Badacze często używają dwóch miar, które mają bardzo podobne elementy i twierdzą, że mierzą różne rzeczy (np. „Zawsze martwię się, gdy jestem w pobliżu samochodów”; „Boję się samochodów”). Nazwijmy hipotetyczne miary miarą strachu przed samochodami i niepokojem ze skali samochodów. Interesuje mnie testowanie empiryczne, jeśli rzeczywiście oceniają różne konstrukcje utajone lub mierzą to samo.
Dwa najlepsze sposoby, jakie mogę to zrobić, to eksploracyjne analizy fabryczne (EFA) lub potwierdzająca analiza czynnikowa (CFA). Myślę, że EFA byłby dobry, ponieważ pozwala na swobodne ładowanie wszystkich przedmiotów bez ograniczeń. Jeśli przedmioty z dwóch skal obciążają te same czynniki, mogę stwierdzić, że środki prawdopodobnie nie oceniają bardzo dobrze różnych rzeczy. Widzę jednak również korzyści z CFA, ponieważ będę testował predefiniowane modele. Na przykład mógłbym porównać dopasowanie modelu, w którym wszystkie elementy ładują się na jeden czynnik (tzn. Nie oceniają różnych konstrukcji) lub elementy są podzielone na oczekiwane miary. Problem z CFA, jak sądzę, polega na tym, że tak naprawdę nie uwzględniałby modeli alternatywnych (np. Modelu trójczynnikowego).
Na potrzeby dyskusji rozważmy również być może dwa inne bardzo podobne środki (np. Kwestionariusz lęku przed samochodem i skale do oceny obaw samochodu), które chciałbym wrzucić do miksu!
Jak najlepiej statystycznie ustalić, czy dwie miary oceniają różne konstrukty?
źródło
Odpowiedzi:
Metody te są przykładami zastosowania eksploracyjnej i potwierdzającej analizy danych. Analiza danych eksploracyjnych szuka wzorców, podczas gdy analiza danych potwierdzających sprawdza statystyki hipotez na proponowanych modelach. Naprawdę nie należy go rozpatrywać pod kątem metody jego zastosowania, bardziej zależy od tego, na jakim etapie analizy danych jesteś. Jeśli nie jesteś pewien, jakie czynniki należy uwzględnić w swoim modelu, zastosuj EFA. Po wyeliminowaniu niektórych czynników i ustaleniu, co należy uwzględnić w swoim modelu, robisz CFA, aby formalnie przetestować model, aby sprawdzić, czy wybrane czynniki są znaczące.
źródło
Jeśli dobrze rozumiem twoje pytanie, chodzi o testowanie . Zatem po prostu testowanie wymaga pewnego rodzaju analizy czynnikowej potwierdzającej, takiej samej jak pytanie: „czy środki w podgrupach naprawdę się różnią?” wymaga testu t
Niestety (?) Przy wyborze ogólnego podejścia odpowiedniej metody analizy czynnikowej często sugerowane są również różne modele matematyczne (i statystyczne), na przykład, jeśli wybierzesz „CFA” w SPSS, wówczas zakłada się, że przyjmujesz niepowiązane błędy i że szacuje się nieskorelowane błędy, a estymacja jest wykluczona z modelu - więc moim zdaniem z powodu dalszych implikacji początkowy wybór właściwego podejścia analitycznego czynnikowego jest często zagrożony przez te implikacje matematyczne / statystyczne.
W skrócie: twoje pytanie jest jednym z rodzajów „testowania wartości zerowej”, dlatego potrzebujesz CFA lub lepiej: metod opracowanych w ramach SEM (modelowanie równań strukturalnych). Uwaga: istnieje przyjazna i pomocna lista mailingowa pełna ekspertów w SEM o nazwie „SEMNET”, a ponieważ nie jestem prawdziwym ekspertem, możesz udoskonalić swoją opinię, pytając ...
źródło