没有潜变量都是显变量的结构方程也可以做信度效度检验吗？

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

看了好多结构方程课程发现信度检验效度检验的事例都用的是有潜变量的结构方程，并且也看了相关文献，没有潜变量的结构方程的文章就不会详细的进行信度效度探索性因子分析和验证性因子分析。所以就想问以下，没有潜变量的结构方程可以做信度效度探索性因子分析和验证性因子分析吗，应该如何做？感谢格纹大大

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏1 回帖

关键词：效度检验 结构方程 潜变量 探索性因子分析 验证性因子分析

结构方程模型 (SEM) 中常见的分析，如信度、效度、探索性因子分析 (EFA) 和验证性因子分析 (CFA)，主要是为了潜在变量或隐变量设计的。这些潜在变量是不能直接观测的变量，通常通过一组观察到的变量（也称为指标或显变量）来进行测量。即使在没有潜在变量的情况下，仍然可以进行信度和效度的检验，以及EFA和CFA。但在这种情况下，这些方法的应用可能会有所不同：
信度检验：如果有一组测量同一概念的观察到的变量，可进行信度检验。例如，Cronbach的α常用于测量一组观察到的变量的内部一致性。
效度检验：即使没有潜在变量，仍可进行效度的检验。可查看单个观察到的变量与其他相关变量之间的关系来评估其效度。
探索性因子分析 (EFA)：EFA 是一种统计方法，用于确定数据中存在的因子数目。可对观察到的变量进行EFA，尤其是当不确定这些变量是否可以归结为某些潜在的因子时。
验证性因子分析 (CFA)：如果有一个关于观察到的变量如何归组到特定因子的假设，并希望验证这个假设，可进行CFA，即使这些因子实际上不是潜在变量。
确保在进行这些分析之前，数据满足相关的统计假设（例如，正态性、多重共线性、样本大小等）。

如何在没有潜变量的结构中进行信度、效度、EFA和CFA的具体步骤和注意事项。
信度检验细节：
当检查 Cronbach's α 时，注意0.7以上通常被认为是可接受的，但这也取决于研究的背景和目的。
效度检验细节：
施工效度：除了相关性分析，还可考虑回归分析来看待变量间的预测关系。
收敛效度：测量同一概念的变量之间具有较高的相关性。
区分效度：测量不同概念的变量之间的相关性低于测量同一概念的变量之间的相关性。
探索性因子分析 (EFA) 细节：
确定因子数量：Kaiser准则建议保留特征值大于1的因子；Scree plot方法则建议在图形的“拐点”之前保留因子。
选择旋转方法：Varimax（正交旋转）常用，但在某些情况下，oblimin（斜交旋转）可能更合适。
加载的临界值：通常0.3或0.4以上的加载。
验证性因子分析 (CFA) 细节：
模型拟合：查看各种拟合统计信息，如χ²、CFI、TLI、RMSEA等，确定模型是否与数据良好匹配。
修正建议：如果模型的拟合度不理想，考虑修改指数以改进模型。
加载及路径：确保所有的路径和加载都是显著的，并在预期的方向上。
在执行上述步骤时，数据准备和数据质量检查也是关键。确保数据无缺失值，或者已经妥善处理了缺失值。对结构方程模型，样本大小也很重要，一般建议至少有200个观测值，但也取决于模型的复杂性。
在分析过程中，建议进行交叉验证或样本外验证，确保结果的鲁棒性。

可以

都可以做。可以先做探索性分析再做验证性分析。信效度也可以做。

没有潜变量就不是结构方程吧，非结构方程也可以做信效度的检验