一個結構方程模型是否良好? 與實際的數據擬合是否很貼適, 都有一定的指標作參考的! 如:
• 誤差變異數不能為負值。
• 所有誤差變異數須達顯著水準。
• 參數統計量間的相關絕對值不能太接近1。
• 因素負荷量約在0.5-0.95間。
• 標準誤不能太大。
整體模式適配度指標:外在品質評估
絕對適配度指標
|
標準
|
χ2
|
>
α
|
χ2
/df (NC)
|
1~3
|
GFI、AGFI
|
>
0.9
|
RMR
|
< 0.05
|
SRMR(AMOS須另外計算)
|
<
0.05
|
RMSEA
|
< 0.05
|
NCP
|
愈小愈好,信賴區間含0
|
ECVI
|
用於不同模式的相對比較,相對小者較好
理論模式比飽和模式與獨立模式的值還小
|
增值適配度指數
|
標準
|
NFI、RFI、IFI、TLI/NNFI、CFI
|
> 0.9
|
簡約適配度指數
|
標準
|
PGFI、PNFI
|
> 0.5
|
CN
|
>
200
|
AIC、CAIC
|
用於不同模式的相對比較,相對小者較好
理論模式比飽和模式與獨立模式的值還小
|
模式內在結構適配度評估(內在品質評估)
• 除整體模式適配之外,深入探討每一個參數,對理論的驗證更能獲得保障。
• 測量模式的評鑑:觀察變項與潛在變項的關聯,即潛在變項的信度與效度考驗。
• 個別觀察變項的項目信度(individual item reliability)在0.5以上,即因素負荷量的平方值。
• 潛在變項的組合信度(composite reliability)在0.6以上。
• 潛在變項的平均變異數萃取量(average variance extracted)在0.5以上。
• 參數統計量的估計值達顯著水準(t or CR大於1.96)。
• 標準化殘差的絕對值小於2.58/3(可於AMOS的Residual
Covariance矩陣獲得)。
• 修正指標(modification indices)小於3.84(AMOS的預設值為4)。
• 結構模式的評鑑:確認外衍與內衍變項的解釋或預測關係是否成立。
• 外衍與內衍變項的路徑係數是否顯著,正負向關係是否與理論相符。
• 參數統計量的估計值達顯著水準(t or CR大於1.96)。
• R2愈高,則解釋力/預測力愈高。
但是我個人而言, 一個模型(無論是什麼的), 更重要的是: 是否合符實際常理, 以及能否被現實的研究 \ 數據所證實 \ 支持呵~
參考資料: 多變量分析在測驗暨量表編製之應用
沒有留言:
張貼留言