연구자들은 종종 매우 유사한 항목을 가진 두 가지 척도를 사용하고 서로 다른 것을 측정한다고 주장합니다 (예 : "저는 자동차를 둘러 볼 때 항상 걱정합니다"; "자동차가 두렵습니다"). 자동차 척도에 대한 자동차의 두려움 측정 및 불안에 대한 가상의 측정을 호출 할 수 있습니다. 그들이 실제로 다른 잠재 구조를 평가하거나 동일한 것을 측정하는 경우 경험적으로 테스트하는 데 관심이 있습니다.
내가 생각할 수있는 가장 좋은 두 가지 방법은 탐색 적 공장 분석 (EFA) 또는 확인 적 요인 분석 (CFA)을 통하는 것입니다. EFA는 모든 항목을 제약없이 자유롭게로드 할 수 있기 때문에 좋을 것이라고 생각합니다. 두 척도의 항목이 동일한 요인에로드되는 경우 측정 값이 다른 항목을 잘 평가하지 않을 수 있다고 결론을 내릴 수 있습니다. 그러나 사전 정의 된 모델을 테스트하기 때문에 CFA의 이점도 확인할 수 있습니다. 예를 들어, 모든 항목이 단일 요인에로드되는 모델 (즉, 서로 다른 구성을 평가하지 않음) 또는 항목이 예상 측정 값으로 분리되는 모델의 적합도를 비교할 수 있습니다. CFA의 문제는 대체 모델 (예 : 3 단계 모델)을 실제로 고려하지 않을 것입니다.
논의의 목적으로, 내가 혼합에 던지고 자하는 두 가지 매우 유사한 측정 (예 : 자동차 불안 설문지 및 자동차 공포 평가 척도)이있을 수 있음을 고려해 보자!
두 측정 값이 다른 구성을 평가하는지 통계적으로 가장 잘 판단하려면 어떻게해야합니까?
2
{E | C} FA의 대안은 다중 특성 다중 방법 접근법 입니다. 이것은 기본적으로 장단점을 가진 상관 관계 접근 방식에 기반하며 다음과 같은 스레드에서 논의되었습니다. stats.stackexchange.com/a/9944/930 ; stats.stackexchange.com/q/24418/930 .
—
chl
그렇습니다, 그것은 매우 흥미로운 접근법입니다! 불행히도, 우리는 일반적으로이 영역에서 한 가지 방법 만 사용합니다 (예 : 개별 자체 보고서 설문지).
—
Behacad
MTMM 기술은 밀접하게 관련되거나 유사한 구성을 평가하는 두 개의 서로 다른 기기에서 수집 된 자체보고 측정과 함께 사용할 수 있습니다. 대안적인 접근법에는보다 정교한 요인 분석 방법 및 구조 방정식 모델링이 포함됩니다.
—
CHL
이 리뷰를 포함하여 많은 논문이 있습니다 . 다형 다중 방법 데이터의 구조 방정식 모델링 : 다양한 유형의 방법에 대한 다른 모델 또는이 백서 일반적인 개념을 보여주는 WLSMV 추정기 를 적용한 순서 변수에 대한 구조 방정식 모델을 사용한 다중 특성-다중 방법 데이터 분석 . 그래도 연구의 맥락에 대한 더 나은 참조를 찾으려고 노력할 수 있습니다. 항목이 서수 (예 : 리 커트 유형)인지 이진인지, 샘플 크기 및 평가하려는 패싯 수인지 여부를 알려주시겠습니까?
—
chl
답장을 보내 주셔서 감사합니다! 설문지는 리 커트 유형 (일반적으로 5 가지 옵션이지만 일부는 4 가지)이 있습니다. 같은 것을 평가할 수도 있고 그렇지 않을 수도있는 4 개 또는 5 개의 설문지가있을 수 있으며, 이것을 경험적으로 테스트 해보고 싶습니다. 지금은 300 개의 샘플이 있습니다. 패싯의 수에 관해서는, 당신이 정확히 무엇을 의미하는지 (인자?) 모르겠지만 각 측정은 이론적으로 다른 것을 평가할 수 있으므로 (4-5 개의 다른 요인) 그들은 동일한 것을 평가하거나 (1 요인) 중에서! MTMM이 다른 잠재 구조를 평가하는지 판단하는 좋은 방법일까요?
—
Behacad