Co oznacza Waga zewnętrzna (outer weight)?
Zastosowanie, warunki i dobre praktyki
Outer weight określa względny wkład wskaźnika w tworzenie kompozytu przy uwzględnieniu pozostałych składników. Znak i istotność mogą być niestabilne przy współliniowości, dlatego ocenia się także VIF, ładunek bezwzględny i treść. Nieistotna waga nie jest wystarczającym powodem usunięcia elementu definiującego domenę konstruktu.
Najważniejsze zastosowanie: Stosuj dla konstrukcji kompozytowych lub formatywnych. Oceniaj znak, stabilność bootstrapową, współliniowość i znaczenie treściowe; standaryzuj wskaźniki, gdy chcesz porównywać ich względny udział.
Jak to się oblicza i co oznaczają symbole?
xᵢ oznacza i-ty wskaźnik, wᵢ jego oszacowaną wagę, a η wynik kompozytu. Waga opisuje względny wkład wskaźnika przy obecności pozostałych elementów kompozytu, dlatego jej znak i wielkość zależą od skalowania oraz współliniowości. Dla konstruktu formatywnego ocenia się zarówno istotność wagi, jak i bezwzględny wkład wskaźnika oraz trafność treściową.
Jak poprawnie stosować i interpretować hasło „Waga zewnętrzna (outer weight)”?
Przy ocenie pojęcia „Waga zewnętrzna (outer weight)” trzeba najpierw zdefiniować konstrukt, populację, przeznaczenie wyniku i model łączący konstrukt ze wskaźnikami. Przy ocenie hasła „Waga zewnętrzna (outer weight)” dopiero potem dobiera się współczynnik lub kryterium. W analizie dotyczącej hasła „Waga zewnętrzna (outer weight)” w modelu refleksyjnym wskaźniki są przejawami wspólnej zmiennej, natomiast w formatywnym tworzą kompozyt; zamiana tych logik zmienia znaczenie ładunków, korelacji i oceny jakości.
Ocena pojęcia „Waga zewnętrzna (outer weight)” powinna łączyć treść pozycji, strukturę wewnętrzną, rzetelność oraz relacje z innymi zmiennymi. Dla interpretacji hasła „Waga zewnętrzna (outer weight)” żaden pojedynczy współczynnik nie dowodzi trafności całego zastosowania. W odniesieniu do hasła „Waga zewnętrzna (outer weight)” należy sprawdzić niepewność estymat, stabilność w istotnych grupach, jakość kodowania pozycji odwróconych i to, czy wynik jest wystarczająco precyzyjny dla decyzji grupowej albo indywidualnej.
Co trzeba opisać w raporcie?
W raporcie dotyczącym „Waga zewnętrzna (outer weight)” trzeba nazwać model pomiarowy, wskaźniki, sposób skalowania i użyty estymator. Przy ocenie hasła „Waga zewnętrzna (outer weight)” wyniki powinny obejmować właściwe estymaty z przedziałami ufności oraz dowody odpowiadające konkretnemu pytaniu o rzetelność lub trafność. W analizie dotyczącej hasła „Waga zewnętrzna (outer weight)” wszelkie progi należy uzasadnić, a decyzje o usunięciu pozycji powiązać z ich treścią.
Zakres raportowania dla hasła „Waga zewnętrzna (outer weight)”: Raportuj wagi z SE lub CI, VIF składników, skalowanie i kompletność domeny. Jeżeli wagi ustalono a priori, opisz źródło i analizę wrażliwości.
Przykład praktyczny i gotowa interpretacja
Sytuacja: W indeksie dostępności koszt ma wagę .43, a godziny otwarcia .12. Mała waga godzin może wynikać z informacji współdzielonej z innymi składnikami i nie musi uzasadniać usunięcia.
Jak ją zinterpretować: Waga opisuje względny wkład wskaźnika do kompozytu przy obecności pozostałych składników. Jej znak i istotność zależą od współliniowości; znaczenie treściowe i ładunek bezwzględny mogą przemawiać za zachowaniem składnika.
Najczęstsza pułapka i granica interpretacji
Nie interpretuj nieistotnej wagi jako dowodu zbędności. Usunięcie składnika może zmienić definicję całego kompozytu.
Wysoka wartość wskaźnika związanego z „Waga zewnętrzna (outer weight)” nie naprawia błędnej operacjonalizacji. Dla interpretacji hasła „Waga zewnętrzna (outer weight)” jakość pomiaru dotyczy określonej interpretacji wyniku w danej populacji i nie przenosi się automatycznie na inne zastosowanie.
Definicje, zalecenia interpretacyjne i sposób raportowania oparto na literaturze metodologicznej wskazanej w bibliografii (Hu i Bentler, 1999).
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)
- Hu, L., & Bentler, P. M. (1999). Cutoff criteria for fit indexes in covariance structure analysis: Conventional criteria versus new alternatives. Structural Equation Modeling, 6(1), 1–55. https://doi.org/10.1080/10705519909540118
- Bentler, P. M. (1990). Comparative fit indexes in structural models. Psychological Bulletin, 107(2), 238–246. https://doi.org/10.1037/0033-2909.107.2.238
- 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
- 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
- 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
- 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
Cytowania BibTeX
@article{hu1999sem, author={Hu, Li-tze and Bentler, Peter M.}, title={Cutoff criteria for fit indexes in covariance structure analysis}, journal={Structural Equation Modeling}, year={1999}, volume={6}, number={1}, pages={1--55}, doi={10.1080/10705519909540118}}@article{bentler1990cfi, author={Bentler, Peter M.}, title={Comparative fit indexes in structural models}, journal={Psychological Bulletin}, year={1990}, volume={107}, number={2}, pages={238--246}, doi={10.1037/0033-2909.107.2.238}}@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{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}}@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{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}}