Czym są modele refleksyjne i formatywne?
Modele refleksyjne i formatywne (ang. reflective and formative measurement models) to dwa sposoby opisania związku między konstruktem a jego wskaźnikami. Różnią się kierunkiem tego związku.
- Model refleksyjny – konstrukt jest wspólną przyczyną odpowiedzi. Lęk przed oceną sprawia, że ktoś denerwuje się przed odpowiedzią ustną, unika zabierania głosu i długo myśli o krytyce. Strzałki biegną od konstruktu do wskaźników, a każdy wskaźnik ma własny błąd pomiaru: xi = λiη + εi. Szczegóły – w haśle refleksyjna zmienna latentna.
- Model formatywny – wskaźniki tworzą konstrukt. Obciążenia życiowe w ostatnim roku to suma różnych zdarzeń: kłopotów finansowych, konfliktu w rodzinie, choroby bliskiej osoby, przeprowadzki. Żadne z nich nie jest „przejawem” obciążenia, tylko jego składnikiem: η = Σwixi + ζ. Więcej w haśle formatywna zmienna latentna.
Bollen i Lennox (1991) pokazali, że wiele „konwencjonalnych prawd” o pomiarze obowiązuje tylko w modelu refleksyjnym. Dotyczy to m.in. zasad, że wskaźniki powinny być spójne wewnętrznie i że sumę wskaźników można traktować jak zmienną ukrytą. Dla wskaźników przyczynowych (formatywnych) te zasady przestają działać.
Porównanie obu modeli
| Cecha | Model refleksyjny | Model formatywny |
|---|---|---|
| Kierunek związku | konstrukt → wskaźniki | wskaźniki → konstrukt |
| Wymienność wskaźników | wskaźniki są wymienne; usunięcie jednego nie zmienia sensu konstruktu | każdy wskaźnik to inna część treści; usunięcie zmienia definicję |
| Korelacje między wskaźnikami | powinny być dodatnie i umiarkowane lub wysokie | mogą być dowolne, także bliskie zera |
| Błąd pomiaru | na poziomie każdego wskaźnika | na poziomie konstruktu (składnik ζ) |
| Rzetelność | alfa, omega, rzetelność kompozytowa | nie dotyczy w tradycyjnym sensie |
| Ocena jakości | ładunki, AVE, HTMT, dopasowanie CFA | pokrycie treści, wagi, VIF, związki z kryteriami zewnętrznymi |
| Identyfikacja w CB-SEM | samodzielnie przy ≥ 3 wskaźnikach | wymaga co najmniej dwóch wyników refleksyjnych albo struktury typu MIMIC |
Diamantopoulos i Winklhofer (2001) opisują budowę indeksu formatywnego jako alternatywę dla tworzenia skal. Proponują ocenę przez pełne pokrycie treści, kontrolę współliniowości i trafność zewnętrzną zamiast przez spójność wewnętrzną.
Jak rozstrzygnąć, który model pasuje
Kierunek określa się przed analizą, na podstawie definicji konstruktu. Edwards i Bagozzi (2000) zauważają, że procedury estymacji nie mówią, czy konstrukt ma być przyczyną, czy skutkiem miar. Ich artykuł formułuje zasady określania kierunku na podstawie treści. W praktyce pomagają cztery pytania:
- Czy zmiana konstruktu powinna zmienić wszystkie wskaźniki naraz (refleksyjny), czy zmiana jednego wskaźnika zmienia konstrukt (formatywny)?
- Czy wskaźniki są wymiennymi sformułowaniami tej samej treści?
- Czy powinny ze sobą korelować?
- Czy mają te same przyczyny i skutki?
Sarstedt i in. (2016) dodają rozróżnienie, które porządkuje dyskusję: pojęcie pomiaru (refleksyjny lub formatywny) to co innego niż model estymacji (czynnik wspólny lub kompozyt). Kompozyt można oszacować z różnych wskaźników, ale założenia o kierunku muszą wynikać z operacjonalizacji. Szczegółowy algorytm decyzji z przykładami omawia wpis model refleksyjny czy formatywny.
Typowe konstrukty w psychologii – który model?
| Konstrukt i wskaźniki | Model | Uzasadnienie |
|---|---|---|
| Neurotyczność – pozycje o martwieniu się, drażliwości, napięciu | refleksyjny | wspólna cecha wywołuje różne przejawy; pozycje są wymienne |
| Status socjoekonomiczny – dochód, wykształcenie, prestiż zawodu | formatywny | wzrost dochodu podnosi status, ale status nie „powoduje” wykształcenia |
| Zachowania ryzykowne – alkohol, szybka jazda, ryzykowny seks | formatywny | różne zachowania tworzą indeks; mogą słabo ze sobą korelować |
| Ogólna satysfakcja z pracy – „Jestem zadowolony z pracy”, „Lubię swoją pracę” | refleksyjny | parafrazy tej samej oceny |
| Satysfakcja z aspektów pracy – płaca, zespół, przełożony, rozwój | formatywny lub wyższego rzędu | każdy aspekt to odrębny składnik oceny całościowej |
Ostatni wiersz pokazuje, że jeden obszar treści można zoperacjonalizować na oba sposoby. Bywa też, że konstrukt ma budowę mieszaną: wymiary mierzone refleksyjnie tworzą formatywnie konstrukt nadrzędny (zob. hierarchiczna zmienna latentna). Wtedy model trzeba określić osobno na każdym poziomie.
Przykład: co widać w danych, a czego nie
Czterystu studentów (dane symulowane) odpowiedziało na cztery pozycje lęku przed oceną (L1–L4, skala 1–5) i na cztery pytania o obciążenia życiowe w ostatnim roku (O1–O4, 0–4). Podali też wynik w skali objawów depresji (0–27). Lęk generowano refleksyjnie, a obciążenia – jako indeks z niezależnych zdarzeń. Rysunek 1 pokazuje korelacje wskaźników w obu blokach.
W bloku refleksyjnym korelacje wynoszą od .43 do .51, a alfa Cronbacha .783. W bloku formatywnym korelacje mieszczą się między −.06 a .17, a alfa wynosi .035. Gdyby ocenić obciążenia kryteriami refleksyjnymi, trzeba by uznać indeks za „nierzetelny”. W rzeczywistości jest dokładnie taki, jaki powinien być.
Jeszcze wyraźniej różnicę widać po usunięciu jednego wskaźnika. Suma trzech pozycji lęku (bez L4) korelowała z sumą czterech na poziomie .962, więc konstrukt praktycznie się nie zmienił. Indeks obciążeń bez kłopotów finansowych (O1) korelował z pełnym indeksem już tylko na poziomie .882. Odsetek wyjaśnionej wariancji objawów depresji spadł z 21.6% do 13.4%. Usunięcie wskaźnika formatywnego zmienia to, co mierzysz.
A co, jeśli ktoś błędnie potraktuje obciążenia jako czynnik refleksyjny? Jednoczynnikowa CFA na O1–O4 dała ładunki .31, .54, −.11 i .04 oraz idealne dopasowanie: χ²(2) = 0.70, p = .706, CFI = 1.000, RMSEA = .000. Dobre dopasowanie nie chroni więc przed błędnym kierunkiem modelu. Niskie ładunki skłaniałyby do usunięcia O3 i O4. Tymczasem w poprawnym modelu formatywnym (oszacowanym w lavaan przez dwa wyniki: objawy depresji i dni absencji) standaryzowana waga choroby bliskiej osoby (O3) wynosiła .556 i była druga co do wielkości. Pozostałe wagi wynosiły .689 (finanse), .378 (konflikt) i .172 (przeprowadzka). Nawet najmniejsza z nich różniła się istotnie od zera (p = .014), choć w błędnej CFA ten sam wskaźnik miał ładunek .04.
Jak opisać model pomiaru w pracy
W rozdziale metodologicznym nazwij model pomiaru każdego konstruktu i uzasadnij go treścią wskaźników, a nie wynikami. Następnie podaj kryteria jakości właściwe dla danego modelu.
Model refleksyjny i formatywny w R
Kod generuje dwa bloki wskaźników – refleksyjny i formatywny – i porównuje ich korelacje, alfę Cronbacha, skutki usunięcia jednego wskaźnika, wynik błędnej jednoczynnikowej CFA dla wskaźników formatywnych oraz model formatywny w lavaan (operator <~) zidentyfikowany przez dwa wyniki. Liczby w tekście i na rysunku 1 pochodzą z tego kodu.
Ten sam test na dwóch typach wskaźników
R
# R124 – model refleksyjny a formatywny: co widać w danych (pakiety lavaan i psych)
# Dane symulowane: 400 studentów.
# (a) Refleksyjnie: lęk przed oceną (L1–L4, 1–5) – odpowiedzi są przejawami jednej cechy.
# (b) Formatywnie: obciążenia życiowe w ostatnim roku (O1 finanse, O2 konflikt w rodzinie,
# O3 choroba bliskiej osoby, O4 przeprowadzka; 0–4) – składniki tworzą indeks.
suppressPackageStartupMessages({library(lavaan); library(psych)})
set.seed(124)
n <- 400
na <- function(x, lo, hi, m, s) pmin(pmax(round(m + s * x), lo), hi)
lek <- rnorm(n)
L <- sapply(c(0.80, 0.75, 0.70, 0.65), function(l) na(l * lek + rnorm(n, sd = sqrt(1 - l^2)), 1, 5, 3, 1))
colnames(L) <- paste0("L", 1:4)
O <- sapply(1:4, function(j) na(rnorm(n), 0, 4, 1.5, 1.1))
O[, 2] <- na(0.25 * scale(O[, 1]) + rnorm(n, sd = 0.97), 0, 4, 1.5, 1.1) # finanse i konflikt lekko współwystępują
colnames(O) <- paste0("O", 1:4)
obciazenia <- as.numeric(O %*% c(0.45, 0.35, 0.30, 0.15))
objawy <- na(as.numeric(scale(obciazenia)) * 0.5 + rnorm(n, sd = 0.85), 0, 27, 9, 4.5) # objawy depresji (0–27)
dane <- data.frame(L, O, objawy)
# 1. Korelacje między wskaźnikami
round(cor(dane[, paste0("L", 1:4)]), 2)
round(cor(dane[, paste0("O", 1:4)]), 2)
# 2. Alfa Cronbacha – sensowna tylko dla bloku refleksyjnego
round(c(alfa_L = psych::alpha(dane[, 1:4])$total$raw_alpha,
alfa_O = psych::alpha(dane[, 5:8], warnings = FALSE)$total$raw_alpha), 3)
# 3. Co się stanie po usunięciu jednego wskaźnika?
suma_L <- rowSums(dane[, 1:4]); suma_L3 <- rowSums(dane[, 1:3])
ind_O <- rowSums(dane[, 5:8]); ind_O3 <- rowSums(dane[, 6:8]) # bez O1 (finanse)
round(c(r_L_bez_L4 = cor(suma_L, suma_L3), r_O_bez_O1 = cor(ind_O, ind_O3)), 3)
round(c(R2_pelny = summary(lm(objawy ~ ind_O))$r.squared, R2_bez_O1 = summary(lm(objawy ~ ind_O3))$r.squared), 3)
# 4. Błąd specyfikacji: jednoczynnikowa CFA dopasowana do wskaźników formatywnych
f_bledny <- cfa('obc =~ O1 + O2 + O3 + O4', data = dane, std.lv = TRUE)
round(standardizedSolution(f_bledny)[1:4, "est.std"], 2)
round(fitMeasures(f_bledny, c("chisq", "df", "pvalue", "cfi", "rmsea")), 3)
# 5. Model formatywny w lavaan (operator <~); identyfikacja przez dwa wyniki reflektywne:
# objawy depresji i liczba dni absencji (dla ilustracji symulowana z tych samych obciążeń)
set.seed(1240)
dane$absencja <- na(as.numeric(scale(obciazenia)) * 0.4 + rnorm(n, sd = 0.9), 0, 20, 4, 2.5)
f_form <- sem('obc <~ O1 + O2 + O3 + O4
objawy ~ obc
absencja ~ obc
objawy ~~ absencja', data = dane)
pe <- parameterEstimates(f_form, standardized = TRUE)
pe[pe$op == "<~", c("lhs", "op", "rhs", "est", "se", "pvalue", "std.all")]Wynik w R
L1 L2 L3 L4
L1 1.00 0.51 0.51 0.46
L2 0.51 1.00 0.51 0.43
L3 0.51 0.51 1.00 0.43
L4 0.46 0.43 0.43 1.00
O1 O2 O3 O4
O1 1.00 0.17 -0.02 0.03
O2 0.17 1.00 -0.06 0.01
O3 -0.02 -0.06 1.00 -0.04
O4 0.03 0.01 -0.04 1.00
alfa_L alfa_O
0.783 0.035
r_L_bez_L4 r_O_bez_O1
0.962 0.882
R2_pelny R2_bez_O1
0.216 0.134
[1] 0.31 0.54 -0.11 0.04
chisq df pvalue cfi rmsea
0.695 2.000 0.706 1.000 0.000
lhs op rhs est se pvalue std.all
1 obc <~ O1 1.000 0.000 NA 0.689
2 obc <~ O2 0.569 0.125 0.000 0.378
3 obc <~ O3 0.708 0.110 0.000 0.556
4 obc <~ O4 0.237 0.096 0.014 0.172Bibliografia oprogramowania
Wyniki na tej stronie pochodzą z uruchomienia pokazanego kodu w R 4.5.3; rysunek przygotowano w pakiecie ggplot2. 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/
- lavaan (wersja 0.7-2): Rosseel, Y. (2012). lavaan: An R package for structural equation modeling. Journal of Statistical Software, 48(2), 1–36. https://doi.org/10.18637/jss.v048.i02
- psych (wersja 2.6.5): Revelle, W. (2026). psych: Procedures for psychological, psychometric, and personality research [R package]. Northwestern University. https://CRAN.R-project.org/package=psych
- ggplot2 (wersja 4.0.2): Wickham, H. (2016). ggplot2: Elegant graphics for data analysis. Springer. https://ggplot2.tidyverse.org
Najczęstsze błędy
- Liczenie alfy Cronbacha dla indeksu formatywnego i usuwanie pozycji, które „obniżają alfę”. Zobacz też alfa Cronbacha bez uproszczeń.
- Wybór modelu po wynikach („alfa wyszła niska, więc to model formatywny”). Kierunek wynika z definicji konstruktu.
- Traktowanie dobrego dopasowania CFA jako dowodu refleksyjności. W przykładzie błędny model refleksyjny pasował idealnie.
- Pominięcie części treści w indeksie formatywnym. Brak jednego składnika zmienia konstrukt; zaplanuj pełne pokrycie domeny już przy budowie narzędzia.
- Utożsamianie trybu estymacji z modelem pomiaru – zob. Mode A i Mode B w PLS-PM.
Najczęstsze pytania
Jak sprawdzić, czy model pomiaru jest refleksyjny, czy formatywny?
Zadaj pytania o treść: czy zmiana konstruktu zmienia wszystkie wskaźniki naraz, czy wskaźniki są wymienne, czy powinny korelować i czy mają wspólne przyczyny. Twierdzące odpowiedzi wskazują model refleksyjny. Jeśli wskaźniki to różne składniki, które razem tworzą całość, model jest formatywny. Wyniki analizy nie rozstrzygają tej kwestii.
Czy dla wskaźników formatywnych liczy się alfę Cronbacha?
Nie. Alfa zakłada, że wskaźniki mierzą tę samą cechę i są ze sobą skorelowane. Wskaźniki formatywne nie muszą korelować, więc niska alfa niczego o nich nie mówi. W przykładzie z tego hasła poprawny indeks obciążeń życiowych miał α = .04.
Co się stanie, jeśli model formatywny potraktuję jako refleksyjny?
Możesz usunąć ważne składniki z powodu niskich ładunków albo niskiej korelacji z resztą, a przez to zmienić definicję konstruktu i zaniżyć jego związki z innymi zmiennymi. Dopasowanie CFA może przy tym być bardzo dobre, więc nie ostrzeże cię przed błędem.
Czy skala Likerta może być formatywna?
Tak – o modelu decyduje treść pozycji, a nie format odpowiedzi. Lista różnych zachowań zdrowotnych albo źródeł stresu ocenianych na skali 1–5 może tworzyć indeks formatywny, a kilka sformułowań tej samej emocji – skalę refleksyjną.
Powiązane hasła
Poradniki, w których użyjesz tego pojęcia
Model refleksyjny czy formatywny?
Kryteria decyzji Jarvis i in. (2003), symulacja skutków błędnej specyfikacji modelu pomiaru i model MIMIC w lavaan – z opisem do artykułu.
Czytaj →PoradnikJak zbudować i zwalidować skalę psychometryczną?
Od definicji konstruktu i tworzenia pozycji po pilotaż, EFA, CFA, rzetelność, trafność teoretyczną, różnicową i niezmienniczość.
Czytaj →PoradnikAlfa Cronbacha – rzetelność skali
Założenia alfy, analiza pozycji, „alfa po usunięciu pozycji” bez pułapek, tau-równoważność i omega McDonalda – z danymi i kodem R.
Czytaj →PoradnikJak zaprojektować pomiar latentny
Definicja konstruktu, wskaźniki refleksyjne i formatywne, pozycja globalna i MIMIC, lista kontrolna kwestionariusza oraz symulacja w lavaan i seminr.
Czytaj →Potrzebujesz wsparcia w analizie danych?
Wybierz ofertę dopasowaną do pracy dyplomowej albo profesjonalnego projektu naukowego.
Wyceń analizęOferta dla studentówBibliografia i dalsza literatura naukowa (APA 7)
- Bollen, K., & Lennox, R. (1991). Conventional wisdom on measurement: A structural equation perspective. Psychological Bulletin, 110(2), 305–314. https://doi.org/10.1037/0033-2909.110.2.305
- 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
- Edwards, J. R., & Bagozzi, R. P. (2000). On the nature and direction of relationships between constructs and measures. Psychological Methods, 5(2), 155–174. https://doi.org/10.1037/1082-989x.5.2.155
- 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 ● Otwarty dostęp
Cytowania BibTeX
@article{bollen1991conventional, author={Bollen, Kenneth and Lennox, Richard}, title={{Conventional wisdom on measurement: A structural equation perspective}}, journal={Psychological Bulletin}, year={1991}, volume={110}, number={2}, pages={305--314}, doi={10.1037/0033-2909.110.2.305}}@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}}@article{edwards2000nature, author={Edwards, Jeffrey R. and Bagozzi, Richard P.}, title={{On the nature and direction of relationships between constructs and measures}}, journal={Psychological Methods}, year={2000}, volume={5}, number={2}, pages={155--174}, doi={10.1037/1082-989x.5.2.155}}@article{sarstedt2016estimation, 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}}