Słownik metodologiczny · Modele SEM

Zmienna jawna

Pełne wyjaśnienie, zastosowanie naukowe i praktyczne, przykład, dobre praktyki oraz gotowy zapis wyniku w APA 7.

Strona główna / Słownik / Zmienna jawna

Opracowanie merytoryczne: · Opublikowano: · Aktualizacja:

Co oznacza Zmienna jawna?

Zmienna jawna jest bezpośrednio obserwowanym wskaźnikiem, np. odpowiedzią na pozycję.
Co odróżnia to pojęcie? Zmienna jawna jest bezpośrednio zapisaną obserwacją, na przykład odpowiedzią na pozycję, wynikiem urządzenia lub kategorią. Może zawierać błąd pomiaru i nie musi być wolna od modelowych założeń. W diagramie SEM zwykle przedstawia ją prostokąt. Kilka zmiennych jawnych może być wskaźnikami jednego czynnika, ale pojedyncza suma skali również pozostaje obserwowanym wynikiem.

Zastosowanie, warunki i dobre praktyki

Najważniejsze zastosowanie: Wykorzystuj zmienną jawną jako bezpośrednio obserwowany wskaźnik, zachowując informację o jej błędzie i roli w modelu.

Zmienna jawna jest bezpośrednio obserwowaną kolumną lub wskaźnikiem, takim jak wiek albo odpowiedź na pozycję. Może jednak zawierać błąd pomiaru; w SEM trzeba wskazać, czy pełni rolę pojedynczego predyktora, wskaźnika konstruktu czy zmiennej kontrolnej.

Jak poprawnie stosować i interpretować hasło „Zmienna jawna”?

Przy ocenie pojęcia „Zmienna jawna” trzeba najpierw zdefiniować konstrukt, populację, przeznaczenie wyniku i model łączący konstrukt ze wskaźnikami. W odniesieniu do hasła „Zmienna jawna” dopiero potem dobiera się współczynnik lub kryterium. Przy ocenie hasła „Zmienna jawna” 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 „Zmienna jawna” powinna łączyć treść pozycji, strukturę wewnętrzną, rzetelność oraz relacje z innymi zmiennymi. W analizie dotyczącej hasła „Zmienna jawna” żaden pojedynczy współczynnik nie dowodzi trafności całego zastosowania. Dla interpretacji hasła „Zmienna jawna” 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 „Zmienna jawna” trzeba nazwać model pomiarowy, wskaźniki, sposób skalowania i użyty estymator. W odniesieniu do hasła „Zmienna jawna” wyniki powinny obejmować właściwe estymaty z przedziałami ufności oraz dowody odpowiadające konkretnemu pytaniu o rzetelność lub trafność. Przy ocenie hasła „Zmienna jawna” wszelkie progi należy uzasadnić, a decyzje o usunięciu pozycji powiązać z ich treścią.

Zakres raportowania dla hasła „Zmienna jawna”: Opisz wskaźniki, skalowanie czynnika, ładunki i dopasowanie.

Przykład praktyczny i gotowa interpretacja

Sytuacja: Odpowiedź 1–5 na pozycję „Czuję napięcie” jest obserwowaną zmienną jawną z własnym błędem i rozkładem.

Jak ją zinterpretować: Obserwowany zapis jest bezpośrednim wejściem do analizy, ale nadal może zawierać błąd, ograniczony zakres i problemy kodowania. W SEM prostokąt nie oznacza pomiaru bezbłędnego.

Najczęstsza pułapka i granica interpretacji

Bezpośrednia obserwowalność nie oznacza braku błędu, ograniczonego zakresu ani problemów kodowania.

Wysoka wartość wskaźnika związanego z „Zmienna jawna” nie naprawia błędnej operacjonalizacji. W analizie dotyczącej hasła „Zmienna jawna” 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

Hierarchiczna zmienna latentna (konstrukt wyższego rzędu)AIC i BIC w SEMAVE (średnia wyodrębniona wariancja)CFA (konfirmacyjna analiza czynnikowa)CFI (Comparative Fit Index)HTMT (heterotrait-monotrait ratio)

Poradniki, w których użyjesz tego pojęcia

Poradnik

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 →Poradnik

PLS-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 →Poradnik

PLS-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 studentów

Bibliografia i dalsza literatura naukowa (APA 7)

  1. 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
  2. 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
  3. 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
  4. 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
  5. 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
  6. 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}}
R