2012年10月15日 星期一

factor loading vs. CFA index

Factor loading (因素負荷量)為項目(item, variable, indicator)與所屬面向(domain, factor, latent trait)之相關係數,其平方值即為面向可解釋項目之變異量。factor loading之判斷標準為≥ 0.4。
當factor loading為0.4時,即項目16%的變異可被面向所解釋。而84%的變異為面向不能解釋的部分,此為測量誤差 (此部分變異可能被其它潛在變項所解釋)。當factor loading < 0.4時,即此項目和所屬面向相關性低,此項目非為測量所屬面向欲測量之概念---個別項目層次。

CFA index為檢驗觀察值是否符合建構模式。
假設建構模式為一個面向有4個項目,符合CFA index表示觀察值符合建構模式,則此4個項目都為測量同一個面向之概念---整體項目層次。

如何區分factor loadning和CFA index:factor loading是從個別項目層次來看是否項目為測量所屬面向欲測量之概念。而CFA index是從整體項目層次來看是否所有項目都為測量同一個概念。

4 則留言:

  1. 您須澄清:factor loading & CFA index 二者皆驗證「單向度」或「建構效度」?
    只要違反其一者,皆不符合「單向度」或「建構效度」?
    factor loading 似為「刪題」的依據!?刪到最後的項目,必須符合 fit indices?? if so, 這是否也是分析的順序!?

    回覆刪除
    回覆
    1. Factor loading並非使用驗證"單向度"的主要依據。
      Factor loading小有可能是項目和向度之間的相關不高,也可能是測量誤差很大造成,也可能是由ceiling/floor effect造成。

      我再看了過去的文獻,大部分的CFA分析研究未提及factor loading。

      刪除
  2. 您須澄清 "FACTOR LOADING" 所代表的含意!而非注重於影響 FACTOR LOADING 之因素。
    您所提的影響 FACTOR LOADING 因素,就不會影響 FIT INDICES??

    回覆刪除
    回覆
    1. 謝謝老師的指正。
      一個面向中所有的factor loadings 數值表示是否所有項目可收斂成一個潛在構念 (Hair et al., 2010)。就以此概念,我認為factor loadings也是驗證單向度。

      另外,CFA分析分成5個步驟:
      1. model specification,將理論化為具體的模型
      2. model identification,確定資料是否足以得到參數解
      3. model estimation,確定使用估計方法,例如:ML, ULS或WLS
      4. model evaluation,以CFA indices評估model好不好 (model fit)
      5. model modification,修正模型,例如:刪除項目

      我的想法:
      CFA indices和factor loadings都是看單向度。有可能CFA fit indices的結果為good model fit,但factor loadings <0.4,因為此2個判斷的標準設定不同。當CFA fit indices結果為not good model fit,可以去修正模型,刪除不符合factor loading之項目。

      是否要同時和factor loading 和CFA fit indices,我覺得最好同時看,確定是否所有項目真的符合單向度,以瞭解是否項目設計的好不好。
      為何有許多研究並未看factor loadings? 我想可能是因為此些研究的目的為驗證建構之模型,而非真的在確定單向度。

      ceiling/floor effects、測量誤差也會影響fit indices。

      刪除