Analiza redundancji w PLS-SEM – konstrukt formatywny

Opracowanie merytoryczne: Konrad Hryniewicz · Opublikowano: 28 października 2026 · Aktualizacja: 27 października 2026

W skrócie: Analiza redundancji to sprawdzenie trafności zbieżnej konstruktu formatywnego w PLS-SEM: kompozyt z wskaźników formatywnych powinien silnie przewidywać globalną miarę tego samego konstruktu, zwykle ze ścieżką co najmniej .70. Pozycję globalną trzeba zaplanować w kwestionariuszu.

Co to jest analiza redundancji?

Analiza redundancji (ang. redundancy analysis) to w PLS-SEM sposób sprawdzenia trafności zbieżnej konstruktu formatywnego. Szacuje się osobny model, w którym kompozyt z wskaźników formatywnych przewiduje alternatywną miarę tego samego konstruktu: jedną pozycję globalną albo kilka pozycji refleksyjnych. Cheah i in. (2018) opisują ją jako test, czy konstrukt mierzony formatywnie silnie koreluje z inną miarą tego samego konstruktu. Nie myl jej z analizą redundancji (RDA) z wielowymiarowej statystyki opisowej – to inna metoda o tej samej nazwie.

Po co i jak ją zaplanować

Wskaźniki konstruktu formatywnego nie muszą ze sobą korelować, więc alfa, AVE i HTMT nic o nim nie mówią. Diamantopoulos i Winklhofer (2001) podkreślają, że jakość indeksu z wskaźników formatywnych trzeba oceniać inaczej niż skalę refleksyjną. Analiza redundancji szuka dowodu na zewnątrz: kompozyt powinien silnie wiązać się z globalną oceną tego samego zjawiska. Hair i in. (2021) przyjmują w PLS-SEM ścieżkę co najmniej .708 (około 50% wspólnej wariancji); to próg zwyczajowy, a nie test. Pozycję globalną trzeba zaplanować w kwestionariuszu przed badaniem (zob. jak zaprojektować pomiar latentny). W porównaniu empirycznym Cheah i in. (2018) jedna dobrze sformułowana pozycja globalna dawała podobną trafność zbieżną jak skala wielopozycyjna, a różnice były niewielkie. W CB-SEM podobną rolę pełnią zmienne refleksyjne w modelu MIMIC.

Przykład

W danych symulowanych 250 studentów oceniło cztery źródła stresu (egzaminy, finanse, praca zarobkowa, relacje) i odpowiedziało na pozycję globalną o ogólnym obciążeniu studiami. Ścieżka od kompozytu do pozycji globalnej wyniosła .862 (R² = .743), więc indeks spełnia zwyczajowe kryterium. Po usunięciu pracy zarobkowej ścieżka spadła do .666 (R² = .443): bez tego wskaźnika indeks nie pokrywa konstruktu. Pełną ocenę modelu formatywnego pokazuje przewodnik PLS-SEM.

Jak opisać w pracy

Trafność zbieżną formatywnego indeksu stresorów sprawdzono analizą redundancji: kompozyt z czterech wskaźników przewidywał pozycję globalną „Ogólnie studia są dla mnie obciążające” ze ścieżką .862 (R² = .743), co przekracza zwyczajowe minimum .708.

Na co uważać

Pozycja globalna musi mierzyć ten sam konstrukt, a nie jego skutek ani przyczynę.
Analiza redundancji ocenia cały indeks. Wkład pojedynczego wskaźnika pokazuje waga zewnętrzna, a kierunek pomiaru wyjaśnia wpis model refleksyjny czy formatywny.
Ścieżka jest dopasowana do próby. Przy jednej pozycji globalnej i wagach Mode B równa się korelacji wielokrotnej R z regresji tej pozycji na wskaźniki.

Przykład reprodukowalny

Analiza redundancji w R

Kod szacuje w seminr model, w którym formatywny kompozyt (wagi Mode B) przewiduje pozycję globalną, raz z pełnym zestawem wskaźników, raz bez jednego z nich.

Ścieżka od kompozytu formatywnego do pozycji globalnej

Dane wejściowe: oceny czterech źródeł stresu (egzaminy, finanse, praca zarobkowa, relacje) i pozycja globalna o obciążeniu studiami, 250 studentów (dane symulowane, set.seed(3001)).

Co odczytać: ścieżkę STR → GLOB i R² dla indeksu pełnego (pelny) i bez pracy zarobkowej (bez_pracy).

suppressPackageStartupMessages(library(seminr))
set.seed(3001)
n <- 250
X <- sqrt(.3) * rnorm(n) + sqrt(.7) * matrix(rnorm(n * 4), n)     # 4 źródła stresu, r = .30
d <- data.frame(round(3 + X, 1))
names(d) <- c("egz", "fin", "praca", "rel")
d$glob <- round(                    # pozycja globalna: „Ogólnie studia są dla mnie obciążające”
  3 + 0.35 * rowSums(X) / 2 + 0.45 * X[, 3] + rnorm(n, sd = 0.6), 1)
redundancja <- function(wsk) {
  mm <- constructs(composite("STR", wsk, weights = mode_B),
                   composite("GLOB", single_item("glob")))
  sm <- relationships(paths(from = "STR", to = "GLOB"))
  invisible(capture.output(m <- estimate_pls(d, mm, sm)))
  m$path_coef["STR", "GLOB"]
}
sciezka <- c(pelny = redundancja(c("egz", "fin", "praca", "rel")),
             bez_pracy = redundancja(c("egz", "fin", "rel")))
round(rbind(sciezka = sciezka, R2 = sciezka^2), 3)

Wynik w R

        pelny bez_pracy
sciezka 0.862     0.666
R2      0.743     0.443

Bibliografia oprogramowania

Wyniki pochodzą z uruchomienia pokazanego kodu w R 4.5.3 (pakiet seminr). W pracy podaj wersje faktycznie użytych pakietów (sessionInfo()).

R: R Core Team. (2026). R: A language and environment for statistical computing (Version 4.5.3) [Computer software]. R Foundation for Statistical Computing. https://www.R-project.org/
seminr (wersja 2.5.0): Ray, S., Danks, N., & Calero Valdez, A. (2026). seminr: Building and estimating structural equation models (R package version 2.5.0) [Computer software]. https://doi.org/10.32614/CRAN.package.seminr

Najczęstsze pytania

Czy do analizy redundancji wystarczy jedna pozycja globalna?

Zwykle tak. W porównaniu Cheah i in. (2018) jedna dobrze sformułowana pozycja globalna dawała podobną trafność zbieżną jak skala wielopozycyjna, bez wyraźnego wydłużania ankiety.

Co zrobić, gdy ścieżka w analizie redundancji jest niższa niż .70?

Sprawdź, czy indeks pomija ważny aspekt konstruktu i czy pozycja globalna mierzy to samo. Nie usuwaj wskaźników tylko po to, by podnieść ścieżkę.

Czy analizę redundancji robi się w CB-SEM?

W CB-SEM podobną funkcję pełnią zmienne refleksyjne w modelu MIMIC: identyfikują konstrukt formatywny i pozwalają ocenić jego związek z miarą tego samego pojęcia.

Powiązane hasła

Poradniki, w których użyjesz tego pojęcia

Poradnik

Jak zaprojektować pomiar latentny

Definicja konstruktu, wskaźniki refleksyjne i formatywne, pozycja globalna i MIMIC, lista kontrolna kwestionariusza oraz symulacja w lavaan i seminr.

Czytaj →Poradnik

PLS-SEM krok po kroku

Logika kompozytów, założenia, ocena modelu refleksyjnego i formatywnego, ścieżki, f² i PLSpredict – na przykładzie z R, z tabelą progów i źródeł.

Czytaj →

Potrzebujesz wsparcia w analizie danych?

Wybierz ofertę dopasowaną do pracy dyplomowej albo profesjonalnego projektu naukowego.

Wyceń analizę Oferta dla studentów

Bibliografia i dalsza literatura naukowa (APA 7)

Cheah, J.-H., Sarstedt, M., Ringle, C. M., Ramayah, T., & Ting, H. (2018). Convergent validity assessment of formatively measured constructs in PLS-SEM. International Journal of Contemporary Hospitality Management, 30(11), 3192–3210. https://doi.org/10.1108/ijchm-10-2017-0649
Diamantopoulos, A., & Winklhofer, H. M. (2001). Index construction with formative indicators: An alternative to scale development. Journal of Marketing Research, 38(2), 269–277. https://doi.org/10.1509/jmkr.38.2.269.18845
Hair, J. F., Jr., Hult, G. T. M., Ringle, C. M., Sarstedt, M., Danks, N. P., & Ray, S. (2021). Partial least squares structural equation modeling (PLS-SEM) using R: A workbook. Springer. https://doi.org/10.1007/978-3-030-80519-7 ● Otwarty dostęp

Cytowania BibTeX

@article{cheah2018convergent, author={Cheah, Jun-Hwa and Sarstedt, Marko and Ringle, Christian M. and Ramayah, T. and Ting, Hiram}, title={{Convergent validity assessment of formatively measured constructs in PLS-SEM}}, journal={International Journal of Contemporary Hospitality Management}, year={2018}, volume={30}, number={11}, pages={3192--3210}, doi={10.1108/ijchm-10-2017-0649}}

@article{diamantopoulos2001index, author={Diamantopoulos, Adamantios and Winklhofer, Heidi M.}, title={{Index construction with formative indicators: An alternative to scale development}}, journal={Journal of Marketing Research}, year={2001}, volume={38}, number={2}, pages={269--277}, doi={10.1509/jmkr.38.2.269.18845}}

@book{hair2021pls, author={Hair, Joseph F., Jr. and Hult, G. Tomas M. and Ringle, Christian M. and Sarstedt, Marko and Danks, Nicholas P. and Ray, Soumya}, title={{Partial least squares structural equation modeling (PLS-SEM) using R: A workbook}}, year={2021}, publisher={Springer}, doi={10.1007/978-3-030-80519-7}}