Amos进阶示例2——共同方法偏差检验与双因子模型信度分析

Question

如题所述

Answer 1

量表数据收集完成后，在保持有效数据的情况下，需要执行共同方法偏差（CMB）检验，以评估数据是否受到共同方法变异（CMV）的影响。通常采用两种方法进行CMB检验：Harman单因子法和控制未测量的潜在方法因子（ULMC）。这两种方法旨在统计控制CMB，常见于自陈量表数据中。

Harman单因子法在统计分析中通过探索性因子分析（EFA）和验证性因子分析（CFA）实现。EFA通过SPSS菜单路径“分析”->“降维”->“因子”进行，以确定是否达到50%或40%的标准，这有助于判断CMB可能的严重程度。CFA假设只有一个公因子存在，对模型进行拟合，通常关注的四个指标包括RMR、RMSEA、NFI和CFI。当单因子模型的拟合结果不佳，如RMSEA大于0.08，NFI和CFI小于0.9，且相比原模型卡方自由度变差，CFA结果表明量表的CMB问题可能不严重。

相比之下，ULMC方法在原先的特质因子基础上引入未测量的共同方法因子，通过双因子模型分析来控制CMB。与Harman单因子法得出的结论相反，ULMC方法的结果显示量表的CMB问题可能并不严重。然而，ULMC方法比Harman单因子法更有效，检验力可达0.55。非嵌套模型的差异比较，如ΔBIC是否大于10，也支持双因子模型与原模型之间的显著差异。

接下来，探讨双因子模型的信度分析。验证性因子分析的信度指标包括因子载荷量λ、信度系数、测量误差、克伦巴赫α系数和组合信度（CR值）。效度指标包括平均方差抽取量（AVE值）和AVE的平方根。因子载荷量λ、信度系数和测量误差分别表示因子对观测变量的解释能力、解释能力的平方以及无法解释的部分。克伦巴赫α系数用于评估内在信度，而外在信度分析通常采用重测法。CR值和AVE值的计算基于因子载荷量λ和测量误差θ。判别效度要求子维度内部数据的相关系数大于与其它维度相关系数的绝对值。

在双因子模型中，计算四类信度系数：总表组合信度、总表同质性系数、子维度组合信度和子维度残差化信度。总表组合信度ω反映了所有题项之间的相关度，总表同质性系数ωH评估所有题项测量共同方法因子的程度。子维度组合信度ωS和子维度残差化信度ωRS分别针对维度内的题项和特质因子解释的方差比例。当ωS和ωRS相差较大时，特质因子解释的变异较少，计算并报告子维度分数可能没有意义。

ULMC方法还包括两个额外指标：共同变异解释比（ECV）和未受影响的相关比例（PUC）。ECV衡量了共同方法因子相对于全部因子的强度，而PUC反映了题项相关仅受共同方法因子影响的程度。通过计算ECV和PUC，可以评估单维模型在多维量表拟合中的适用性。当ECV大于0.7，PUC大于0.7，或ECV不够高但PUC较大时，单维模型适用于数据拟合。当两者都不高时，单维模型在拟合多维数据时可能产生较大偏差，应考虑使用双因子模型。