中人网

标题: [系统转发] 管理研究理论和贡献探讨 2 [打印本页]

作者: 匿名用户 时间: 2008-8-24 12:42
Kenny, 我是Wu，也就是那位很幸运能拜读您 factor analysis的学生。只是要告诉您，我没发电邮给您报告您我的读后建议（其实我真担心能写出啥有意义的建议）是因为还没看完您的大作。多见谅！

另一件事是我发现有些讨论似乎尚未盼到您目前的总结，也许是学习习惯使然，总觉要有个结论。举例而言，您引了「因果关系」的话题，但未见进一步的观点分享；「理论与逻辑5 （可怜的管理学）」也尚未见到您评论大家的看法，现在又问了个大哉问「逻辑实证法的局限」、、、我资质蠢钝，这样快速步调、给了方向未给看法的学习方式，我跟的真是气喘如牛且充满挫败呗。

作者: Kenneth 时间: 2008-8-24 18:19
因子分析这一章是不是太简化了？还是太数学化？其实，我写这一章「探索性的因子分析」主要是为了下一章「验证性的因子分析」和「结构方程建模」铺路的。后一章的初稿也写完了，如果你给我好的意见的话（这是利诱：-）），我可以把下一章也寄给你，让你提点意见。
话说回来，我是特意不写总结的。不写有三个原因：
（1）我经过香港“填鸭式”的学习的苦痛，在美国学会了“探讨式”的学习，所以教书的时候往往是没有结论的。讨论是学生自我发现和引起自发性的继续学习的工具。在我们过去的“填鸭式教育”里，老师总是会给我们一个「绝对答案」（model answer），我们就把它记起来，考试的时候背诵出来，分数就高了。结果，我们一生就不停的记着别人的答案。对我来讲，每个人都有自己的看法，只要是有道理的，很难讲什么是绝对的「对」、绝对的「错」、什么是绝对的「好」、绝对的「坏」。讨论的目的在于启发思考、引起分析和检讨自己的看法。我不敢说，综观各人的意见，什么什么才可以叫做「因果关系」、什么什么是「逻辑实证法的局限」等。这样做只会限制思考，对研究人员来讲不一定有好处。
（2）我当然可以讲“我自己”的意见。不过，我教学的经验是只要我一讲，同学的思维就会受影响（不竟中国还是一个专师重道的文化）。接下去除非我讲的是引起很大的反应，不然，别人就不会再讲了。所以，除了是有很强的“标准答案”的东西，一般我不太喜欢下很重的评价和总结。
（3）最后，总结人家的意见是很花时间和心思的。我每天回复评论，已经用了我大部分的时间了。我一般看评论，如果是个人意见的，没有问题的，我都不会回复的。如果要什么总结，可能要等我这个学期完了以后，才可以有时间整理了。你有兴趣做这个艰巨的总结工作吗？：-） Kenny

作者: 匿名用户 时间: 2008-8-24 18:33
To Wu: 同感，我也看得有些吃力和气喘哦，而且很多问题真的没有认真想过。不过蛮喜欢这样的学习方式的，研究中有很多问题本来就没有标准答案，我们也不应该期待拿一个标准答案就走哈，要不然给Kenny老师太大压力了:-P 能把问题放在这样一个平台供大家思考已经很好了，还有那么多老师同学提供不同的见解。我想，借着这个论坛，最好的结果应该是在老师的帮助和大家互助下，每个人都可以形成自己的看法，求同存异。

To Kenny老师: 谢谢您对我的幼稚问题（关于发现研究问题大到自己不能“驾驭”时怎么办）的答复。我应该是您说的第二和第三种情况。大概明白您的意思，试试看能不能做到把取最感兴趣的一块出来，再和导师去谈，然后在这个窄一些的问题上走得深一些。

作者: 匿名用户 时间: 2008-8-24 21:11
1.Kenny说：『因子分析这一章是不是太简化了？还是太数学化？』
Wu: 我的答案两者都是 “YES”。我反倒觉得您在日志的答复较详细且易懂的多。

2.Kenny说：『后一章的初稿也写完了，如果你给我好的意见的话（这是利诱：-）），我可以把下一章也寄给你，让你提点意见。』
Wu: 我真得怀疑我能给您哪些好意见??? 光看我当初以及现在的提问，您应猜的出我的程度水平。我母亲大人有敎「人不可贪、不可自不量力」，真是谢谢您的利诱！但如果您看了我给您的建议后（大概要再等好长一会儿，約三週後，抱歉！），仍觉得想听听我（一个没啥统计概念的人）对于CFA & SEM的看法，我会很乐意提供想法，只要能对于未来读者有所帮助。

3.Kenny说：『话说回来，我是特意不写总结的。不写有三个原因』。
Wu: 理解也非常认同您的看法。只是真得消化的很辛苦 ~
4.Kenny说：『如果要什么总结，可能要等我这个学期完了以后，才可以有时间整理了。你有兴趣做这个艰巨的总结工作吗？』
Wu: 我母亲再三叮咛过「人不可自不量力、更不可因自身的无能害了他人」。我会建议您公开询问有哪些人愿意做此工作？我觉得这此「求真派」习「逻辑实证法」高手如云，不知“清虚祖师”您觉得此建议可行否？

5. xinxin，我明白您的意思，也很认同您说的『借着这个论坛，最好的结果应该是在老师的帮助和大家互助下，每个人都可以形成自己的看法，求同存异。』会加油学习着！

作者: Kenneth 时间: 2008-8-24 22:38
Wu,你告诉我什么看不懂，或者你想看见什么也是个很好的意见哦！

作者: 匿名用户 时间: 2008-8-25 02:02

对不起，这么久才响应您的询问。我前阵子计算机送修了。

您说：『你用什么方法记住了那么多的问题，还稽查了Kenny走漏眼的问题。很厉害啊！烦请你分享一下你的方法好吗？』
Hahaaa… ^O^~~~ 我因为自知知识水平不佳，只要能上网，天天都会上来学习。每次都会把每个提问依性质分类、编号（现在方便多了，因为已有了序号），并把Kenny的答复直接放至每个提问后，自然就很清楚有无漏答啰。

真好！我也是个大龄的问题学生，幸会、幸会！ Cecilia

作者: 匿名用户 时间: 2008-8-25 14:29
懂了！尽量三周后给您我的看法。

作者: Kenneth 时间: 2008-8-25 14:40
Wu, 你尽管把你“所有的”看不明白的都标出来。不要怕什么是愚蠢的问题。不明白就不明白，没什么大不了，其实很有可能是我写得不好，或者假设了读者知道什么而已。只要你写得清楚，我答应尽我的能力改写后再寄给你，目的是要你明白80%以上。这是个有用的“诱因”吧！ Kenny

作者: 匿名用户 时间: 2008-8-26 22:26
Kenny, 照我的理解，如果是用现成的量表，应不需做因素分析。请教对吧？但因好奇，我还是跑了EFA，赫然发现竟然有题项的「因素载荷」低于.40，这该怎么办？如果我不报出来此发现，可以吗？这发现是否会影响后续要做的CFA（我还不会处理CFA呢！）？而且，我还发现有些「因素载荷」竟是负值，请教这代表什么?

还要了解的是，有一次发展量表，结果有测量题目有交叉载荷(cross loading)的问题，我就把这些题目删去了，结果有一个因素最后只剩两个测量题目，后来投研讨会还被质疑题项太少，很沮丧。但我不知道除了删题，我还能做啥？还有，总方差解释的比重是否要达到70％以上才可以？我的只有65%，也被挑战。!

虽然我会跑EFA，但我其实不懂其中一些专有名词的意涵，例如：「平均方差解释的百分比」、「因素共通性」。如果不会很麻烦，可以麻烦您用实际例子协助我搞懂？最好是把这些统计语言转换为较好理解的文字。我发现您在此日志的统计教导都大大地让我对于统计明白了许多，才鼓起勇气把这麻烦事丢给您。非常感激。

作者: Kenneth 时间: 2008-8-27 21:44
3.还要了解的是，有一次发展量表，结果有测量题目有交叉载荷(cross loading)的问题，我就把这些题目删去了，结果有一个因素最后只剩两个测量题目，后来投研讨会还被质疑题项太少，很沮丧。但我不知道除了删题，我还能做啥？
回应：我不鼓励研究人员随便删掉人家发展的量表。一个经过严谨步骤发展出来的量表需要验证、又用不同的样本再验证（cross validate），而且样本数一般都很大的，才可以发表的。你抽一个小小的样本，说有一点点异样，就随便删掉人家的题目，合理吗？我宁可相信是“你”错了，多于是“他”（发表量表的人）错了。我做主编的时候，凡是看见别人删掉了现成量表的题目（比如人家原来有8道题，你说们用了6道题），马上就问「为什么」？是不是用8道题的结果不好，一定要6道题的结果才显著呢？

4.还有，总方差解释的比重是否要达到70％以上才可以？我的只有 65%，也被挑战。
回应：我没有听过这样的规矩。百分之五十几的我都见过。

5.虽然我会跑EFA，但我其实不懂其中一些专有名词的意涵，例如：「平均方差解释的百分比」、「因素共通性」。如果不会很麻烦，可以麻烦您用实际例子协助我搞懂？最好是把这些统计语言转换为较好理解的文字。
回应：这个问题太大了。请给我一点时间，让我想一想。正在开学的时候，要静心想东西是很难的。 Kenny

作者: Kenneth 时间: 2008-8-27 21:45
1.Kenny, 照我的理解，如果是用现成的量表，应不需做因素分析。请教对吧？
回应：不是“不需做因素分析”。我的建议是做「验证性的因子分析」（confirmatory factor analysis, CFA）。顾名思义，「探索性的因子分析」（exploratory factor analysis, EFA）是当你根本不知道变量背后的关系的时候做的。既然是现成的量表，你很清楚有几个因子，和哪个变量应在在哪个因子有载荷，所以不需要“探索”了，应该去“验证”了。

2.但因好奇，我还是跑了EFA，赫然发现竟然有题项的「因素载荷」低于.40，这该怎么办？如果我不报出来此发现，可以吗？这发现是否会影响后续要做的CFA（我还不会处理CFA呢！）？而且，我还发现有些「因素载荷」竟是负值，请教这代表什么?
回应：哇，你一下子问这么多问题！一个一个来吧！第一、我在不同的演讲都讲过很多次了，如果是现成的量表，「因素载荷」低于.40也不代表什么。因为在抽样时有随机的误差，尤其是你的样本数不大（比如N=150左右），就算真的载荷是.50，你是数据表现载荷是.39一点都不为奇。第二、你问我「如果我不报出来此发现，可以吗？」我是一个基督徒。无论在研究的专业道德上和我的信仰上都是不可以接受的。问题是我根本不觉得是什么大不了，为什么不报出来呢？量表是人家做出来的，就算载荷真的小于.40也不关你事啊！第三、EFA与CFA的逻辑完全不同，可以不竟还是因子分析的方法，当然有影响啦。第四、如果载荷竟然变成负数，那我就开始有点担心了。除非是这道题的用词是反过来写的，比如测量「满意度」时，问题是说其实我“不”太满意现在的工作，不然的话，我很怀疑是你的数据有问题。比如、很多人是乱填（这在国内很普遍）。如果是真的话，回去再三看看数据，有没有特异的问题。可能的问题很多，数之不尽。比如在一个7-分的量表输入的时候，打错成为8；把missing data 的9当成是得分；outliers等等。

作者: 匿名用户 时间: 2008-8-27 23:14
谢谢您的详细回答。针对第3点回复，我指的量表是我自个ㄦ发展的，不是别人发展的量表。如是这样，我应怎么做才好？有关「平均方差解释的百分比」、「因素共通性」的教导，不急的。您开学，一定忙，我会慢慢等。

作者: Kenneth 时间: 2008-8-28 09:04
Sandy, 第一、發展量表有很高的要求，不是隨便寫幾道題就可以的。我送你三件獨門暗器，用以旁身。
1.Hinkin, T.R. (1998). A brief tutorial on the development of measures for use in survey questionnaires. Organizational Research Methods, 1, 104-121. (如果找不到，請發電郵或QQ我，我傳給你)。
2.DeVellis, R.F. (2003) Scale development: Theory and applications. 2nd Ed. Thousand Oaks: Sage.
3.Netemeyer, R.G., Bearden, W.O., & Sharma, S. (2003) Scaling procedures: Issues and applications. Thousand Oaks: Sage.

第二、回應你的問題。根據你用的測量模型， x = λτ + ε。測量項目（measurement items）應該只測量它自己的構念（τ），余下的全是隨機誤差（ε），理論上不會有交叉載荷的問題。現在出現了，只可以代表你設計項目的時候寫得不好，又或者是兩個構念根本太接近，分不出來。前者是外傷，看了書以后再好好的設計就好了。后者是經脈盡斷，大概要研究另外一個構念了。 Kenny

作者: 匿名用户 时间: 2008-8-28 13:29
Kenny, 文章找到了，谢谢。
多问个问题：看相关系数表（correlation table），有没有窍门可看出构念间的关系？我不是想要data driven啰！ : )

作者: Kenneth 时间: 2008-8-28 15:29
相关系数不就是构念之间的关系么？我不明白你的问题是什么？ Kenny

作者: 匿名用户 时间: 2008-8-29 15:52
Kenny, 请问如果我用SEM检验中介变项，以下的作法是否正确？我先跑一个IV-med-DV 的模型（model），再跑一个IV-DV 的模型，比较这两个模型相关的适配指针。如果IV-med-DV 模型的相关指针优于IV-DV 的模型，我是否就可以说我想检测的Med具有中介效益？如果这样仍不足，请问，还要提供什么数据？谢谢！

作者: Kenneth 时间: 2008-8-30 19:21
你这个问题很难回答。我个人觉得「结构方程建模」（SEM）不是验证「中介变量」的好方法。最主要的原因是你讲的两个模型不是「嵌套模型」（nested model，好像有人翻译为「巢套模型」），所以它们的卡方差（chi-square）是不可以比较的。举例，如果自变量是X，因变量是Y，中介变量是M，模型1是X→Y。模型2是X→M→Y（另外多加一条路径由X直接指向Y）。因为M根本不在模型1里，所以模型1和模型2不是「嵌套的」。如果在模型1里，X→Y路径大小叫做h。在模型2中， X→M的路径叫a，M→Y叫b，X→Y的直接路径叫c。除非在模型1中h是显著的，但模型2中X→Y（即是c）是不显著的，同时a与b都是显著的，那就很明显M是中介变量。但是如果模型1中的h是显著的，同时在模型2中，a，b和c都是显著的，只是c比h小而已，那你怎么知道c与h看上去的分别是不是抽样的随机结果呢？到目前为止，我还没有见过可以比较c与h的测验。
但是一般的做法是根本不会考虑模型1，他们只会用模型2。在用模型2时，只要在a和b都显著（就是不等如0）的前提下，c=0就是「完全中介效应」（full mediation），c≠0就是「部份中介效应」（partial mediation）。这好像是时下统计学者都接受的方法，可是我个人是有点保留。 Kenny

作者: Kenneth 时间: 2008-8-30 19:29
问：虽然我会跑EFA，但我其实不懂其中一些专有名词的意涵，例如：「平均方差解释的百分比」、「因素共通性」。如果不会很麻烦，可以麻烦您用实际例子协助我搞懂？最好是把这些统计语言转换为较好理解的文字。
回应：Sandy,既然你“鼓起勇气”地问，我就“舍命陪君子”吧。我已经做了一个新的日志，介绍这两个名词在因子分析里的意义了。请看「探索性因子分析」的日志吧。 Kenny

作者: 匿名用户 时间: 2008-8-30 20:30
Kenny, 谢谢！「我个人觉得「结构方程建模」（SEM）不是验证「中介变量」的好方法。」，请问这是否表示您较建议仍是用回归分析？唯有当多因多果的研究议题，才考虑使用「结构方程建模」？另外，模型2的作法，您可否谈谈您个人为何有所保留？我学到的似乎也多是这种作法或是我先前举的模型1与2的比较。谢谢！

作者: 匿名用户 时间: 2008-8-31 09:30
Kenny, 您提到「嵌套模型」，请教个基本问题，何谓「嵌套模型」？依您的例子，如果模型1改为X→M→Y ，模型2仍是X→M→Y（另外多加一条路径由X直接指向Y），就可算是「嵌套模型」了吧？比较的准则是否只需比卡方差（chi-square）就好？感谢指导！

作者: 匿名用户 时间: 2008-8-31 15:34
Kenny,你说国内乱填问卷的情况比较多，
那我们在自己的研究中如何把好数据质量关？

作者: Kenneth 时间: 2008-8-31 22:50
问：这是否表示您较建议仍是用回归分析？
回应：是的。不过我知道这是“绝少数的”我的个人看法。Baron & Kenny 的方法在最近几年已经给人攻击得体无完肤了。
问：模型2的作法，您可否谈谈您个人为何有所保留？
回应：我已经讲了，我的想法还没有成熟。不过，既然你问，我就讲一下。我猜其中一个原因是我不太喜欢「部分中介」的概念。另外一个原因是这样的定义，中介变量就变成是变量的一种数学的关系，与我原来学的『M“解释了”X与Y的关系』的概念不完全一样了。 Kenny

作者: Kenneth 时间: 2008-8-31 22:58
（1）何谓「嵌套模型」？
回应：「嵌套模型」nested model 在结构方程建模里指的是两个模型是一模一样的，只是其中一个模型的参数估计少了一点，或者说其中一个模型的其中一些参数不用猜了。
（2）如果模型1改为X→M→Y ，模型2仍是X→M→Y（另外多加一条路径由X直接指向Y），就可算是「嵌套模型」了吧？比较的准则是否只需比卡方差（chi-square）就好？
回应：是的。 Kenny

作者: Kenneth 时间: 2008-8-31 23:09
问：国内乱填问卷的情况严重，我们在自己的研究中如何把好数据质量关？
回应：
1.不要强逼学生收集数据。
2.尽量找自己认识的企业收集数据。
3.尽量给填答人一点回报（抽奖、小礼物、金钱、纪念品等）。
4.收数据时，自己一定要在场向填的人解释明白。
5.问卷不要过长（4-5页可能是极限）。
6.问题务必清楚易懂，不要模棱两可，尽量减低认知性的要求（cognitive demands）。
我暂时想到的就这几个。 Kenny

作者: 匿名用户 时间: 2008-9-2 07:57
请问当检测效标关联效度时，如何选定适当的效标？同时效度 (concurrent validity) 与预测效度 (predictive validity) 的计算是如何？一种效标是否只需报告同时效度与预测效度的其中一种？可以举例吗？我搞不清的原因就是书本都是定义解释而非实例介绍！谢谢！

作者: 匿名用户 时间: 2008-9-2 08:09
再ㄧ个问题：可以举一个例子敎我怎么一步一步检测因素效度（factorial validity）吗？谢谢！

作者: Kenneth 时间: 2008-9-2 12:46
John,你的25楼问题我会一并作答。请问什么叫做因素效度（factorial validity）？我没有听过。有朋友告诉我是CFA的结果。但是CFA的结果怎么可能是效度的表征呢？请厘清后我一并回应。谢！ Kenny

作者: 匿名用户 时间: 2008-9-2 17:50
容我先替John就我所知说一说。如有错，请大家纠正！谢谢！

因素效度（factorial validity）简单的定义是「一个测验或理论因素结构的有效性。」
我们知道结构方程模型中的测量模型（measurement model）目的在于帮助我们检验因子模型是否与数据吻合，是否是一好的模型，并同时对各因子间参数做合理估计。该模型藉由验证性因子分析（Confirmatory Factor Analysis, CFA）作检测。也就是说，CFA检测的是「构念的结构」(the structure of a construct)，检测的结果为该构念因素效度 (factorial validity)之数据。多言一句，很多人误以为仅做CFA就可获得构念的建构效度 (construct validity)，这恐是错误认知。至于怎么处理CFA，我所知有限，无力分享。致歉！

作者: Kenneth 时间: 2008-9-2 21:12
谢谢Helena 对「因素效度」的澄清。

请问当检测效标关联效度时，如何选定适当的效标？答案只有一个、就是理论。理论告诉我们X应该与什么Y有相关，而且相关的程度大概是怎样。比如我的学生发展了一个「自我价值」（self concept）的量表，那就应该与OBSE （organizational-based self esteem）有很大的相关吧。

同时效度 (concurrent validity) 与预测效度 (predictive validity) 的计算是如何？一种效标是否只需报告同时效度与预测效度的其中一种？可以举例吗？
g-factor（一般的思维能力）是预测工作表现（job performance）很好的变量，所以企业才会用aptitude test （性向测验，考g-因子的工具）来预测员工的表现。为了验证g-因子（X）是可以预测员工的工作表现（Y），我们可以跑进一家企业，一方面叫员工做性向测验，同时在企业的档案里找这一批员工的表现，再进行相关分析。这叫做性向测验的「同时效度」 (concurrent validity)。

但是这样做有问题，因为企业招人的时候有独特的方法，说不定现在这企业工作的人都有一定的特征的。用「同时效度」计算出来的相关系数可能是偏差的。更好的方法就是用了性向测验测所有的应聘者，然后随机的把他们招进企业，再等半年（或一年）以后去测量他们的工作表现。然后把起初的性向测验结果（X，time 1），与现在的工作表现（Y, time 2）计算相关。这叫做性向测验的「预测效度」(predicitve validity)。明白了上面的解释后，我们就知道「同时效度」与「预测效度」虽然是可以同时计算的，但是实际上绝少会这样做。 Kenny

作者: 匿名用户 时间: 2008-9-2 22:15
感谢解惑！

作者: 匿名用户 时间: 2008-9-4 08:22
最近我发现往往当我从家里做remote desktop或回到办公室时，有很多QQ讯息在我们电脑里。请大家明白我的情形：您看见QQ开了，不代表我是坐在计算机面前的。我办公室的计算机是不会关的，因为（1）要做http和ftp的伺服器；（2）要给我做remote desktop。因此，QQ也会长开着的。所以大家找我如果我没有回应，不是我没有礼貌，更可能是我根本不在办公室。请留言就好了，谢谢。 Kenny

作者: 匿名用户 时间: 2008-9-6 08:34
看到Kenny无私的付出，实在有些不忍，提一个小小的建议。建议大家都为老师考虑一下，这个Blog已经占用了他很多时间，他还有自己其它的工作和生活，可能的话，我们尽量把问题放在这里问，也可以让更多的同学一起参与进来，好吗？谢谢大家！

作者: 匿名用户 时间: 2008-9-6 13:12
Kenny, 我26楼的提問，若不会占据您太多时间，可以指导一下否？谢谢！

作者: 匿名用户 时间: 2008-9-6 13:43
请教Kenny,最近在看SEM时，对于“模型可识别”的概念一直很模糊，能否麻烦您有空时讲解一下？谢谢！

作者: Kenneth 时间: 2008-9-7 01:41
对不起，最近心情有点紊乱，所以回答有点慢了。另外因为很多事情赶着做，回QQ时可能给人的感觉是我变化很大，如果我得罪了任何朋友，请你们原谅。以后为了避免这样的问题，我可能不常开QQ，大家有事找我，如果不想写在博客上，可以发电邮给我。
Xinxin, 我写了一个新的日志，来回应你的“模型可识别”的问题。希望不会太数学化吧。不过，“模型可识别”本来就是一个解方程的问题，如果不用代数，我真的不知道要怎样解释了。 Kenny

作者: 匿名用户 时间: 2008-9-7 01:42
John, 我以为Helena在28楼已经解决了你在26楼提的问题了，所以没有回答，对不起。以我的认识，因素效度（factorial validity）不是一个心理计量学（psychometrics）的专有名词，要么就是近来新兴的一个用词（我太老了：-（）。根据Helena讲的关于因素效度的意思，其实讲的就是一个构念的测量项目到底是不是在它计划的因子结构里表现出来。比如，你在一份问卷里的4个项目是用来量「满意度」的，另外5个项目是量「归属感」的。那么，在这9个项目的因子分析里，我们应该看见首4个项目在因子一有大载荷，后5个项目在因子二有大载荷。如果你用的不是探索性的因子分析，而是验证性的因子分析的话，在一个双因子的模型（x1到x4属于因子A，x5到x9属于因子B）里，模型的拟合指数应该很高。这是不是你问的问题呢？ Kenny

作者: 匿名用户 时间: 2008-9-7 11:18

Kenny, 从文字中感受的到你的忙碌与压力（因为刚开学吧？！），请多保重！但即使如此，您仍如此体贴地考虑着他人的感受，让我们很感动。你慢慢回复我们的提问，对于你这少见的好老师与好生命，没有人会希望你累坏的。

我相信这个园地的学习者、同行者对于你帮助他人的这种付出精神，除了感激，更期许自己有一日，亦能如你，能将此热情延续到协助我们周遭有所需求的生命上。

从你身上，我们目睹了人性的良善！谢谢你！多保重！！

作者: Kenneth 时间: 2008-9-7 21:41
Christian，谢谢你的鼓励。但愿你真的像您的名字一样，是follower of Christ. Kenny

作者: 匿名用户 时间: 2008-9-11 08:48
谢谢说明。『这是不是你问的问题呢？』，Kenny问。很遗憾，『不是的』。我想学习的是：『举一个例子敎我怎么一步一步检测因素效度』。如果很费时，就算了。谢谢。

作者: Kenneth 时间: 2008-9-11 16:27
我想学习的是：『举一个例子敎我怎么一步一步检测因素效度』。John, 我还是不明白你想看见什么。可不可以这样，你把框框写出来（第一步，你想的大概是什么、第二步，你想的大概是什么），我填里面的东西。这样可以吗？ Kenny

作者: 匿名用户 时间: 2008-9-12 16:49
kenney, 中秋节快乐！好几天没上又有那么多的讨论，尽管我们不得不来打扰你的清修，但是希望你能好好休息，我们同样不忍心让这么好的老师太过于劳累的！
对了，我又有问题了。现在我想做的是SEM中的多组均值分析（Structured means analysis），比较两个群组的SEM模型中几个潜变量均值是否存在显著差异？我看到别人都是用lisrel软件来实现的（AMOS可以吗？），Kenney,能告诉我一下具体如何操作吗（最好能有步骤）？或者相关的资料？用独立样本的方差分析应该是不可以的吧？谢谢

作者: 匿名用户 时间: 2008-9-13 22:39
请教Kenny在Sem分析工具中（例如Lisrel和Amos）如何实现调节变量的验证？

作者: 匿名用户 时间: 2008-9-13 22:43
哦，忘了说一句，祝您节日快乐！明晚就休息一晚吧：）

作者: 匿名用户 时间: 2008-9-13 23:07
Kenny,不好意思，因为明天就是中秋，佳节肯定很多事务，也理应是一个放松的时间，所以抓住今天的尾巴再多问几个问题：1.一个模型经过不同样本多次的探索性因素分析都得到比较稳定的结构，可是在用结构方程做CFA时，看那些参数似乎都不太理想，为什么会有这样的情况呢？2. Lisrel和Amos都会提示修正指数，事实上一个开始不太理想的模型根据这些提示去修正总会变得理想的，我们对比好与不好的时候是以没有做任何修正之前去对比的吗？可是如果不修正也会有问题，难道这意味着模型没有好和不好之分？该怎么办好呢？

作者: 匿名用户 时间: 2008-9-14 00:13
tianyang,前不久恰好看到SEM，不知道下面的步骤是否能对你有帮助，不对的请纠正：

1、假定你是按性别分为男女两组的，先将样本按调节变量的类别分组，分别求出其相关矩阵或方差-协方差矩阵，放在一个数据中，以便可以同时读入模型；

2、针对输入的分样本（即男、女两个）分别建立各自的测量模型（CFA）和结构模型（Path Analysis）。这时要决定各分样本之间的factor loadings、item errors、factor variances-covariances等是否需要设置“相等性”（equivalence）的限制。如果有以往的理论作为根据，则需按理论要求。一般情况是没有的，最好就设置对等性。

3、通过设置分样本模型之间对应参数的关系（你的问题中即设置均值相等），来观察这个设置是否改变了模型的拟合优度。例如，先拟合一个含两组（男女）的“fixed”模型（即规定两组中潜变量均值为一致）、然后再拟合一个“free”模型（即容许两组中潜变量均值各自独立估计），最后比较两个模型的拟合度之间的差别。

作者: 匿名用户 时间: 2008-9-14 00:40
Grace8090,推荐两篇文章给你先，希望有帮助:）

Moulder, B.C., & Algina, J. (2002). Comparison of methods for estimating and testing latent variable interactions. Structural Equation Modeling, 9, 1-19.

中文：
温忠麟，侯杰泰，马什赫伯特 (2003)潜变量交互效应分析方法. 心理科学进展，11（5），p.593

另外，你提到CFA和EFA的结果差异应该可能常会出现吧。因为EFA只需要实现把一些变量用少数几个因子表示就可以了，所以只要某个变量和其中一个因子的关系比它和其它因子的关系大，它就会被分到这个因子中；但CFA是有一个判断标准的，它要把你给它的理论模型和数据做比较，不能达到标准就是不合适。打个不太恰当的比方，现在有二十个来自很多国家的人，请你自由把它们分成三组，你有可能把中国人、韩国人、泰国人分在一起，因为它们都是亚洲人，最接近；但是如果现在我的要求是需要一个组一定只能是中国人，上面的分法就不可以过关了。

作者: Kenneth 时间: 2008-9-14 08:24
loutianyang, 你问的问题我没做过，但是我觉得很有趣，所以我翻查了一点书。结果在 LISREL 的手册找到了一些例子。我就把它们翻译过来作为例子，希望对你有用。因为要画图，所以我写了两个新日志。
同时你问AMOS可以吗？我没有这个程式。但是我找到一个网页，希望对你有用。
http://ssc.utexas.edu/consulting/answers/amos/amos3.html
KENNY

作者: 匿名用户 时间: 2008-9-14 11:45
看了您的结构方程建模中的「多组平均数比较」(2)，虽然看的不是很懂，但至少我清楚些如何让您明白我39楼想学的是什么。举例而言，如果研究的构念有4个，有些作者在报告CFA的结果时，多半会比较将此4个构念以3因素的模型或是4因素的模型甚至2因素的模型的结果，再告诉读者结果仍是4因素的模型最佳。我想学的是，您能否以一个实例，就如同您在结构方程建模中的「多组平均数比较」(2)的教导，将我如何写CFA的计算程序以及如何写这3因素的模型、4因素的模型甚至2因素的模型的程序。我希望这次我让您懂我的问题了。

作者: Kenneth 时间: 2008-9-14 15:52
John, 我已经写了一个新的日志来回答你的问题了。希望你这一次能够明白。如果还有问题的话，请继续的问吧！ Kenny

作者: Kenneth 时间: 2008-9-14 17:05
Grace，我已经写了一个新的日志回答在结构方程建模内测验调节变量的问题。
另外谢谢 xinxin 的帮忙。SEM 是蛮好的杂志，虽然我没读过这篇文章，不过我猜应该不错的。请问我在那里可以找到「心理科学进展」这本杂志呢？或者，可否把这篇中文的文章电邮给我做参考呢？谢谢。 Kenny

作者: 匿名用户 时间: 2008-9-14 17:07
非常谢谢您如此快速的回复！我觉得我应该是懂了，等会儿，会跑跑看！祝您与家人有个团圆的中秋佳节！！

作者: Kenneth 时间: 2008-9-14 18:07
问：EFA结果还可以，为什么CFA结果却不好？
回应：EFA与CFA最大的分别是「交叉载荷」（cross loading）。「交叉载荷」的意思是如果一个测量项目（比如X1）是测量因子F1的话，EFA是容许X1在F2（另外一个因子）有载荷的。但是如果X1是测量F1的，大部分用CFA的情形底下，我们只容许X1在F1有载荷，而不容许X1在其他因子有载荷的。如果很多测量变量在不同的因子都有一定的载荷，跑CFA的时候结果就不会好了。

问：应该怎样看修正指数（modification index）？
回应：首先回答你的问题，再讲我的看法。「我们对比好与不好的时候是以没有做任何修正之前去对比的」。
「可是如果不修正也会有问题，难道这意味着模型没有好和不好之分？」我不明白你这一句的意思，当然有「好和不好之分」啦，「拟合指数」好就是好，不好就是不好了。
我个人不太喜欢用「修正指数」。主要有三个原因：
第一、是做SEM很多时候都是在跑CFA。顾名思义，CFA是「验证性」的因子分析。你预先应该有一个构想的模型，才可以去“验证”的。如果“验证”失败了（拟合指数很差），你又用「修正指数」来把模型修正，一直到拟合指数好为止，那你在“验证”什么呢？
第二、SEM也会用来测验结构模型的。一般结构模型的對立模型（alternative model，或称“備擇模型”）也应该是预先由理论来指定的，不应该由「修正指数」按数据的特征来设立的。这样对我来讲是data mining （数据挖掘、資料採礦、資料探勘），不是科学地验证理论。
第三、「修正指数」大多数的情形都是违反了我们的基本假设的。比如是在CFA是容许交叉载荷；或是容许两条方程的误差有相关等。这些都是做研究时，正常情形不容许的。所以，接受「修正指数」来调高「拟合指数」时要非常小心。 Kenny

作者: 匿名用户 时间: 2008-9-14 23:10
谢谢Kenny详细的解答，思考后再看您的回复，收获很大。很敬佩您严谨治学的精神。

我猜可能还会有其他同学需要前面两篇文章，所以申请了一个gmail的邮箱，把前面提到的两篇文章放在信箱里了。这个信箱以后也可以用作大家分享一些重要paper的地方。不过考虑到有的paper可能有版权问题，我们还是不要大量放文章在这里吧。

http://gmail.com
account: sharingpaper
pwd: blogpaper

作者: 匿名用户 时间: 2008-9-15 11:25

Xinxin，谢谢您！对于您这个发想，很感动。借着这个邮箱，我们又多了一个可以交流论文分享的地方！真好！！

作者: 匿名用户 时间: 2008-9-17 02:22
Kenny, 看了您的PPT，两个问题在我脑中出现。我常常被老师问道：「你的研究问题是什么？」。当我回答完后，老师常是皱着眉说：「这不是研究问题！」。请问：要能被称的上是个研究问题，应包涵些什么原素？第二个问题是，自变项与因变项之间有数个中介变项，我如何判断哪一个才可以被称为中介变项呢?谢谢！

作者: 匿名用户 时间: 2008-9-17 02:44
再多问一个！请问Kenny，您会建议在何种情形用实验法或准实验法？如果以大学生为对象进行管理议题实验法或准实验法的研究，您的看法？谢谢！

作者: 匿名用户 时间: 2008-9-17 11:11
斗胆回应，不足之处Kenny和其它博友批评指正。

Sandy问1：我常常被老师问道：「你的研究问题是什么？」。当我回答完后，老师常是皱着眉说：「这不是研究问题！」。请问：要能被称的上是个研究问题，应包涵些什么原素？

回应：技术层面上，你的研究问题必须被可验证的假设所回答，就是研究问题了；方法论层面上，有些问题不能被科学方法所回答，就不是研究问题，比如说：为什么会有管理学规律？

Sandy问2：自变项与因变项之间有数个中介变项，我如何判断哪一个才可以被称为中介变项呢?

回应：这个问题好像在前面已有讨论，可以查阅。简而言之，是你的理论决定了哪个是自变项，哪个是中介变项，否则从数理上去判断，就有数据挖掘之嫌。

作者: Kenneth 时间: 2008-9-17 13:47
既然 myth是斗胆回应，我就冒死回应吧！
Sandy的第一个问题很难回答。我觉得myth的答案已经非常好了。谢谢！我大概还可以再加一句。「能够被回答的」就是问题。但是我们是做行为科学的，所以要再多加一个限制，就是「能够用科学方法回答的」就是研究问题。我猜我们大部分情形不是问 “不是研究的问题”，而是不在问“好的”研究问题。什么是“好”呢？那就很难定义了。我试试写几点吧：
（1）我觉得英文中的“insightful”（有洞见）这个字就最能代表什么是好了。一个好的研究问题，更有可能可以带出一个“有洞见”的理论，和一个“有洞见”的答案。
（2）“问题的新旧”（合时）也是一个重要的因素。哥白尼提日心说的时候是惊天动地的。你现在当然可以问土星的卫星是不是真的围绕土星在转，但是很可能是已经过时了。
（3）“问题的大小”（贡献）也是很重要的。国际天文学联盟用香港中文大学学生陈嘉键的名字为太阳系一颗小行星命名，以表彰陈嘉键他发现该行星的贡献。但是，在理论贡献来讲，多发现一个颗小行星有怎么样呢？相反，有些问题是几乎不可以解的，有些事要你穷一生的时间才勉强可能解的。做这一类研究的人要事先知道自己的局限。
（4）“问题产生的可能答案是否有用”是考虑的因素。我们不竟是做“管理”的研究的。到最后，研究的结果应该可是影响管理界的。
（5）最后，“问题是否有趣”也是考虑的因素。大家都有兴趣知道答案的问题，就更可能是有趣的问题。

Sandy的第二个问题也很难回答。我的建议是“精简”（parsimony）是研究理论的一个重要特点，除非不得已，不要放太多的“中介变量”。一般的理论一个中介变量已经足够了。如果真的要处理多于一个中介变量的话，结构方程建模应该是最简单的处理方法了（我没有见过用回归分析来回答这个问题的）。 Kenny

作者: 匿名用户 时间: 2008-9-18 21:55
很受益，谢谢。会慢慢消化！

作者: 匿名用户 时间: 2008-9-19 22:28
    幸好这几天刷新的不是很快，哈哈，太开心了，还能看到之前自己的留言。感谢Kenny和xinxin的回复，简直是超音速。
     又遇到问题，期待Kenny和各位朋友再帮帮忙。感谢感谢！
     第一个问题是接之前关于修正指数方面的问题的。在侯杰泰老师写的那本书里看到一个关于单纯型模型的例子，这个例子的第一次模型拟合时，拟合指数都不是很好，但允许各个潜变量误差之间相关后就好了很多。书中也解释说到“若理论上认为这些误差间存在相关分析结果显示模型拟合改善很多，那么我们应该设定所有这些误差相关自由估计”。我的问题是如果现在是编制一个新的量表，在做CFA的第一次模型拟合时，拟合指数也不是很好，但是允许某些题项的误差间存在相关模型的拟合也是改善了，但问题是这时并不如前面提到的例子可以有理论支持（因为是新量表），那怎么办呢？应不应该让它们的误差之间相关呢？如果应该，那是不是也应该让那些对立模型的误差之间相关？这样好像又回到之前怎么判断好与不好的问题上了……

    第二个问题是与SEM的潜变量的性质有关。现在好像看到很多用SEM的例子中潜变量都是连续变量。如果因变量是类别变量还可以用SEM吗？还是应该用逻辑斯谛回归？

    最后发发牢骚，这个论坛实在太好，所有回复都让人深受启发。如果国内的导师每个都像kenny一样热心，我想国内的研究生研究能力和学习水平会进步很快。太多不负责和不关心学生的老师了……无语

作者: Kenneth 时间: 2008-9-19 23:47
第一个问题：对不起，中文不好。什么叫「相关模型」和「对立模型」呢？至于你的问题，我的回应如下：
如果x1与x2是两个测量潜变量F的测量项目。
x1 = λ1 F + ε1
x2 = λ2 F + ε2
理论上ε1与ε2是随机并没有相关的。所以x1只测量F（权重是λ1）,剩下的是随机误差（ε1）。同样的，所以x2只测量F（权重是λ2）,剩下的是随机误差（ε2）。如果ε1与ε2相关是什么意思呢？就是x1和x2除了是测量F以外，它们还是“同时”在测“一点其他的东西”（至于是什么就不知道了）。你能接受这样那个的一个测量工具吗？

第二个问题：如果因变量是类别变量还可以用SEM吗？还是应该用逻辑斯谛回归？回应：SEM不是什么特别的东西，它其实只是一组的回归分析而已。回归分析遇到的问题，在SEM会同样遇到的。 Kenny

作者: 匿名用户 时间: 2008-9-20 00:23

呵呵，Kenny，不好意思，是我写的不好，没有下标点，相关和模型之间其实是有个逗号的。至于对立模型是alternative model（上次的回复中好像提到？）

回应：SEM不是什么特别的东西，它其实只是一组的回归分析而已。回归分析遇到的问题，在SEM会同样遇到的。
那是否意味着在这种情况下应该用逻辑斯谛回归而不是SEM？

作者: 匿名用户 时间: 2008-9-20 14:29
谓了方便您答复，我把您当初于结构方程建模中的「参数估计」的答复，节录部份PO在此处

回复研究生 8楼 (Kenneth) / 2008-9-18 20:52:00
关于你的问题，我想分开几个方面来回答。
第二、我们要看你到底在做什么研究。如果研究目的是预测（prediction）的话，一般“只有一条主线”的要求可能低一点。因为我们的目的是尽量预测因变量的方差，多用几个视角大概也可以接受。但是如果研究的目的是解释（explanation）的话，我们要解释为什么X（自变量）会影响Ｙ（因变量），一般一个视角已经足够（视角就是你的理论）。、、、
第三、如果我们同意研究的一大目标是发展理论（theory building）或验证理论（theory testing）的话，干嘛要那么多构念混在一起呢？如果一大堆的构念互相牵连，原因是一大堆不同的理论的话，你在发展什么理论？验证什么理论呢？
第四、听你所说的，我有一个感觉，你是在做「现象」的研究，而不是在做「理论」的研究。如果你研究的目的，是要把一个现象的千丝万镂的关系弄个明白的话，你在研究的其实是一个「模型」，而不是一个「理论」，那讲什么视角呢？

想完全消化，但仍有困惑，再次就教！谢谢！
1. 大部分的学术研究目的应是属于「解释」，对否？如果研究目的是「预测」，是否是较偏向实务的研究？
2. 发展理论与验证理论的差异在哪里？如果我在原有的理论观点下，找出了中介变项或是边界条件，这应是属于验证理论的研究，是吗？但如果我是在不同于以往的理论视角下，找出了中介变项或是边界条件，这能算是发展理论吗？
3. 「你是在做「现象」的研究，而不是在做「理论」的研究。你在研究的其实是一个「模型」，而不是一个「理论」」。能麻烦您敎我如何区分何谓模型？何谓理论？我看了您相关的日志，似乎仍不那么清楚。尤其是您如何从我的叙述就知道我研究的其实是一个「模型」？
4. 看完您的响应，除了感谢，还有更多的挫败与困惑。到底学术研究是件啥东西啊？好没有信心、、、

作者: 匿名用户 时间: 2008-9-20 18:12
Kenny,不好意思，还是不太明白关于类别变量在SEM的做法。可以详细解释一下吗？如果因变量是类别变量，在SEM中需要怎样处理呢？有什么步骤吗？
还有一个问题，在SPSS软件中，如果用binary logistic regression做类别变量是两类的回归，但是如果类别变量是3类呢？用Multinomial Logistic 那个么？可是不能选择变量的进入方式是逐步还是全部一次过进入了，而且报告的格式好像和binary的不同。类别是3类是是否也可以变成2类那样去做？例如包括上升、不变和下降这3类时，变成上升和不变的比一次，下降和不变的比一次，上升和下降的比一次？

作者: Kenneth 时间: 2008-9-20 22:02
问：那是否意味着在这种情况下应该用逻辑斯谛回归而不是SEM？
回应：我的了解是在SEM是不可以做逻辑斯谛回归的。但是好像如果把方差-协方差矩阵转换成“tetrachoric correlations”（对不起，1.我不知道中文是什么；2.我自己没有做过，所以详细情形也不肯定），就可以用普通的SEM来分析。 Kenny

作者: Kenneth 时间: 2008-9-20 22:03
1.大部分的学术研究目的应是属于「解释」，对否？如果研究目的是「预测」，是否是较偏向实务的研究？
回应：也不一定。离职的研究中“预测”离职是一个大问题。但是却非常理论，不是实务的研究。预测股票市场的波动是「预测」，但是也可以很理论。

2. 发展理论与验证理论的差异在哪里？如果我在原有的理论观点下，找出了中介变项或是边界条件，这应是属于验证理论的研究，是吗？但如果我是在不同于以往的理论视角下，找出了中介变项或是边界条件，这能算是发展理论吗？
回应：应用理论是在现有的理论底下应用在不同的现象当中。发展理论是创作一个新的理论来解释一个现象。这根有没有中介变量和边际条件没有关系。

3. 能麻烦您敎我如何区分何谓模型？何谓理论？我看了您相关的日志，似乎仍不那么清楚。尤其是您如何从我的叙述就知道我研究的其实是一个「模型」？
回应：
（a）XMY 是一个模型。解释为什么他们有这样的关系需要理论。
（b）我说我“觉得”是这样，我并不是“知道”你在研究一个模型。

4. 看完您的响应，除了感谢，还有更多的挫败与困惑。到底学术研究是件啥东西啊？好没有信心、、、
回应：我做研究生的时候连什么叫理论和模型都不知道。其实，我做了副教授好几年对这些还不是很清楚。甚至现在我还不敢讲我已经掌握了。我做了十几年的所谓“研究”还是这样，你为什么要没信心呢？ Kenny

作者: Kenneth 时间: 2008-9-20 22:04
Grace，第一个问题我在62楼已经回答了。最近很忙，不能替你去找“tetrachoric correlations”的东西，你可能要自己试试了。
Binomial跟multinomial是不一样的。也没有人刻意把multinomial的东西压缩成Binomial来处理的。还是花点时间去学一学multinomial regression 为好。学了以后这就是属于你的知识了。：-） Kenny

作者: 匿名用户 时间: 2008-9-20 22:52
@回复 grace8090 65楼（Kenneth）

Kenny,多谢您的回复啊，大概明白您的意思，不过其中有个问题可能我之前没有表达清楚，所以令您误解了，不好意思啊，再占用几分钟帮忙澄清理解可以吗？

1. 在65楼您提到：“回应：我的了解是在SEM是不可以做逻辑斯谛回归的。”
>>>问题：我之前的意思是想问遇到因变量是类别变量的时候，是用SEM的方法去操作好，还是用Logistic regression好？您能给个建议吗？

2. 您在65楼还提到“但是好像如果把方差-协方差矩阵转换成‘tetrachoric correlations’……，……就可以用普通的SEM来分析。。”
>>>问题：您的意思是不是如果遇到因变量是类别变量，需要把方差-协方差矩阵转换成‘tetrachoric correlations’才能用普通的SEM来分析啊？

不好意思，还要麻烦您在百忙中帮我解答问题，但愿没有占用您太多的时间！再次感谢您一直以来的帮助！

作者: Kenneth 时间: 2008-9-20 23:42
1. 问题：我之前的意思是想问遇到因变量是类别变量的时候，是用SEM的方法去操作好，还是用Logistic regression好？您能给个建议吗？
回应：如果只有一条方程，当然是用 logistic regression 。如果是一个网络般很多方程，就要用SEM了。
2. 问题：您的意思是不是如果遇到因变量是类别变量，需要把方差-协方差矩阵转换成‘tetrachoric correlations’才能用普通的SEM来分析啊？以我有限的了解，你是全中了。 Kenny

作者: 匿名用户 时间: 2008-9-21 15:43
明白了，呵呵，谢谢Kenny,祝顺利！

作者: 匿名用户 时间: 2008-9-22 21:17
Kenny,一个小问题：我有两个独立样本，当分别跑EFA与CFA时，较大的样本应适用于EFA或是CFA？谢谢！

作者: 匿名用户 时间: 2008-9-22 21:55
「我做研究生的时候连什么叫理论和模型都不知道。其实，我做了副教授好几年对这些还不是很清楚。甚至现在我还不敢讲我已经掌握了。」对于您一贯的坦诚与谦虚，我万分敬佩！但如呈您所言，「我做了十几年的所谓“研究”还是这样」，这话让我对于学术界究竟创造了多少正确的知识，不禁惶恐！甚至质疑自己在这建构知识的学术界能贡献什么？？请问Kenny, 回顾您这十几年的研究路，有什么重要的叮咛是您觉得应告诉我们这群才刚起步的学子的呢？谢谢！

作者: Kenneth 时间: 2008-9-22 22:14
问题：我有两个独立样本，当分别跑EFA与CFA时，较大的样本应适用于EFA或是CFA？
回应：如果真的要选的话，EFA一般要求比较低，小一点的样本也可以大致看到结果。 Kenny

作者: Kenneth 时间: 2008-9-22 22:29
我觉得今天西方管理学的方向不是完全的正确。我常常听到人说“you have to know how to play this game”（你要知道今天的游戏规则是什么）。我给你的是比较实用的建议。第一、要求存。所以，在你拿到终身职位以前，要多做一点小的研究，为的是发表文章。但是第二、要求道，就是在挣扎求存的同时，要知道自己在做什么。虽然是在做小研究，但是要不失方向，不要人云亦云，但求发表的数字。所以我常常鼓励朋友多在一个领域附近徘徊，不要乱七八糟的为求多发文章，什么流行的研究都做。第三、到最后的是求真。慢慢当自己站稳了以后，就要多做一点有意思，有贡献的研究。 Kenny

作者: 匿名用户 时间: 2008-9-22 23:01
谢谢您这中肯的建议！待您有空时，很想听听您对于今日西方管理学的方向的看法。先谢谢了！
Kenny，从此博客与您的接触，不仅强烈感受到您是位令人赞叹的好老师，您许多的个人特质也深受我的尊重。

作者: 匿名用户 时间: 2008-9-23 10:36
刚新学LISREL做结构方程，有个小问题没弄明白。
问题：
一般的LISREL在做全模型分析时候，都要求先定义Y变量矩阵再定义X变量矩阵，可是如果我的数据题目收集时候是按先X变量题目再Y变量题目收集的话，按顺序计算出来的相关矩阵将会是先X再到Y测量变项，那么我在程序输入时候是不是把定义Y和X变量矩阵的顺序反过来即可呢？

举个例子：假设有20道题目，前12道题目测量3个X因子，后8题测量2个Y因子，按这个顺序计算出来相关矩阵，则我再编写LISREL程序时候，是不是先定义X变量矩阵即可呢？
定义如下:
MO NX=12 NK=3 NY=8 NE=2 PH=...(省略)
PA LX
4(1 0 0)
4(0 1 0)
4(0 0 1)
PA LY
4(1 0)
4(0 1)
是不是这样换了顺序就可以把相关系数和对应因子对号入座呢？

作者: 匿名用户 时间: 2008-9-23 11:03
这个矩阵输入的顺序是应该看
MO NX=12 NK=3 NY=8 NE=2 PH=...(省略)
还是应该看PA的顺序呢？
PA LX
4(1 0 0)
4(0 1 0)
4(0 0 1)
PA LY
4(1 0)
4(0 1)
矩阵与语句之间是怎样联系和统一的？

作者: 匿名用户 时间: 2008-9-23 13:09
我已經很久沒用LISREL-7 了。其實我們常常做的都是很簡單模型，干嘛要用這么精細的程式呢？對初學者，我建議你還是從LISREL-8 SIMPLIS程序開始，等你掌握了LISREL，要精確的定義什么時，才回去用LISREL7吧。
好，回到你的問題。我沒有試過，但是我的感覺是LISREL-7是一個很笨的程序，應該不是把X與Y的次序改變就可以達到你的目的（相反，在SIMPLIS就是可以的）。
最后，我學習的方法是「經驗學習法」。所有的教育理論都指向這個真理——只有當你試過以后才是屬于你的東西。所以，為什么不做一個實驗，用一個Y，兩個X，在SPSS做一次，在用LISREL來試一試不就行了么？ Kenny

作者: 匿名用户 时间: 2008-9-24 15:59
问题：LISREL-7 ，LISREL-8 SIMPLIS 是指Lisrel的版本吗？我用的是Lisrel8.7，Simplis是指prelis吗？呵呵，新手上路，问题是不是很菜啊？

作者: Kenneth 时间: 2008-9-24 21:18
SIMPLIS 是 LISREL 的其中一种语言，与你学的“LISREL-7”是一样的。它与PRELIS不同。PRELIS 是把数据先处理才交给LISREL分析的一个小小的前置语言。他们的关系就好像你先把数据输入EXCEL（可能在做一点点简单的处理），然后才把EXCEL档转成SPSS分析一样。有了SIMPLIS，你就不需要LISREL-7了。
如果你用的是Lisrel8.7，你就可以用SIMPLIS，而不需要用LISREL-7这个复杂的语音了。举例，以下是一个「验证性的因子分析」，有6个变数，头三个x1，x2，x3属于因子F1,后三个x4，x5，x6属于因子F2。如果我们有协方差矩阵，SIMPLIS语言就像以下这么简单。你在LISREL的Syntax里打进下面的程式，CFA的结果马上就出来了。不信的话，你可以用你学的LISREL-7再做一次，结果应该是几乎完全相等的。
Title: Confirmatory Factor Analysis

Observed Variables:
  x1 x2 x3 x4 x5 x6
latent variables:
  F1 F2
covariance matrix
  .50
  .27  .33
  .34  .28  .44
  .11  .12  .16  .77
  .09  .09  .13  .60  .72
  .06  .03  .11  .39  .42  .65
Sample size: 196

Relationships:
x1 x2 x3 = F1
x4 x5 x6 = F2

Admissibility off
Iteration = 500
End of problem

作者: 匿名用户 时间: 2008-9-25 10:52
@ 回复 aa 79楼 (Kenneth)
哦，原来是这样，哈哈，太好了，谢谢Kenny

作者: 匿名用户 时间: 2008-9-25 11:00
Kenny,发现研究问题的方法应该有很多，不知您的方法又是什么呢？平时是怎样发现研究问题的呢？您搜索资料这么快，是通过什么途径找的呢？

作者: Kenneth 时间: 2008-9-25 21:41
如果我没有记错，这个问题我以前已经回答过了。
第一、找题目可以（1）在读文献的过程，发现有没有未解决的问题。（2）在与经理们深入面谈时听到跟我们的理论不一样的视角。（3）在看其他学科的文献时有灵感。
第二、搜索资料只有一条途径。你知道多一点，看东西的时候自然快一点了。这就是经验，没有捷径的。 Kenny

作者: 匿名用户 时间: 2008-10-4 17:04
请问Kenny：在何种情况下，我们才有必要可以提出建构一个新构念的需求？谢谢！

作者: 匿名用户 时间: 2008-10-4 21:54
1.对于一个X与Y的关系，如果我将我的研究问题的范畴，在原有理论的立基下，纳入组织层级或是团队层级的情境因素，这能否算是某种研究贡献？
2.falsifiability 是作为判断理论是否为科学理论的准则之一。但何谓falsifiability？当我们提到X与Y的关系能否被falsified时? 又是什么意思？就教于您！

作者: 匿名用户 时间: 2008-10-5 13:06
Kenny，什么因素会造成信度跟文献所报的有出入？我用现有的量表收集资料，结果发现某个构念的信度并不理想。这种情形是否暗示我回收的问卷出了问题，而非原来的构念的信度有问题？如果真是如此，是否我应重新收问卷？

作者: Kenneth 时间: 2008-10-5 17:46
问：在何种情况下，我们才有必要可以提出建构一个新构念的需求？
回应：这个问题大概没有标准的答案。我试试就我想到的讲一下（其实这样做我已经是很大胆了）。请其他朋友再补充。
（1）现存的构念有不足的地方。比如Liden觉得单一维度的LMX不足够，所以提出了多维度的Multidimensional LMX。
（2）现存的构念不足以解释所见的现象。比如Lee & Mitchell觉得目前的员工离职的前因不足够，所以提出了Job embeddedness的新构念。如果是这个情形，新构念一定要在目前构念的基础上，对现象有显著的额外解释能力。
（3）提出新的理论，当中顺带提出新构念。比如Lee & Mitchell 在提出离职的unfolding model时，介绍了shock的新构念。Barley讲resource based view的时候，带出了“资源”（resources）的构念。
（4）提出新的管理现象。比如Lau & Muningham 讲的faultline; 又如新的管理领域像perceived insider status, cultural intelligence, organizational incivility等。 Kenny

作者: Kenneth 时间: 2008-10-5 17:47
（1）问：对于一个X与Y的关系，在原有理论的立基下，纳入组织层级或是团队层级的情境因素，这能否算是某种研究贡献？
回应：当然是贡献。但是贡献是大或小就要看（a）理论有否改变；（b）新变量的解释能力等因素了。

（2）何谓falsifiability？当我们提到X与Y的关系能否被falsified时? 又是什么意思？
回应：falsifiability （证伪）就是可以证明是错的。我猜「可证伪性」有两个条件（如果有人想到其他的条件，请补充）。第一、要有预测能力。如果像看面相一样，往往是「事後孔明」的话，就有很大的问题了。波普尔讲的“心里分析”就是一例。第二、要有一致性（consistency）。如果每次讲的解释都不一样的话，那就没意思了。所以，如果你说X影响Y的话。第一、要每次都是X，不可以今天是X1，明天是X2，后天是X3。第二、要看到X（发生）的话，一定可以看到Y（发生）的。如果你讲的是因果关系的话，更要多加一条，就是X是由你来操控的（manipulation）。 Kenny

作者: Kenneth 时间: 2008-10-5 17:48
问：什么因素会造成信度跟文献所报的有出入？我用现有的量表收集资料，结果发现某个构念的信度并不理想。这种情形是否暗示我回收的问卷出了问题，而非原来的构念的信度有问题？如果真是如此，是否我应重新收问卷？

回应：过去的学者发展一个新的量表，都经过很多次、多样本反复的验证，而且有模范数据（norm data）的。所以，如果你只收一个样本，跟人家不一样的话，我会说十居其九是你的问题。（当然，跨文化的研究要复杂一点，就比较难讲）。
可是，现在的研究人员往往在发表文章的压力底下，草草写了几道题，在一个样本里做了一个因子分析，就算发展了一个量表了，那就很难说了。可能连他自己都不一定可以重复量表的因子结构，更不要讲信度高低了。这个现象在二流杂志出现的频率更高（所以在文献中选量表也有一定的技巧的）。可是无论如何，量表是人家发展的，已经刊登了，你的结果跟人家不一样，吃亏往往都是你的。
话说回来，所有的研究都会有漏洞的，问题是大还是小。我想要看你的研究的整体贡献，才可以谈「低信度」可不可以接受。所以，如果（1）你的信度不是低得很过分；（2）你的研究的整体贡献是大的；（3）只是这个量表有问题，其他的构念都没有问题的话，那么可能不一定要重新收新的数据。不然的话，多收一次是在所难免的了。其实，多收一次数据，如果结果是一样的话，说不定你可能找到一个好的理由来修正人家的量表呢。 Kenny

作者: 匿名用户 时间: 2008-10-5 21:14
1.所谓「贡献是大或小就要看（a）理论有否改变」。「理论有否改变」是什么意思？是指此研究达到theory testing 的目的而让理论更精致化吗？抱歉！我不太明白您的意思。
2.falsifiability （证伪）的前提，就您的说明，似乎是指能有系统且具预测力，是这样吗？对不起！我对于falsifiability （证伪）仍感困惑，即使上课老师也常提起，甚至您也予以说明。此外，一个理论希望能具备falsifiability的特质，是为了找出边界条件吗？

作者: 匿名用户 时间: 2008-10-5 21:15
抱歉！上回忘了署名！谢谢答复。
何谓『模范资料（norm data）』？我第一次听到此名词，可以再说明些吗？谢谢！
针对84楼的问题与您87楼的响应，我有了下列的想法。1. 当一个新的构念产生时，为了量测此新构念，每个量表必「都经过很多次、多样本反复的验证」。可是，当运用MTMM方式检视新量表的区效度与收敛效度时，我的经验是有些数据未必全都能符合MTMM所要求的原则（例如：不同方法但测相同特质的数据应大于相同方法但测不同特质的数据）。这样的结果，仍可以被接受吗？2. 我发现管理研究常常会提出新的构念，但好玩的是似乎有些构念在概念上多有重复。面对构念意义有所重迭的情形，对于做研究选取适当构念，有什么原则可以依循呢？而且，构念能解释的范畴是否有一遵循的准则？为解释一个狭隘的现象就发展一个新构念，这也是可以被接受的吗？

作者: Kenneth 时间: 2008-10-5 23:05
问：何谓『模范资料（norm data）』？
回应：Norm data 的意思是作者会告诉你一般有不同背景的作答者（男性、女性、不同年龄的人）会在这个量表得到什么分数、平均分是多少、标准差（方差）是多少、这个量表的因子架构是怎样的、它跟其他相关的量表有什么关系等等。

问：当运用MTMM方式检视新量表的区效度与收敛效度时，我的经验是有些数据未必全都能符合MTMM所要求的原则。这样的结果，仍可以被接受吗？
回应：没有区分效度（discriminant validity）与收敛效度（convergent validity）的量表就是没有construct validity的测量。一个测量的工具如果没有证据证明它是在测量它要测的构念的话，还要来干什么呢？

问：面对构念意义有所重迭的情形，对于做研究选取适当构念，有什么原则可以依循呢？
回应：我的理解是做研究是从理论出发的。你的理论需要什么构念就用什么构念了。如果social identification theory 讲的人会尽量增加自己的self esteem，我们怎么会选用self efficacy呢？

问：构念能解释的范畴是否有一遵循的准则？为解释一个狭隘的现象就发展一个新构念，这也是可以被接受的吗？
回应：我觉得这个问题跟上面的问题是一样的。问题不是“构念”是否可接受，而是构念背后的“理论”是否可接受。而“理论”是否可接受，在这个情形底下，重要的是研究的现象是否有意思。“狭隘的现象”不一定没有意思的，因为从“狭隘”的现象中找到的理论可能可以用到很多不同的情形底下。「元分析」（meta analysis）这个影响这么大的分析方法，原来的出处是员工选拔的一个小问题而已。　　　Kenny

作者: Kenneth 时间: 2008-10-5 23:05
1.「理论有否改变」是什么意思？
如果多添加一大堆解释的变量，但是解释的机制（理论）完全没有改变，那怎可以叫做贡献呢？

2a. falsifiability （证伪）的前提，似乎是指能有系统且具预测力，是这样吗？
我学的是实证研究。如果你提出一个理论，就要按这个理论提出一些“预测”。我就会按数据来验证你的“预测”。数据支持你的“预测”，我就暂时相信你的理论。相反，我就不会相信你的理论。这就叫做“证伪”（ “证”明你是“伪”或“错”的意思）。有些理论是不可以证明为“伪”的。达尔文的进化论就是一个例子。你怎样可以“证明” 进化论是“错”（伪）的呢？答案是几乎不可能。

2b. 一个理论希望能具备falsifiability的特质，是为了找出边界条件吗？
不是。不可以证明是错（或伪）的理论不是“科学的”理论。请你看一看我开始的几个日志就会明白了。 Kenny

作者: 匿名用户 时间: 2008-10-6 13:15
针对前面所提的MTMM方式检视新量表的区效度与收敛效度的问题，我遇到的问题如下：有少数几个「不同方法但测相同特质」的数据小于「相同方法但测不同特质」的数据，但「相同方法测相同特质」的数据仍是四类中最高的数据，且「不同方法测不同特质」的数据也都是最低的。如果这样的情形发生，我也要断定该量表没有construct validity吗？谢谢！

作者: 匿名用户 时间: 2008-10-6 15:02
Kenny, 您好！三个问题向您请益：
1.阅读到用cross sectional data (横断资料) 检视因果关系或是中介效应的研究时，会发现研究者多会在 Limitation （限制）此部分加上一点，就是建议日后研究可以朝纵贯性研究（longitudinal study）着手。我想了解的是，用cross sectional data处理中介效应，有何做法可以减少他人对于因果效益的质疑？还是除了实验法、准实验法以及采用纵贯性资料，没有其它方法可以补救？
2.我很喜欢您理论与逻辑4「因果关系」的分享，可否请您推荐这方面相关的文献？谢谢！
3.上周上组织理论课时，有人询问为何resource-based view 仍被称为view 而非resource-based “theory”。想听听您的看法！其中一派的观点是认为因为resource很难量测，所以该观点尚称不上理论的层次。

作者: 匿名用户 时间: 2008-10-6 15:35
问一个很蠢但我弄不清的观念：为什么「不可以证明是错（或伪）的理论不是“科学的”理论。」？为什么不是反过来说「可以证明是对的理论就是“科学的”理论。」？

作者: 匿名用户 时间: 2008-10-6 17:49
谢谢您的说明与举例，很敬佩您！您列举的四种状况，我可以总结为构念的产生是反应现象的结果吗！？就新构念的贡献而言，如果新的构念能够让一个有意思的研究现象，增加理论上的解释力，就可算是具有贡献吗？另，发展一个新构念的量表，不论是依归纳法或是演绎法，是否一定要经过深入访谈此阶段？最后，理论有好坏之分，请问，构念也有吗？

作者: Kenneth 时间: 2008-10-6 21:43
这样很难讲。因为我一般介绍的Campbell & Fiske (1959)标准是肉眼观察法（eyeballing technique）。如果你的样本够大的话，你可以用比较严谨的方法来测量MTMM。就是除了看哪一组的相关大小以外，还可以用验证性因子分析猜出方法因子值和特征因子值，这样就可以估计方法和特征的方差和比较了。 Kenny

作者: Kenneth 时间: 2008-10-6 21:44
1.问：用 cross sectional data处理中介效应，有何做法可以减少他人对于因果效益的质疑？还是除了实验法、准实验法以及采用纵贯性资料，没有其它方法可以补救？
回应：如果只有X→M→Y三个变量的话，我的答案是“没有其他方法”。因为Y影响M影响X；M同时影响X和Y等模型跟X→M→Y这个模型（你的假设模型）在中介效应的测验上是同价（equivalent）的。意思是，这两个替代模型（alternative model）得到的结果是一模一样的。但是如果在模型中还有其他的变量（例如是一个结构方程建模的模型），那就比较安全一点了。

2.我很喜欢您理论与逻辑4「因果关系」的分享，可否请您推荐这方面相关的文献？谢谢！
回应：我看的大部分书本都已经归还图书馆了。其实，只要你在图书馆目录搜查书名是“causality”的话，你会惊讶的发现多得你想像不到的。

3.上周上组织理论课时，有人询问为何resource-based view 仍被称为view 而非resource-based “theory”。想听听您的看法！
回应：理论的要求是具体和明确的。现在的RBV就好像是弗洛伊德的心理分析一样的模糊，怎么可以叫做理论呢？今天Palm输给I-Phone，你说是因为技术资源；明天雷曼死了，你说是因为财务资源；Toyota赢了，你说是人力资源；现在还有人说有社会资源、结构性资源……等。Barley讲了资源的特征，但是他却没讲什么才是资源，更没有清楚的讲为什么多资源的企业一定会胜过少资源的企业，整个资源运作的机制不知道是怎样的，如何获得资源又不知道。我们除了一个空壳以外什么都不知道，怎么可能叫做一个理论呢？ Kenny

作者: Kenneth 时间: 2008-10-6 21:44
问：为什么「不可以证明是错（或伪）的理论不是“科学的”理论。」？
回应：这是波普尔说“科学”的一个特征。是“科学”的定义的一部分。就好像我们说“见死不救”的人是没有人性一样。

问：为什么不是反过来说「可以证明是对的理论就是“科学的”理论。」？
回应：不可以这样讲。因为“科学” 的特征是“证伪”，不是“证真”。科学的方法是希望推翻假设的。没有推翻的假设我们只是“暂时”接受而已，不代表它是“真理”。科学的验证方法是归纳，不是演绎。牛顿的力学是很好的例子。在相对论提出以前，牛顿力学一直都得到支持的。但是后来从相对论里我们知道当运动接近光速时，牛顿力学就会崩溃了。我更喜欢休谟的例子。鱼塘里的鸭子每天看见主人来的时候就知道有东西吃了。这是“证明”主人每次来都是喂养它们吗？不是的。那天主人的朋友来了，主人来不单不是喂鸭子，还抓了两头鸭子去宰了宴客呢！ Kenny

欢迎光临中人网 (http://bbs.chinahrd.net/)