2 测量模型

2.1 信度检验

2.1.1 参考标准

选取和构造建构测量模型的观测变量和潜在变量后,根据以下几点参考标准,逐个对单独的测量模型进行检验。

  1. 观测变量与潜在变量之间的非标准化回归系数(regression weight)
    • 是否显著。
  1. 观测变量与潜在变量之间的标准化回归系数(standardized regression weight)
    • 是否在(-1,1)之间,不在则存在共线性问题。
    • 标准化因子载荷量大小,参考值较好为0.7以上,宽松范围0.5以上。
  1. 模型绝对适配度(model fit),包括卡方值、卡方自由比、GFI、AGFI与Rmsea值
    • 卡方自由比范围:(1,3),宽松范围(1,5)
    • GFI参考范围:期望>0.90
    • AGFI参考范围:期望>0.90
    • Rmsea参考范围:期望<0.08,若介于0.08~0.10,模型适配度尚可
  1. 变量的方差及残差是否为负数.

2.1.2 测量模型状况

官方媒体测量模型情况

knitr::include_graphics("picture/obsmodel1.png")
obsmodel1

图2.1: obsmodel1

规则型人格测量模型情况

knitr::include_graphics("picture/obsmodel2.png")
obsmodel2

图1.1: obsmodel2

威权观念测量模型情况

knitr::include_graphics("picture/obsmodel3.png")
obsmodel3

图2.2: obsmodel3

民族主义测量模型情况

knitr::include_graphics("picture/obsmodel4.png")
obsmodel4

图2.3: obsmodel4

单个测量模型内非标准化系数都达到显著、标准化回归系数都在(-1,1)之间,方差和残差都为负,没有违反统计规律。个别测量模型标准化因子载荷量较低,卡方自由比较大,但总体都符合要求。

2.1.3 信度汇总

下一步计算各测量模型的组合信度如下表汇总。

knitr::include_graphics("picture/CR.png")
CR

图2.4: CR

各测量模型信度检验通过,下一步检验测量模型效度。

2.2 效度检验

2.2.1 收敛效度

各测量模型的收敛效度(平均变异数抽取量)如下表汇总,可使用计算出的收敛效度进一步求出其开根号值。收敛效度(平均变异数抽取量)的开根号值可反映潜变量(因子)与构建自身的测题的信息重合度。

knitr::include_graphics("picture/AVE.png")
AVE

图2.5: AVE

2.2.2 潜变量(因子)间相关性

给各潜变量(因子)进行相关性检验。

  1. 检查潜变量(因子)之间是否具有共线性

  2. 进行潜变量(因子)之间的区别效度检验

knitr::include_graphics("picture/correlation.png")
correlation

图2.6: correlation

2.2.3 区别效度

基于收敛效度与潜变量(因子)之间的相关性,可得出潜变量(因子)之间区别效度的情况,列出表格如下。

knitr::include_graphics("picture/discriminant validity.png")
discriminant validity

图2.7: discriminant validity

各测量模型组成信度、收敛效度与区别效度通过,测量模型检验通过,可建构结构模型。