【張偉豪專欄】CMV共同方法變異的校正

老師您好,想請問一下,在Williams, Hartman, & Cavazotte, (2010)的CFA Marker Technique Approach中,Method-C vs. Method-U若是接受虛無假設的話,表示卡方值大的模型優於卡方值小的模型對嗎?若是這樣,Baseline vs. Method-U要接受虛無假設,Method-C vs. Method-U要拒絕虛無假設的情形我跑了好多次真的很少喔,絕大多數都是全部接受虛無假設,那就表示模型有CMV之疑慮了嗎?

張偉豪老師解答:

1. Method-C vs. Method-U只是在檢查CMV影響的形態是CONGENERIC或是NONCONGENERIC而已,大部份CMV的情形都是CONGENERIC居多 (亦即CMV對觀察變數的影響會因觀察變數的不同而有所不同)。

2. 至於Method-C (NONCONGENERIC) vs. Method-U (CONGENERIC)要拒絕虛無假設的情形應該很常見,這兩個模型應該都會有顯著差異,而且Method-U應該都會優於Method-C (Method-U 卡方值< Method-C卡方值)。

3. 接下來要檢查的是有CMV會造成偏誤嗎?再用Method-U和Method-R (在Method-U的情形下,設定Baseline所求得的值)去做比較,如有顯著差異,則表示CMV會造成影響,應進行校正。

4. 校正方法有二:一為偏相關法 (Partial correlation),另一個為控制變數法 (control variable)。

*******************************************

最新課程請參考:結構方程模型課程

【張偉豪專欄】SEM結構方程模型中,關於AVE, MSV, ASV 來判斷區別效度

張偉豪老師好:

我這兩天看到國外期刊上有人使用 AVE, MSV, ASV 來判斷區別效度,不知道這是怎麼算出來的?
我上網查了一下,的確有此方法,不過在下仍不太瞭解,可否請您指點?謝謝!
附上網址請您參考:http://statwiki.kolobkreations.com/wiki/Confirmatory_Factor_Analysis
還有影片教學網址:http://www.youtube.com/watch?v=yk6DVC7Wg7g

 

張偉豪老師解答:

Maximum Share Variance (MSV) and Average Share Variance (ASV)

這兩個名詞並不常在區別效度中出現
但其實我們在報告區別效度時,已經報告了,以下說明:

首先,Share Variance就是皮爾森相關的平方
所以,MSV為與該構面相關的其它構面相關的平方取最大值
ASV則為與該構面相關的其它構面相關的平方的平均值
所以MSV.>=ASV
而在區別效度分析中,Fornell and Larcker (1981)建議收斂效度(AVE)應該要大於構面之間的相關平方(Share Variance)

因此,下三角放的是構面相關的平方,而對角線放的是AVE
區別效度的證明則為,欄位或列位的最大值必須小於對應的AVE,這就是AVE>MSV ,所以AVE自然也會大於ASV
所以,如果報告AVE、ASV及MSV,那就不需要報告AVE及相關平方的表格了
不過MSV及ASV真的很少人用

【張偉豪專欄】SEM結構方程模型中,因素負荷量多少才是適當的?

Factor Loadings應>0.7但<0.95一般都只提>0.7,請問<0.95原因為何?

張偉豪老師解答:

標準化因素負荷量超過0.95以上稱為”違犯估計”(OFFENDING ESTIMATE),會造成殘差不顯著(但實務上這是不可能的事情),所以,一般要進行修正。造成的原因通常是題目之間相關過高所致,亦即有些題目是重覆的,因此要予以刪除題項或進行脊迴歸的修正。

【張偉豪專欄】SEM結構方程模型,構面題目與樣本數不足

張老師好:

前兩天上完課後回家立刻跑了一下分析,但仍有卡關的地方,以下有幾個問題想請教您。

我是用樣本數145份下去分析

我的構面是關係連結,

關係連結可再分成社會連結(3題)、財務連結(2題)、結構連結(5題)

一開始是將社會連結、財務連結、結構連結個別做CFA分析,

但社會連結和財務連結根本跑不出來,只有結構連結可以。所以就將社會連結和財務連結一起分析。

因為RBS2和RBF5因素負荷量低,那是不是要將RBS2和RBF5刪除,但我的財務連結只剩一題,我看上一屆學姊引用Hair Jr.et al.(2009)說樣本數150分左右因素負荷量只要0.45,那RBF5可以不要刪嗎?這個問題要如何解決呢?

 

張偉豪老師解答:

從檔案上的結果看來,光是社會連結及財務連結的相關超過1,就知道這一定是錯的。CFA無法執行,您應該可以在迭代次數看到49次後停止,表示資料無法收斂。
HAIR ET AL.講的樣本數150分左右是非常寛鬆的標準,他也有建議,樣本數儘量大於300,而且每個構面至少3個題目,顯然您並未符合HAIR的標準,建議您改用路徑分析即可。

 

三星統計小提醒:如果您有Amos的問題,歡迎您將您的amos檔案以及原始資料檔案mail過來,

這樣我們就能第一時間判斷問題,並回覆給您

 

【張偉豪專欄】結構方程式(SEM),殘差真的不能拉相關嗎?

張偉豪老師好:

1.在進行CFA時,如果一個潛在構面只有兩個問項,這樣要如何去做 CR 跟 AVE的鑑定? 還是說在這樣的情況下僅能進行Cronbach’s α檢驗?
2.根據MI指標,發現將同一構面下,兩題問項殘差項相關連結,可以大幅降低卡方值。學生知道這樣違反了殘差獨立的基本原則,通常動作是刪除其一問項。但是學生在理論上找出此兩題問項須同時存在,想請問在進行CFA時,是否可以對兩題問項殘差拉取相關?

 

張偉豪老師解答:

一個構面兩個題目,無法單獨執行CFA,自然也就無法計算CR 跟 AVE值。你可以等到SEM模型跑完之後,再利用模型計算的值去重算CR 跟 AVE。
至於殘差拉相關,最好不要,除非你真有理論可以說明這一點,理由足以說服別人,那也未嘗不可。

【張偉豪專欄】結構方程式(SEM)中,多元常態的判定

在此想跟您請教有關多元常態的問題,坊間許多研究指出偏態絕對值(SKEW)均小於2,峰度絕對值(KURTOSIS)均小於7,”Mardia係數需小於p (p+2)時(p為觀察變數之數量)”,可達到多元常態性基本要求 (Bollen, 1989)
請問:
1.Mardia係數是否即是AMOS軟體中報表輸出中Assessment of normality的 Multivariate 該欄位中之值。
2.另有學者指出Mardia係數未大於3,可採用ML 估計法估計參數(Finney & Distefano,2006),此處Mardia係數之定義似與前述之小於p (p+2)有所不同,此兩種Mardia係數是否有異。而你書中不用Mardia係數改採Mahalanobis distance 是否對處理極端值檢定較有用?

 

張偉豪老師解答:

Bentler and Wu寫的EQS手冊建議是3以下為多元常態, Kline (2011)書上建議是cr值為5以下為多元常態。
Mardia係數是AMOS軟體中報表輸出中Assessment of normality的 Multivariate kurtosis欄位中之值。
在amos中如果非多元常態,就有可能是outlier值引起的,因此用馬氏距離【Mahalanobis distance】平方計算,距離中心點愈遠則愈有可能是極端值。

【張偉豪專欄】SPSS多變量方法中,單變量常態與多變量常態的檢定

有以下問題想要詢問老師

1.常態分配
(1) 是否能用SPSS來證明常態分配,但是用SEM進行驗證分析?
(2) 偏態跟峰度是看CR值還是SKEW及KURTOSIS值呢?
(目前看到的書籍是兩者解釋皆有,且判斷的數據皆不太相同…)
(3) 偏態跟峰度值的呈現是要以構面為主或是題項為主?
(因為有些文章會顯示不同構面的偏態跟峰度,但是sem中主要乃是顯示題項,因此不是很能理解究竟是用哪個值來判斷構面的偏態跟峰度?)

2.多元常態檢定
(1) 以老師書中的標準,目前kurtosis=90.481 cr=23.976 乃不符合標準,但是參照老師書中92頁的內容,似乎以目前極端值的值來看彼此間的差異性不大,因此不確定是否需要刪題,還須請老師指導!

 

張偉豪老師解答:

1.常態分配可以用SPSS來做,但是只能評估單變量常態。此外也可以用散佈圖,來評估兩兩變數的多元常態.。但是所有變數的多元常態,一定要用amos中的Mardias 檢定來檢查.。
2.偏態及峰度不看C.R.值,因為C.R.值會受到樣本數的影響。因此是看偏態 <2及峰度 <7,符合這兩個標準則稱具有單變量常態。
3.偏態指的當然是變數為主,只有變數本身才有值可以分析。潛在變數是我們假設的構面,其中包含許多題目,所以我們估計多元常態.。
4.SEM中有個Multivariate kurtosis的分析,那是多元常態的分析。一般Multivariate kurtosis的cr值在49.1以內,大致上在ML法中都可以接受。
5.刪不刪題是研究者主觀意識,並無絕對標準,可以自行判斷。