[系统转发] 管理研究理论和贡献探讨 2

Kenneth

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

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。 

Kenneth

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

Kenneth

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。

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。

Kenneth

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

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！ : )

Kenneth

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

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！

Kenneth

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