“评估测量模型”报表的示例
确认性因子分析 (CFA) 模型支持您检验备选测量模型。“评估测量模型”报表提供用于量化检验和测度的可靠性和有效性的工具。结果包括指标可靠性、系数 Omega 和 H 以及构造有效性矩阵。
在本例中，您打算评估消费者数据调查的有效性和可靠性。您需要拟合以下五个潜在变量的确认性因子分析模型：隐私、安全、声誉、信任和购买意向。随后使用“评估测量模型”选项检验调查可靠性。
1. 选择帮助 > 样本数据文件夹，然后打开 Online Consumer Data.jmp。
2. 点击 SEM: CFA 脚本旁边的绿色小三角。
该脚本针对调查数据运行确认性因子分析模型。
3. 点击“模型规格”和“模型比较”旁边的灰色展开图标可隐藏这些报表部分。
图 8.13 CFA 模型的拟合汇总
“拟合汇总”报表中列出的该模型的卡方统计量为 808.11，自由度为 160。请注意相应的 p 值显著。这表明，有一些证据可以拒绝模型拟合良好这一原假设。不过，卡方统计量受样本大小影响极大，即使模型提供了对 200 到 300 个观测样本数据的良好拟合，卡方统计量也被证明是显著的。在本例中，样本大小为 843。因此，还应使用 CFI 和 RMSEA 拟合指数对模型拟合进行评估。在本例中，这两个指数一个大于 0.9，一个小于 0.1，都指示拟合良好。
4. 点击“结构化方程模型: CFA”旁边的红色小三角，然后选择评估测量模型。
图 8.14 CFA 模型的“评估测量模型”报表
“指标可靠性”图显示了潜在变量的平方标准化载荷以及可接受可靠性的建议最小阈值 (0.25)。您可以看到，两个与安全相关的问题和一个与声誉相关的问题在捕获相应潜在变量的变异性方面做得不太好。“安全_3”问题的值很低，因此可以删除它，而不会对构造的可靠性造成任何损失；而“安全_5”和“声誉_3”这两个问题可以进行修改，以提高其可靠性。
“复合可靠性”报表和“构造最大可靠性”报表分别显示每个潜在变量的系数 Omega 和 H。这些值的范围介于 0 到 1 之间，建议这些值约为 0.70 或更大。Omega 表示在观测到的复合得分中的潜在变量的方差比例。H 表示由指标表示的潜在变量方差的比例。通过这些测度，“安全”方面的 Omega 系数略低于建议的阈值 0.70，但它足够接近，可以认为该复合对于研究目的是可靠的。建议的阈值应在调查目标的上下文中使用；若您计划使用复合得分做出关于个体的决定，那么可靠性应该高于建议的阈值（大约 0.90 或更高），但若您计划将复合得分用于研究目的，那么阈值的下限是可以接受的 (Nunnally 1978)。“安全”和“声誉”的复合可靠性可以通过重点提高“安全_3”、“安全_5”和“声誉_4”等问题的指标可靠性来提高。
“构造有效性矩阵”报表提供了一种方式，用于确定潜在变量是否在测量您认为它们在测量的内容：请注意，在矩阵可视化视图中，“隐私”、“信任”和“购买意向”的对角线值大于它们上方和右侧的值。不过，对于“安全”和“声誉”却不是这样。这进一步证明，可以改进“安全”相关和“声誉”相关的问题以衡量“安全”和“声誉”潜在变量。
您可以得出结论：可以通过删除或修改一些与“安全”和“声誉”相关的问题来改进调查。
有关报表组成部分的详细信息，请参见评估测量模型。