Co oznacza MICOM (inwariancja pomiaru kompozytów)?
Zastosowanie, warunki i dobre praktyki
MICOM jest trzyetapową procedurą dla PLS-SEM: ocenia inwariancję konfiguracji, inwariancję kompozycyjną oraz równość średnich i wariancji kompozytów. Częściowa inwariancja po dwóch pierwszych etapach pozwala zwykle porównywać współczynniki ścieżek, ale nie wszystkie średnie. Testy permutacyjne wymagają identycznej specyfikacji, kodowania i ustawień algorytmu w grupach.
Najważniejsze zastosowanie: Wykonuj przed PLS-MGA lub innym porównaniem grup. Zapewnij identyczną specyfikację, kodowanie, przygotowanie danych i ustawienia algorytmu, a następnie użyj testów permutacyjnych.
Jak poprawnie stosować i interpretować hasło „MICOM (inwariancja pomiaru kompozytów)”?
Przy ocenie hasła „MICOM (inwariancja pomiaru kompozytów)” MICOM sprawdza, czy kompozyty mają porównywalne znaczenie w grupach przed porównaniem ich ścieżek lub średnich. W analizie dotyczącej hasła „MICOM (inwariancja pomiaru kompozytów)” procedura przebiega etapowo: ocenia zgodność konfiguracji, inwariancję kompozycyjną oraz równość średnich i wariancji kompozytów. Dla interpretacji hasła „MICOM (inwariancja pomiaru kompozytów)” do porównania parametrów strukturalnych potrzebna jest co najmniej częściowa inwariancja pomiaru.
Dla interpretacji hasła „MICOM (inwariancja pomiaru kompozytów)” konfiguracja danych, wskaźników, kodowania i ustawień algorytmu musi być identyczna w grupach. W odniesieniu do hasła „MICOM (inwariancja pomiaru kompozytów)” inwariancję kompozycyjną ocenia się permutacyjnie, a wniosku nie wolno opierać na samym podobieństwie ładunków. Przy ocenie hasła „MICOM (inwariancja pomiaru kompozytów)” trzeba też sprawdzić liczebności i jakość modelu pomiarowego w każdej grupie.
Co trzeba opisać w raporcie?
Przy ocenie hasła „MICOM (inwariancja pomiaru kompozytów)” raport powinien przedstawić wynik każdego kroku MICOM, liczbę permutacji, poziom istotności, korelację kompozytów oraz różnice średnich i wariancji z przedziałami permutacyjnymi. W analizie dotyczącej hasła „MICOM (inwariancja pomiaru kompozytów)” dopiero potem należy opisać, które porównania międzygrupowe są uzasadnione.
Zakres raportowania dla hasła „MICOM (inwariancja pomiaru kompozytów)”: Raportuj każdy etap, liczbę permutacji, wyniki dla wszystkich konstruktów i zakres dopuszczalnych porównań. Nie sprowadzaj MICOM do jednego p.
Przykład praktyczny i gotowa interpretacja
Sytuacja: Jeżeli spełniono inwariancję konfiguralną i kompozycyjną, ale różnią się średnie, uzyskano częściową inwariancję pozwalającą porównywać relacje strukturalne, lecz nie surowe średnie kompozytów bez zastrzeżeń.
Jak ją zinterpretować: Spełnienie konfiguracji i inwariancji kompozycyjnej pozwala porównywać relacje strukturalne między grupami, nawet jeśli średnie lub wariancje się różnią. Każdy etap i wszystkie konstrukty trzeba raportować osobno.
Najczęstsza pułapka i granica interpretacji
Brak odrzucenia testu nie dowodzi idealnej równości przy małej mocy. MICOM dotyczy kompozytów i nie jest zamiennikiem inwariancji CFA dla wspólnych czynników.
Dla interpretacji hasła „MICOM (inwariancja pomiaru kompozytów)” częściowa inwariancja pozwala porównywać wybrane parametry strukturalne, lecz nie zawsze średnie kompozytów. W odniesieniu do hasła „MICOM (inwariancja pomiaru kompozytów)” pełna inwariancja nie dowodzi, że grupy są równoważne pod względem treściowym lub reprezentatywne dla populacji.
Definicje, zalecenia interpretacyjne i sposób raportowania oparto na literaturze metodologicznej wskazanej w bibliografii (Henseler et al., 2016).
Powiązane hasła
Poradniki, w których użyjesz tego pojęcia
Wartość p: co naprawdę oznacza i jak ją poprawnie interpretować
Wartość p bez mitów: definicja, interpretacja, typowe błędy oraz sposób raportowania wraz z wielkością efektu i przedziałem ufności.
Czytaj →PoradnikRegresja logistyczna: założenia, interpretacja i raportowanie modelu
Regresja logistyczna w praktyce: założenia, iloraz szans, diagnostyka, kalibracja, AUC oraz zasady rzetelnego raportowania modelu.
Czytaj →PoradnikModelowanie 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 →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. (2016). Testing measurement invariance of composites using partial least squares. International Marketing Review, 33(3), 405–431. https://doi.org/10.1108/IMR-09-2014-0304
- Wetzels, M., Odekerken-Schröder, G., & van Oppen, C. (2009). Using PLS path modeling for assessing hierarchical construct models: Guidelines and empirical illustration. MIS Quarterly, 33(1), 177–195.
- 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
- 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
- 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
- Lang, T. A., & Altman, D. G. (2015). Basic statistical reporting for articles published in biomedical journals: The SAMPL guidelines. International Journal of Nursing Studies, 52(1), 5–9. https://doi.org/10.1016/j.ijnurstu.2014.09.006
Cytowania BibTeX
@article{henseler2016micom, author={Henseler, Jörg and Ringle, Christian M. and Sarstedt, Marko}, title={Testing Measurement Invariance of Composites Using Partial Least Squares}, journal={International Marketing Review}, year={2016}, volume={33}, number={3}, pages={405--431}, doi={10.1108/IMR-09-2014-0304}}@article{wetzels2009hierarchical, author={Wetzels, Martin and Odekerken-Schröder, Gaby and van Oppen, Claudia}, title={Using PLS Path Modeling for Assessing Hierarchical Construct Models: Guidelines and Empirical Illustration}, journal={MIS Quarterly}, year={2009}, volume={33}, number={1}, pages={177--195}}@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{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}}@article{lang2015sampl, author={Lang, Thomas A. and Altman, Douglas G.}, title={Basic statistical reporting for articles published in biomedical journals: the SAMPL guidelines}, journal={International Journal of Nursing Studies}, year={2015}, volume={52}, number={1}, pages={5--9}, doi={10.1016/j.ijnurstu.2014.09.006}}