【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)。

【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的因素負荷量多少才是適當的?

學員提問 :
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。

實務上分析常見到因素負荷量大於1。別懷疑,這就是違犯估計。去檢查看看研究中有沒有相關過高的題目吧。