LISREL问答
问题1：在CFA与EFA中，可不可以把自变量（或外生变量）与应变量（或内生变量）分开来测？答：一般来讲，这是不可以的。测度模型（包括EFA）的目的是测试内聚有效性与区别有效性。这些效度同时适用于自变量与应变量。想像一下，如果一个自变量与一个应变量没有区别有效性，这很有可能是因为它们之间缺少明确的概念区分。比如，对一个行为的态度(attitude)与意愿(intention)之间往往缺乏区别有效性。虽然你可能有理论支持，说这两个概念是不同的，比如根据theory of planned behavior，但是，因为这两个概念的区分太不明显，区分它们的实践意义往往不高。通俗地讲，谁不知道态度影响意愿？这就是为什么在行为研究中，人们更喜欢用实际行为做为最后的应变量，而不是意愿，在组织行为学中犹其如此。把自变量（或外生变量）与应变量（或内生变量）放在一个测度模型中可以帮助我们提早发现这个问题。
问题2：我 的CFA/SEM无法收敛，LISREL报告模型中有些成分不正定。
答：我对可能的原因与方法做一个总结。第一，重新检查数据，确保其中没有缺失数据和空格码。如果有，不要使用默认缺失值（LISREL用 -999999）。用合适的方法比如均值来替代缺失值。第二，如果样本量过小，会导致收敛性问题。如果你的测度项总数小于20，样本量应该至少是测度项总数的两倍。如果你的测度项总数在20与35之间，样本量应该至少是测度项总数的三倍。如果你的测度项总数在34与45之间，样本量应该至少是测度项总数的四倍。如果你的测度项总数大于45，则样本量应该至少是测度项总数的五倍。这些只是一个粗略估计的最低标准。满足这些要求并不能保证一定收敛。第三，检查各列，看有没有重复。有时，在复制数据列时，一个列可能会不小心被重复，这也会导致不收敛。相似地，虽然我们要求一个构件的各测度项相关，但如果相关性过高（比如r>0.95），也会导致收敛性问题。第四，检查测度项是否有很高的非常skewness。如果测度项不服从正态分布，也会导致不收敛。第五，避免因果关系构成一个环。比如A是B的自变量，B是C的自变量，C又是A的自变量。第六，尝试把每一个构件中一个测度项的载荷设为1。第七，删除载荷很低的测度项。第八，避免对两个构件的相关性进行约束。
问题三：如何比较两个外生潜变量对内生潜变量的影响的大小？
答：LISREL 给出来每个关系系数的值与方差。这些关系系数服从t分布，所以可以用t检验来比较它们的大小是否显著。
页:
[1]