[系统转发] 管理研究理论和贡献探讨 2

Kenny老师,您好，初次拜访你的博客,找到了很多SEM教材中看不到但是很有用的知识,现有一些问题请教,盼复:)

我在做电子商务环境下组织变革领域的研究，目前的研究问题是考察，4个外生潜变量对1个内生潜变量的影响作用，其中哪个外生潜变量的影响作用更为显著。由于初学，虽然也阅读了一定量的书籍和文献，总体感觉还是很混乱,尤其对数据分析过程还存在许多疑问：

   由于在本研究领域的量化研究很不成熟，研究涉及到的这5个潜变量缺乏成熟的测量工具（个别潜变量有2-3个前人提到的测量项目），因此想采用验证性因子分析验证测量工具，具体来说，我的数据分析思路如下：
（1）分为两个测量模型，一个是含4个外生潜变量的测量模型，另一个是含1个内生潜变量的但单因子测量模型。
（2）分别进行两个测量模型的信度和效度分析
（3）分别进行两个测量模型的拟和度分析
（4）对含有5个潜变量的结构模型分析

主要问题：

1.   本想建立一个含5个潜变量的测量模型，但是只要在含4个外生潜变量的测量模型中加入1个内生潜变量，模型运算显示非正定，由于不知如何解决非正定问题，只好拆分成两个，这样做恰当吗？

2.   根据对您的博客上提供的知识的理解，在SEM中Cronbach’s   α并不重要，因此选择用三个标准来检测信度，一是所有标准化的的因子负荷（Factor ​Loading）要大于0.5且达到显著水平（p<0.05 ​or ​p<0.1）；二是组合信度（composite ​reliability, ​CR）要大于0.8；三是平均抽取方差（average ​variance ​ extracted，AVE）要大於0.5。同时选用三个标准来检测效度，一是检测潜变量间的相关性是否过高，判别标准以计算各测量模型因子间的相关系数是否加减两个标准误差，且未包含1这个数值为准则，如果达到此条件要求即认为具有良好的区别效度，二是以两个潜变量间的相关系数小于0.85为准则 (Kim ​et ​al., ​2003)，如果达到这一准则，则此因子具有一定程度的区别效度，三是因子本身的AVE值要大于和其他因子的相关系数平方值为准则，如果达到这一准则，则表示因子之间具有良好的区别效度。

不知上述检测指标选择是否恰当？有些教材上提出的平方复相关系数（Squared ​Multiple ​Correlations）是否有用？这些指标是否能通过Lisrel软件计算？

3. ​测量模型的拟和度指标，除了选择RMSEA和NFI，还应该选择哪些指标？

4. ​选用哪些指标能更加确切的检测某个外生潜变量对内生潜变量的影响比其他外生变量更加显著？ 

Kenneth

Jerry, 希望以下的回应对你有用。
（1）##本想建立一个含5个潜变量的测量模型，但是只要在含4个外生潜变量的测量模型中加入1个内生潜变量，模型运算显示非正定，由于不知如何解决非正定问题，只好拆分成两个，这样做恰当吗？
%% 一般我们的做法是把所有“同来源”（same source, or same rater）的量表放在同一个CFA里做的。如果“非正定”是unidentified的意思的话，就代表你的量表有问题了。只要它们是“同源的”自变量和因变量应该放在同一个CFA里。如果是量表有问题、或是数据有问题，我就没有好的解决方法了。

2.   因子载荷、组合信度、和平均抽取方差都是好的信度指标。至于载荷≥0.5、组合信度≥0.8、和平均抽取方差≥0.5是否适当，就要看你有没有适合的支持文献了。我的感觉大概是可以吧。我不知道你讲的“平方复相关系数”是什么意思？是什么跟什么的squared multiple correlation?

3. ##测量模型的拟和度指标，除了选择RMSEA和NFI，还应该选择哪些指标？
%% 一般我会用 CFI, TLI (NNFI), RMSEA, RMSR.

4. ##选用哪些指标能更加确切的检测某个外生潜变量对内生潜变量的影响比其他外生变量更加显著？ 
%% 你可以首先看一看哪一个“外生潜变量”（比如x1, x2, x3, x4）对“内生潜变量”（y）的影响（比如是b1, b2, b3, b4）是否显著。不显著的就是0了。对于显著的，比如b1=.32、b2=.40，那怎么知道x2对y的影响（b2=.40）真的是比x1对y的影响（b1=.32）大呢？只要比较两个模型。模型一是b1与b2是随意猜的，模型二是b1=b2。再比较两个模型的“卡方差”，就知道模型一是不是比模型二好很多。“卡方差”显著，就代表b1≠ b2。因为猜出来的b1=.32而b2=.40，就代表b2大于b1了。

多谢Kenneth:)

Dear Professor Law,
 
I am estimating a three-way interaction model now. Although I have centered X, M1, andM2 before I produced these new terms, i.e., X*M1, X*M2, M1*M2 and X*M1*M2, the  VIF value for the term of X*M1*M2 is larger than 10 in the full model, i.e., 14.113.
 
Fortunately, the 3-way interaction coefficient is significant in the full model. 

I am wondering why this happen. Then, how should I deal with this? 
 
Looking forward to your reflection! A billion thanks!
 
Yunyun

Kenneth

1.以我所知，中心化（centering）是處理交互作用的共線性的最普遍做法。如果中心化不可以避免共線性的問題，就很難有更好的解決了。
2.我想是不是x1,x2,M本身的相關就很大？如果是的話，是不是在理論層面這三個構念不一定完全可以分開？如果是的話，可否從理論的層面考慮刪掉一個，變成簡單的交互作用呢？
3.另外一個可能性就是增加樣本的大小，以期望減低共線性。
4.最后，共線性最大的問題應該是本來顯著的關系變成不顯著。既然你有顯著的結果，最后一著就是照樣的寫出來。
我所知有限，這是我唯一想到的了。

罗老师，我已经检验过了，X,M1,和M2之间的相关性似乎不是很大，只有X与M2相关在.05显著，相关系数是.385。看来，我们只能如实报告了。非常感谢罗老师！

Hello,Kenny.我有一个新问题。研究CIO与高管团队的沟通与他们对于信息系统作用共识的关系。即Communication --> Shared Understanding （between CIO and TMT）。如果要检测组织IS Scuess的调节作用，这算不算一个跨层次的问题？我在每个组织中只收集一组数据。LISREL处理时有什么需要注意的吗？

Kenneth

John, 我不理解你的問題，所以以下是我的猜測而已。一家企業只有一個『CIO与高管团队的沟通』的測量值，同時
一家企業只有一個『CIO与高管团队对于信息系统作用的共识』的測量值。所以是一個企業層面變量影響另一個企業層面變量的研究。其中沒有跨層面的元素在內。『组织IS是否成功』也是一個企業層面的變量。
用LISREL來研究這個調節關系，唯一注意的是相乘項的測量模型，這個我已經談過了。
最后，研究中的三個變量：
『CIO与高管团队的沟通』；
『CIO与高管团队对于信息系统作用的共识』和
『组织IS是否成功』
都是極難測量的構念，用什么方法來測量它們才是最頭痛的問題。

您好！结构模型验证时，LISREL运行结果只给出了路径的回归系数和T值，路径的P值如何计算？计算公式是什么？P值和T值的区别是什么？写论文时，路径的P和t值都要报告吗？多谢:)

Kenneth

p-值是当Ho是真的时候，得到这么一个T值的可能性。也就是在T分布上大于那个T值的T分布下的面积，一般是用计算机估计出来，或者是查统计的T-表查出来的。
问：写论文时，路径的P和t值都要报告吗？
回应： 是的。