abroad 发表于 2011-7-3 12:08
谢谢，各位高手。以后愿意向大家学习
51jijin 发表于 2011-7-3 12:13
谢谢楼主的总结！获益不少！<br /> 有个问题想问一下，我用AMOS导入数据的时候，说我数据有丢失"with missing observations"，如果按照提示，选了"Estimate means and intercepts"的话，就不能选Modification indices了！这要怎么办呢T-T
freeshuju 发表于 2011-7-3 12:18
<strong> 22# <i>yuki27</i> </strong>如果你觉得MI值对你的价值比较大，那你需要解决缺失值问题。譬如用均值代替缺失值，或在你的样本数比较大的情况下考虑删去那些有缺失值的个案。你需要做出权衡噢:)
database 发表于 2011-7-3 12:23
<blockquote>stephen1981 发表于 2011-4-16 21:17 <img src="http://bbs.pinggu.org/images/common/back.gif" "thumbImg(this)" alt="" /><br /> 该贴曾为回应论坛某朋友的问题 (http://bbs.pinggu.org/viewthread.php?tid=1036834&page=3#pid8874638)，但似乎没有太多人关注，现重发一张新帖，希望对大家有所帮助:). 注：以下建议主要基于Hair et al. (2006) 的Multivariate data analysis一书。1. 先在SPSS环境下进行探索性因子分析（EFA），一般我倾向于使用更为严谨的Principal Axis Factoring 加上斜交旋转法（e.g., promax或Direct Oblimin），也有些学者喜欢用主成分分析法（PCA），EFA可以帮助初步检查某些题目可能因子负荷过小。根据Hair等人的建议，最后题目的因子负荷最小值为0.5，更理想的状态可高达0.7及以上（因为0.7的平方为0.49，即这道题解释相应潜变量约50%的变异）。<br /> 2.基于第一步骤，将“合格”的题目保留，准备做下一步的验证性因子分析（CFA）。需要注意的是，若在第一步时发现某些题目“意外”地落在其它因子上且具有很高的因子负荷时，你需要重新审视分析该题目的含义，是否真的更适合落在另一个因子，若是，你可以需要考虑在CFA中将其放在另一个因子内分析。但如果某题目在你所设计的两个因子上的负荷相当，你可能需要考虑将该题目删去，这样可以避免"multi-collineary"的问题。在CFA中，你需要检查各条关于潜变量与题目之间的路径是否显著（p0.90）、 RMSEA （</blockquote><br /> <br /> 感谢楼主指导。我想请教一下，我的样本容量有500多，分成两半，分别用于EFA和CFA。<br /> CFA中发现有两个题目的路径系数在0.3-0.4之间，还有一个题目的误差变量没有达到显著（p=0.104），在后面计算AVE时，有一个值为0.37。按照你的建议，把那两个0.3-0.4的题目删除了，但原先0.37的AVE值没有改善，还是0.4以下。这样情况下是否需要删除那两个题目呢？<br /> 另外，计算内部一致性系数（α）值时，是计算全样本，还是分成两半后的哪一半呢？<br /> 谢谢。
潜变量分析 发表于 2011-7-3 12:28
24楼的朋友，您好：<br /> 按你描述的情况，我觉得那两个道题应该删去。另外，那道误差变量未达到显著的题目也应考虑删去。像你的情况，如果是要发表论文的话，我建议在用CFA确定各因子及其题目后再计算内部一致性系数值。但由于该值容易受样本数和题目数的影响，Hair等（2006）建议使用AVE和CR（建构信度）等指标来评价。
database 发表于 2011-7-3 12:33
多谢楼主~~我修改了之后好了。<br /> 还有个问题想问一下，AMOS导出的所有指标我都合格了，只有PGFI没有大于0.5<br /> 楼主有遇到过这种情况么？<br /> 必须要看这个PGFI么？
variable 发表于 2011-7-3 12:38
<strong> 26# <i>yuki27</i> </strong>PGFI主要用于考虑模型的简效性，根据邱皓政与林碧芳（2009）的观点，若该值大于0.50，说明模型的简单程度可以接受。对于你的情况，可能是因为你的模型过于复杂所致吧。我读过的一些英文文献，许多作者似乎较少关注这个指标，一般主要用于在评价竞争模型的情况。在同等条件下，一般会优先考虑更为简单的模型。另外，我的老师曾建议我们，不要过度地追求每个指标都满足。因为对于我们社会科学研究，常常因我们的研究对象（“人”）的多变性以及测查工具本身的局限性而导致某些个别指标值，或者信度，效度值偏低。另外，Hair等学者（2006）亦提倡对于某个模型，若许多指标值都“达标”，即便有个别不太合格者，亦是可以接受的。个人觉得，那些过于完美的指标值反而会让人质疑。。。因此，我们可以实事求是地报告，读者接受与否在于他个人，但我们作为研究者已尽到自己的本份咯。。。
潜变量分析 发表于 2011-7-3 12:43
原来是这样啊，了解了！<br /> 楼主你太强了T-T！！<br /> 感谢楼主~~~~~
database 发表于 2011-7-3 12:48
感谢主，一起学习！！
统计分析 发表于 2011-7-3 12:53
强烈引起重视<img src="http://bbs.pinggu.org/images/smilies/boshi/01.gif" smilieid="203" border="0" alt="" />
abroad 发表于 2011-7-3 12:58
<img src="http://bbs.pinggu.org/images/smilies/grapeman/11.gif" smilieid="51" border="0" alt="" />好多解答，此贴必火，先顶，日后再提问！
统计分析 发表于 2011-7-3 13:03
请问大大们 18楼 的问题怎么解决呢？ 我现在也遇到了这样的问题 一个分量表的因子分析集中在一个因子上，而本意想要有四个因素 头疼啊
angel 发表于 2011-7-3 13:08
另外，可供参考的意见是，一般而言，因子负荷值不宜过高，一般0.90或0.95以上的负荷值可能意味着该题目需要被删除。这是为什么呢？请您分析一下
mischina 发表于 2011-7-3 13:13
<blockquote>cj05gy314 发表于 2011-6-27 22:39 <img src="http://bbs.pinggu.org/images/common/back.gif" "thumbImg(this)" alt="" /><br /> 请问大大们 18楼 的问题怎么解决呢？ 我现在也遇到了这样的问题 一个分量表的因子分析集中在一个因子上，而本意想要有四个因素 头疼啊</blockquote>这位朋友您好，我的理解能力不太好，您的意思是指对于一个总量表本意有四个因子吗？因为如果是“分量表”，那一般我们在意义上理解成某个因子。（1）我先当您指的是总量表吧。如果说，您按本意（如基于文献综述或已有比较公认的理论）应用四个因子，但做出来只有一个因子，那说明您所收集的数据与“本意”不符，其实不需要头疼啊，也许这是您的研究对文献的一大贡献啊。譬如，可能您原来所使用的测量工具它本身是在不同的文化背景或者以不同人群为样本而发展得到的，换言之，西方教育文化下的工具在东方本土环境下不一定适用（如因子结构不一定一致）；或者，原工具可能是适用于中学生，而当其用于大学生或小学生时，也许会出现“失真”的现象，等等。研究过程中，经常会出现一些与我们本意不太一致的结果，其实这反而是它有趣且有意义的地方，如果每次都与预想或原有理论一致，反而不太像真正的研究，却更像我们在中学做理科实验一样，对着书本照方抓药，还未做实验就知道结果了。。。倘若我们能结合样本的特殊性（如学业成绩，性别分布，家庭背景。。。）或者所处的文化背景来诠释研究结果，虽表面上与文献不太一致，但如果能做到"自圆其说"，突破思维的限制，从其它的理论模架来理解，这反而是一大亮点，更让同行能重新思考原有理论可能存在的局限性，从而促进新理论的生成与发展啊！记得，是让数据说话，实践检验理论，理论只是起指导作用，而非要努力地使数据“服从”理论啊。以上意义仅供参考:)
variable 发表于 2011-7-3 13:18
<blockquote>runnyreddy 发表于 2011-6-28 22:33 <img src="http://bbs.pinggu.org/images/common/back.gif" "thumbImg(this)" alt="" /><br /> 另外，可供参考的意见是，一般而言，因子负荷值不宜过高，一般0.90或0.95以上的负荷值可能意味着该题目需要被删除。这是为什么呢？请您分析一下</blockquote>在进行整体模型适配度估计之前，即检查模型适配参数，如CFI，GFI，RMSEA等值是否达标之前，研究者需要检验模型是否违反估计，即检验标准化参数的估计值的合理性。根据吴明隆老师的《结构方程模型-AMOS的操作与应用》一书观点，标准化路径系数（题目到因子）通常可接受的最高门坎值为0.95,否则说明模型可能违反估计(Bogozzi & Yi, 1988; Byrne, 2001)，已失去做进一步检验适配度的意义。更详细的说明敬请查阅吴老师的书。以上意见仅供参考之用!谢谢您的宝贵问题:)
因子分析 发表于 2011-7-3 13:23
<strong> 34# <i>stephen1981</i> </strong> <br /> 有2个问题要值得警惕：一是量表题目内容是否过度窄化？过度窄化的题目所导致的高度内部同质性之特殊变异量必会形成同一因子，但却与其他因子或效标无任何关联。这就是所谓的特殊灌水因素（bloated specific, Cattell,1978）。二是是否存在共同方法偏差？存在共同方法偏差的显著特征就是形成一个因素。因此，可从3方面考虑，1）量表的内容要在广度与深度之间取得平衡；2）排除数据采集质量的问题；3）侦测共同方法偏差
sopheia 发表于 2011-7-3 13:28
感谢楼上朋友的指教，又学到新的东西:)
戴山隐 发表于 2011-10-18 13:01
[b]回复 [url=http://www.semchina.net/redirect.php?goto=findpost&pid=15727&ptid=2254]1#[/url] [i]dataanlysis[/i] [/b]
楼主请问，怎么是先拟合，后进行效度信度检验啊？不应该是在数据分析以前先进行信度效度检验啊？