中人网

标题: 不同类型的测量指标如何代表一个construct? [打印本页]

---

作者: rwxld    时间: 2010-12-31 15:21
标题: 不同类型的测量指标如何代表一个construct?
[attach]252260[/attach]
[attach]252261[/attach]
" u" ~- H2 I' q" e2 g0 a亲爱的Kenneth及大家好：上图是我看到的一篇文章中的sem模型的construct和indicators，有一个非常初级的问题我想问大家，一个construct包含的indicators的类型都不同，如何来表示这个construct呢？比如：1、第一个ADMSP（公司管理的专业化），它的两个indicators分别是公司经营的年限（work years），和公司销售额（sales），这两个一个是年数，一个是金额，既无法直接加总，均值之和也无从计算，那么，它们代表ADMSP这个construct的时候，construct的值怎么计算呢？2、还有第二个construct----NEEDTX（need for tax planning），它的三个indicators中，前两个是5点量表，最后一个却是金额的对数，这种情况又怎么计算这个construct的分数呢？3、还有第三个construct----PROF（公司中从事税务筹划人员的专业性），它的四个indicators中，好像每个都不同类别，如果说其中的第一、第二和第四个勉强可以看做同类别的（ordinal varibles?），那么第三个只是一个yes or no的nominal varible，那么，PROF这个construct的分值又是如何计算的呢？（非常的抱歉，实在找不到老师可以问，麻烦大家了）。
2 m3 `+ L8 F" |5 [0 T$ I+ e1 k  u文章title：ADOPTION  OF  TAX  PLANNING  INSTRUMENTS  IN  BUSINESS
7 j+ {  `; s7 D7 n  T. nORGANIZATIONS:  A  STRUCTURAL  EQUATION  MODELLING
2 k/ I& |' j+ ?3 e3 ?0 rAPPROACH
来源：Scand. J. Mgmt, Vol. 11, No. 2, pp.  177-190, 1995

, h2 Z' G4 N( o2 i

# t3 j) Y. [8 `; N+ e

---

作者: Kenneth    时间: 2011-1-3 00:02
这个问题解释比较复杂，牵涉到因子分析的概念。请你多等一下，我要有点空闲，才可以详细回答。请耐心等等。或者，有没有人可以帮我先回一下。

---

作者: rwxld    时间: 2011-1-3 12:52
谢谢Kenneth，您先忙吧，等有时间再解释。其实在这里问问题我也很犹豫，怕浪费您的时间，因为作为初学者，这些问题一方面很初级，另一方面可能会怪怪的，所以解释起来反而麻烦。

---

作者: Kenneth    时间: 2011-1-3 13:46
回复 1楼 rwxld 的帖子
; H/ Q& {2 J' C$ U: _& O& o   

Rwxld，测量模型其实是因子分析的一个应用。测验的项目是“因子分析”里的变量，测量的潜变量，就是“因子分析”里的因子。所以对应的关系是：

     测验的项目 ---> 潜变量

     求因子的变量 ---> 因子

9 V3 H6 Z* u9 t8 e- q1 M

所以，我在下面就用因子分析来解释测量模型的潜变量。为了简化，我用两个变量的例子。因子（或潜变量）的定义是变量的“加权总和”。

  W/ z! s4 }  C  J- s9 S

     因子= w1 x1 + w2 x2     （w是权数，x是变量）

你问为什么：公司管理的专业化 = w1 （公司经营的年限） + w2 （公司销售额）

% t3 `- f7 `  y

一个是年，一个是钱，如何能加起来呢？答案很简单，是数字就可以加起来了。

+ G% Y' n- s1 a

让我举一个例子，我们用学位（x1,读了书几年）和有否受过专业投资训练（x2,1=有；0=没有）来预测在股票市场上赚钱多少（y,$）。回归方程是：  
) _9 E5 W( z2 }$ I/ v

     Y =b0 +b1 x1 + b2 x2

% B: F7 h* X( b

同样的，为什么“读了几年书？years”可以和一个虚拟变量（0或1）加起来，等如“赚钱多少”（$）呢？你去看看一般回归的书就知道了。与回归分析类似，我们可以定义一个因子是等如两个不同单位的变量的“加权总和”。

如果还是觉得这样太抽象，不如我们用标准化的变量来代表。我们做一个新的变量，叫做 z1 = （x1 -x1均值）/（x1的标准差）。同样，z2 = （x2 - x2均值）/（x2的标准差）。现在“年数”变成了“这家企业离开样本中所有企业平均年数的几个标准差”，那 z1 就变成没有量度单位了。同样，“销售额”变成了“这家企业离开样本中所有企业平均销售额的几个标准差”，那 z2 就变成没有量度单位了。Y就变成“这家企业离开样本中所有企业平均专业化的几个标准差”，那 Y 也变成没有量度单位了。

在因子分析中，我们有兴趣的是当“公司经营的年限”（x1）和“公司销售额”（x2）改变时，这个所谓“公司管理的专业化”是如何的改变。如果“公司经营的年限”改变一点点，“公司管理的专业化”
" y8 X, G) x' _: t7 f的改变就很大，那么权数 w1 就很大。同样，如果“公司销售额”稍微改变一点点，“公司管理的专业化”的改变就很大，那么权数 w2 就很大。所以，我们有兴趣的不是数学的加减，而是两个变量的相关。你可以直接把这个权数看成是回归系数吧（虽然它们在概念上的意义不是等同的，不过也很类似）。

注：w1 和w2不是因子载荷，虽然他们跟因子载荷有很大的关系（它们是一个函数的关系）。希望这样你能看得懂吧。