1. 首页
  2. 自学中心
  3. 理论
  4. 数据分析

结构方程模型建模思路及Amos操作–组成信度和平均萃取量的计算

系列文章

结构方程模型建模思路及Amos操作–基础准备
结构方程模型建模思路及Amos操作–分析前的原始数据处理
结构方程模型建模思路及Amos操作–组成信度和平均萃取量的计算
结构方程模型建模思路及Amos操作–模型匹适度检验
结构方程模型建模思路及Amos操作–模型修正

另外一篇原理介绍可以参考:组合信度,平均方差抽取率你知道原理吗? 

更正:文中态度对应的θ不是0.954 应该是0.345

组成信度(composite reliability; CR)

CR值作为检验潜在变量的信度指标,这种信度检验值也称为构成信度(construct reliability)。类似cronbach α,CR值越高,表示内部一致性越高,0.7是可以接受的门槛( Hair,1997) ,Fornell and Larcker (1981)建议在0.6以上。

计算

各个潜在变量的组成信度由因素负荷量(标准化回归系数)的估计值计算,组成信度=(Σ标准的因素负荷量)^2/[(Σ标准化因素负荷量)^2+(Σ个测量变量的测量误差)] (Jöreskog and Sörbom, 1996),见下图。

结构方程模型建模思路及Amos操作--组成信度和平均萃取量的计算

公式左边:就是CR(ρ下标c我打不出来,将就看)

λ:是指标因素负荷量(indicator loading),因素负荷量代表指标变量能测到潜变量特质的程度(λ大于0.71为理想)。

λ平方:代表个别观察变量的指标信度(indicator reliability),Bagozzi 和Yi(1988)认为λ平方大于0.5为佳。

θ:观察变量的误差变异值(indicator error variance),也就是测量误差值。

结构方程模型建模思路及Amos操作--组成信度和平均萃取量的计算

来来来,咱们开始实操计算

每一个潜在变量有一个组成信度,我建的模型里面有三个潜变量,前情回顾,模型见下图。

结构方程模型建模思路及Amos操作--组成信度和平均萃取量的计算

我们以潜变量“行为意图”来说哈,这个潜变量有三个观察变量,“行为”、“态度”、“CC”。

点开output,标准化回归权重那里(standardized regression weights),红色框起来的就是λ值。

结构方程模型建模思路及Amos操作--组成信度和平均萃取量的计算

继续点开output里面的squared multiple correlation,红色框起来的就是计算θ值的指标信度。

结构方程模型建模思路及Amos操作--组成信度和平均萃取量的计算

所以“行为意图”的CR值见下图。

结构方程模型建模思路及Amos操作--组成信度和平均萃取量的计算

平均萃取量(Average of variance extracted,AVE)

另一个和CR类似的指标就是AVE,AVE计算潜在变量的变异解释能力,即直接显示被潜在变量所解释的变异量有多少是来自测量误差,如果AVE越高,指标变量被潜在变量解释的变异百分比越大,相对的测量误差就越小,表示测量问卷有较高的信度和收敛效度。理想值需大于0.5 Fornell and Larcker(1981) ,0.36~0.5为可以接受的门槛。

AVE的计算公式见下图。

结构方程模型建模思路及Amos操作--组成信度和平均萃取量的计算

和CR的区别就是平方有变动。所以“行为意图”的AVE值见下图。

结构方程模型建模思路及Amos操作--组成信度和平均萃取量的计算

OK,就这样结束啦。

本文来自zhihu,观点不代表一起大数据-技术文章心得立场,如若转载,请注明出处:https://zhuanlan.zhihu.com/p/31755602

联系我们

在线咨询:点击这里给我发消息

邮件:23683716@qq.com

跳至工具栏