P. 1
Analisis Faktor Konfirmatori

Analisis Faktor Konfirmatori

|Views: 123|Likes:
Published by FridRachman

More info:

Published by: FridRachman on Jan 11, 2013
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as DOCX, PDF, TXT or read online from Scribd
See more
See less

08/15/2013

pdf

text

original

Analisis Faktor Konfirmatori

TUJUAN BELAJAR Setelah menyelesaikan bab ini, Anda harus dapat melakukan hal berikut: a. Membedakan antara eksplorasi analisis faktor dan analisis faktor konfirmatori (CFA). b.Menilai validitas konstruk model pengukuran. c. mengetahui bagaimana untuk mewakili model pengukuran menggunakan diagram jalur. d.Memahami prinsip-prinsip dasar identifikasi statistik dan tahu beberapa penyebab utama dari masalah identifikasi CFA. e. Memahami konsep model fit untuk model pengukuran dan mampu menilai fit dari model analisis faktor konfirmatori.

APAKAH analisis faktor konfirmatori? Bab dimulai dengan menyediakan deskripsi analisis faktor konfirmatori (CFA). CFA adalah cara untuk menguji seberapa baik variabel yang diukur mewakili sejumlah kecil konstruksi. Proses ini dengan menunjukkan bagaimana CFA mirip dengan teknik multivariat lainnya. Kemudian, menyediakan contoh sederhana. Sebuah aspek kunci beberapa CFA dibahas sebelum menggambarkan tahapan CFA secara lebih rinci dan menunjukkan CFA dengan ilustrasi yang diperpanjang.

CFA dan Analisis Faktor eksplorasi Ingat prosedur untuk melakukan analisis faktor eksploratori (EFA) dengan mengeksplorasi data dan menyediakan peneliti dengan informasi tentang berapa banyak faktor yang dibutuhkan dan terbaik yang mewakili data. Dengan EFA, semua variabel yang diukur terkait dengan setiap faktor dengan estimasi muatan faktor. Hasil Struktur sederhana ketika masing-masing variabel beban diukur tinggi hanya pada satu faktor dan memiliki beban yang lebih kecil pada faktor-faktor lain (misalnya, loadings <.4). Ciri khas dari EFA adalah bahwa faktor-faktor yang berasal dari hasil statistik, bukan dari theory. Ini berarti bahwa peneliti menjalankan perangkat lunak dan memungkinkan pola

yang mendasari data menentukan struktur faktor. Dengan demikian, EFA dilakukan tanpa mengetahui berapa banyak faktor benar-benar ada (jika ada) atau yang variabel milik dengan yang konstruksi. Ketika EFA diterapkan, peneliti menggunakan pedoman yang ditetapkan untuk menentukan variabel beban pada faktor tertentu dan berapa banyak faktor yang sesuai. Faktor-faktor yang muncul hanya dapat diberi nama setelah analisis faktor adalah terbentuk. Dalam hal ini, CFA dan EFA tidak sama. Perhatikan bahwa dalam bab ini faktor persyaratan dan membangun yang digunakan secara bergantian. CFA mirip dengan EFA dalam beberapa hal, namun secara filosofis itu cukup berbeda. Dengan CFA, peneliti harus menentukan baik jumlah faktor yang ada untuk satu set variabel dan faktor mana setiap variabel akan memuat pada sebelum hasilnya dapat dihitung. CFA statistik memberitahu kita seberapa baik spesifikasi teoritis kita tentang faktor realitas (data aktual). Dalam arti, CFA adalah alat yang memungkinkan kita untuk baik "confirm" atau "menolak" teori terbentuk sebelumnya. CFA digunakan untuk memberikan konfirmasi teori pengukuran. Sebuah teori pengukuran menentukan bagaimana variabel diukur dan sistematis yang merupakan konstruksi yang terlibat dalam model teoritis. Dengan kata lain, teori pengukuran menetapkan serangkaian hubungan yang menunjukkan bagaimana variabel terukur atas representase konstruk laten yang tidak diukur secara langsung kemudian dapat dikombinasikan dengan teori struktural untuk sepenuhnya menentukan model SEM. Dengan CFA peneliti menggunakan teori pengukuran menentukan apriori jumlah faktor, serta variabel mana beban pada faktor-faktor tersebut. Spesifikasi ini sering disebut sebagai cara gagasan konseptual dalam model pengukuran dioperasionalkan. CFA tidak dapat dilakukan dengan baik tanpa teori pengukuran. Pada EFA, teori tidak diperlukan untuk mendapatkan faktor, juga adalah kemampuan untuk mendefinisikan konstruksi sebelumnya. Sebuah Contoh Sederhana CFA dan SEM. Pertimbangkan situasi di mana seorang peneliti tertarik untuk mempelajari faktor-faktor yang mempengaruhi kepuasan kerja karyawan. Setelah meninjau teori yang relevan, peneliti menyimpulkan bahwa dua faktor yaitu: Dukungan Pengawas terbesar dan Lingkungan Kerja variabel yang diukur untuk kedua faktor dievaluasi menggunakan 7-point, setuju-tidak setuju skala Likert. Dukungan Pengawas konstruk dapat didefinisikan sebagai apa yang pekerja berpikir tentang mengelola kemampuan pemerintah dari atasan langsung mereka. Hal ini dapat diwakili oleh empat item berikut: 1. atasan saya mengakui potensi saya.

2.atasan saya membantu saya mengatasi masalah di tempat kerja. 3.atasan saya memahami tantangan menyeimbangkan pekerjaan dan tuntutan rumah. 4.atasan saya mendukung saya ketika saya punya masalah. Lingkungan Kerja konstruk dapat didefinisikan sebagai aspek lingkungan di mana orang bekerja dampak produktivitas mereka. Hal ini dapat diwakili oleh empat variabel yang diukur berikut: 1. Pengawas dan pekerja memiliki nilai yang sama dan ide-ide tentang apa organisasi ini seharusnya dilakukan. 2. Organisasi saya menyediakan peralatan yang dibutuhkan untuk melakukan pekerjaan saya dengan baik. 3. Suhu kantor saya dan wilayah kerja lainnya adalah nyaman. 4. Pengaturan fisik wilayah kerja di organisasi saya membantu saya untuk mengelola waktu pada pekerjaan dengan baik. Sebuah Diagram Visual Teori Pengukuran sering diwakili dengan menggunakan diagram visual yang disebut jalur diagram. Diagram jalur menunjukkan hubungan antara variabel yang diukur tertentu dan terkait dengan konstruk bersama dengan hubungan antara konstruksi. "Jalur" dari 1 membangun untuk item diukur (beban) didasarkan pada teori pengukuran. Ketika EFA diterapkan, hanya beban teoritis menghubungkan item diukur sesuai faktor yang dihitung. Semua yang lain diasumsikan sama dengan nol. Ini menyoroti perbedaan utama antara EFA dibandingkan CFA dalam EFA menghasilkan loading untuk setiap variabel pada setiap faktor, tetapi dengan CFA tidak ada silang-beban.

Di CFA, kita harus menentukan lima elemen: kontruk laten, variabel yang diukur, beban item pada konstruksi tertentu, hubungan konstruksi, dan istilah kesalahan untuk setiap indikator. Pertama, konstruksi laten digambarkan dengan variabel yang diukur diwakili oleh empat persegi panjang. Karena hanya ada hubungan korelasi (digambarkan oleh berkepala dua panah melengkung) antara konstruksi di CFA, semua konstruk dianggap eksogen. Ini juga berarti bahwa variabel indikator yang dilambangkan dengan X (misalnya X, X2, ...). Hubungan antara konstruk laten dan diukur masing (disebut / ac / atau beban, seperti di PUS) yang diwakili oleh panah dari membangun ke variabel yang diukur. Akhirnya, masing-

masing variabel indikator yang diukur memiliki istilah error (ditampilkan sebagai e dalam diagram ou), yang merupakan sejauh mana faktor laten tidak menjelaskan variabel yang diukur.

SEM TAHAP UNTUK UJI VALIDASI PENGUKURAN DENGAN TEORI CFA Sebuah teori pengukuran yang digunakan untuk menentukan bagaimana set item yang terukur merupakan satu set konstruk. Jaringan hubungan kunci membangun ke variabel (faktor perkiraan loading) dan konstruk satu sama lain (korelasi konstruk). Dengan perkiraan dari hubungan ini, peneliti dapat melakukan pemeriksaan empiris dari teori pengukuran yang diusulkan. Sebuah enam tahap SEM proses diasumsikan dalam bab ini. Tahapan 1-4 akan dibahas lebih rinci di sini karena memeriksa teori pengukuran. Tahapan 5 dan 6, yang membahas teori structural konstruksi teoritis satu sama lain, akan menerima kurang fokus dalam bab ini. TAHAP 1: MENDEFENISIKAN KONTRUK INDIVIDU Proses dimulai dengan membuat daftar konstruksi yang akan terdiri dari model pengukuran. Jika peneliti memiliki pengalaman dengan mengukur salah satu konstruksi, maka mungkin beberapa skala yang sebelumnya digunakan dapat diterapkan lagi. Jika tidak, kompilasi berbagai skala divalidasi tersedia untuk berbagai macam konstruksi. Ketika skala diterapkan sebelumnya tidak tersedia, peneliti mungkin harus mengembangkan skala baru. Proses merancang sebuah konstruksi baru melibatkan sejumlah langkah-langkah di mana peneliti menerjemahkan definisi teoritis membangun menjadi satu set variabel yang diukur tertentu. Dengan demikian, adalah penting bahwa peneliti mempertimbangkan tidak hanya

persyaratan operasional (misalnya, jumlah item, dimensi) tetapi juga membangun validitas konstruk skala baru dirancang. Meskipun merancang ukuran konstruksi baru dapat memberikan tingkat yang lebih besar kekhususan, peneliti juga harus mempertimbangkan jumlah waktu dan usaha yang diperlukan dalam proses pengembangan dan validasi skala. Mendefinisikan Konstruk individu. Semua konstruksi harus menampilkan validitas konstruk yang memadai, apakah mereka skala baru atau skala yang diambil dari penelitian sebelumnya, skala bahkan ditetapkan sebelumnya harus hati-hati diperiksa untuk validitas isi validitas Konten harus kepentingan utama dan dinilai baik secara kualitatif (misalnya, ahli pendapat) dan secara empiris (misalnya, unidimensionality dan validitas konvergen). Pretest A harus digunakan untuk memurnikan tindakan sebelum pengujian konfirmasi TAHAP 2: MENGEMBANGKAN MODEL PENGUKURAN KESELURUHAN

Dalam langkah ini, peneliti harus hati-hati mempertimbangkan bagaimana semua konstruksi individua akan datang bersama-sama untuk membentuk suatu model pengukuran keseluruhan. Unidimensionality Tindakan Unidimensional berarti bahwa satu set variabel yang diukur (indikator) dapat dijelaskan dengan hanya satu konstruk yang mendasarinya. Unidimensionality menjadi penting ketika lebih dari dua konstruksi yang terlibat. Dalam situasi seperti ini, setiap variabel dihipotesiskan berhubungan dengan hanya membangun satu. Semua lintas-beban yang menjadi nol ketika konstruk unidimensional ada.

. Signifikan antara-membangun kesalahan es kovariannya menunjukkan bahwa dua item yang terkait dengan istilah kesalahan yang lebih tinggi berhubungan satu sama lain daripada model pengukuran aslinya memprediksi. Bukti bahwa pemuatan lintas-yang signifikan juga menunjukkan kurangnya validitas diskriminan. Jadi sekali lagi, meskipun jalur ini bisa dibebaskan (kovarians diizinkan) dan meningkatkan model fit, demikian melanggar teori. Oleh karena itu, kami sarankan agar tidak bebas kedua jenis jalan dalam aplikasi CFA. Model kongenerik Pengukuran SEM terminologi sering menyatakan bahwa model pengukuran dibatasi oleh hipotesis model. Kendala merujuk secara khusus ke set dari estimasi parameter tetap. Salah satu jenis kendala umum adalah model pengukuran diduga terdiri dari konstruksi unidimensional beberapa dengan semua lintas-beban dibatasi ke nol. Selain itu, ketika sebuah model pengukuran juga ukuran tidak ada kovarians antara atau dalam varians kesalahan membangun, yang berarti mereka semua tetap nol, model pengukuran dikatakan kongenerik. Model pengukuran kongenerik yang dianggap cukup dibatasi untuk mewakili sifat pengukuran yang baik. Para peneliti dihadapkan dengan agak dilema dalam menentukan berapa banyak indikator yang dibutuhkan per konstruksi. Di satu sisi, peneliti lebih banyak indikator dalam upaya untuk sepenuhnya mewakili membangun dan memaksimalkan kehandalan. Di sisi otber tbe, parsimoni mendorong para peneliti untuk menggunakan jumlah terkecil dari indikator cukup mewakili konstruk.

Item lainnya (variabel yang diukur atau indikator) tidak selalu lebih baik. Meskipun item lagi yang menghasilkan perkiraan keandalan yang lebih tinggi dan generalisasi, item juga membutuhkan ukuran sampel yang lebih besar dan dapat membuat sulit untuk menghasilkan faktor yang benar-benar unidimensional. Sebagai peneliti meningkatkan jumlah item skala (indikator) mewakili konstruk tunggal (faktor), mereka mungkin termasuk subset dari item yang sengaja berfokus pada beberapa aspek tertentu dari masalah dan menciptakan sebuah subfactor. Masalah ini menjadi sangat lazim bila konten dari item belum hati-hati diperiksa sebelumnya.

Dalam prakteknya, menemukan SEM dilakukan dengan hanya satu item yang mewakili beberapa biaya. Namun, praktek yang baik menentukan minimal tiga item per faktor, sebaiknya empat, tidak hanya untuk menyediakan cakupan minimal domain teoritis membangun, tetapi juga untuk memberikan identifikasi untuk membangun seperti dijelaskan berikutnya. Menilai validitas konstruk tindakan im tunggal bermasalah. Ketika item tunggal yang disertakan, mereka biasanya tidak mewakili konstruk laten. ITEM PER CONSTRUCT DAN IDENTIFIKASI Sebuah pengantar singkat untuk konsep identifikasi statistik disediakan di sini untuk menjelaskan mengapa setidaknya tiga atau empat item per konstruksi yang

direkomendasikan. Kami membahas masalah identifikasi dalam model SEM keseluruhan dengan lebih rinci nanti. Secara umum, identifikasi berhubungan dengan apakah informasi yang cukup ada untuk Iden solusinya untuk satu set persamaan struktural. Seperti yang kita lihat sebelumnya dalam contoh kita, informasi yang disediakan oleh matriks kovarians sampel. Dalam model CFA atau SEM, satu parameter dapat diperkirakan untuk setiap varian unik dan kovarians dalam matriks kovariansi diamati. Dengan demikian, matriks kovariansi derajat kebebasan yang digunakan untuk estimasi parameter ¬ pasangan seperti jumlah responden derajat kebebasan dalam regresi.

Model dan bahkan konstruksi dapat dicirikan oleh derajat mereka identifikasi, yang didefinisikan oleh derajat kebebasan model setelah semua parameter yang akan diperkirakan ditentukan. Kami akan membahas identifikasi tiga tingkat f dalam hal identifikasi membangun pada saat ini dan kemudian mendiskusikan ntification Model id keseluruhan pada suatu titik kemudian.

Underidentified Model underidentified (juga disebut tak dikenal) memiliki lebih banyak parameter yang diperkirakan dibandingkan varians variabel indikator yang unik dan covariances dalam matriks varians / kovarians diamati atau contoh, model pengukuran untuk

konstruk tunggal dengan hanya dua item diukur seperti yang ditunjukkan pada Gambar 3 yang underidentified. Matriks kovarians akan 2 oleh 2, terdiri dari satu kovarians yang unik dan varians dari dua variabel. Dengan demikian, ada tiga nilai yang unik. Hanya-Diidentifikasi. Menggunakan logika yang sama, tiga-item indikator model. Derajat cukup kebebasan untuk memperkirakan semua parameters bebas. Semua informasi yang digunakan, yang berarti bahwa analisis CFA akan mereproduksi matriks kovarians sampel identik. Ini menunjukkan CFA hasil pengujian unidimensional Pemberdayaan membangun diukur dengan menggunakan empat item berikut: (1) organisasi dilakukan hal yang saya ditemukan secara pribadi memuaskan, (2) organisasi ini memberikan kesempatan bagi saya untuk unggul dalam pekerjaan saya, ( 3) Saya didorong untuk membuat saran tentang bagaimana organisasi ini bisa lebih efektif, dan (4) organisasi ini mendorong orang untuk memecahkan masalah sendiri.

Organisasi ini memungkinkan saya untuk melakukan hal yang saya temukan secara pribadi memuaskan. X2 = Organisasi ini memberikan kesempatan bagi saya untuk unggul dalam pekerjaan saya. X3 = Saya didorong untuk membuat saran tentang bagaimana organisasi ini bisa lebih efektif. X4 = Organisasi ini mendorong orang untuk memecahkan masalah sendiri. SATU-ITEM KONTRUK Pengecualian untuk menggunakan beberapa item untuk mewakili membangun datang bila konsep ini dapat cukup terwakili dengan item tunggal. Beberapa konsep yang sangat

sederhana dan tidak memiliki nuansa dan kompleksitas yang menyertai sebagian besar konstruksi psikologis. Dengan kata lain, jika ada sedikit argumen atas makna dari istilah dan istilah yang berbeda dan sangat mudah dipahami, satu item bisa cukup. Dalam pemasaran, beberapa hasil perilaku seperti penjualan dapat ditangkap dengan item tunggal. Beberapa perilaku secara langsung diamati (pembelian / pembelian tidak, Ml / sukses, dll). Beberapa berpendapat bahwa konsep keinginan (Berapa banyak yang Anda suka toko ini?) Adalah konsep yang sangat sederhana dan mudah dipahami yang tidak memerlukan item berganda. Dan dalam kasus yang jarang terjadi, hanya nilai-nilai skala dijumlahkan tersedia, bukan item skala individu itu sendiri. Meskipun item tunggal memadai dapat mewakili beberapa fenomena, secara operasional, mereka dapat diffi-kultus untuk memvalidasi. Jika ragu, dan ketika beberapa item yang benar-benar tersedia, dengan menggunakan beberapa item adalah pendekatan yang paling aman.

Reflektif Versus Formatif Constructs Masalah kausalitas mempengaruhi teori pengukuran. Peneliti mempelajari perilaku biasanya faktor laten diduga menyebabkan variabel yang diukur. Kadang-kadang, kekhawatiran bahw kausalitas dapat dibalik. Arah konstraksi kausalitas menyebabkan pendekatan yang berbeda terhadap model pengukuran formatif. Sampai saat ini, diskusi CFA diasumsikan teori pengukuran reflektif. Sebuah teori pengukuran reflektif didasarkan pada gagasan bahwa konstruksi laten dan bahwa hasil kesalahan dalam ketidakmampuan untuk sepenuhnya menjelaskan variabel-variabel terukur. Dengan demikian, anak panah diambil dari konstruksi laten variabel diukur. Dengan demikian, tindakan reflektif konsisten dengan teori tes klasik.

Sebaliknya, teori pengukuran formatif adalah model didasarkan pada asumsi bahwa variabel yang diukur menyebabkan konstruk. Kesalahan dalam model pengukuran formatif, karena itu, adalah ketidakmampuan dari variabel yang diukur untuk sepenuhnya menjelaskan membangun Sebuah asumsi utama adalah bahwa konstruksi formatif tidak dianggap laten Sebaliknya, mereka dipandang sebagai indeks di mana masing-masing indikator adalah penyebab konstruk. Sebaliknya, segala bentuk satu ¬ ative indica atau dianggap sebagai penyebab sebagian indeks.

ATURAN 3 Mengembangkan Model Pengukuran Keseluruhan. Dalam aplikasi standar CFA menguji teori pengukuran, dalam-dan antara kesalahanmembangun istilah kovarians harus tetap nol dan tidak diperkirakan. Dalam aplikasi standar CFA menguji teori pengukuran, semua variabel yang diukur harus bebas untuk memuat hanya pada satu konstruksi laten harus ditunjukkan oleh setidaknya tiga variabel terukur, sebaiknya empat atau lebih, dengan kata lain, faktor laten harus statistik diidentifikasi faktor Formatif tidak laten dan tidak divalidasi sebagai faktor reflektif konvensional. Dengan demikian, mereka menyajikan kesulitan yang lebih besar dengan identifikasi statistik konstruksi Formatif menjadi lebih banyak digunakan saat ini, tetapi mereka harus didekati dengan tingkat kehati-hatian. Selain isu-isu yang berkaitan dengan spesifikasi dalam model SEM (yang cukup berbeda dari konstruksi reflektif), konstruksi formatif memiliki kualitas yang unik dari segi maknanya con-ceptual dan praktis. Misalnya, validitas konstruk harus dinilai dari perspektif yang berbeda ketika menggunakan langkah-langkah formatif.

TAHAP 3: PERANCANGAN STUDI UNTUK MEMBUAT HASIL EMPIRIS Tahap ketiga melibatkan merancang sebuah studi yang akan menghasilkan hasil konfirmasi. Jika semua berjalan dengan baik dengan mode pengukuran (CFA), sampel yang sama akan digunakan untuk menguji model struktural (SEM). Kita harus mencatat data awal prosedur analisis pertama harus dilakukan untuk mengidentifikasi masalah dalam data, isuisu seperti kesalahan input data. Setelah melakukan analisis ini awal, peneliti harus membuat beberapa keputusan penting untuk merancang model CFA. Pengukuran Timbangan di CFA model biasanya berisi indikator reflektif diukur dengan skala pengukuran ordinal atau lebih baik. Indikator dengan respon ordinal dari setidaknya empat kategori respon dapat diperlakukan sebagai interval, atau setidaknya jika melanjutkan variabel. Untuk membangun sebuah penelitian tidak perlu dari jenis skala yang sama, juga tidak nilai skala yang berbeda harus matematis ditransformasikan ke berbagai skala umum sebelum menggunakan SEM. Kadang-kadang, bagaimanapun, menggabungkan skala dengan rentang yang berbeda dapat memerlukan waktu lebih lama computatio al. Normalisasi dapat membuat menafsirkan koefisien dan nilai-nilai respon lebih mudah,

sehingga kadang-kadang dilakukan sebelum memperkirakan model. Dengan demikian, ada beberapa pembatasan pada jenis data dapat digunakan dalam analisis SEM, membuat data penelitian yang cocok untuk model.

MENGHINDARI MASALAH IDENTIFIKASI Pedoman yang dapat membantu menentukan status identifikasi model SEM dan membantu peneliti dalam menghindari masalah identifikasi. Kondisi ketertiban dan peringkat untuk identifikasi adalah dua aturan yang paling dasar, tetapi mereka dapat dilengkapi dengan aturan dasar dalam spesifikasi konstruksi. Pertemuan Orde dan Ketentuan Rank. Kondisi ketertiban dan peringkat adalah sifat matematika yang diperlukan untuk identifikasi. Kondisi agar mengacu pada persyaratan yang telah dibahas sebelumnya bahwa derajat kebebasan untuk model lebih besar dari nol. Artinya, jumlah kovarians unik dan istilah varians sedikit jumlah estimasi parameter bebas harus positif. Derajat kebebasan untuk model keseluruhan selalu disediakan dalam output program. Sebaliknya, kondisi rank bisa sulit untuk memverifikasi dan diskusi rinci akan membutuhkan pengetahuan tentang aljabar linear. Secara umum itu adalah persyaratan bahwa setiap r parame diperkirakan oleh hubungan yang unik (persamaan). Dengan demikian, mendiagnosis pelanggaran kondisi rank bisa sangat sulit Ini adalah masalah yang dihadapi lebih sering di nships model struktural relati, terutama ketika nonrecursive, atau "umpan balik," hubungan yang ditentukan. Namun dalam odels CFA, masih dapat terjadi dengan adanya silang-loading barang dan / atau dalam istilah kesalahan berkorelasi. TIGA ATURAN INDIKATOR Mengingat kesulitan dalam membangun kondisi rank, para peneliti beralih ke pedoman yang lebih umum. Pedoman ini mencakup aturan tiga indikator. Hal ini puas ketika semua faktor dalam model kongenerik memiliki setidaknya tiga indikator yang signifikan. Aturan dua indikator juga menyatakan bahwa model faktor kongenerik dengan dua signifikan itu ms per faktor akan diidentifikasi asalkan setiap faktor juga memiliki hubungan yang signifikan dengan beberapa faktor lainnya. Satu-item faktor menyebabkan masalah yang paling dengan identifikasi. Seperti disebutkan sebelumnya, thi aturan berlaku untuk model-

model yang kongenerik tanpa cross-beban atau erms kesalahan berkorelasi. Menambahkan jenis-jenis hubungan dengan mudah dapat memperkenalkan masalah identifikasi. MENGAKUI MASALAH IDENTIFIKASI Meskipun masalah identifikasi mendasari banyak masalah dihadapi dalam SEM, ada indikator tertentu beberapa keberadaan dan sumber masalah identifikasi. Banyak kali program software akan memberikan beberapa bentuk solusi bahkan di hadapan masalah identifikasi. Oleh karena itu, peneliti harus mempertimbangkan berbagai gejala untuk membantu dalam mengenali masalah identifikasi. Meskipun peneliti memecahkan masalah dengan menghapus variabel menyinggung, berkali-kali ini tidak mengatasi penyebab yang mendasari dan masalah terus berlanjut. Sayangnya, program SEM tindakan diagnostik minimal untuk masalah identifikasi. Dengan demikian, para peneliti biasanya harus bergantung pada rata-rata lain mengenali masalah identifikasi oleh gejala dijelaskan dalam daftar berikut: 1. standar kesalahan yang sangat besar untuk satu atau lebih koefisien. 2. Sebuah ketidakmampuan program untuk membalikkan matriks informasi (ada solusi dapat ditemukan). 3. perkiraan Wildly masuk akal atau tidak mungkin seperti varians error yang negatif, atau perkiraan parameter yang sangat besar, termasuk faktor loadings standar dan korelasi antara konstruk luar kisaran +1.0 sampai -1.0 SUMBER DAN PERBAIKAN DARI MASALAH IDENTIFIKASI Apakah kehadiran masalah identifikasi berarti model Anda tidak valid? Meskipun beberapa model mungkin perlu respecification, banyak kali masalah identifikasi timbul dari kesalahan umum dalam menentukan model dan data masukan. Dalam diskusi yang berikut, kita tidak hanya akan membahas jenis khas sumber untuk masalah identifikasi, tetapi juga menawarkan saran untuk menangani masalah-masalah di mana mungkin Beberapa masalah yang paling umum yang menyebabkan masalah dengan identifikasi meliputi

Keterangan Indikator salah. Seorang peneliti dengan mudah dapat membuat kesalahan seperti (1) tidak menghubungkan item untuk membangun apapun, (2) menghubungkan indikator untuk dua atau lebih ructs con, (3) memilih variabel indikator dua kali dalam model yang sama, atau (4) tidak menciptakan dan menghubungkan istilah kesalahan untuk setiap

indikator. Meskipun semua kesalahan tampak jelas, menentukan model pengukuran adalah proses yang membutuhkan akurasi lengkap. TAHAP 4: PENGUKURAN MENILAI MODEL VALIDITAS

Setelah model pengukuran benar ditentukan, sebuah model SEM diperkirakan memberikan ukuran dari hubungan antar variabel dan konstruksi diwakili oleh teori pengukuran. Hasil memungkinkan kita untuk membandingkan teori terhadap realitas yang diwakili oleh data sampel. Dengan kata lain, kita melihat seberapa baik teori sesuai data. SATU-ITEM KONTRUK Pengecualian untuk menggunakan beberapa item untuk mewakili membangun datang bila konsep ini dapat cukup terwakili dengan item tunggal. Beberapa konsep yang sangat sederhana dan tidak memiliki nuansa dan kompleksitas yang menyertai sebagian besar konstruksi psikologis. Dengan kata lain, jika ada sedikit argumen atas makna dari istilah dan istilah yang berbeda dan sangat mudah dipahami, satu item bisa cukup. ATURAN THUMB 3 Mengembangkan Model Pengukuran Keseluruhan Dalam aplikasi standar CFA menguji teori pengukuran, dalam-dan antara kesalahanmembangun istilah kovarians harus tetap nol dan tidak diperkirakan. Dalam aplikasi standar CFA menguji teori pengukuran, semua variabel yang diukur harus bebas untuk memuat hanya pada satu konstruksi laten harus ditunjukkan oleh setidaknya tiga variabel terukur, sebaiknya empat atau lebih, dengan kata lain, faktor laten harus statistik diidentifikasi faktor. Formatif tidak laten dan tidak divalidasi sebagai faktor reflektif konvensional. Dengan demikian, mereka menyajikan kesulitan yang lebih besar dengan identifikasi statistik konstruksi Formatif menjadi lebih banyak digunakan saat ini, tetapi mereka harus didekati dengan tingkat kehati-hatian. Selain isu-isu yang berkaitan dengan spesifikasi dalam model SEM (yang cukup berbeda dari konstruksi reflektif), konstruksi formatif memiliki kualitas yang unik dari segi maknanya con-ceptual dan praktis. Misalnya, validitas konstruk harus dinilai dari perspektif yang berbeda ketika menggunakan langkah-langkah formatif.

TAHAP

3:

PERANCANGAN

STUDI

UNTUK

MEMBUAT

HASIL

EMPIRIS

Tahap ketiga melibatkan merancang sebuah studi yang akan menghasilkan hasil konfirmasi.

Jika semua berjalan dengan baik dengan mode pengukuran (CFA), sampel yang sama akan digunakan untuk menguji model struktural (SEM). Kita harus mencatat data awal prosedur analisis pertama harus dilakukan untuk mengidentifikasi masalah dalam data, isu-isu seperti kesalahan input data. Setelah melakukan analisis ini awal, peneliti harus membuat beberapa keputusan penting untuk merancang model CFA.

Pengukuran Timbangan di CFA CFA model biasanya berisi indikator reflektif diukur dengan skala pengukuran ordinal atau lebih baik. Indikator dengan respon ordinal dari setidaknya empat kategori respon dapat diperlakukan sebagai interval, atau setidaknya jika variabel kontinyu. Semua pemakan ind untuk membangun sebuah tidak perlu dari jenis skala yang sama, juga tidak nilai skala yang berbeda harus ormalized (matematis ditransformasikan ke berbagai skala umum) sebelum menggunakan SEM. Kadang-kadang, bagaimanapun, menggabungkan skala dengan rentang yang berbeda dapat memerlukan waktu lebih lama computatio al. Normalisasi dapat membuat menafsirkan koefisien dan nilai-nilai respon lebih mudah, sehingga kadang-kadang dilakukan sebelum memperkirakan model. MENGHINDARI MASALAH IDENTIFIKASI Pedoman Beberapa dapat membantu menentukan status identifikasi model SEM [26] dan membantu peneliti dalam menghindari masalah identifikasi. Kondisi ketertiban dan peringkat untuk identifikasi adalah dua aturan yang paling dasar, tetapi mereka dapat dilengkapi dengan aturan dasar dalam spesifikasi konstruksi.

Pertemuan Orde dan Ketentuan Rank. Kondisi ketertiban dan peringkat adalah sifat matematika yang diperlukan untuk identifikasi. Kondisi agar mengacu pada persyaratan yang telah dibahas sebelumnya bahwa derajat kebebasan untuk model lebih besar dari nol. Artinya, jumlah kovarians unik dan istilah varians sedikit jumlah estimasi parameter bebas harus positif. Derajat kebebasan untuk model keseluruhan selalu disediakan dalam output program. Sebaliknya, kondisi rank bisa sulit untuk memverifikasi dan diskusi rinci akan membutuhkan pengetahuan tentang aljabar linear. Secara umum itu adalah persyaratan bahwa setiap r parame diperkirakan oleh hubungan yang unik (persamaan). Dengan demikian, mendiagnosis pelanggaran kondisi rank bisa sangat sulit Ini adalah masalah yang dihadapi lebih sering di nships model struktural relati, terutama ketika nonrecursive, atau "umpan balik," hubungan yang ditentukan.

ATURAN THUMB 4 1. Merancang Studi untuk Memberikan Hasil empiris 2. Skala suatu konstruksi laten dapat diatur dengan baik: 3. Memperbaiki satu loading dan pengaturan nilainya ke 1, atau 4. Memperbaiki varians konstruk ke 1 5. kongenerik, model pengukuran reflektif di mana semua konstruksi memiliki setidaknya tiga indikator item yang secara statistik diidentifikasi dalam model dengan dua atau lebih konstruksi 6. Peneliti harus memeriksa kesalahan dalam spesifikasi model pengukuran ketika masalah identifikasi ditunjukkan 7. Model dengan sampel yang besar (lebih dari 300) yang mematuhi aturan tiga indikator umu tidak menghasilkan kasus Heywood 8. model untuk mendapatkan hasil yang dapat diterima. Kami akan membahas dua jenis yang paling umum dari estimai terhindarkan serta penyebab potensial dan solusi. PARAMETER DISTANDARISASI Masalah estimasi yang paling dasar dengan hasil SEM adalah ketika korelasi perkiraan (yaitu, perkiraan standar) antara konstruksi melebihi | 1,0 | atau bahkan stan ¬ koefisien jalur dardized melebihi | 1.0 |. VALIDITAS KONVERGEN Item yang merupakan indikator dari suatu bangunan tertentu harus bertemu atau berbagi proporsi yang tinggi dari kesamaan, yang dikenal sebagai validitas konvergen. Beberapa cara yang tersedia untuk memperkirakan jumlah relativitas ive validitas konvergen antara tindakan item. DISKRIMINAN VALIDITAS validitas diskriminan adalah sejauh mana konstruksi adalah benar dari konstruksi lembaga lainnya. Dengan demikian, validitas diskriminan tinggi memberikan bukti bahwa membangun adalah unik dan aptures beberapa fenomena tindakan lain tidak. CFA

menyediakan

dua

cara

umum

validitas

ing

menilai

diskriminan.

Pertama, korelasi antara dua konstruksi dapat ditentukan (fixed) sebagai sama dengan satu. Pada intinya, itu adalah sama dengan menetapkan bahwa item yang membentuk dua konstruksi bisa juga membuat hanya satu konstruk. Jika fit dari model dua-membangun secara signifikan berbeda dari model satu-membangun, maka validitas diskriminan adalah didukung.

VALIDITAS DAN NOMOLOGICAL Konstruk WAJAH VALIDITAS juga harus memiliki validitas renda dan validitas nomological. Proses untuk pengujian sifat ini sama apakah menggunakan CFA atau EFA. Validitas wajah harus ditetapkan sebelum setiap pengujian teoritis ketika menggunakan FA. Tanpa pemahaman tentang isi setiap item atau makna, tidak mungkin untuk mengekspresikan dan benar menentukan teori pengukuran. Dengan demikian, dalam cara yang sangat nyata, validitas wajah adalah uji validitas yang penting.

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->