一千萬個為什麽

搜索

關於科學規模建設的建議

我在組織研究領域給了一套20個李克特項目(範圍從1-5,樣本大小n = 299)。這些項目旨在衡量一個潛在的概念,它本質上是多維的,多方面的和異質的。目標是創建一個可以很好地用於分析不同組織並用於邏輯回歸的規模。在美國心理學協會之後,量表應該是(1)一維的,(2)可靠的和(3)有效的。 因此,我們決定選擇四個尺寸或分量表,每個尺寸或分量表為4/6/6/4項;假設它們代表了這個概念。

使用反射方法構建的項目(生成大量可能的項目,並使用cronbach的alpha和概念表示(有效性)在三個後續組中叠代地刪除項目)。

使用可用數據,基於多元相關性和使用varimax旋轉的初步並行解釋因子分析顯示項目加載到除預期之外的其他因素。至少有7個潛在因素,而不是4個假設因素。平均項目間相關性非常低(r

0.15),盡管是正數。對於每個量表,cronbach-α系數也非常低(0.4-0.5)。我懷疑驗證性因子分析會產生良好的模型擬合。 如果兩個維度被刪除,那麽cronbachs alpha是可以接受的(0.76,0.7,每個規模有10個項目,通過使用序數版的cronbachs alpha仍可以做得更大)但是這個尺度本身仍然是多維的!

由於我是統計學的新手,缺乏適當的知識,我對如何進一步處理感到茫然。由於我不願完全放棄規模並且只采用描述性方法,我有不同的問題: I)使用可靠,有效但不是一維的尺度是不對的? II) Would it be appropriate to interpret the concept afterwards as formative and use the vanishing tetrad test to assess model-specification and use partial least squares (PLS) to arrive at a possible solution? After all, the concept seems to be more a formative than a reflective one. III)使用項目響應模型(Rasch,GRM等)是否有用?正如我所讀到的,rasch模型等也需要假設單維度 IV)將7個因素用作新的“分量表”是否合適?只是丟棄舊的定義並使用基於因子加載的新定義? 我很感激有關這個的任何想法:) EDIT: Added factor loadings & correlations

fa.res$fa Factor Analysis using method = ml Call: fa.poly(x = fl.omit, nfactors = 7, rotate = "oblimin", fm = "ml")

根據因子模式矩陣和因子互相關矩陣計算的因子載荷,僅顯示高於0.2的值

最佳答案

一個艱難的局面。因素6,4和7似乎相當穩健地測量,但不是其他因素,我認為因素1,3和5的內部一致性會很低。是否可以通過其他方法評估可靠性,例如作為interrater rel。?或者通過因子分析通過其他方法評估有效性而不是構建有效性?即使不同的尺度(或單個項目)以不同的方式得到驗證 - 有時您需要盡可能地采取任何措施。 無論如何,我可以看到單獨使用v6和v17。當加載和相關看起來像這樣時,為什麽要強制它們進入多項目比例。 即使考慮到我上面所說的關於有效性的覆蓋範圍,我也同意你希望保持最終的回歸預測器幾乎是一維的 - 特別是因為你有大量的預測因子,就像多維變量一樣,水會變得非常非常泥濘。這是特別相關的,因為你似乎采用了更多的解釋而不是純粹的預測模式(你關心因果關系)。

轉載註明原文: 關於科學規模建設的建議