Q. 對資料庫進行 data1-1.xls 中的五個構念的 CFA 的收斂效度檢驗、組合信度、AVE的考驗、以及區辨效度的考驗。

收斂效度檢驗

#=~ <-測量構面 =~ 原始題項

CFA_model <- ‘
涉入度 =~ a1+a2+a3+a4+a5+a6+a7
互動 =~ b1+b2+b3+b4+b5
信任 =~ c1+c2+c3+c4+c5+c6+c7
品牌形象 =~ e1+e2+e3+e4+e5+e6
購買意願 =~ f1+f2+f3+f4+f5

CFA1 <- cfa(CFA_model,data=Data[2:31])

# Number of model parameters 70 #總共要估計70個參數
#30題的因素負荷量+30個測量誤變異數+10個相關係數
#Test statistic 937.276 #卡方統計量,顯著
#(1+30)*30/15=31*15 再扣70個參數 =自由度 395

summary(CFA1)

#寫在 =~ 後的第一個會被視為maeker,Estimate為 1,
#ex a1 會被當作參考,去估計涉入度的分數
# a5 不顯著 P(>|z|) = 0.078

#Covariances共變數 ‘~~’
#Variances: 測量誤變異數 每一題除了因素負荷量扣掉後,剩下無法解釋的部分

#每一題都是一個簡單回歸,觀察題項都是依變量,潛在變項是解釋變數。
#涉入度 Estimate -> 0.983 潛在變項估計的變異數
#為甚麼是0.983 ? 由該題的定錨而來(a1~a7)

summary(CFA1,standardized=TRUE)

# Std.lv <- 潛在變項標準化
#Std.all 因素負荷量 <- 潛在變項以及觀察變項標準化,標準化負荷量,類似標準化迴歸係數的概念,不會大於1。
##文獻建議,Std.all 需大於0.7/0.5,表示有好的收斂效度
#可以發現 a5 Std.all只有0.096,所以a該題,無法反映涉入度(題目反映潛在變項)

 

#—————————————————————#
###選擇 因素負荷量最大當marker###

CFA_model2 <- ‘
涉入度 =~ a2+a1+a3+a4+a5+a6+a7
互動 =~ b2+b1+b3+b4+b5
信任 =~ c7+c1+c2+c3+c4+c5+c6
品牌形象 =~ e4+e1+e2+e3+e5+e6
購買意願 =~ f3+f1+f2+f4+f5
‘CFA2 <- cfa(CFA_model2,data=Data[2:31])

適配度指標

summary(CFA2,fit.measures=TRUE,standardized=TRUE)

#Test statistic 937.276
#Comparative Fit Index (CFI) 0.908
#Tucker-Lewis Index (TLI) 0.899
#RMSEA 0.060 (越小越好)
#90 Percent confidence interval – lower 0.055
#90 Percent confidence interval – upper 0.065
# SRMR 0.051(通常建議<0.05/0.06)

##刪除a5

CFA_model3 <-‘
涉入度 =~ a1+a2+a3+a4+a6+a7
互動 =~ b1+b2+b3+b4+b5
信任 =~ c1+c2+c3+c4+c5+c6+c7
品牌形象 =~ e1+e2+e3+e4+e5+e6
購買意願 =~ f1+f2+f3+f4+f5

CFA3 <- cfa(CFA_model3,data=Data[,c(2:5,7:31)])

適配度指標

 

summary(CFA3,fit.measures=TRUE,standardized=TRUE)

CR and AVE ##組合信度、AVE

library(semTools)
CR<- compRelSEM(CFA3) #composite reliability
CR

#組合信度

AVE<- AVE(CFA3)
AVE #平均的R^2 ,決定係數

##區辨效度
###AVE 開根號 > 相關係數

#相關係數在Covariances Std.all
#AVE 開根號 放入對角線
#若比較大,表示這兩者可能區別不開來
#該題中,信任跟互動區別效度不好,可能有些資訊是在一起的。
#文獻上 75% 須符合這個條件。 該題過關

20231031第八週-多變量作業