Metodolog.pl · praktyczna baza wiedzy

Model refleksyjny czy formatywny? Jak poprawnie określić konstrukt

Kierunek pomiaru zmienia znaczenie modelu, diagnostykę i interpretację. Zobacz kryteria wyboru modelu refleksyjnego, formatywnego i kompozytowego.

Strona główna / Blog / Model refleksyjny czy formatywny? Jak poprawnie określić konstrukt

Autor: · Opublikowano: · Aktualizacja:

Kierunku pomiaru nie wybiera program. Jest on częścią teorii: albo wskaźniki są skutkami wspólnej cechy, albo wspólnie tworzą wartość indeksu/kompozytu. Błędna decyzja zmienia oszacowania ścieżek i może odwrócić wniosek.

Dwa różne pytania o pomiar

W modelu refleksyjnym konstrukt jest hipotetyczną wspólną przyczyną odpowiedzi. Jeżeli lęk się nasila, rośnie prawdopodobieństwo wielu objawów; pozycje powinny więc współzmieniać się, choć każda zawiera błąd specyficzny. W modelu formatywnym lub kompozytowym wskaźniki definiują wynik. Status społeczno-ekonomiczny może być złożony z wykształcenia, dochodu i warunków mieszkaniowych; elementy nie muszą być zamienne ani silnie skorelowane.

Zestawienie informacji omawianych w tej sekcji
PytanieModel refleksyjny / wspólny czynnikModel formatywny / kompozyt
Kierunek zależności pojęciowejKonstrukt wywołuje odpowiedzi wskaźników.Wskaźniki wspólnie tworzą wartość konstruktu.
Czy pozycje muszą współzmieniać się?Zwykle tak, bo mają wspólną przyczynę.Nie; każdy wskaźnik może wnosić inny składnik.
Skutek usunięcia wskaźnikaMoże obniżyć pokrycie treści, ale nie musi zmienić definicji.Może bezpośrednio zmienić znaczenie kompozytu.
Główna diagnostykaŁadunki, rzetelność modelowa, trafność zbieżna i różnicowa, dopasowanie.Trafność treściowa, VIF, wagi i ich niepewność, trafność nomologiczna/redundancyjna.

Sześć pytań decyzyjnych

  1. Czy zmiana konstruktu powinna wywołać zmianę wszystkich wskaźników?
  2. Czy wskaźniki są w dużej mierze zamienne treściowo?
  3. Czy usunięcie jednego wskaźnika pozostawia tę samą definicję?
  4. Czy wskaźniki muszą współzmieniać się z powodu wspólnej przyczyny?
  5. Czy błąd przypisujemy wskaźnikom, czy niedoskonałemu odtworzeniu zdefiniowanego kompozytu?
  6. Czy teoria mówi o istniejącej cechie ukrytej, czy o zaprojektowanym indeksie?

Żadne pojedyncze pytanie nie jest bezbłędne. Decyzja powinna wynikać łącznie z definicji, mechanizmu, treści pozycji i konsekwencji usunięcia elementu. Korelacje obserwowane po zebraniu danych nie mogą zastąpić definicji.

Co oceniać w modelu refleksyjnym?

Ocenia się ładunki wraz z niepewnością, zgodność modelu, rzetelność odpowiedniego wyniku, trafność zbieżną i różnicową. Niska wartość alfy nie jest automatycznym argumentem za zmianą modelu na formatywny. Z kolei wysoka alfa nie dowodzi jednowymiarowości. W PLS wspólny czynnik powinien zostać oszacowany metodą uwzględniającą korektę PLSc; w CB-SEM stosuje się model CFA z właściwym estymatorem.

Co oceniać w modelu formatywnym lub kompozytowym?

Najpierw kompletność domeny: czy składniki pokrywają definicję. Następnie współliniowość, wagi i ich przedziały oraz związek z kryteriami zewnętrznymi. Nieistotna waga nie oznacza automatycznie, że składnik jest zbędny — może być treściowo konieczny, a jednocześnie współdzielić informację z innymi wskaźnikami. Usunięcie go wymaga oceny, czy konstrukt nadal znaczy to samo.

Przykład badawczy

„Satysfakcja z uczelni” mierzona stwierdzeniami „jestem zadowolony”, „wybrałbym ponownie” i „uczelnia spełnia oczekiwania” może być wspólnym czynnikiem refleksyjnym. „Dostępność kształcenia” złożona z czasu dojazdu, opłat, dostępności zajęć wieczorowych i dostosowania dla osób z niepełnosprawnościami jest raczej kompozytem: usunięcie opłat zmienia znaczenie dostępności, a składniki nie muszą korelować.

Przykład pełnej interpretacji APA 7

Satysfakcję określono jako wspólny czynnik refleksyjny, ponieważ odpowiedzi traktowano jako skutki ogólnej oceny uczelni. Standaryzowane ładunki trzech wskaźników wyniosły .74–.88, ρA = .85 i AVE = .67. Dostępność określono natomiast jako kompozyt z czterech niezastępowalnych składników. Wartości VIF wyniosły 1.18–1.72, a wagi standaryzowane od .21 do .46; wszystkie przedziały bootstrapowe zachowały oczekiwany znak. Wyniki wspierają przyjętą specyfikację, jednak trafność kompozytu wymaga dalszej oceny względem zewnętrznych wskaźników udziału w zajęciach.

Przypadki graniczne: kiedy proste pytania nie wystarczą?

Ten sam konstrukt może być konceptualizowany różnie w zależności od pytania. „Stres” jako wspólna dyspozycja wywołująca objawy jest modelem refleksyjnym. „Obciążenie stresorami” z listy utraty pracy, choroby, konfliktów i problemów finansowych jest indeksem zdarzeń tworzących ekspozycję. Nazwy brzmią podobnie, lecz mechanizm i diagnostyka są inne. W publikacji trzeba zatem definiować nie tylko etykietę, ale także relację między konstruktem i wskaźnikami.

Bywają również modele wielopoziomowe i wyższego rzędu. Ogólna jakość usługi może być wspólnym czynnikiem kilku refleksyjnych wymiarów albo kompozytem jakości obsługi, ceny i dostępności. Decyzja zależy od tego, czy wymiary mają być zamiennymi przejawami jednej cechy, czy niezastępowalnymi składnikami definicji. Sam diagram drugiego rzędu nie rozstrzyga tej różnicy.

Konsekwencje misspecyfikacji

Potraktowanie kompozytu jak czynnika wymusza współzmienność wskaźników, której teoria nie przewiduje, i może prowadzić do usuwania potrzebnych składników. Potraktowanie czynnika jak kompozytu może zignorować błąd pomiaru i osłabić albo zawyżyć relacje ze zmiennymi w modelu strukturalnym. Jarvis i współpracownicy pokazali, że misspecyfikacja nie jest kosmetyczna: może zmienić współczynniki oraz wnioski o hipotezach.

Dlatego analizę wrażliwości należy przeprowadzać tylko dla konkurencyjnych modeli, które mają sens teoretyczny. Nie porównuj refleksyjnego i formatywnego wariantu wyłącznie po kryterium lepszego dopasowania, bo modele odpowiadają na inne pytania. Jeżeli teoria nie rozstrzyga kierunku, zapisz niepewność i zaplanuj dodatkowe źródła dowodów, na przykład eksperyment, dane czasowe lub kryterium zewnętrzne.

Jak tworzyć wskaźniki przed badaniem?

  1. Zapisz definicję konstruktu i granice jego domeny.
  2. Wymień elementy, które muszą się znaleźć, aby definicja nie była zubożona.
  3. Dla modelu refleksyjnego twórz kilka przejawów tej samej cechy o różnym sformułowaniu, unikając sztucznych duplikatów.
  4. Dla kompozytu upewnij się, że każdy składnik wnosi osobny, teoretycznie niezbędny aspekt.
  5. Przeprowadź ocenę treściową z ekspertami i wywiady poznawcze z odbiorcami.
  6. Zaplanuj zewnętrzne kryteria trafności oraz próbę walidacyjną.
  7. Ustal zasady usuwania lub modyfikowania wskaźników przed obejrzeniem relacji strukturalnych.

W ten sposób model pomiarowy przestaje być technicznym dodatkiem po zebraniu danych. Staje się częścią projektu, która określa, co właściwie oznacza każda liczba w dalszej analizie.

Błędy, które zmieniają konstrukt

  • wybór modelu po tym, która wersja daje lepsze p;
  • usuwanie nieistotnego składnika formatywnego bez oceny treści;
  • ocena indeksu za pomocą alfy;
  • traktowanie refleksyjnych pozycji jako kompozytu tylko dlatego, że użyto PLS;
  • mylenie wskaźników przyczynowych z przyczynami zmiennej zależnej w modelu strukturalnym.

Pojęcia potrzebne do tego zagadnienia

Definicje poniżej rozwijają najważniejsze terminy, pokazują wzory, przykłady i gotowe raportowanie w APA 7.

Spójność wewnętrzna (rzetelność skali)AVE (średnia wyodrębniona wariancja)Rzetelność kompozytowa (Composite Reliability, rho_C)Ładunek zewnętrzny (outer loading)Waga zewnętrzna (outer weight)Hierarchiczna zmienna latentna (konstrukt wyższego rzędu)Styl APA (standard APA)Pytanie badawcze

Definicje, zalecenia interpretacyjne i sposób raportowania oparto na literaturze metodologicznej wskazanej w bibliografii (Schuberth et al., 2018).

Planujesz artykuł lub projekt naukowy?

Możemy przygotować plan analityczny, reprodukowalny kod, modele, raport publication-ready i odpowiedź na uwagi recenzentów.

Analizy statystyczne dla badaczyOmów projekt

Bibliografia i dalsza literatura naukowa (APA 7)

  1. Jarvis, C. B., MacKenzie, S. B., & Podsakoff, P. M. (2003). A critical review of construct indicators and measurement model misspecification in marketing and consumer research. Journal of Consumer Research, 30(2), 199–218. https://doi.org/10.1086/376806
  2. Schuberth, F., Henseler, J., & Dijkstra, T. K. (2018). Confirmatory composite analysis. Frontiers in Psychology, 9, 2541. https://doi.org/10.3389/fpsyg.2018.02541
  3. Henseler, J., & Schuberth, F. (2020). Using confirmatory composite analysis to assess emergent variables in business research. Journal of Business Research, 120, 147–156. https://doi.org/10.1016/j.jbusres.2020.07.026
  4. Dijkstra, T. K., & Henseler, J. (2015). Consistent partial least squares path modeling. MIS Quarterly, 39(2), 297–316. https://doi.org/10.25300/MISQ/2015/39.2.02
  5. Henseler, J., Ringle, C. M., & Sarstedt, M. (2015). A new criterion for assessing discriminant validity in variance-based structural equation modeling. Journal of the Academy of Marketing Science, 43, 115–135. https://doi.org/10.1007/s11747-014-0403-8
  6. Rönkkö, M., & Cho, E. (2022). An updated guideline for assessing discriminant validity. Organizational Research Methods, 25(1), 6–14. https://doi.org/10.1177/1094428120968614
  7. Sarstedt, M., Hair, J. F., Ringle, C. M., Thiele, K. O., & Gudergan, S. P. (2016). Estimation issues with PLS and CBSEM: Where the bias lies! Journal of Business Research, 69(10), 3998–4010. https://doi.org/10.1016/j.jbusres.2016.06.007
  8. Appelbaum, M., Cooper, H., Kline, R. B., Mayo-Wilson, E., Nezu, A. M., & Rao, S. M. (2018). Journal article reporting standards for quantitative research in psychology: The APA Publications and Communications Board task force report. American Psychologist, 73(1), 3–25. https://doi.org/10.1037/amp0000191
  9. Wilkinson, L., & Task Force on Statistical Inference. (1999). Statistical methods in psychology journals: Guidelines and explanations. American Psychologist, 54(8), 594–604. https://doi.org/10.1037/0003-066X.54.8.594

Cytowania BibTeX

@article{jarvis2003measurement, author={Jarvis, Cheryl Burke and MacKenzie, Scott B. and Podsakoff, Philip M.}, title={A Critical Review of Construct Indicators and Measurement Model Misspecification in Marketing and Consumer Research}, journal={Journal of Consumer Research}, year={2003}, volume={30}, number={2}, pages={199--218}, doi={10.1086/376806}}
@article{schuberth2018cca, author={Schuberth, Florian and Henseler, Jörg and Dijkstra, Theo K.}, title={Confirmatory Composite Analysis}, journal={Frontiers in Psychology}, year={2018}, volume={9}, pages={2541}, doi={10.3389/fpsyg.2018.02541}}
@article{henseler2020cca, author={Henseler, Jörg and Schuberth, Florian}, title={Using Confirmatory Composite Analysis to Assess Emergent Variables in Business Research}, journal={Journal of Business Research}, year={2020}, volume={120}, pages={147--156}, doi={10.1016/j.jbusres.2020.07.026}}
@article{dijkstra2015plsc, author={Dijkstra, Theo K. and Henseler, Jörg}, title={Consistent Partial Least Squares Path Modeling}, journal={MIS Quarterly}, year={2015}, volume={39}, number={2}, pages={297--316}, doi={10.25300/MISQ/2015/39.2.02}}
@article{henseler2015htmt, author={Henseler, Jörg and Ringle, Christian M. and Sarstedt, Marko}, title={A New Criterion for Assessing Discriminant Validity in Variance-Based Structural Equation Modeling}, journal={Journal of the Academy of Marketing Science}, year={2015}, volume={43}, pages={115--135}, doi={10.1007/s11747-014-0403-8}}
@article{ronkko2022discriminant, author={Rönkkö, Mikko and Cho, Eunseong}, title={An Updated Guideline for Assessing Discriminant Validity}, journal={Organizational Research Methods}, year={2022}, volume={25}, number={1}, pages={6--14}, doi={10.1177/1094428120968614}}
@article{sarstedt2016bias, author={Sarstedt, Marko and Hair, Joseph F. and Ringle, Christian M. and Thiele, Kai O. and Gudergan, Siegfried P.}, title={Estimation Issues with PLS and CBSEM: Where the Bias Lies!}, journal={Journal of Business Research}, year={2016}, volume={69}, number={10}, pages={3998--4010}, doi={10.1016/j.jbusres.2016.06.007}}
@article{appelbaum2018jars, author={Appelbaum, Mark and Cooper, Harris and Kline, Rex B. and Mayo-Wilson, Evan and Nezu, Arthur M. and Rao, Stephen M.}, title={Journal article reporting standards for quantitative research in psychology}, journal={American Psychologist}, year={2018}, volume={73}, number={1}, pages={3--25}, doi={10.1037/amp0000191}}
@article{wilkinson1999statistical, author={Wilkinson, Leland and {Task Force on Statistical Inference}}, title={Statistical methods in psychology journals: Guidelines and explanations}, journal={American Psychologist}, year={1999}, volume={54}, number={8}, pages={594--604}, doi={10.1037/0003-066X.54.8.594}}
R