lợi (FC). Nghiên cứu khảo sát 165 học viên với đa dạng đặc điểm nhân khẩu học, bao gồm cả hai lĩnh vực giáo dục và hành chính công. Phương pháp phân tích phương trình cấu trúc (SEM) được sử dụng thông qua ngôn ngữ R và thư viện Lavaan để kiểm định các giả thuyết. Kết quả mang lại cái nhìn toàn diện về các yếu tố thúc đẩy hoặc cản trở việc áp dụng chuyển đổi số trong thực tiễn.

1.1. Bối cảnh nghiên cứu tại ĐH CNTT và Truyền thông

Trường Đại học Công nghệ Thông tin và Truyền thông – Đại học Thái Nguyên là cơ sở đào tạo tiên phong trong lĩnh vực công nghệ số tại khu vực trung du và miền núi phía Bắc. Lớp Chuyển đổi số được thiết kế cho học viên đến từ các đơn vị giáo dục và hành chính công. Đây là đối tượng trực tiếp triển khai các chính sách số hóa tại địa phương. Nghiên cứu được thực hiện năm 2023 dưới sự hướng dẫn của TS. Nguyễn Thế Vịnh. Mẫu khảo sát gồm 165 học viên, trong đó 52,12% là nữ và 47,88% là nam, phân bổ rộng về độ tuổi và khu vực sinh sống.

1.2. Vị trí của mô hình UTAUT trong nghiên cứu chấp nhận công nghệ

Mô hình UTAUT ra đời nhằm khắc phục hạn chế của các lý thuyết trước đó như TAM, TRA, TPB và SCT. UTAUT thống nhất các biến từ nhiều mô hình thành một khung lý thuyết có khả năng dự báo cao hơn. Các nghiên cứu quốc tế cho thấy UTAUT giải thích được khoảng 70% phương sai trong ý định hành vi sử dụng công nghệ. Trong bối cảnh chuyển đổi số tại Việt Nam, mô hình này phù hợp vì tính linh hoạt và khả năng tích hợp biến điều tiết như giới tính, độ tuổi và kinh nghiệm. Đây là nền tảng lý thuyết vững chắc để phân tích hành vi chấp nhận công nghệ của học viên.

II. Phân tích các nhân tố ảnh hưởng đến sẵn sàng chuyển đổi số

Nghiên cứu xây dựng năm giả thuyết chính dựa trên cấu trúc lý thuyết UTAUT. Mỗi nhân tố được đo lường qua các thang đo Likert với nhiều biến quan sát. Dữ liệu thu thập được xử lý bằng phân tích nhân tố khám phá (EFA) trước khi đưa vào mô hình SEM. Kết quả phân tích mô tả cho thấy học viên đến từ khu vực nông thôn và miền núi chiếm 53,94%, trung tâm thành phố chiếm 29,09% và huyện, thị xã chiếm 16,98%. Đây là điểm đặc thù quan trọng. Học viên tại vùng nông thôn thường có ít tiếp xúc với công nghệ hơn, dẫn đến sự khác biệt đáng kể trong kỳ vọng hiệu quả và nỗ lực. Nhóm tuổi từ 26 đến 35 chiếm tỷ lệ lớn nhất (45,45%), cho thấy đây là thế hệ lao động trung tâm đang trong quá trình thích nghi với chuyển đổi số. Phân tích phương trình cấu trúc được thực hiện để kiểm định đồng thời năm giả thuyết, sử dụng các chỉ số đánh giá độ phù hợp mô hình như RMSEA, SRMR và CFI nhằm đảm bảo tính tin cậy của kết quả.

2.1. Kỳ vọng hiệu quả và kỳ vọng nỗ lực trong chuyển đổi số

Kỳ vọng hiệu quả (PE) phản ánh mức độ học viên tin rằng việc sử dụng công nghệ số sẽ nâng cao hiệu suất công việc. Giả thuyết H2 đặt ra rằng PE có tác động tích cực và có ý nghĩa thống kê đến ý định hành vi chuyển đổi số. Kỳ vọng nỗ lực (EE) đo lường mức độ dễ dàng khi sử dụng hệ thống số. Giả thuyết H3 kiểm định tác động của EE đến ý định chuyển đổi số. Kết quả mong đợi là cả PE và EE đều có tương quan thuận chiều với ý định hành vi. Học viên càng nhận thấy rõ lợi ích và sự dễ dàng khi sử dụng công nghệ, mức độ sẵn sàng chuyển đổi số càng cao.

2.2. Ảnh hưởng xã hội và điều kiện thuận lợi đối với hành vi số

Ảnh hưởng xã hội (SI) thể hiện mức độ tác động của người xung quanh đến quyết định áp dụng công nghệ của học viên. Giả thuyết H5 kiểm định vai trò của SI trong mô hình. Điều kiện thuận lợi (FC) đề cập đến cơ sở hạ tầng, thiết bị và hỗ trợ kỹ thuật sẵn có. Giả thuyết H4 xem xét tác động của FC đến ý định hành vi. Đối với học viên đến từ vùng nông thôn và miền núi, FC có thể là rào cản lớn do thiếu hụt hạ tầng công nghệ. SI cũng đóng vai trò quan trọng khi học viên chịu tác động từ đồng nghiệp và cấp quản lý trong việc quyết định áp dụng chuyển đổi số vào công việc.

III. Phương pháp nghiên cứu SEM và ứng dụng mô hình UTAUT

Nghiên cứu sử dụng phương pháp phân tích phương trình cấu trúc (SEM) như công cụ chính để kiểm định mô hình UTAUT. SEM cho phép phân tích đồng thời nhiều mối quan hệ nhân quả giữa các biến tiềm ẩn và biến quan sát. Ngôn ngữ lập trình R được lựa chọn vì tính mã nguồn mở, linh hoạt và cộng đồng hỗ trợ rộng lớn. Thư viện Lavaan trong R cung cấp đầy đủ chức năng để ước lượng và kiểm định mô hình SEM. Dữ liệu thu thập qua phiếu khảo sát được nhập trực tiếp vào môi trường R để xử lý. Quy trình phân tích bao gồm ba bước chính: kiểm định độ tin cậy thang đo bằng hệ số Cronbach's Alpha, phân tích nhân tố khám phá EFA để xác định cấu trúc nhân tố, và phân tích SEM để kiểm định các giả thuyết. Các chỉ số RMSEA, SRMR và CFI được sử dụng để đánh giá mức độ phù hợp của mô hình với dữ liệu thực tế. Kết quả đảm bảo tính chính xác, độ tin cậy và khả năng khái quát hóa của nghiên cứu.

3.1. Quy trình thu thập và xử lý dữ liệu khảo sát

Mẫu nghiên cứu gồm 165 học viên lớp Chuyển đổi số tại Trường Đại học Công nghệ Thông tin và Truyền thông. Phiếu khảo sát được thiết kế theo thang đo Likert 5 mức độ để đo lường từng biến trong mô hình UTAUT. Dữ liệu được thu thập đảm bảo tính đa dạng về giới tính, độ tuổi, lĩnh vực công tác và khu vực sinh sống. Trước khi phân tích chính thức, dữ liệu được kiểm tra về giá trị ngoại lệ và dữ liệu khuyết thiếu. Các biến quan sát không đạt chuẩn về độ tin cậy hoặc giá trị hội tụ được loại bỏ để đảm bảo chất lượng phân tích.

3.2. Ứng dụng thư viện Lavaan trong phân tích mô hình cấu trúc

Thư viện Lavaan (Latent Variable Analysis) trong R là công cụ chuyên biệt cho phân tích SEM. Cú pháp của Lavaan trực quan, cho phép khai báo mô hình đo lường và mô hình cấu trúc một cách rõ ràng. Mô hình đo lường xác định mối quan hệ giữa biến tiềm ẩn và biến quan sát. Mô hình cấu trúc thể hiện các mối quan hệ nhân quả giữa các nhân tố trong UTAUT. Phương pháp ước lượng Maximum Likelihood (ML) được áp dụng. Kết quả đầu ra bao gồm hệ số tải nhân tố, sai số chuẩn, trị số t và các chỉ số đánh giá mô hình tổng thể, phục vụ việc kiểm định toàn bộ năm giả thuyết nghiên cứu.

IV. Kết luận và ứng dụng thực tiễn trong chuyển đổi số giáo dục

Nghiên cứu về sự sẵn sàng chuyển đổi số theo mô hình UTAUT tại Trường Đại học Công nghệ Thông tin và Truyền thông cung cấp bằng chứng thực nghiệm quan trọng về các yếu tố quyết định hành vi chấp nhận công nghệ. Kết quả cho thấy ý định hành vi chuyển đổi số (BI) có tác động trực tiếp và tích cực đến hành vi áp dụng thực tế trong công việc (UB), theo giả thuyết H1. Trong số các nhân tố ảnh hưởng đến ý định, kỳ vọng hiệu quả (PE) thường có trọng số lớn nhất. Đây là tín hiệu quan trọng cho các nhà quản lý: cần truyền thông rõ ràng về lợi ích thực tế của công nghệ số. Điều kiện thuận lợi (FC) cần được đầu tư đặc biệt cho học viên vùng nông thôn. Nghiên cứu này có giá trị tham chiếu cao cho các cơ sở giáo dục và cơ quan nhà nước đang xây dựng chương trình đào tạo chuyển đổi số. Việc hiểu rõ cơ chế tâm lý và xã hội đằng sau hành vi chấp nhận công nghệ giúp thiết kế can thiệp hiệu quả hơn, rút ngắn lộ trình chuyển đổi số quốc gia.

4.1. Hàm ý chính sách cho đào tạo chuyển đổi số

Kết quả nghiên cứu gợi mở nhiều hàm ý chính sách thiết thực. Các chương trình đào tạo nên tập trung minh họa lợi ích cụ thể của công nghệ số trong công việc hàng ngày để tăng kỳ vọng hiệu quả. Thiết kế giao diện và quy trình số cần đơn giản, thân thiện để giảm kỳ vọng nỗ lực. Cần xây dựng mạng lưới hỗ trợ đồng nghiệp để khai thác ảnh hưởng xã hội tích cực. Đầu tư vào cơ sở hạ tầng công nghệ, đặc biệt tại khu vực nông thôn và miền núi, là điều kiện tiên quyết để tạo môi trường thuận lợi cho chuyển đổi số thực chất và bền vững.

4.2. Hướng nghiên cứu tiếp theo và giới hạn của đề tài

Nghiên cứu còn một số hạn chế cần được khắc phục trong các công trình tiếp theo. Mẫu nghiên cứu giới hạn tại một trường đại học có thể ảnh hưởng đến khả năng tổng quát hóa kết quả. Cần mở rộng phạm vi khảo sát sang nhiều tỉnh thành và lĩnh vực khác nhau. Mô hình UTAUT2 có thể được xem xét áp dụng với bổ sung các biến như động lực thụ hưởng và thói quen. Nghiên cứu theo chiều dọc (longitudinal) sẽ giúp hiểu rõ hơn sự thay đổi thái độ và hành vi theo thời gian. Tích hợp phương pháp định tính sẽ làm sâu sắc thêm việc lý giải các kết quả định lượng thu được.

Trích đoạn nội dung tài liệu

Chương 1, Chương 2 sẽ thảo luận về những điều cơ bản về phân tích nhân tố khám phá, phương trình hồi quy đa biến, ngôn ngữ R và bộ thư viện Lavaan của R. Những phương pháp và công cụ này cung cấp những cách tiếp cận khác nhau để nghiên cứu dữ liệu phức tạp và đa biến. Ngoài ra, những công cụ này còn cho phép trực quan hóa kết quả phân tích của mình thông qua các biểu đồ chất lượng cao.1 Phương trình cấu trúc (Structural Equation Modeling) 2.1 Giới thiệu về mô hình phương trình cấu trúc Mô hình phương trình cấu trúc (Structural Equation Modeling - SEM) là một phương pháp thống kê đa biến được sử dụng để nghiên cứu mối quan hệ giữa các biến đo lường và các biến giải thích trong một mô hình. SEM cho phép đo lường và mô hình hóa các mối quan hệ giữa các biến dựa trên các phương trình cấu trúc, và từ đó đưa ra các kết luận về mối liên hệ giữa các biến đó.

Mô hình SEM được sử dụng rộng rãi trong các lĩnh vực như khoa học xã hội, tâm lý học, y tế, kinh tế học, giáo dục và nghiên cứu marketing. SEM có thể được sử dụng để xác định các mối quan hệ giữa các biến đo lường và các biến giải thích, đánh giá hiệu quả của các chiến lược hoặc chương trình, và đưa ra các dự đoán về các biến đầu vào và đầu ra. Một trong những lợi ích của SEM là khả năng mô hình hóa các mối quan hệ giữa các biến không đo lường được trực tiếp, mà chỉ có thể được ước lượng thông qua các biến đo lường được. SEM cũng cho phép kiểm tra mô hình hóa, và đưa ra các phân tích nhân quả trong các mối quan hệ giữa các biến.2 Mô hình toán học Mô hình phương trình cấu trúc là một khung mô hình tuyến tính mô hình hóa cả hai phương trình hồi quy đồng thời với các biến tiềm ẩn.

Các mô hình như hồi quy tuyến tính, hồi quy đa biến, phân tích đường dẫn, phân tích yếu tố xác nhận và hồi quy cấu trúc có thể được coi là trường hợp đặc biệt của SEM. Các mối quan hệ sau đây có thể có trong SEM:  quan sát với biến quan sát được (γ, ví dụ: hồi quy)  tiềm ẩn đến các biến quan sát được (λ, ví dụ, Phân tích yếu tố xác nhận)  tiềm ẩn với các biến tiềm ẩn (γ, β ví dụ: hồi quy cấu trúc) SEM là duy nhất bởi vì nó bao gồm cả mô hình đo lường và cấu trúc. Mô hình đo lường liên quan đến các biến tiềm ẩn và mô hình cấu trúc liên quan tiềm ẩn với các biến tiềm ẩn. Các chương trình phần mềm khác nhau hiện đang xử lý các mô hình SEM bao gồm Mplus, EQS, SAS PROC CALIS, SEM CỦA Stata và gần đây hơn là Lavaan của R.

Lợi ích của Lavaan là nó là mã nguồn mở, có sẵn miễn phí và tương đối dễ sử dụng. Các thuật ngữ sử dụng trong SEM  Biến quan sát: một biến tồn tại trong dữ liệu, còn gọi là mục hoặc biến kê khai  Biến tiềm ẩn: một biến được xây dựng và không tồn tại trong dữ liệu  Biến ngoại sinh: một biến độc lập được quan sát (x) hoặc tiềm ẩn (ξ) giải thích một biến nội sinh  Biến nội sinh: một biến phụ thuộc, được quan sát (y) hoặc tiềm ẩn (η) có đường hệ quả dẫn đến nó 13  Mô hình đo lường: một mô hình liên kết các biến quan sát được với các biến tiềm ẩn  Chỉ báo: một biến quan sát được trong mô hình đo lường (có thể là ngoại sinh hoặc nội sinh)  Yếu tố: một biến tiềm ẩn được xác định bởi các chỉ số của nó (có thể là ngoại sinh hoặc nội sinh)  Tải: đường dẫn giữa một chỉ báo và một yếu tố  Mô hình cấu trúc: một mô hình xác định mối quan hệ nhân quả giữa các biến ngoại sinh với các biến nội sinh (có thể được quan sát hoặc tiềm ẩn)  Đường dẫn hồi quy: một con đường giữa các biến ngoại sinh và nội sinh (có thể được quan sát hoặc tiềm ẩn) Sơ đồ đường dẫn Để tạo điều kiện hiểu về các phương trình ma trận (có thể hơi đáng sợ), một sơ đồ đường dẫn sẽ được trình bày với mọi công thức ma trận vì nó là một hình ảnh trực quan một-một mang tính biểu tượng. Trước khi chúng ta xem xét sơ đồ đường dẫn thực tế, bảng dưới đây xác định các ký hiệu sẽ sử dụng (Xem Hình 2. Vòng tròn đại diện cho các biến tiềm ẩn, hình vuông đại diện cho các chỉ số quan sát, hình tam giác đại diện cho các giao điểm hoặc phương tiện, mũi tên một chiều đại diện cho đường dẫn và mũi tên hai chiều đại diện cho phương sai hoặc hiệp phương sai.1 Ký hiệu hình học Ví dụ: trong Hình 2.2, sơ đồ bên trái mô tả hồi quy của một yếu tố trên một mục (có trong mô hình đo lường) và sơ đồ bên phải mô tả phương sai của hệ số (mũi tên hai chiều chỉ đến chính yếu tố).2 Mô hình hồi quy (trái) và phương sai (phải) Dưới đây là sơ đồ đường dẫn của tất cả các loại biến và mối quan hệ.3 Sơ đồ đường dẫn Hồi quy đơn giản Hồi quy đơn giản mô hình hóa mối quan hệ của một biến ngoại sinh quan sát được trên một biến nội sinh quan sát duy nhất.

Đối với một đối tượng duy nhất, phương trình hồi quy tuyến tính đơn giản thường được định nghĩa là: 𝑦1 = 𝑏0 + 𝑏1 𝑥1 + 𝜀1 (2.1) Trong đó b0 là giao điểm và b1 là hệ số và x là yếu tố dự báo quan sát được và ε là phần dư. Karl Joreskög, người khởi xướng LISREL (quan hệ cấu trúc tuyến tính), đã phát triển một ký hiệu đặc biệt cho cùng một mô hình chính xác cho một quan sát duy nhất: 𝑦1 = 𝛼 + 𝛾𝑥1 + 𝜍1 (2.2) Trong đó:  x1 biến ngoại sinh đơn  y1 là biến nội sinh đơn  b0, 𝛼1 hệ số chặn của y1, “alpha”  b1, 𝛾 1 là hệ số hồi quy, "gamma"  𝜀1 , 𝜍1 là dư lượng của y1, "epsilon" và "zeta" 16 Khả năng tối đa so với bình phương nhỏ nhất Các ước tính của các hệ số hồi quy là tương đương giữa hai phương pháp nhưng phương sai khác nhau. Đối với các bình phương tối thiểu, ước tính phương sai còn lại là: ∑𝑁 ̂2 𝑖=1 𝜁𝑖 2 (2.3) 𝜎̂𝐿𝑆 = 𝑁−𝑘 trong đó N là cỡ mẫu và k là số lượng dự đoán + 1 (chặn) Để có khả năng tối đa, ước tính phương sai còn lại là: ∑𝑁 ̂2 𝑖=1 𝜁𝑖 2 (2.4) 𝜎̂𝑀𝐿 = 𝑁 Để chuyển đổi từ phương sai dư bình phương nhỏ nhất thành khả năng tối đa: 2 𝑁−𝑘 2 𝜎̂𝑀𝐿 =( ) 𝜎̂𝐿𝑆 (2.5) 𝑛 Đa hồi quy Hồi quy đơn giản được giới hạn chỉ trong một biến ngoại sinh duy nhất. Trong thực tế, nhà nghiên cứu có thể quan tâm đến cách một nhóm biến ngoại sinh dự đoán kết quả.

Giả sử chúng ta vẫn có một kết quả nội sinh nhưng hai yếu tố dự báo ngoại sinh; Điều này được gọi là hồi quy đa (không nên nhầm lẫn với hồi quy đa biến). Dạng ma trận cho phép chúng ta biểu diễn chính xác phương trình cho tất cả các quan sát 𝑦1 = 𝛼1 + 𝐱𝛾 + 𝜍1 (2.6) Trong đó:  𝑦1 là biến nội sinh đơn  𝛼1 là hệ số chặn 17  X là vector (1xq) của các biến ngoại sinh  𝛾 là vector (q x 1) các hệ số hồi quy, trong đó q là tổng số biến ngoại sinh  𝜍1 là phần dư của 𝑦1 , đọc là “zeta” Phương trình cấu trúc 𝐱 = 𝜏𝐱 + 𝚲 𝐱 𝜉 + 𝛿 (2.9) Trong đó: Các biến đo lường:  𝐱 = (𝑥1 , ⋯ , 𝑥𝑞 )′ vector của các chỉ số phía 𝑥  𝐲 = (𝑦1 , ⋯ , 𝑦𝑝 )′ vector của các chỉ số phía 𝑦  𝜏𝐱 vectơ của các thuật ngữ chặn q cho các chỉ số phía 𝑥  𝜏𝐲 vectơ của các thuật ngữ chặn q cho các chỉ số phía 𝑦  𝜉 vectơ của 𝑛 các biến ngoại sinh tiềm ẩn  𝜂 vectơ của 𝑚 các biến nội sinh tiềm ẩn  𝛿 = (𝛿1 , ⋯ , 𝛿𝑞 )′ vectơ dư cho các chỉ số bên 𝑥  𝜖 = (𝜖1 , ⋯ , 𝜖𝑝 )′ vectơ dư cho các chỉ số bên 𝑦  𝚲 𝐱 ma trận tải (𝑞 × 𝑛) tương ứng với các biến ngoại sinh tiềm ẩn  𝚲 𝐲 ma trận tải (𝑝 × 𝑚) tương ứng với các biến nội sinh tiềm ẩn  𝜃𝛿 phương sai hoặc hiệp phương sai của dư đối với các chỉ số bên 𝑥  𝜃𝜖 phương sai hoặc hiệp phương sai của dư đối với các chỉ số bên 𝑦 Các biến cấu trúc: 18  𝛼 một vectơ của 𝑚 chặn  Γ là một ma trận các hệ số hồi quy (𝑚 × 𝑛) của các biến ngoại sinh tiềm ẩn đến các biến nội sinh tiềm ẩn có hàng thứ i biểu thị biến nội sinh tiềm ẩn và cột thứ j biểu thị biến ngoại sinh tiềm ẩn  𝐵 là một ma trận các hệ số hồi quy (𝑚 × 𝑚) của các biến nội sinh tiềm ẩn đến tiềm ẩn có hàng thứ i chỉ ra biến nội sinh đích và cột thứ j biểu thị biến nội sinh nguồn  𝜁 = (𝜁1 , ⋯ , 𝜁𝑚 )′ vectơ dư cho biến nội sinh tiềm ẩn Các giả định  𝜂 và 𝜉 là không quan sát được  𝜖 và 𝛿 là sai số đo lường cho 𝑦 và 𝑥 tương ứng  𝜖 không có mối quan hệ với 𝛿 Để chỉ định mô hình hồi quy cấu trúc đầy đủ, sẽ trực quan hơn khi bắt đầu với mô hình đo lường và sau đó chỉ định cách các biến tiềm ẩn liên quan với nhau (mô hình cấu trúc). Để các biến ngoại sinh tiềm ẩn giải thích các biến nội sinh tiềm ẩn, hai mô hình đo lường riêng biệt phải được thiết lập. Trước tiên, hãy chỉ định mô hình đo ngoại sinh tiềm ẩn với sáu mục trong đó ba chỉ số cạnh 𝑥 đầu tiên (𝑥1 , 𝑥2 , 𝑥3 ) được đo bằng và ba chỉ số sau (𝑥4 , 𝑥5 , 𝑥6 ) được đo bằng 𝜉2.

Mô hình đo lường không xác định cho hai biến ngoại sinh tiềm ẩn với ba chỉ số mỗi biến là: 𝑥 𝑥 𝑥1 𝜏𝑥1 𝜆11 𝜆12 𝛿1 𝑥 𝑥 𝑥2 𝜏𝑥2 𝜆21 𝜆22 𝛿2 𝑥3 𝜏𝑥3 𝑥 𝑥 𝜆31 𝜆32 𝜉1 𝛿 𝑥4 = 𝜏𝑥4 + 𝜆41𝑥 𝑥 ( )+ 3 (2.