分類: SEM結構方程模型與Amos

發佈於

【張偉豪專欄】有關結構方程式(SEM)配適度的數據?

張偉豪老師好:

我是上海的學員Alice，我最近通過研究資料分析，有幾個迷惑的問題很想請教您啊:)
1. RMSEA值幾乎為0可以麼？是否都不符合一般的規定？

2. 我的SEM模型中，Probability level是0.517，這個值是不是太大了？一般多少是判斷標準呢？OA、ST、PA的CFA分析結果中，Probability level分別是0.963、0.494、0.517.

3. 在我的CFA分析中，三組測量模型的AVE指標分別是：0.518，0.396，0.451，後面兩個資料沒有大於0.5，這樣可以麼？

4. chi-square/df 分別為 0.661，0.705，0.038，三個資料都沒有大於1，不知這樣是不是不可以？因在您的書中P108中，寫到判斷值是1<NC<3.

張偉豪老師解答:

1.RMSEA的標準是愈接近0愈好，一般小於0.05即為很好了，小於0.08為可接受，您的模型因為比較簡單，再加上樣本也不是很多(204)，所以RMSEA很小是很有可能的，並沒有什麼不對。

2.P值>0.05表示模型配適度良好，這是好現象,一般在SEM分析中，P值要愈大愈好，表示模型再製矩陣與樣本矩陣一致。

3. AVE大於0.5是理想值，Hair et al. (2009)建議loadings值理想上是大於0.7，loadings0.6以上為可接受。由於AVE是loading平方(SMC)的加總平均，因此AVE0.36以上即為可接受。

4. square/df 小於1 一般稱為過度配適(OVER FIT)，不過沒什麼關係，因為您只是CFA的分析而已，如果是SEM的分析那可能就是修正過度了。

加油

發佈於

【張偉豪專欄】直接測量的尺度是否可以直接放入結構方程式(SEM)的分析中?

張老師您好:
如果模式中Dependent Var.要測量構面為企業績效，企業績效包含銷售成長率、銷售利潤、ROI、ROA等比率或等距尺度(問卷方式是直接填答數據，非用Likert scale方式)，獲得以上測度是否可直接測量，抑或要個別轉換成名目尺度?

張偉豪老師解答

當然可以直接測量，因為SEM是屬於SCALE FREE的估計方法。不過為了讓模型容易收斂，應執行變數轉換。換言之，應將變數的單位改變，讓數值比較接近，
讓變數之間的變異數不要相差太多。例如成長率為百分比，可將之乘以100，變成兩位數。利潤可以百萬或十萬或千萬為計數單位，也讓它可以在兩位數內。
所以您該擔心的不是單位的問題，而是該幾個變數是否有一致性的問題。

發佈於

【張偉豪專欄】在結構方程式(SEM)當中p值(顯著性)的角色重要嗎?

張老師您好:
想請教您幾個問題:
1.若是模型中的卡方P值小於0.05(p=0.000),但其他配適度的值皆符合規定， 這樣這個model是否可以接受? 如何解釋P值小於0.05? 因為我看您的講義上寫是要大於0.05才可以接受此模型!!
2. P值在SEM中會扮演很重要的角色嗎?若是在研究結果不解釋它或是不提到它，這樣是OK的嗎?

張偉豪老師解答

SEM的分析是屬於大樣本的分析法，因此很可能造成卡方值膨脹，而導致拒絕H0的結果。一般大概只要超過200個樣本，P值就很難不顯著了。因為卡方值是樣本數的函數。
P值不顯著表示接受H0假設，表示模型與樣本配適度佳。P值不顯著是個理想狀況，但實際上並不實用。因此會以其他的配適度指標,如GFI, AGFI, CFI, IFI,RMSEA,SRMR,卡方/自由度等協助判斷模型是否配適，所以只要各種配適度不差，即可證明您的模型是OK的。

發佈於

【張偉豪專欄】結構方程式(SEM)中,為何會有因素負荷量很低,但模型配適度可接受的情形?

張老師您好
我有關CFA統計問題請教您：我有一份問卷資料用CFA分析時，.有一半的題目的factor loading低於0.5，但是模型配適度相關指標χ2/ df 、GFI 、NFI、RMSEA卻在可接受的範圍，怎麼會有這樣情形？您有何建議？

張偉豪老師解答:

題目的factor loading不高，但是模型配適度在可接受的範圍，這是很正常的現象。
一般而言，模型配適度好通常會發生在兩種情形:
1.模型與樣本資料非常適配
2.當模型中大部份的變數之間皮爾森相關都不高時，如小於0.3以下
看起來您的情形屬於第二種情形。

因為SEM是用共變異數(相關)矩陣作為計算的資料，而假設模型一定有某些變數之間的關係是設為0的(不拉相關的線，程式會自動設為0)。如果變數之間的相關本來就不高，那模型又假設不相關，那差異就不會很大，因此卡方差異值就不會過度膨脹，模型配適度就會好。所以當loadings低時，反而可能得到不錯的模型配適度。

你可以試著跑一下相關分析，看看相關是否都不太高就可以了解。
一般而言，構面的題目相關應該要比較高（符合收斂效度），不同構面之間的題目相關較低（符合區別效度）。因素負荷量低，表示構面信度不足，亦即cronbach’s alpha不好。通常如果不是題目設計不良，就是樣本的調查有問題。但這兩個問題都無法藉由統計方法來修正。
不知道您的樣本有多大?如果樣本夠大也許可以藉由刪除某些不適當的樣本，來增加一些信度。

發佈於

【張偉豪專欄】結構方程式(SEM)的研究,不同群體是否須執行交叉分析?

張偉豪老師好:

如果樣本來自於三種不同的人士所填寫，是不是要做交叉效度?

張偉豪老師解答

如果樣本來自於三種不同的人士所填寫，您要做的不是交叉效度，而是群組比較，交叉效度應用於樣本的隨機分群比較多。除非您是先用某一群樣本建模，想要了解另兩群是否同樣適用於此一模型，此時才是要做交叉效度。