老師您好:
我想請問如果標準化係數大於1該怎麼處理呢?
還有標準化係數是負的是代表變項之間呈現負向的關係嗎?
張偉豪老師解答
標準化係數大於1表示您至少有兩個或兩個自變數以上,他們的自變數相關過高(共線性) ,
一般0.75就算很高了。處理的方法有兩種:
1. 將相關過高的兩個自變數設成等同。
2. 找一個更高階的共同因素,亦即形成二階模型也可以。
標準化係數為負是代表自變數與應變數之間呈現負向的關係,如滿意度愈高,抱怨愈少。然而前提是,這個負向關係不是共線性所造成的假性相關。
老師您好:
我想請問如果標準化係數大於1該怎麼處理呢?
還有標準化係數是負的是代表變項之間呈現負向的關係嗎?
張偉豪老師解答
標準化係數大於1表示您至少有兩個或兩個自變數以上,他們的自變數相關過高(共線性) ,
一般0.75就算很高了。處理的方法有兩種:
1. 將相關過高的兩個自變數設成等同。
2. 找一個更高階的共同因素,亦即形成二階模型也可以。
標準化係數為負是代表自變數與應變數之間呈現負向的關係,如滿意度愈高,抱怨愈少。然而前提是,這個負向關係不是共線性所造成的假性相關。
張偉豪老師好:
近日利用AMOS處理資料時,在做CFA時發現樣本Outliers的Observations farthest from the centroid (Mahalanobis distance)很大,如97。想請教您Observations farthest from the centroid (Mahalanobis distance)這個數值多少以上的要刪除此樣本?或看報表後面第一個P值,是不是指要小於.05就要去除該樣本?
張偉豪老師解答
Outliers的判定:
1.先看p2這一行的值是否小於0.001,如果有只是表示Mahalanobis distance是存在的。
2.要判定該case是否為Outlier,要看該case的的值是否與下面其他cases之間的距離是否有明顯的差距。
例如:老師例子為97,那第二個又是多少呢? 假設第二個值為50,第二個為48,繼續下去都差不多,那97的case就可能是Outlier。如果97之後是90,再來是88, 87…,,那97就可能不是Outlier。
什麼樣的差距稱為有夠大,並沒有一定的標準,完全看研究者自由心證。
張老師您好:
做CFA時如下的p value數值應是大於.05或是要小於.05?
Chi-square=\cmin p value=\p Degree of Freedom=\df
Normed Chi-square=\cmindf GFI=\GFI AGFI=\AGFI
CFI=\CFI RMSEA=\RMSEA
張偉豪老師解答 :
理論上p value數值應是大於.05比較好,但由於SEM的分析樣本數都很大,一般會大於200個,所以p value要大於0.05有點不容易,因此這個值我們一般都不看,而以其它的配適度指標作為依據。
例如:
Normed Chi-square介於1~3之間
GFI>0.9 AGFI>0.9
CFI=0.9 RMSEA<0.08等
張老師您好:
LISREL的八大矩陣為何?
張偉豪老師解答:
LISREL為SEM軟體中的第一品牌,歷史最悠久,
它利用PRELIS語法作資料處理,
SIMPLIS語法處理較簡單的模型分析功能,
LISREL語法處理較複雜的結構方程分析,
在LISREL語法中要用到矩陣的觀念來寫程式,因此要對各種矩陣有相當的認識,否則語法非常容易寫錯,要詳細了解LISREL語法操作,請參考LIEREL操作手冊,以下簡單介紹LISREL的八大矩陣(1~8),9~12在有平均數估計時才會出現
1.Lambda X Matrix:這是設定從外生潛在變項(自變數)到它的觀察變項之間的迴歸路徑,一般會在其中的一條路徑迴歸係數設 “1″
2.Lambda Y Matrix:這是設定從內生生潛在變項(應變數)到它的觀察變項之間的迴歸路徑,一般會在其中的一條路徑迴歸係數設 “1″
3.Theta Delta Matrix:指的是外生觀察變項的誤差項(不可解釋變異).如果有n個題目,就會產生n*n的矩陣.
4.Theta Epsilon Matrix:指的是內生觀察變項的誤差項(不可解釋變異).如果有m個題目,就會產生m*m的矩陣.
5.Phi Matrix:外生潛在變項的矩陣,若對角線為1,表示潛在變數的變異數要被估計(標準實務的作法),若對角線不為1,顯示為潛在變數之間的皮爾森相關.
6.Gamma Matrix:此矩陣為模型的核心,表示外生潛在變數到內生潛在變數的路徑關係.
7.Beta Martix:表示內生潛在變數到內生潛在變數的路徑關係.
8.Psi Matrix:內生潛在變數殘差矩陣,若只有一個內生潛在變數,則矩陣只有一個 “1″
9.Kappa Matrix, KA:在模型中有交互作用的時候使用, 1表估計潛在變數的平均數
10.Alpha Matrix:在模型中有交互作用的時候使用,主要是估計外生潛在變項與內生潛在變項其迴歸值的截距
11.Tau-X Matrix:在模型中有交互作用的時候使用,外生潛在變項到其指標迴歸值的截距.
12.Tau-Y Matrix:在模型中有交互作用的時候使用,內生潛在變項到其指標迴歸值的截距.