Co oznacza Macierz ładunków i ładunków krzyżowych?
Zastosowanie, warunki i dobre praktyki
Macierz zestawia związki każdego wskaźnika z własnym i pozostałymi konstruktami, dzięki czemu ujawnia wskaźniki niejednoznaczne. Proste porównanie, czy ładunek własny jest najwyższy, jest diagnostyką, nie pełnym testem trafności różnicowej. Wniosek należy łączyć z HTMT, treścią pozycji, niepewnością ładunków i możliwością błędnej specyfikacji.
Najważniejsze zastosowanie: Używaj jako diagnostyki lokalnej modelu PLS lub analizy czynnikowej, razem z HTMT i modelem pomiarowym. Sprawdzaj znaki, różnice między ładunkiem głównym i krzyżowym oraz niepewność.
Jak poprawnie stosować i interpretować hasło „Macierz ładunków i ładunków krzyżowych”?
W przypadku pojęcia „Macierz ładunków i ładunków krzyżowych” trzeba wskazać, jakiego rodzaju dowodu trafności oczekuje się od modelu i które konstrukty lub wskaźniki są oceniane. Przy ocenie hasła „Macierz ładunków i ładunków krzyżowych” kryterium liczbowe ma znaczenie tylko w poprawnie określonym modelu pomiarowym. W analizie dotyczącej hasła „Macierz ładunków i ładunków krzyżowych” treść pozycji, kierunek przewidywanych relacji i rozróżnienie konstruktu od pojęć sąsiednich powinny być ustalone przed obejrzeniem wyników.
Ocena pojęcia „Macierz ładunków i ładunków krzyżowych” powinna wykorzystywać przedziały ufności lub bootstrap, modele alternatywne i kilka komplementarnych źródeł dowodów. Dla interpretacji hasła „Macierz ładunków i ładunków krzyżowych” mechaniczne przekroczenie progu nie wskazuje automatycznie, którą pozycję usunąć. W odniesieniu do hasła „Macierz ładunków i ładunków krzyżowych” każda zmiana musi zachować zakres treści konstruktu i zostać sprawdzona na nowych danych.
Co trzeba opisać w raporcie?
Raport dotyczący „Macierz ładunków i ładunków krzyżowych” powinien podać dokładną miarę, parę konstruktów lub zestaw wskaźników, estymator i niepewność wyniku. Przy ocenie hasła „Macierz ładunków i ładunków krzyżowych” należy wskazać przyjęte kryterium oraz jego uzasadnienie, a wniosek sformułować jako dowód wspierający lub osłabiający określoną interpretację, nie jako ostateczny certyfikat trafności.
Zakres raportowania dla hasła „Macierz ładunków i ładunków krzyżowych”: Pokaż pełną macierz albo tabelę problematycznych pozycji, oznacz konstrukty docelowe i podaj kryterium decyzji. Dla EFA opisz rotację, a dla PLS sposób uzyskania wyników konstruktów.
Przykład praktyczny i gotowa interpretacja
Sytuacja: Pozycja sat3 ładuje .71 na satysfakcję i .68 na lojalność. Sama przewaga .03 nie wspiera czystej interpretacji; trzeba sprawdzić treść pozycji i alternatywny model.
Jak ją zinterpretować: Wskaźnik powinien mieć wyraźniejszy związek z konstruktem docelowym niż z pozostałymi, ale sama największa wartość własna nie wystarcza. Niejednoznaczne pozycje wymagają HTMT, analizy treści i niepewności ładunków.
Najczęstsza pułapka i granica interpretacji
Reguła „najwyższy ładunek w swojej kolumnie” jest zbyt słaba. Cross-loadings nie zastępują HTMT ani porównania modeli czynnikowych.
Wynik dotyczący „Macierz ładunków i ładunków krzyżowych” nie zastępuje trafności treściowej, jakości operacjonalizacji ani oceny rzetelności. Dla interpretacji hasła „Macierz ładunków i ładunków krzyżowych” niska lub wysoka wartość pojedynczego wskaźnika jest tylko częścią argumentu dotyczącego użycia wyniku w określonym celu.
Definicje, zalecenia interpretacyjne i sposób raportowania oparto na literaturze metodologicznej wskazanej w bibliografii (Henseler et al., 2015).
Powiązane hasła
Poradniki, w których użyjesz tego pojęcia
Modelowanie równań strukturalnych (SEM): od teorii do raportu
SEM bez skrótów myślowych: model pomiarowy i strukturalny, CB-SEM a PLS-SEM, dopasowanie, założenia oraz raportowanie wyników.
Czytaj →PoradnikPLS-SEM krok po kroku: założenia, model pomiarowy i strukturalny
Praktyczny przewodnik po PLS-SEM: kiedy metoda odpowiada pytaniu, jak odróżnić kompozyt od wspólnego czynnika, ocenić model i uczciwie raportować wynik.
Czytaj →PoradnikPLS-SEM w R: kompletny przykład w seminr i cSEM
Odtwarzalny przykład PLS-SEM w R: specyfikacja refleksyjna i kompozytowa, PLSc, bootstrap, HTMT, R², f² i ocena predykcyjna w seminr oraz cSEM.
Czytaj →Potrzebujesz wsparcia w analizie danych?
Wybierz ofertę dopasowaną do pracy dyplomowej albo profesjonalnego projektu naukowego.
Oferta dla badaczyOferta dla studentówBibliografia i dalsza literatura naukowa (APA 7)
- 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
- 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
- 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
- Benitez, J., Henseler, J., Castillo, A., & Schuberth, F. (2020). How to perform and report an impactful analysis using partial least squares: Guidelines for confirmatory and explanatory IS research. Information & Management, 57(2), 103168. https://doi.org/10.1016/j.im.2019.05.003
- Hair, J. F., Sarstedt, M., & Ringle, C. M. (2019). Rethinking some of the rethinking of partial least squares. European Journal of Marketing, 53(4), 566–584. https://doi.org/10.1108/EJM-10-2018-0665
- 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
Cytowania BibTeX
@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{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{benitez2020impactful, author={Benitez, Jose and Henseler, Jörg and Castillo, Ana and Schuberth, Florian}, title={How to Perform and Report an Impactful Analysis Using Partial Least Squares: Guidelines for Confirmatory and Explanatory IS Research}, journal={Information and Management}, year={2020}, volume={57}, number={2}, pages={103168}, doi={10.1016/j.im.2019.05.003}}@article{hair2019rethinking, author={Hair, Joseph F. and Sarstedt, Marko and Ringle, Christian M.}, title={Rethinking Some of the Rethinking of Partial Least Squares}, journal={European Journal of Marketing}, year={2019}, volume={53}, number={4}, pages={566--584}, doi={10.1108/EJM-10-2018-0665}}@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}}