收斂效度與區(qū)別效度課件

ConfirmatoryFactor

Analysis第六章驗(yàn)證型因素分析

1ConfirmatoryFactor

大綱＊6.1前言＊6.2驗(yàn)證型因素分析：如何運(yùn)作＊6.3樣本問(wèn)題(略)＊6.4驗(yàn)證型因素分析之應(yīng)用2大綱＊6.1前言26.1前言CFA屬於結(jié)構(gòu)方程模式(SEMwithlatentvariables)的一種次模型，CFA分析的數(shù)學(xué)原理與統(tǒng)計(jì)程序，都是SEM的一種特殊應(yīng)用。CFA的進(jìn)行必須有特定理論依據(jù)或概念架構(gòu)作為基礎(chǔ)，然後藉由數(shù)學(xué)程序來(lái)確認(rèn)該理論觀點(diǎn)所導(dǎo)出的計(jì)量模型是否確實(shí)、適當(dāng)。CFA的參數(shù)估計(jì)可採(cǎi)最大概似估計(jì)法，而非矩陣分解，其優(yōu)點(diǎn)為提供模型適合度檢定統(tǒng)計(jì)量的值提供估計(jì)參數(shù)之標(biāo)準(zhǔn)誤36.1前言CFA屬於結(jié)構(gòu)方程模式(SEMwithlat

探索型因素分析與驗(yàn)證型因素分析之比較EFA(第五章)CFA(第六章)理論架構(gòu)在分析過(guò)程中所扮演的角色理論架構(gòu)是因素分析後的產(chǎn)物須先有特定的理論觀點(diǎn)作為基礎(chǔ)，再?zèng)Q定該架構(gòu)是否適當(dāng)。理論架構(gòu)在分析過(guò)程中所扮演的檢驗(yàn)時(shí)機(jī)事後概念事前概念4探索型因素分析與驗(yàn)證型因素分析之比較EFA(第五章)CF6.1.1應(yīng)用(一)檢定因子模型之適合度

透過(guò)驗(yàn)證性因素分析，可針對(duì)特定因子模型衡量適合度，並測(cè)試其適當(dāng)與否。案例－

BenjaminandPodolny(1996)想瞭解美國(guó)加州不同區(qū)域栽培葡萄的等級(jí)狀態(tài)，聘請(qǐng)10位專(zhuān)家對(duì)73個(gè)不同區(qū)域加以評(píng)等，評(píng)等等級(jí)為1(狀態(tài)差)~7(狀態(tài)佳)。最後選取資料較完整(完成59個(gè)不同區(qū)域評(píng)等)的5位專(zhuān)家。56.1.1應(yīng)用(一)檢定因子模型之適合度5單因子模型(測(cè)量模型)等級(jí)狀態(tài)X1X2X3X4X5δ1δ2δ3δ4δ5λ1λ2λ3λ4λ56單因子模型(測(cè)量模型)等級(jí)狀態(tài)X1X2X3X4X5δ1δ2δTable6.1相關(guān)係數(shù)矩陣(五位專(zhuān)家對(duì)59個(gè)不同區(qū)域製酒狀態(tài)評(píng)等)CFA可計(jì)算模型適合度指標(biāo)，以驗(yàn)證單因子模型是否適合樣本資料的相關(guān)結(jié)構(gòu)透過(guò)驗(yàn)證型因素分析，可以檢查因子結(jié)構(gòu)狀態(tài)及專(zhuān)家的可靠度(測(cè)量信度)。以此題為例，相關(guān)係數(shù)均很高，故可知專(zhuān)家評(píng)等結(jié)果應(yīng)該具一致性。CFA可提供信度及效度(收斂效度與區(qū)別效度)分析。X1X2X3X4X5X11.000000.764900.678210.675150.68186X20.764901.000000.735220.625640.76585X30.678210.735221.000000.631700.71356X40.675150.625640.631701.000000.51748X50.681860.765850.713560.517481.000007Table6.1相關(guān)係數(shù)矩陣(五位專(zhuān)家對(duì)59個(gè)不同區(qū)域製(二)評(píng)估建構(gòu)(construct)的信效度進(jìn)行CFA時(shí)，可以使用模式配適度統(tǒng)計(jì)量(χ2)值與相關(guān)配適度指標(biāo)(GFI、AGFI)來(lái)衡量變項(xiàng)的信度(reliability)與效度(validity)。信度：指標(biāo)變數(shù)與潛伏變數(shù)之間相關(guān)程度(>0.7)效度：可分為下列兩種收歛效度(convergentvalidity)：對(duì)相同特性(construct,concept,orresearchvariables)使用不同衡量方法(Likertscale,Stapelscale,orsemanticdifferential)，所得結(jié)果高度相關(guān)。區(qū)別效度(discriminantvalidity)：不同建構(gòu)(construct,即研究變數(shù)或稱concept)彼此之間確實(shí)不相同。8(二)評(píng)估建構(gòu)(construct)的信效度進(jìn)行CFAMultitrait–multimethodmatrix(多重特質(zhì)多重方法)圖6.1

1.

李克尺度：

StronglyGenerallyModeratelyModeratelyGenerallyStronglyAgreeAgreeAgreeDisagreeDisagreeDisagree“Selectioniswide.”________________________2.語(yǔ)言差異尺度：

ExtremelyQuiteSlightSlightQuiteExremelyWideSelection________________________LimitedSelection3.史德培尺度：

+3___+2___+1___WideSelection-1___-2___-3___9Multitrait–multimethodmatrix表6.2相關(guān)係數(shù)矩陣(針對(duì)連鎖商店的兩個(gè)特徵(storeappearance,Aandproductassortment,P)分別採(cǎi)用三種不同方法(Likertscale,L,Differentialscale,D,andStapelscale,S))

ALADASPLPDPS

AL1.000

AD0.7761.000

AS0.6760.7391.000

PL0.6380.6000.5391.000

PD0.5610.6350.5270.7131.000

PS0.5220.5590.5890.7200.6981.00010表6.2相關(guān)係數(shù)矩陣(針對(duì)連鎖商店的兩個(gè)特徵(store6.2驗(yàn)證型因素分析：如何運(yùn)作116.2驗(yàn)證型因素分析：如何運(yùn)作11圖6.2兩因子模型路徑圖：學(xué)生智力測(cè)驗(yàn)?zāi)Ｐ挺?X1ξ2x2x3x4x5δ1δ2δ3δ4δ5φ1212圖6.2兩因子模型路徑圖：學(xué)生智力測(cè)驗(yàn)?zāi)Ｐ挺?X1ξ2x6.2.1Intuition執(zhí)行驗(yàn)證型因素分析時(shí)，應(yīng)優(yōu)先使用樣本共變數(shù)矩陣，而非相關(guān)係數(shù)矩陣。此處因資料出版問(wèn)題，無(wú)法取得共變數(shù)矩陣，故以相關(guān)係數(shù)矩陣做分析。

1.000.722.714.203.095.7221.000.685.246.181R=.714.6851.000.170.113.203.246.1701.000.585.095.181.113.5851.000136.2.1Intuition執(zhí)行驗(yàn)證型因素分析時(shí)，應(yīng)優(yōu)先使X1=λ11ξ1+λ12ξ2+δ1X2=λ21ξ1+λ22ξ2+δ2X3=λ31ξ1+λ32ξ2+δ3(6.1)X4=

λ41ξ1+λ42ξ2+δ4X5=

λ51ξ1+λ52ξ2+δ5X1=λ11ξ1+δ1X2=

λ21ξ1+δ2X3=

λ31ξ1+δ3(6.2)X4=

+λ42ξ2+δ4X5=

+λ52ξ2+δ5

Corr(ξ1,ξ2)=φ12,

var(ξ1)=φ11,var(ξ2)=φ22

探索性因子分析模型驗(yàn)證型因子分析模型14X1=λ11ξ1+λ12ξ2+δ1X1=λ1CFA模型的尺度不定性

(scalingindeterminancy)Var(ξi)與所有的λij的值不能同時(shí)決定，兩者有抵換關(guān)係尺度不定性的解決方法:令每個(gè)因子的變異數(shù)為1,或?qū)⒚恳粋€(gè)因子與負(fù)荷在其上的變數(shù)間的λ值任選一個(gè)，並訂其值為115CFA模型的尺度不定性

(scalingindetermi

λ110λ210factorloadingsmatrixΛ=λ3100λ420λ52

factorcorrelationmatrix1ψ12ψ21116

(6.3)17(61818適合度指標(biāo)(p.181)衡量信度(p.183)

(6.5)

(6.4)~19適合度指標(biāo)(p.181)(6.4)~19衡量指標(biāo)衡量指標(biāo)說(shuō)明χ2卡方值χ2易受樣本量大小影響，當(dāng)樣本量較大時(shí)，易導(dǎo)致拒絕虛無(wú)假設(shè)，因此建議與其他指標(biāo)同時(shí)考量。虛無(wú)假設(shè)－

theproposedmodelfitsaswellasaperfectmodel20衡量指標(biāo)衡量指標(biāo)說(shuō)明χ2χ2易受樣本量大小影響，當(dāng)樣本量較適合度衡量指標(biāo)說(shuō)明數(shù)值(0~1)GFI配適度指標(biāo)(goodnessoffitindex)不受樣本大小影響，可用於不同模型之間的比較。＞0.95：goodlevel＞0.90：acceptablelevelAGFI調(diào)整後配適度指標(biāo)(adjustedgoodnessoffitindex)＞0.90：goodlevel＞0.80：acceptablelevelRMR殘差平方根(rootmeansquareresidual)反應(yīng)理論假設(shè)模型的整體殘差＜0.05，

越接近0越好21適合度衡量指標(biāo)說(shuō)明數(shù)值(0~1)GFI配適度指標(biāo)不受樣本大MeasureReliability(信度)定義:計(jì)算方式Test-retestCFAλ2信度需>0.722MeasureReliability(信度)定義:信度需6.2.2Mechanism

(P.184)

(6.6)(6.7)

Likelihoodfunction假設(shè)Xi~N(0,Σ)236.2.2Mechanism(P.184)Likeli

(6.10)

(6.11)(6.12)FinalversionoftheloglikelihoodfunctionObtainparameterestimatestomaximize6.12MLE24Finalversionoftheloglikel模式適合度檢定H0:ReducedmodelisindifferentfromfullmodelHa:twomodelsaresignificantlydifferentSetα=0.2對(duì)n極為敏感25模式適合度檢定H0:Reducedmodelisin

(6.16)(6.17)其他替代的模式適合度指標(biāo)>0.95goodfit>0.9acceptablefit>0.9goodfit>0.8acceptablefit26(6.16)(6.17)其他替代的模式適合度指標(biāo)>0.95SampleProblems27SampleProblems27操作軟體：LisrelLISREL是一套用於SEM分析的統(tǒng)計(jì)套裝軟體。本章我們採(cǎi)用LISREL8.7版做分析。28操作軟體：LisrelLISREL是一套用於SEM分析的統(tǒng)計(jì)軟體操作:學(xué)生智力測(cè)驗(yàn)成績(jī)

(P.181)29軟體操作:學(xué)生智力測(cè)驗(yàn)成績(jī)(P.181)29軟體操作:學(xué)生智力測(cè)驗(yàn)成績(jī)

(P.181)30軟體操作:學(xué)生智力測(cè)驗(yàn)成績(jī)(P.181)30TitleConfirmatoryFactorAnalysisforstudenttestperformanceObservedVariables文章閱讀造句能力字彙能力加法能力計(jì)數(shù)能力CorrelationMatrix=10.72210.7140.68510.2030.2460.17010.0950.1810.1130.5851SampleSize=145LatentVariables語(yǔ)言數(shù)學(xué)Relationships:

文章閱讀=語(yǔ)言造句能力=語(yǔ)言字彙能力=語(yǔ)言加法能力=數(shù)學(xué)計(jì)數(shù)能力=數(shù)學(xué)SETtheCovarianceof語(yǔ)言and數(shù)學(xué)to1PathDiagramLISRELOUTPUTSETVRSMI相關(guān)矩陣指標(biāo)變數(shù)潛伏變數(shù)定義指標(biāo)變數(shù)與潛伏變數(shù)之關(guān)係輸出指令SE:標(biāo)準(zhǔn)誤TV:t檢定RS:常態(tài)化殘差與Q圖MI:修飾指標(biāo)軟體操作:學(xué)生智力測(cè)驗(yàn)成績(jī)

(P.181)31TitleConfirmatoryFactorAnal軟體操作:學(xué)生智力測(cè)驗(yàn)成績(jī)

(P.181)32軟體操作:學(xué)生智力測(cè)驗(yàn)成績(jī)(P.181)32GFI=0.99AGFI=0.97RMR=0.022卡方值=2.93軟體操作:學(xué)生智力測(cè)驗(yàn)成績(jī)

(P.181)33GFI=0.99卡方值=2.93軟體操作:學(xué)生智力測(cè)驗(yàn)成績(jī)QuestionsRegardingtheApplicationofCFA34QuestionsRegardingtheApplicCronbach’salpha

(6.18)

其值介於0~1之間，若項(xiàng)目間相關(guān)係越高，α值越高，亦即內(nèi)部一致性越高。此公式假設(shè)指標(biāo)內(nèi)各item重要性一樣。(6.19)6.4.1如何評(píng)估指標(biāo)的信度Averageinter-itemcorrelationamongkitems此公式反映指標(biāo)內(nèi)各item重要性不一樣35Cronbach’salpha6.4.1如何評(píng)估指標(biāo)例題:製酒企業(yè)(P.172)

BenjaminandPodolny(1996)想瞭解美國(guó)加洲不同區(qū)域栽培葡萄的狀態(tài)，聘請(qǐng)10位專(zhuān)家對(duì)73個(gè)不同區(qū)域加以評(píng)等，評(píng)等等級(jí)為1(狀態(tài)差)~7(狀態(tài)佳)。最後選取資料較完整(完成59個(gè)不同區(qū)域評(píng)等)的5位專(zhuān)家。

樣本量：59個(gè)不同區(qū)域 指標(biāo)變數(shù)：5位專(zhuān)家 潛伏變數(shù)：status36例題:製酒企業(yè)(P.172) Benjaminand路徑圖：製酒企業(yè)(P.188)statusexpert3expert2expert1expert5expert4χ2、GFI、AGFI、RMR採(cǎi)用Singledimensionδ1δ2δ3δ4δ5Cronbach’sα=0.9137路徑圖：製酒企業(yè)(P.188)statusexpert3e例題一:製酒企業(yè)(P.188)TitleConfirmatoryFactorAnalysisforWineIndustryObservedVariablesexpert1expert2expert3expert4expert5CorrelationMatrix=10.76510.6780.73510.6750.6260.63210.6820.7660.7140.5171SampleSize=59LatentVariablesStatusRelationships:expert1=Statusexpert2=Statusexpert3=Statusexpert4=Statusexpert5=StatusPathDiagramLISRELOUTPUTSETVRSMITitle:整個(gè)語(yǔ)法的標(biāo)題指標(biāo)變數(shù)相關(guān)矩陣:相關(guān)性高樣本量潛伏變數(shù)命名指標(biāo)變數(shù)與潛伏變數(shù)的關(guān)係繪製路徑圖輸出指令SE:標(biāo)準(zhǔn)誤TV:t檢定RS:常態(tài)化殘差與Q圖MI:修飾指標(biāo)38例題一:製酒企業(yè)(P.188)TitleConfirma例題一:製酒企業(yè)(P.189)最可靠，信度最佳最不可靠，信度最低39例題一:製酒企業(yè)(P.189)最可靠，信度最佳最例題一:製酒企業(yè)(p.189)參數(shù)最大概似估計(jì)、標(biāo)準(zhǔn)誤、t值:t值顯著>2殘差變異數(shù)估計(jì)、標(biāo)準(zhǔn)誤、t值:t值>2仍顯著40例題一:製酒企業(yè)(p.189)參數(shù)最大概似估計(jì)、標(biāo)準(zhǔn)誤、tGFI=0.96>0.95

(佳)AGFI=0.87>0.8

(可接受)RMR

=0.031<0.05

(可接受)例題:製酒企業(yè)(p.189)卡方值χ2=6.5741GFI=0.96>0.95(佳)例題:製酒企利用CFA檢定模式參數(shù)(見(jiàn)P.190)檢定ㄧ個(gè)因子以上

(P.191)透過(guò)驗(yàn)證性因素分析，我們可以進(jìn)行統(tǒng)計(jì)檢定，是否選擇多因子模型比單因子模型更合適。

6.4.2如何比較不同因子模型42利用CFA檢定模式參數(shù)(見(jiàn)P.190)6.4.2如何比例題:學(xué)生智力測(cè)驗(yàn)成績(jī)(P.191)之前分析建立在兩因子模型下(P.180)，且能提供良好適合度，本例題測(cè)試在單因子模型下是否能提供更加適合度？

樣本數(shù)：145個(gè)學(xué)生指標(biāo)變數(shù)：文章閱讀,造句能力,字彙能力,加法能力,計(jì)數(shù)能力 潛伏變數(shù)：語(yǔ)言,數(shù)學(xué)43例題:學(xué)生智力測(cè)驗(yàn)成績(jī)(P.191)之前分析建立在兩路徑圖：學(xué)生智力測(cè)驗(yàn)成績(jī)(P.192)語(yǔ)言文章閱讀χ2、GFI、AGFI、數(shù)學(xué)造句能力字彙能力加法能力計(jì)數(shù)能力=1採(cǎi)用Singledimensionδ1δ2δ3δ4δ544路徑圖：學(xué)生智力測(cè)驗(yàn)成績(jī)(P.192)語(yǔ)言文章χ2、GFTitleConfirmatoryFactorAnalysisforstudenttestperformanceObservedVariables文章閱讀造句能力字彙能力加法能力計(jì)數(shù)能力CorrelationMatrix=

1

0.7221

0.7140.6851

0.2030.2460.1701

0.0950.1810.113

0.5851SampleSize=145LatentVariables語(yǔ)言數(shù)學(xué)Relationships:

文章閱讀=語(yǔ)言造句能力=語(yǔ)言字彙能力=語(yǔ)言加法能力=數(shù)學(xué)計(jì)數(shù)能力=數(shù)學(xué)SETtheCovarianceof語(yǔ)言and數(shù)學(xué)to1PathDiagramLISRELOUTPUTSETVRSMI相關(guān)矩陣指標(biāo)變數(shù)潛伏變數(shù)定義指標(biāo)變數(shù)與潛伏變數(shù)之關(guān)係軟體操作:學(xué)生智力測(cè)驗(yàn)成績(jī)(P.192)定義潛伏變數(shù)之間的關(guān)係相關(guān)係數(shù)為1，不具區(qū)別效度輸出指令SE:標(biāo)準(zhǔn)誤TV:t檢定RS:常態(tài)化殘差與Q圖MI:修飾指標(biāo)45TitleConfirmatoryFactorAnal軟體操作:學(xué)生智力測(cè)驗(yàn)成績(jī)(P.192)46軟體操作:學(xué)生智力測(cè)驗(yàn)成績(jī)(P.192)46軟體操作:學(xué)生智力測(cè)驗(yàn)成績(jī)(P.192)參數(shù)最大概似估計(jì)、標(biāo)準(zhǔn)誤、t值:語(yǔ)言:相關(guān)性較大、標(biāo)準(zhǔn)誤0.07、t值顯著>2數(shù)學(xué):相關(guān)性小、標(biāo)準(zhǔn)誤0.09、t值<2不顯著兩潛伏變數(shù)之間的相關(guān)係數(shù)為1殘差變異數(shù)估計(jì)、標(biāo)準(zhǔn)誤、t值47軟體操作:學(xué)生智力測(cè)驗(yàn)成績(jī)(P.192)參數(shù)最大概似估計(jì)、軟體操作:學(xué)生智力測(cè)驗(yàn)成績(jī)(P.192)卡方值χ2=59.47GFI=0.88<0.90

AGFI=0.63<0.80RMR=0.14>0.05

(皆低於可接受水準(zhǔn))

模型配適度不佳48軟體操作:學(xué)生智力測(cè)驗(yàn)成績(jī)(P.192)卡方值GFI學(xué)生智力測(cè)驗(yàn)成績(jī)－綜合比較二因子模型P.183Table6.3單因子模型P.191Table6.5卡方值2.9359.47GFI0.990.88AGFI0.970.63單因子模型下:GFIAGFI皆低於可接受水準(zhǔn)，故潛伏變數(shù)兼具區(qū)別性，應(yīng)採(cǎi)二因子模型較合適。49學(xué)生智力測(cè)驗(yàn)成績(jī)－綜合比較二因子模型單因子模型卡方值2.9限制或一般模型(P.192)

目的－檢定較精簡(jiǎn)的限制模型是否和所觀察的資料具ㄧ致性6.4.2如何比較不同因子模型50限制或一般模型(P.192)6.4.2如何比較不同因例題:製酒企業(yè)(P.193) 之前分析建立在專(zhuān)家之間的信度不相同的情況(P.189)，能提供良好適合度，本例題測(cè)試在專(zhuān)家之間的信度皆相同之情況下，是否能提供更佳適合度？

樣本量：59個(gè)不同區(qū)域 指標(biāo)變數(shù)：5位專(zhuān)家 潛伏變數(shù)：status51例題:製酒企業(yè)(P.193) 之前分析建立在專(zhuān)家之間的路徑圖：製酒企業(yè)(P.193)statusexpert3expert2expert1expert5expert4χ2、GFI、AGFI、RMRδ1δ2δ3δ4δ552路徑圖：製酒企業(yè)(P.193)statusexpert3exTitleConfirmatoryFactorAnalysisforWineInc.-restrictedmodelObservedVariablesexpert1expert2expert3expert4expert5CorrelationMatrix=

10.76510.6780.73510.6750.6260.63210.6820.7660.7140.5171SampleSize=59LatentVariablesStatusRelationships:expert1=Statusexpert2=Statusexpert3=Statusexpert4=Statusexpert5=StatusSETthepathfromStatustoexpert1equaltothepathfromStatustoexpert2SETthepathfromStatustoexpert2equaltothepathfromStatustoexpert3SETthepathfromStatustoexpert3equaltothepathfromStatustoexpert4SETthepathfromStatustoexpert4equaltothepathfromStatustoexpert5Equalerrorvariances:expert1expert2expert3expert4expert5PathDiagramLISRELOUTPUTSETVRSMI軟體操作:製酒企業(yè)(P.193)相關(guān)矩陣指標(biāo)變數(shù)潛伏變數(shù)定義指標(biāo)變數(shù)與潛伏變數(shù)之關(guān)係定義潛伏變數(shù)之間的關(guān)係輸出指令SE:標(biāo)準(zhǔn)誤TV:t檢定RS:常態(tài)化殘差MI:修飾指標(biāo)53TitleConfirmatoryFactorAnal軟體操作:製酒企業(yè)(P.193)54軟體操作:製酒企業(yè)(P.193)54軟體操作:製酒企業(yè)(P.193)參數(shù)最大概似估計(jì)、標(biāo)準(zhǔn)誤、t值殘差變異數(shù)估計(jì)、標(biāo)準(zhǔn)誤、t值55軟體操作:製酒企業(yè)(P.193)參數(shù)最大概似估計(jì)、標(biāo)準(zhǔn)誤軟體操作:製酒企業(yè)(P.193)卡方值GFI(acceptable)、AGFI(acceptable)、RMR56軟體操作:製酒企業(yè)(P.193)卡方值GFI(accep製酒企業(yè)－綜合比較(p.193)專(zhuān)家之間信度不相同(一般模型)P.189Table6.4相同(限制模型)P.193Table6.6卡方值(自由度)6.57(5)15.62(13)GFI0.960.90AGFI0.870.88兩個(gè)模型的performance相當(dāng)，基於parsimony原則，故選擇限制模型。57製酒企業(yè)－綜合比較(p.193)專(zhuān)家之間信度不相同(一般考量其他不同簡(jiǎn)單結(jié)構(gòu)以外的衡量方法6.4.3簡(jiǎn)單因子結(jié)構(gòu)之外的變化(P.193)

58考量其他不同簡(jiǎn)單結(jié)構(gòu)以外的衡量方法6.4.3簡(jiǎn)單因子結(jié)構(gòu)之例題:連鎖商店(p.194)MenezesandElber(1979)使用多重衡量方法，李克尺度(LikertScale)、語(yǔ)意差異尺度(SemanticdifferentialScale)、史德培尺度(StapelScale)評(píng)估連鎖商店的商店外觀(storeappearance)與產(chǎn)品多樣化(productassortment)特徵，樣本來(lái)源為250位夜校學(xué)生。

樣本量：250

指標(biāo)變數(shù)：AL、AD、AS、PL、PD、PS

潛伏變數(shù)：store

appearance、productassortment59例題:連鎖商店(p.194)Menezesan路徑圖：連鎖商店-SimpleModel

(P.194)appearanceALχ2、GFI、AGFI、assortmentADASPLPDPSδ1δ2δ3δ4δ5δ660路徑圖：連鎖商店-SimpleModel(P.194)aTitleConfirmatoryFactorAnalysisforStoreGrocery-SimplemodelObservedVariablesALADASPLPDPSCorrelationMatrix=1.0000.7761.0000.6760.7391.0000.6380.6000.5391.0000.5610.6350.5270.7131.0000.5220.5590.5890.7200.6981.000SampleSize=250LatentVariablesAPPEARANCEPRODUCTRelationships:AL=APPEARANCEAD=APPEARANCEAS=APPEARANCEPL=PRODUCTPD=PRODUCTPS=PRODUCTPathDiagramLISRELOUTPUTSETVRSMI相關(guān)矩陣指標(biāo)變數(shù)潛伏變數(shù)定義指標(biāo)變數(shù)與潛伏變數(shù)之關(guān)係輸出指令SE:標(biāo)準(zhǔn)誤TV:t檢定RS:常態(tài)化殘差與Q圖MI:修飾指標(biāo)軟體操作:連鎖商店-SimpleModel61TitleConfirmatoryFactorAnal軟體操作:連鎖商店-SimpleModel(P.195)62軟體操作:連鎖商店-SimpleModel(P.195參數(shù)最大概似估計(jì)、標(biāo)準(zhǔn)誤、t值兩潛伏變數(shù)之間的相關(guān)性軟體操作:連鎖商店-SimpleModel(P.195)63參數(shù)最大概似估計(jì)、標(biāo)準(zhǔn)誤、t值兩潛伏變數(shù)之間的相關(guān)性軟體操作殘差變異數(shù)估計(jì)、標(biāo)準(zhǔn)誤、t值卡方值近似標(biāo)準(zhǔn)殘差矩陣AsymptoticallyStandardizedResidualMatrix軟體操作:連鎖商店-SimpleModel

(P.195)

GFI(good)、AGFI(acceptable)64殘差變異數(shù)估計(jì)、標(biāo)準(zhǔn)誤、t值卡方值近似標(biāo)準(zhǔn)殘差矩陣Asymp

採(cǎi)用(multitrait,multimethedmodel,MTMM)

多重特質(zhì)多重方法，以測(cè)量理論架構(gòu)的效度。收歛效度(convergentvalidity)：對(duì)相同特性使用不同衡量方法，所得結(jié)果高度相關(guān)。

區(qū)別效度(discriminant)：不同構(gòu)面彼此之間確實(shí)不相同。(不完全相關(guān))例題:連鎖商店-MethodFactors

(P.194)65採(cǎi)用(multitrait,multimethedm

6666

6767路徑圖：連鎖商店-MethodFactors(P.197)appearanceALχ2、GFI、AGFI、productADASPLPDPSSemanticdifferentialStapelLikert(參p.194)考量方法因素，使用相同尺度衡量不同因素。68路徑圖：連鎖商店-MethodFactors(P.197)軟體操作:連鎖商店-MethodFactors(P.196)相關(guān)矩陣增加三個(gè)潛伏變數(shù)定義指標(biāo)變數(shù)與潛伏變數(shù)的關(guān)係定義潛伏變數(shù)之間的關(guān)係69軟體操作:連鎖商店-MethodFactors(P.19軟體操作:連鎖商店-MethodFactors

(P.195)新增部分參數(shù)最大概似估計(jì)殘差項(xiàng)係數(shù)70軟體操作:連鎖商店-Me