Оценка построить действия в организационных исследований - включает в себя приложения

Классические и современные методы анализа построить действия в сравнении, сопоставляя путем повторного анализа данных из организационной исследовательской литературы создать основу для оценки действия мер, используемых в организационных исследований. Кэмпбелл и Фиск (1959) критерии оказываются не хватает, особенно в своих предположениях, диагностическую информацию, и власть. Подтверждающие факторного анализа (CFA) показана для решения большинства ограничений, присущих Кэмпбелл и процедур в Фиск. Тем не менее, две потенциальные недостатки, определены методом CFA: смешение случайная ошибка измерения конкретных дисперсии и невозможность для проверки взаимодействия между черты и методы.

Три альтернативных методов представлены решения первого вопроса, и прямые модели продукт описывается как решение последней. Методы рассматриваются здесь идти дальше, чем используемые в настоящее время процедуры для повышения наших возможностей, чтобы подтвердить правильность переменных обычно изучали в организационных исследований .(*).

ВВЕДЕНИЕ

Любая мера, часто отражает не только теоретическая концепция интерес, но и погрешности измерений. Погрешность измерения, обычно признаются в качестве серьезной проблемой во всей области социальных наук (например, Фиск, 1982), можно разделить на случайные ошибки и систематические ошибки, такие, как метод дисперсии. Метод разница относится к Разница объясняется метод измерения, а не строить интересов, а также примеры архивных предубеждения, ключ-информатора предрассудков и ограничений, гало эффекты, социальной желательности, и молчаливое согласие. Каждая из двух компонентов ошибка может привести к серьезным влиянием смешанных на эмпирических исследованиях и дают ошибочным выводам (Campbell и Фиск, 1959). Случайная ошибка ведет к уменьшению наблюдаемых зависимостей между переменными в статистическом анализе и может вызвать ошибки в выводе.

В некоторых случаях, даже случайная ошибка раскрытие оценки параметров (Bagozzi, 1991). Метод разница может также смещения результатов за счет расширения наблюдаемых отношений между переменными измеряется с помощью общего метода ..

Потому что ошибки измерений (например, случайные ошибки и метод дисперсии) обеспечивают потенциальную угрозу действительность результатов исследований, очень важно для проверки мер и отделить искажающее влияние этих ошибок, прежде чем проверять теории. Это может быть достигнуто с помощью нескольких мер и комплексных методов измерения (Кэмпбелл и Фиск, 1959). С помощью одной мерой не позволяет принимать погрешность измерения во внимание при анализе. Кроме того, с одного метода один не может различать основной (т.е. признака) отклонение от нежелательных разница метод, потому что каждая попытка определить понятие загрязнен побочными аспекты метода.

Построить действительностью, которая определяется в широком смысле, как, в какой степени практической меры концепции предполагается меры (например, Кук и Кэмпбелл, 1979), был одним из качестве центральной проблемы в организационных исследований (например, Уэбб и Вейк , 1979; Шваб, 1980; Митчелл, 1985). Учитывая многочисленные меры, полученные с различных методов, построить утверждение может быть сделано с multitrait-мультиметодным (MTMM) матрица, корреляционная матрица для различных понятий (признаков), когда каждая из концепций определяется различными методами (Campbell и Фиск, 1959). Без оценки действия построить один не в состоянии оценить и исправить, для смешанного влияния случайных ошибок и метода вариаций и результаты теории тестирования могут быть неоднозначными.

Основное внимание в этой связи была сосредоточена на метод разница, где он часто утверждал, что такие эффекты "широко распространенной, вездесущий" (Фиск, 1982: 82). Значительные дискуссии можно найти по обе стороны вопроса, как в пределах общего метода на практике. Спектор (1987) переосмыслены 11 наборов данных, касающихся удовлетворения от работы и пришел к выводу, что мало доказательств того, для метода дисперсии. Он обнаружил, что в 10 из 11 наборов данных, "способ разница была несущественной и чрезвычайно малой величиной" (Спектор, 1987: 440). В отличие от Уильямс, Кот и Бакли (1989) пересмотрел те же данные, но к выводу, что значительное расхождение метод присутствует в 9 из 11 наборов данных, на которые приходится 25 процентов от разницы в мере, в среднем ..

Как это возможно, что исследователи, может достигать противоположным выводам при рассмотрении того же вопроса на тех же данных? Одной из проблем является то, что вышеупомянутые исследователи использовали различные процедуры для изучения построить действия. Спектор (1987) опирался на классические критерии выступают Кэмпбелл и Фиск (1959), в то время как Уильямс, Кот и Бакли (1989) использовали подтверждающего факторного анализа. Эти процедуры основаны на различных наборах допущений и может привести к различным выводам.

Может быть, не должно быть ничего удивительного, что разные выводы могут возникнуть при оценке построить действительности, поскольку никаких четких стандартов можно найти в литературе для анализа и интерпретации MTMM матриц. Хотя по крайней мере десять различных процедур были предложены для анализа MTMM матриц, каждая из них построена на другом наборе допущений, и каждый подходит только при определенных обстоятельствах. (1) К сожалению, на сегодняшний день существует мало указаний о том, когда и как выбрать одну из этих процедур. Отдельные статьи в обоих психометрических и прикладной литературы как правило, сосредоточены только на один порядок и дать мимоходом альтернатив без учета в полной мере стандарты и компромиссы каждого из них.

Кроме того, мало интегративной критические комментарии существует подходов. Как следствие, у нас нет единого подхода к построить действия, а тело знаний, отраженных в эмпирическая работа, а по частям и безрезультатным ..

Одна из целей настоящей статьи, является обеспечение системной основы для изучения действия построить в организационных исследований. Начнем с классических критериев, предложенных Кэмпбелл и Фиск (1959) и обеспечивают четыре эмпирических иллюстраций, которые используются в дальнейшем в этой статье, чтобы показать, что типа I и II ошибки возможны, когда критерии применяются. Далее, мы считаем, подтверждающего факторного анализа (CFA) модели, отмечают его преимущества по сравнению с Кэмпбеллом и Фиск (1959) критерии и иллюстрировать его особенности на тех же четырех наборов данных, указанных выше. После этого вопрос о проклятый случайная ошибка с конкретным Разница обсудили, и три решения исследовали: второго порядка подтверждающего факторного анализа (SOCFA) модель с мерами загрузки непосредственно на черта и метод факторов (Anderson, 1987 (, подтверждающих иерархической факторного анализа (HCFA) модели с загрузкой меры косвенно признаков и метод факторов (Марш и Hocevar, 1988) и первого порядка нескольких осведомителя, многочисленные дня (FOMIMI) модели с отдельными факторами черты, методы и меры специфичности (Kumar и Диллон, 1990) ..

Все упомянутые подходы до сих пор исходят из того, что свойства и методы, самостоятельно производить изменения в меры, последствия, как предполагается, будет добавка. Когда признаки и методы взаимодействия в их воздействия на меры - такие, что чем выше ассоциации между черты, тем больше метод воздействия - нужен новый подход. В связи с этим мы вводим прямые модели продукта (Браун, 1984) и показать, как она относится к организационной данных в определенных случаях. Хотя лечения построить действия в организационной литературы поведении подчеркнул метод предубеждения, мы обращаем особое внимание на протяжении нашей презентации также конвергентные и дискриминантного действия и как черта, метод и ошибки эффекты связаны с этими свойствами.

Нашей целью является показать, что анализ построить действия является очень сложной и многогранной деятельности, а также ряд ошибок проживают по всей ведущих apdproaches к этому вопросу. Прежде чем исследовать различные методы исследования построить проверки, мы предлагаем краткий анализ исследований в области организационных исследований, обращая особое внимание на использование ключевых информаторов для измерения свойств организации. Основными источниками информации являются одним из наиболее часто используемых транспортных средств для изучения действия построить понятий в научно-исследовательской организации, а также принципов, изложенных в равной степени применимы к другим методам, таким, как использование архивных отчетов ..

Ключевые Информаторы и строительства проверки

Ключевых информаторов метод техника для сбора информации об организации и коллективы (например, Seidler, 1974). Информаторы выбираются на основе конкретного квалификаций, таких как специальные знания или позиции в организации. Вместо того, чтобы отчетность о своих личных чувств или мнений, основными информаторами предоставить информацию о свойствах организаций, их взаимоотношения с другими организациями, или другие группы или сводные данные (например, Campbell, 1955). Организационные исследователи использовали метод для получения знаний по организационной структуре (например, Хаге и Айкен, 1967), технологии (например, Хаге и Айкен, 1969; Khandwalla, 1974), охраны окружающей среды (например, Лоуренс и Лорш, 1967; Дауни Hellriegel и Слокум, 1975), внутренние отношения власти (например, Hinings и др.., 1974; Саланчик и Пфеффер, 1974), и внешних связей обмена (например, Шмидт и Кочан, 1977; Молнар и Роджерс, 1979) ..

В последние годы исследователи выразили озабоченность по поводу потенциальных источников ошибок измерений в информатора докладов. Основными источниками информации часто спрашивают, для выполнения сложных задач, решения, касающиеся организационных концепций, таких как экологические проблемы, внутренняя структура, власть и конфликтов. Больше, чем обычное количество случайных ошибок, скорее всего, потому что информаторов просят сделать выводы о макро-уровне явлений или выполнить скопления в отношении лиц, задачи, организационные подразделения, или события, которое производит ненадежных ответов (например, шелка и Kalwani, 1982) . Возможно, еще более трудный являются источниками неслучайной (например, систематическое) ошибок. Завышение или занижение некоторых явлений может происходить в зависимости от информатора позицию, продолжительности пребывания в организации, удовлетворенность работой, или другие личные или роль характеристиками (например, Патчен, 1963; Seidler, 1974).

Кроме того, факторы, связанные с трудностью наблюдения или характер организационной связи можно объяснить и неслучайных ошибок, таких, как размер и сложность организации, объем информации источников, а также нестабильности внешних и внутренних изменений (например, Seidler , 1974; Хьюстон и Садман, 1975). Мы используем термин "метод ошибок" в данной статье для обозначения случаев такие источники неслучайных ошибок. В той степени, что случайные ошибки и искажения метод решения ключевых информаторов, соответствие между мерами и концепции будут затронуты, и построить действия будут страдать ..

Возможно, из-за трудностей с получением многочисленных мер организационно концепций, а также сложность и отсутствие указаний в выборе построить методах проверки, возникает соблазн отказаться от официальной оценки случайных и ошибки метода и приступить непосредственно к испытаниям гипотез содержащих теоретические представления интересов . В конце концов, если предсказания теории, рожденных вне, разве это не доказательство того, что меры должны быть действительными? Можно утверждать, что эта аргументация является ошибочным, поскольку, казалось бы, успешных испытаниях любая теория может почивать на скрытые предубеждения в том, как были получены меры и их последствия для статистических выводов. Это иногда признается, что предубеждения, связанные с общей метод используется для определения мер по независимые и зависимые переменные могут искусственно увеличить ассоциации наблюдается в нем (например, Фиск, 1982).

Несмотря на озабоченности, связанной погрешность измерения в информатора докладов, исследований, существующих в организационной предлагаем исследований мало доказательств, чтобы документировать их действенность, измерений (Phillips и Bagozzi, 1986). В частности, это связано с тем, что следователи правило, отбираются только один осведомитель на единицу анализа и полагались на это меры организационного свойства (например, Лоуренс и Лорш, 1967; Блау и Schoenherr, 1971; ребенка, 1973; Hinings и др. др.., 1974). Когда только один показатель используется для каждого понятия в теории, невозможно выяснить надежность, кроме того, метод предубеждения, если таковые будут смешивать с мер. Даже когда несколько информантов были использованы для предоставления информации, эта практика была либо игнорировать оценки построить действия вообще (например, Хаге и Айкен, 1969; Шмидта и Кочан, 1977; Молнар и Роджерс, 1979) или сосредоточить внимание только на конвергентные действия мер по единому замыслу, тем самым игнорируя дискриминанта действия (например, Hinings и др.., 1974; Патчен, 1974 Ташман, 1977).

Кэмпбелл и КРИТЕРИИ Фиск'S

Кэмпбелл и Фиск (1959) предлагается два аспекта построить действия: конвергентных и дискриминантного действительности. Конвергентная достоверность степень, в которой многочисленные попытки измерить ту же концепцию в соглашении. Идея заключается в том две или более мер то же самое должно covary высоко, если они являются действительными меры концепции. Дискриминантный действительность, в какой степени меры различных концепций различны. Понятие, что если два или более понятий являются уникальными, то действенных мер каждого не должно коррелировать слишком высоко.

Чтобы сделать официальное идеи, содержащиеся в определениях конвергентных и дискриминантного действия, Кэмпбелл и Фиск (1959) разработали четыре Десайдрата на основе проверки MTMM матрицы. Во-первых, сходящихся действия достигается при monotrait-heteromethod корреляции между теми же чертами различных методов (например, "действительность диагональные" значения) "существенно отлична от нуля и достаточно больших" (Campbell и Фиск, 1959: 82). В следующих трех критериев являются необходимыми условиями для создания дискриминанта действительности. Во-первых, monotrait-heteromethod корреляции должны быть больше, чем heterotrait-heteromethod корреляций между различными характеристики, измеряемые разными методами.

То есть, действия диагональных значение должно быть выше, чем значения, лежащие в ее строк и столбцов в heterotrait-heteromethod треугольников. Во-вторых, monotrait-heteromethod корреляции должны быть больше, чем heterotrait-монометода корреляций. То есть, переменная должна коррелировать с высшей независимой попытки измерить же особенность по сравнению с другими чертами измеряется с тем же методом. Наконец, те же картины признака взаимные корреляции должно привести, как в heterotrait-монометода треугольников и heterotrait-heteromethod треугольников. Удовлетворение этого критерия предполагает, что основные черты действительно взаимосвязаны, а невыполнение этого критерия следует, что наблюдается корреляция между характеристики, измеряемые с помощью данного метода связано с методом смещения ..

Иллюстрация Камбелл и порядок в Фиск

Для иллюстрации Кэмпбелл и (1959) процедуры Фиск и обеспечить фон для презентации новых подходов позже в этой статье, мы применили процедуру четыре репрезентативные данные множества найти в литературе организационных исследований. Приложение представляет MTMM матриц для этих данных. В каждом MTMM матрицы, heterotrait-монометода треугольники отображаются в виде сплошных линий, а heterotrait-heteromethod треугольников изображаются в виде пунктирных линий. В таблице 1 приведены результаты для Кэмпбелл и критерии в Фиск.

[ТАБЛИЧНЫЙ DATA опущены]

Bagozzi и Филлипс (1982) изучали с использованием компьютеров в 506 оптовых дистрибьюторских компаний в учебные программы для торгового персонала, прогнозирования продаж, учет / управление запасами, и финансовый анализ. Два ключевых информаторов - один главный исполнительный директор (CEO), второе либо одного подчиненного или среднем несколько подчиненных где это возможно - были использованы для измерения использования компьютеров в каждой фирмы. В нашем анализе, мы относимся информаторов, методы и использования компьютеров в вышеупомянутых четырех областях, как черт.

Результаты (см. первую строку табл. 1) показывают, что конвергентные действия достигается тем, что все четыре monotrait-heteromethod корреляций (например, .46, .55, .82, .74) от действия диагонали (см. Приложение) велики и существенно отличается от нуля (р <.01). Первый критерий дискриминанта действия также удовлетворен тем, что каждый monotrait-heteromethod корреляции больше, чем каждый корреляции лежал в своей строке и столбце heterotrait-heteromethod треугольников (указано пунктирными линиями в Приложении). Этот критерий охватывает в общей сложности 24 сравнений, а все различия в корреляции являются статистически значимыми (р <.05). Например, действия диагональных значение .46 за первый признак значительно выше, чем соответствующие значения в heterotrait-heteromethod треугольников (т. е. больше, чем .25, .07, .12, .17, .13).

Применение дискриминантного второй критерий действительность показывает, что 23 из 24 (95,8 процента) сравнений каждого действия диагональных соотношении с его соответствующей записи в heterotrait-монометода треугольников (сплошные треугольники) производства статистической значимости (р <.05) в нужном направлении . Например, действия диагональных значение .74 четвертый признак значительно выше, чем .27 .38 и в heterotrait треугольника по методу 1, но на самом деле меньше, чем соотношение между .75 меры третьей и четвертой черт, Метод 1, что свидетельствует о нарушении в один второй критерий дискриминанта действия ..

Тем не менее, потенциальные проблемы с Кэмпбеллом и критерии Фиск должна быть очевидной в этой точке. Многое неопределенность существует в критерии определения того, что представляет собой положительные результаты. Мы остались с задачей определения, является ли доля отказов является приемлемым. Правило необходимо для принятия решений, что является невыполнением критериев. Потому что не существует общепринятого стандарта, мы будем принимать .05 уровне, как правило в данной статье, то есть, если доля отказов превышает 5 процентов, приходим к выводу, что нарушения не могут быть отнесены на волю случая. (2) Применяя это правило для второй дискриминантной критерий действительности, мы видим, что одинокая нарушение меньше, чем, что может произойти путем изменения (р = 1 / 23 = .04 <.05), поэтому критерий выполняется. .

Наконец, модели корреляции во всех heterotrait треугольников в обоих монометода и heteromethod треугольники по сравнению с использованием коэффициента Кендалла согласования. Результаты показывают, что третий критерий дискриминанта действия выполнено. То есть, можно отвергнуть гипотезу, что характер корреляций нестройный: [X.sup.2] (5) = 17,8, р <.001.

Во втором исследовании, Филлипс (1980) использовали ключевых информаторов методологии для определения степени использования компьютеров в 205 дистрибьюторских компаний в области прогнозирования, бухгалтерского учета и финансовой практики. Два информаторов - генеральный директор и подчиненные - представлена информация о каждом из трех признаков. Но в отличие от Bagozzi и Филлипс (1982), которые собираются с нескольких объектов для их меры признаков, Филлипс (1980) использовали элементы непосредственно в многочисленных показателей каждого признака (см. Приложение). Как мы покажем ниже, эти данные позволяют применение новой модели (модель FOMIMI) в MTMM, которая не применяется в организационных исследований.

Как показано на второй строке таблицы 1, Филлипса (1980) данные удовлетворяют конвергентных действия тем, что все действия диагональных корреляции большие и статистически значимым. Аналогичным образом, первый критерий дискриминанта действия выполняется в том, что 59 из 60 (98,3 процента) сравнений выявить различия между надлежащего действия диагональных корреляции и их соответствующие записи в heterotrait-heteromethod треугольников (см. Приложение). Единственным нарушением критерия меньше, чем можно было бы ожидать случайно (р = <.05). Рассмотрение второго дискриминанта критерий действия показывает, что 8 из 60 (13,3 процента) сравнений между нарушил действия диагональных корреляции и их соответствующие записи в heterotrait-монометода треугольников.

Это происходит, сверх того, что можно было бы ожидать случайно (р> .13) и тем самым указывает на отказ от дискриминанта действительности. Наконец, один не может отбросить предположение, что картина корреляций в heterotrait треугольников нестройный [т.е. [X.sup.2] (14) = 23,7, р> .05]. Таким образом, третий критерий дискриминанта действия также не ..

Третье исследование, Жилле и Шваб (1975), исследовали удовлетворенность работой производственных рабочих. Четыре черты или размеры удовлетворения от работы, были измерены (касающихся заработной платы, продвижения по службе, надзора и сотрудниками) двумя способами (работы указателя и Анкета удовлетворенности Миннесота). Как можно видеть в третьей строке таблицы 1, все четыре критерия построить действия выполняются в соответствии Кэмпбелл и (1959) процедуры в Фиск.

В четвертом исследовании, Данэм, Смит и "Блэкберн" (1977) рассмотрел также удовлетворение от работы первого уровня руководителей и сотрудников продаж в розничной организации. Четыре черты (удовлетворение в связи с контролем, сотрудники, финансовые вопросы, и карьера будущего) были измерены четыре методами (индекс Организационные реакций Лица, весы, Работа указателя, и Миннесота удовлетворенности Анкета). Четвертой строки таблицы 1 показывает, что конвергентные действительности и первый и третий дискриминанта критериев действия не будут удовлетворены. Тем не менее, 30 из 144 (27,1 процента) сравнений выявлены нарушения из критерия между сравнения действия диагональных корреляции их соответствующие записи в heterotrait-монометода треугольников.

Выводы, приведенные в таблице 1 показывают, что таким образом, конвергентные и дискриминантного действия достигается для данных Bagozzi и Филлипс (1982) и Жилле и Шваб (1975), а дискриминант действия не выполняется для данных Филлипс (1980) и Данхэм, Смит и Блэкберн (1977). Обратите внимание, что эти выводы основаны исключительно на применении Кэмпбелл и Фиск (1959) критериев.

Интерпретация Кэмпбелл и процедуры в Фиск

Хорошо ли Кэмпбелл и критерии Фиск в опираться? Один из ответов на этот вопрос можно решить путем оценки предположения, лежащие Кэмпбелл и критерии в Фиск. Три предположения заслуживают внимания, а именно: критерии основаны на том, что помещения "Есть корреляции между чертой и метод факторов; ... все признаки, в равной степени зависит от метода факторов и ... метода факторы не коррелированы" (Шмитт и Стултс, 1986: 2). Первое предположение не может быть необоснованным на практике, а черты и методы часто несмешанная. Второе и третье предположения маловероятны в большинстве контекстов. Меры признаков будет дифференциально пострадавших от методов степени неоднородности черты и методы.

Взаимные корреляции между методами трудно избежать, а и, как мы покажем ниже, все методы в рамках каждого из вышеуказанных исследований достоверно коррелирует на средние и высокие показатели. Кроме того, метод эффектов, которые часто значительное, значительно различаются по величине. Следовательно, есть основания сомневаться в обоснованности предположения присущие Кэмпбелл и процедуры Фиск в ..

Еще одна проблема, с Кэмпбеллом и порядок Фиск считает, что нет четких стандартов предназначены для выяснения, насколько хорошо критериев, как уже упоминалось ранее. Вместо этого, только эмпирические правила предложил, которые зависят от качественной оценки числа подтверждение и опровергающей случаев сравнения соотношений, вытекающих из критериев в MTMM. Концентрируя внимание на количество раз выбрали корреляции больше, чем некоторые другие, Campbell и порядок Фиск в пренебрегает значение различий в величинах между парами соотношений. Величины являются функциями степени сходящихся и дискриминантного действительности.

Еще один недостаток Кэмпбелл и процедуры Фиск считает, что никакая информация не предоставляется в отношении отдельных сумм изменения в меры из-за черты, методы и случайных ошибок. Напротив, все эти проклятые в сыром корреляции между мерами.

Каждый из вышеупомянутых недостатков с Кэмпбеллом и порядок Фиск в пределах его полезность, но могут быть смягчены. Теперь мы переходим к первому, что можно было бы назвать второго поколения методов для приближения построить действия. После анализа наборов данных представлены в таблице 1 иллюстрирует несколько возможных результатов в отношении представления выводов о построить действия. Например, в одном случае, Кэмпбелл и процедуры Фиск предполагает, что строить действия должны быть отвергнуты, мы показываем, что построить действия на самом деле достигнуты. Для других случаев, в которых достижения построить действия проводятся на основе Кэмпбелл и процедуры Фиск, мы показали, что, хотя выводы о построить действия носят устойчивый характер, интерпретация метода и черта эффектов является неверным.

Подтверждающие ФАКТОР ANSLYSIS

Модель CFA является мощным методом для решения построить действия и делает меньше допущений и обеспечивает большую диагностическую информацию о надежности и достоверности, чем Кэмпбелл и критерии в Фиск. В отличие от Кэмпбелла и (1959) процедуры Фиск в модель CFA позволяет методами влиять меры признаков в разной степени и свободно соотнести между собой. Кроме того, модель CFA дает следующие преимущества: (1) меры общего степени соответствия предоставляются в каждом конкретном приложении (например, хи-квадрат добро "подгонки" тест), (2) полезная информация поставляется в виде в том и насколько хорошо сходится и дискриминант действия достигается (т. е. через хи-квадрат испытаний разница, величина коэффициента нагрузки для признаков, а также расчеты на черта корреляции), и (3) явные результаты доступны для перегородки разница в черту , метод и ошибки компонентов (например, через квадрат нагрузки фактора и дисперсии ошибки) ..

Интуитивное описание модели CFA можно увидеть по ссылке, на рисунке 1, где мы взяли на оптовой распределения исследования Bagozzi и Филлипс (1982) в качестве иллюстрации. Четыре функциональных предположить использование компьютеров - в обучении, прогнозирования, учета и финансового анализа - и два ключевых информаторов методы - генеральный директор и подчиненный (ы) - изображаются в виде овалов. Они соответствуют факторов факторного анализа. Обратите внимание, что каждое функциональное использование компьютеров связано с двумя ящиками со стрелками. Окна представляют собой фактические ключевых информаторов докладов, в которых в общей сложности восемь измерений 9drawn Ю. С.) результат четыре использование компьютеров, как это предусмотрено два информантов в каждой организации.

Каждое измерение имеет три стрелы, заканчивающийся в нее. Стрелки с функциональным использованием компьютеров мер выступают за расхождения в отчетах из-за основополагающих использования; восемь [лямбда-с], связанных с этими стрелы фактор нагрузки, касающиеся черта факторов наблюдается мер. Стрел из двух методов меры отражают разница из-за соответствующего информантов, восемь [лямбда-с] при этих стрелы фактор нагрузки, касающихся метода факторов наблюдается мер. Восемь коротких стрел [[эпсилон]. Sup.i] у истоков представляют собой различия в мерах из-за случайных ошибок. Наконец, изогнутые линии, соединяющие пары факторы свидетельствуют о корреляции между факторами и обозначаются как [[PSI]. Sub.jk '], согласно конвенции ..

Если интерпретировать каждую меру, как наблюдение, изменение которых мы хотим объяснить, мы можем интерпретировать модели CFA на рисунке 1 показаны в качестве источников, что различия в трех смыслах: например, из-за изменения признака (функционального использования компьютеров), метод (руководитель или подчиненный) и ошибки (необъяснимых случайных колебаний). Задача состоит в том, чтобы сделать эту перегородки изменения более формальный и предоставлять статистические критерии для выполнения выводов. Теперь мы переходим к наброски статистической модели, лежащие в основе отношений показано на рисунке 1.

[ТАБЛИЧНЫЙ DATA опущены]

Общий вид модели CFA для MTMM с т ы черты и методы могут быть выражены через две системы уравнений (например, Уэртс и Линн, 1970; Joreskog, 1974):

[Математических выражений Опущено]

где [ипсилон] является вектором г, наблюдается меры для г черты и с методами, [] = т. [PSI] [тау] [PSI] [му] является (г) X 1 вектор признаков и метод факторов, [эпсилон ] является вектором г, невязок [ипсилон], [сигма] является г, г, X подразумевается ковариационной матрицы для [ипсилон], [PSI] [тау] является г г X корреляционной матрицы для качества, [PSI] [му] это с X с корреляционной матрицы в методах, [тета] является г, г, X диагональная матрица уникальный разницы для [] эпсилон, [лямбда] [тау] = [[[лямбда]. sub.1], [[лямбда] . sub.2 ],...,[[ лямбда]. sub.s]], [[лямбда]. sub.j] является г г X диагональная матрица с чертой фактор нагрузки для г черты измеряется J -го метода, а

[Математических выражений Опущено]

где [[лямбда]. sub.j] является R х 1 вектор фактор нагрузки для /-го метода. Применение модели КФА MTMM данных позволяет для проверки, и разница в раздел, признак, метод и случайные ошибки. Они находятся, соответственно, в квадрате нагрузки фактором [лямбда] [тау] и [лямбда] [му] и [тета].

CFA модели могут быть оценены с помощью LISREL (Joreskog и Sorbom, 1989). Общий приступ модель может быть проверена с помощью максимального правдоподобия хи-квадрат статистика приводится в выходной LISREL. Если предположить, что модель является действительным и что наблюдаемые меры последующей многомерного нормального распределения, статистика асимптотически распределена как хи-квадрат переменной и связанные с ним степенями свободы. Меньшие хи-квадрат значения указывают лучше установки моделей, и значительная хи-квадрат показывает, что можно принять (не в состоянии отвергнуть) модели. Можно также тест на значимость отдельных оценки путем рассмотрения т-ценностей, которые являются оценки параметров разделить их стандартные ошибки.

Оценки параметров Т-значения больше чем на ~ 2,00 ~ являются значительными на уровне .05. Кроме того, когда две модели являются вложенными, чтобы одна модель может быть создана с другой модели путем введения дополнительных ограничений, разница между этими двумя хи-квадрат ценностей также распространяется как хи-квадрат с степенями свободы, равна разнице между степеней свободы для двух моделей. Хи-квадрат разницы тест может быть использован для оценки значимости параметров, различие между двумя моделями. Как отмечается ниже, спецификации и сравнение моделей вложенных средств в расследовании построить действия ..

После Уидаман (1985), четыре CFA моделей могут быть проверены и по сравнению с выхода значимых испытания гипотез:

Модель 1: Модель предполагая, что только уникальные разницы в меры свободно оценки (называется нулевой модели).

Модель 2: модели предполагая, что изменение меры могут быть объяснены вполне признаками, а также случайные ошибки (назвал только черта модели).

Модель 3: модель hjypothesizing, что изменение меры могут быть объяснены вполне методами плюс случайная ошибка (называется метод только для модели).

Модель 4: модель предполагая, что изменение меры могут быть полностью объяснены в особенности, методы и случайные ошибки (назвал черта-метод модели).

Модель 4 (черта-метод модели), по сути, гипотезы, являющихся следствием уравнений (1) и (2). Эта модель предполагает, что оба метода черта и факторы, необходимые для объяснить различия в этих мер. Модели 1-3 являются частными случаями формируется за счет ограничения некоторых параметров модели 4. Модель 1 предполагает, что наблюдаемые меры коррелируют нуля в генеральной совокупности. Это базовая модель и предполагает, что никакая информация не приводится в MTMM матрицы. Модель 2 (признак только для модели) ограничивает все нагрузки в работе [лямбда] [му] к нулю (т. е. никаких эффектов метода факторы предположили). Эта модель предполагает, что метод разница является незначительной, и меры, которые отражают лишь черта и дисперсии ошибки.

Модель 3 (метод только для модели) ограничивает все нагрузки в работе [Ламба] [тау] к нулю (то есть, ни последствий черта факторы предположили). Обратите внимание, что нулевой модели вложенных в обоих метод только и только черта модели, в то время как метод только и только черта модели вложены в модели черта-метод. Следовательно, хи-квадрат испытаний разница может быть использована для проверки черту, метод или признаков и метод разница присутствуют. В частности, проверкой значения признака дисперсии осуществляется путем сравнения хи-квадрат испытаний между моделями 1 и 2 и между моделями 3 и 4. Кроме того, испытания значение метода дисперсии осуществляется путем сравнения моделей 1 и 3, а также моделей 2 и 4 ..

Иллюстрация, подтверждающий факторный анализ модели

Мы обратились четыре CFA моделей, представленных выше наборов данных показано в Приложении А, с помощью программы LISREL (Joreskog и Sorbom, 1989) (см. Боллен, 1989, за превосходное описание процедуры и ее сильные и слабые стороны). Таблица 2 суммирует результаты.

Первое, что необходимо также отметить, что модель с CFA черты и методы подходит к удовлетворению данных в Bagozzi и Филлипс (1982) и Жилле и Шваб (1975); черта-метод модель подходит плохо для данных Филлипс (1980) и Данхем, Смит, и "Блэкберн" (1977). Это можно увидеть в хи-квадрат добро "подгонки" испытаниям, указанным в таблице 2. Таким образом, хотя можно провести и интерпретировать хи-квадрат разницы испытаний сравнения моделей 1-4 для всех наборов данных, интерпретация конвергентных и дискриминантного действительности и перегородки признака, метод и дисперсии ошибки в данных Филлипс (1980) и Данхэм, Смит, и "Блэкберн" (1977) должны быть

[ТАБЛИЧНЫЙ DATA опущены]

омрачены осознанием того, что общее добро "подгонки" меры пункт бедных подходит.

В таблице 2 также приведены результаты для хи-квадрат испытаний разница. Сравнение моделей 1 и 3 показывает, что внедрение метода факторы значительно снижает хи-квадрат значение в каждом наборе данных, что свидетельствует о значимых усовершенствований по сравнению с нулевой модели будут достигнуты. Кроме того, сравнение моделей, 2 и 4 показывает, что внедрение метода факторов обеспечивает значительные улучшения по сравнению черта только модели для всех наборов данных, подтверждающих необходимость включения метода воздействия. Кроме того, сравнение моделей 1, 2 и 3 модели и 4 показывают, что введение черта факторов приводит к значительному улучшению насадки на нуль и метод только для моделей, соответственно. Таким образом, хотя величины хи-квадрат разницы испытания показывают, что черты объяснить больше, чем разница в методах четыре наборов данных, как черты и методы, необходимые в окончательный анализ ..

Таблица 3 показывает отдельных параметров оценки и перегородки вариации для данных. Все факторные нагрузки на признаки и методы имеют большое значение. Тем не менее, один параметр в модели Жилле и Шваб (1975) - то есть, коэффициент загрузки ([лямбда] = 1,14) за удовлетворение в связи с контролем мера Работа указателя - показал ненадлежащего решения, в том, что стандартизированные коэффициент загрузки не должен превышать 1,00. Потому что ненадлежащее решений, которые определяются либо как нелогичное оценки параметров или тех, вне пределов досягаемости обычных приемлемости (например, отрицательная разница или корреляции превышает 1.00), нередко возникает в результате неправильного модели (например, Ван Driel, 1978), они предоставляют полезную информацию об адекватности модели (см. Bagozzi и Yi, 1990).

Это говорит о том, что модель с CFA черты и методы должны быть отклонены по данным Жиллетт и Шваб (1975), несмотря на удовлетворительное общее добро "подгонки меры для данной модели. Как мы покажем ниже, когда будем рассматривать noncentralized нормированного индекса подходят и вопрос о практической значимости, неправильного решения может быть результатом overfitting факторов метод данным ..

Разложение дисперсии из-за черту, метод, и ошибок сделали, изучив квадрат нагрузки фактором [[Lambda]. Суб. [Тау]] и [[Lambda]. Суб. [Му]] и уникальный отклонений в работе [фи] , соответственно (они приведены в таблице 3). Например, сумма общего метода можно оценить путем вычисления квадратов нагрузок для метода факторов. Выполнение этих операций приводит к следующим результатам за черту, метод и дисперсии ошибки. Установлено, что метод эффекты отличаются друг от друга в рамках исследования. В частности, метод разница колеблется от 4 до 50 процентов в Bagozzi и Филлипс (1982), 13 процентов до 46 процентов в Филлипс (1980), 4 процента до 48 процентов в Жилле и Шваб (1975), и 3 процента до 100 процентов в Данхем, Смит, и "Блэкберн" (1977).

Таким образом, неявные предположения Кэмпбелл и (1959) процедуры Фиск о том, что все признаки, в равной степени зависит от факторов метод не выполняется для наборов данных рассматриваются. Кроме того, количество метода разница окажется значительной в каждой из четырех наборов данных. В среднем, доля вариации меры объяснил методом разница составляет 20 процентов в Bagozzi и Филлипс (1982), 27 процентов в Филлипс (1980), 24 процентов в Жилле и Шваб (1975), и 42 процентов в Данхэм Смит, и "Блэкберн" (1977). Можно также использовать отдельные оценки общего метода для определения меры проблематичным с чрезмерным смещения метода. В Bagozzi и Филлипс (1982), например, решение подчиненного использования компьютеров в прогнозировании видимому, имеет значительный уклон метод (53 процентов) ..

Конвергентная действия могут быть оценены путем проверки оценки признака дисперсии (т. е. квадрат нагрузок для черта факторов). Потому что конвергентные действия определяется как соглашение между меры одного и того же признака, черта разница отражает количество общих для изменения меры общая черта, следует указать степень конвергентных действия (Уидаман, 1985). Все факторные нагрузки для чертами являются статистически значимыми, что указывает на конвергентные действительность была достигнута. Количество черта Разница может быть также тщательно, чтобы обнаружить проблемные участки. В Bagozzi и Филлипс (1982), например, несмотря на решения генерального директора по использованию компьютеров в области подготовки кадров и прогнозирования шоу.

[ТАБЛИЧНЫЙ DATA опущены]

высокая сходимость (т. е. черта Разница 79 процентов и 96 процентов соответственно), подчиненные демонстрируют низкий уровень конвергентных действия (например, черта разница из-за подчиненных, 25 процентов для использования компьютеров).

Другим важным вопросом является оценка дискриминанта действительности. В Таблице 4 приведены результаты для дискриминанта действия, а также корреляции между методы для каждого набора данных. Идеальное соотношение между чертами будет означать, что черт не discriminable. Дискриминантный действия между черты достигается, когда признак корреляции значительно отличается от 1,00 (например, Шмитт и Стултс, 1986). Все черты в каждом исследовании достижения дискриминанта действия, потому что каждый корреляции между парами признаков меньше, чем на 1,00 .05 уровне. Некоторые черты совершенно различные или почти так, что они коррелируют в течение двух стандартных ошибок 0,00, а все остальные черты относительно отдельных, так как их корреляции с другими чертами, значительно меньше, чем 1,00 в статистическом смысле.

Следует подчеркнуть, что все соотношения представлены в таблице 4 были исправлены для ослабления из-за ненадежности в меры. Таким образом, случайная ошибка не входит в оценку дискриминанта действительности. Окончательный следует отметить в таблице 4, что все методы в рамках исследования достоверно коррелирует. Методы корреляции в среднем R = .53 различных исследований, в диапазоне от .33 до .80. Следовательно, неявное предположение, что "метод факторы не коррелированы", которая сделана с помощью Кэмпбелл и (1959) процедуры Фиск, является нарушены в каждом наборе данных ..

[ТАБЛИЧНЫЙ DATA опущены]

Интерпретация результатов CFA до этого момента опирался на общепринятых статистических критериев, таких как хи-квадрат. Однако Есть несколько возможных проблем, связанных с хи-квадрат статистики в оценке припадке модели (например, Бентлер и Bonett, 1980). Во-первых, большой объем выборки может привести к отказу от практически любой модели, так как хи-квадрат статистики находится в прямой зависимости от размера выборки. Такой результат может произойти, даже когда модель объясняет большинство различий в данных. Во-вторых, маленький объем выборки может привести к принятию какой-либо модели, поскольку она ведет к созданию несущественной хи-квадрат статистики. Модель может быть принято из-за небольшого размера выборки, хотя на его долю приходится лишь маленькая разница в данных.

Как следствие, необходимо рассмотреть другие критерии, в дополнение к хи-квадрат при оценке модели нужным. Таким образом, мы рекомендуем использовать добра "подгонки" индекс, можно оценить практическое значение дисперсии объяснить с помощью модели, с особым акцентом на вопрос о overfitting ..

В частности, мы вычислили noncentralized нормированного индекса Fit (NCNFI) за чертой только для модели CFA по сравнению с нулевой модели для каждого из наборов данных (Макдональд и Марш, 1990). Индекс вычисляется как

NCNFI = ([F.sub.o] - [df.sub.o]) - ([F.sub.t] - [df.sub.t]) / ([F.sub.o] - [DF. sub.o]),

где [F.sub.o] является хи-квадрат для нулевого модели [df.sub.o] является степеней свободы нулевой модели [F.sub.t] является хи-квадрат для признака только для модели, и [df.sub.t] является степеней свободы для черта только для модели. Этот показатель дает доля от общего объема информации приходится на черта только модели с практической точки зрения (например, Бентлер и Bonett, 1980; Mulaik и др.., 1989). Путем вычитания соответствующих степеней свободы из их хи-квадрат ценностей, NCNFI удаляет смещения, которые могут возникнуть в ходе обычной нормированного индекса, пригодного для малых выборок (Макдональд и Марш, 1990).

NCNFIs являются .84, .81, .96 и .74, соответственно, данные из Bagozzi и Филлипс (1982), Филлипс (1980), Жилле и Шваб (1975), и Данхэм, Смит, и "Блэкберн" (1977 ). Это показывает, что особенность только модель объясняет значительный объем информации, с практической точки зрения для данных Жилле и Шваб (1975), но достаточное остается невыясненным в рамках трех других наборов данных, чтобы оправдать введение метода факторов. Здесь мы полагаемся на правило о .90 и выше, как о том, что очень мало, которые будут получены, в сущности, путем добавления методов воздействия (Бентлер и Bonett, 1980). Таким образом, черта-единственная модель, достаточно для того, данные в Жилле и Шваб (1975), а модель с чертами и методы могут быть истолкованы как экземпляр overfitting этих данных ..

Результаты применения модели CFA таким образом показать, что черты модели-метод хорошо подходит для данных в Bagozzi и Филлипс (1982), где сходится и дискриминант действия были созданы. Этот анализ подтверждает вывод, сделанный в результате применения Кэмпбелл и Фиск (1959) критерии к этим данным. CFA подход, конечно, обеспечивает большую диагностическую информацию и делает меньше ограничениях. Черта-метод модель должна быть отвергнута для трех других наборов данных на основе результатов КФА. Таким образом, ни одна фирма выводы можно сделать на эти данные, как на конвергентное и дискриминантного действия на основе этих анализов. (3)

Комментарии, подтверждающий факторный анализ процедуры

Почему модель CFA не подходит в данных Филлипс (1980), Жилле и Шваб (1975), и Данхэм, Смит, и "Блэкберн" (1977)? Чтобы ответить на этот вопрос, мы должны смотреть на предположениях данной модели КФА. Один предположение, присущие модели CFA является то, что ошибка содержится термин как конкретных, так и дисперсия ошибок. В частности, две источники дисперсии Стыдно: (1) погрешность измерения аналогично случайная ошибка в классической теории тест-счет и (2) конкретные разница истинной-счет, который является уникальным и отличается от Разница объясняется черты и методы. Например, низкая загрузка фактором методом или признака может быть обусловлено либо существенные ошибки измерения или действительное отсутствие признака или метода воздействия.

Последствия этой проблемы особенно важно, когда вероятность безотказной работы разных масштабов меняться, потому что "такие различия будут искажать вывести отношения между весы, коэффициент нагрузки по методу скрытых и черта факторов, отношений между скрытых факторов, а также сводные статистические данные, которые на основе этих оценок параметров "(Марш и Hocevar, 1988: 108). В следующей части статьи мы рассмотрим три подходов, направленных на преодоление этого ограничения модели CFA ..

Второе предположение и возможные недостатки модели CFA является то, что он предполагает, что изменения в меры будут линейной комбинации признаков, методы и ошибки. То есть, черт, методы и ошибки, как предполагается, имеют совокупную последствия мер в модели КФА. Это может быть разумным, когда последствия совместного использования метода не зависят от черта факторов. В некоторых контекстах, однако, признаки и методы могут взаимодействовать при определении меры вариации. В заключительном разделе Рассматривается подход к черту ручкой-метод взаимодействия, прямые модели продукта.

Методов разделения Погрешность измерения

От конкретных ДИСПЕРСИИ

Второго порядка, подтверждающий факторный анализ

(SOCFA) модели

Интересное решение для смешанных погрешности измерения и конкретных Разница второго порядка подтверждающего факторного анализа (SOCFA) модели (Anderson, 1985, 1987). При таком подходе каждая мера нагрузки непосредственно на первого порядка и метод черта факторов, и первый порядка перегрузок, в свою очередь, на соответствующих чертой второго порядка и метод факторов. В частности, модель SOCFA может быть выражена как

[Математическое выражение опущены]

где [Г] представляет собой вектор RST меры для г черты, с методами и т изделий в черта-метод сочетания, [[Lambda]. суб. [Тау] *] является (rstxrt) матрицы нагрузок первого порядка черта пункта факторов, и [[Lambda]. суб. [Му] *] является (RST X ы) матрицы нагрузок факторов, метод первого порядка, [[др.]. суб. [Тау] *] и [[ др.]. суб. [Му] *] векторы РТ черта повестки дня и метод первого порядка факторов, соответственно, [*] эпсилон вектор РСТ случайных ошибок измерений, [[дзета]. суб. [Тау ] и [[дзета]. суб. [Му] векторы второго порядка по коэффициентам, отвечающим г черты и единственный метод высокого порядка, соответственно, [[Гамма]. суб. [Тау]] и [[Гамма]. к югу. [Му]] являются нагрузки, касающиеся первого порядка и метод черта факторов, их факторы второго порядка, [[дзета]. суб. [Тау]] и [[дзета]. суб. [Му]] являются конкретные факторы второго порядка черты и методы, соответственно.

Преимущество модели SOCFA над моделью CFA является то, что случайные ошибки и дисперсии конкретных разница не в стыде. Отдельные оценки предусмотрены черту, метод, ошибка и конкретные различия. Тем не менее, выигрыш достигается за счет двух расходы, один pratical, другие методологические. Для реализации модели SOCFA один требуется по меньшей мере в два раза больше мер, необходимых для модели КФА. Это потому, что модель SOCFA требует нескольких (по крайней мере два), которые для каждого черта измеряется каждого метода в целях достижения спецификации и идентификации отдельных источников дисперсии. Модель CFA, напротив, достигает определение его источников мера дисперсии, когда каждый признак измеряется только один элемент из каждого метода.

Более фундаментальный недостаток модели SOCFA в том, что неявное ограничение методологических, сделанных на основании его спецификации. В частности, модель SOCFA Делается предположение, что отношения черта разница для оценки специфики предметов являются одинаковыми для всех методов (Kumar и Диллон, 1990). Это довольно ограничительное предположение, что вряд ли будет провести на практике. Кроме того, поскольку невозможно смягчить это ограничение в модели SOCFA, это untestable предположение. Иными словами, если модель SOCFA оказывается неудовлетворительным обеспечить нужным данным, это не возможно узнать, является ли несоответствие связано с нарушением в ограничении, выборка колебания, и / или несоответствие между теорией и данных ..

Иерархическая, подтверждающий факторный анализ (HCFA) модели

Марш и Hocevar (1988) недавно предложила иерархической подтверждающего факторного анализа (HCFA) решение проблемы проклятый случайная ошибка с уникальностью. Модель HCFA концептуально аналогично проведения (первого порядка) факторный анализ по корреляционной матрицы мер, оценки корреляции между первым порядка факторов, и делает еще один фактор анализ корреляции между первого порядка факторов для получения второго порядка факторов. Тем не менее, максимальная вероятность процедуры позволяют оценить как первого и второго порядка факторов одновременно в модели HCFA. В отличие от модели SOCFA, который первым порядка факторы как черты и методы загрузки непосредственно о мерах, первого порядка факторов в модели HCFA отличаются единиц метод-признака.

В частности, общая модель HCFA может быть выражена

[Математическое выражение опущены]

где у вектора RST меры [Lambda] является (rstxrs) матрица фактор нагрузки для RS первого порядка факторов ([др.]), каждая из которых представляет собой отдельное подразделение, черта-метод, [] эпсилон вектор РСТ случайных ошибок меры [Гамма] = [[Gamma.sub.T] [Gamma.sub.M]] это RS X (г) матрицы нагрузок второго порядка фактор, соответствующий второго порядка признаков ([XI . sub.T]) и методы ([xi.sub.M]), [дзета] является вектором г, остатки первого порядка факторов, [Phi] является (г) X (РС) ковариационная матрица второго- Для факторов разделить отдельно на признаки и методы корреляции и позволяя только среди методов и среди качеств, [PSI] является г, г, X диагональная матрица остаточных отклонений для первого порядка факторов, и [тета] является (RST RST X) по диагонали матрицы разницы для случайных erros.

HCFA модель может быть реализована с такими программами, как LISREL. Конвергентная действия будут достигнуты при высоких нагрузок на факторы второго порядка признака. Дискриминантный действия будут достигнуты, когда корреляции между второго порядка черта факторов [Phi] существенно меньше, чем 1,00. Метод дисперсии могут быть вычислены для каждой меры как квадрат соответствующего фактора метод загрузки ..

Как и модель SOCFA, процедура HCFA предусматривает разбиение разница в черту, метод, специфические, и случайной составляющей ошибки. Она также требует по меньшей мере [больше или равно)] 2 пункты для всех черта, полученные каждым методом, и поэтому требует крайней мере в два раза больше мер, как модель КФА. Хотя это и не признается Марш и Hocevar (1988) и в литературе, три, а ограничения присущие модели HCFA (см. Приложение Б для наших формальный вывод из этих ограничений). Эти предположения (1) отношения черта разница методу разница должна быть одинаковой для всех предметов, (2) отношения черта разница конкретных разница должна быть равна для всех предметов, и (3) соотношение общего метода для конкретных Разница должна быть одинаковой для всех товаров.

Таким образом, модель HCFA даже более строгими, чем модели SOCFA. Маловероятно, что все или даже один или два из этих предположений будут выполнены на практике. Например, трудно ожидать, что отношения черту разница методу дисперсии являются идентичными для какой-либо сочетание признаков и метод, независимо от выбранного пункта (т. е. первые предположения). Как следствие, модель HCFA не очень реалистичные, как общий порядок рассмотрения MTMM данных. Кроме того, предположения не проверяемым, что делает интерпретацию хи-квадрат, добро-оф-тестов на пригодность неоднозначно. Например, значительные хи-квадрат значения может происходить как от истинного несоответствие между моделью и данными или с нарушением этих предположений, указанных выше.

SOCFA модель не может применяться к наборам данных рассматривается здесь, потому что никто не имеет достаточных мер по три выхода первого порядка факторов каждого второго порядка фактор, необходимый для идентификации. Аналогичным образом, ни один из наборов данных, рассматриваемых здесь может быть проверена с моделью HCFA. Следующая процедура вводится, однако, достигает тех же целей HCFA и SOCFA модели еще относится к одной из наборов данных, представленных в Приложении А. Для иллюстрации метода на этих данных, мы демонстрируем, что предположения, сделанные SOCFA и HCFA модели не будут выполнены и что предлагаемая модель соответствующей спецификации.

Первого порядка, многократных Информатор, многократных Пункт

(FOMIMI) модели

Kumar и Диллон (199) предложил первую порядка нескольких осведомителя, многочисленные дня (FOMIMI) модель, которая преодолевает смешение случайная ошибка с конкретным дисперсии, присущие модели CFA пока не делает предположений, касающихся отношений разницы найти в SOCFA и HCFA моделей. В частности, мы можем написать, как модель FOMIMI

[Математическое выражение опущены]

где [X.sub.ijk] заключается в измерении-го признака, по /-го метода, на А-го пункта, [xi.sup.t.sub.i], является фактором я- го признака, [xi.sup.m.sub.i], является фактором /-го метода, [xi.sup.s.sub.k] является одним из факторов для измерения specificty й-й пункт, [ лямбда] с, соответствующий коэффициент нагрузки, и [delta.sub.ijk]. Эта модель похожа на модель CFA показано в уравнениях (1) и (2) кроме того, что единый термин "ошибка" ([эпсилон]), в модели CFA был заменен на два слагаемых, соответствующих мер и конкретных дисперсии ошибки, соответственно ( т. е. [lambda.sup.s.sub.ijk.] [xi.sup.s.sub.k] [delta.sub.ijk]). Если бы нам пришлось нарисовать модель FOMIMI это будет выглядеть примерно так, что показано на рисунке 1 представлена модель CFA исключением того, что дополнительным фактором, будет представлен для каждой из этих мер, соответствующих источников меру конкретных разница ..

FOMIMI модели могут быть реализованы на LISREL или аналогичных программ. Таким образом, он дает добро "подгонки" меры и диагностику, аналогичную тем, которые предусмотрены в CFA, а Кэмпбелл и Фиск (1959) критерии, можно оценить по проверке факторные нагрузки и [Phi.sub.T] и [Phi.sub . M] разделов [Phi.], матрица ковариаций между факторами (размер конкретные факторы, ортогональных по определению). Конвергентная действия будут достигнуты при высоких нагрузок на черта факторов. Дискриминантный действия будут достигнуты, когда взаимные корреляции между черты значительно меньше, чем 1,00.

Иллюстрация модели FOMIMI

В качестве примера, мы применили модель FOMIMI данным найдены в Филлипс (1980), для которых несколько элементов были доступны для каждого черта измеряется каждого метода. В таблице 5 обобщены выводы. Добротность ", пригодный для этой модели [X.sup.2.] (32) = 21,10 р .93, отличные нужным. В верхней части таблицы видно, что конвергентные действия устанавливается на все меры, черт, как выяснилось в значительной нагрузки признака. В нижней части таблицы 5 также видно, взаимные корреляции между чертами и среди информаторов. Все черты достижения дискриминанта действия тем, что каждый корреляции значительно меньше, чем 1,00, от .31 до .40. Информаторов, которые соответствуют двум способам, коррелируют на низком уровне до умеренного (г = .34), предполагая, что они относительно независимы в своих оценках ..

Оценки параметров в таблице 5 были использованы для разбиения разница показана в таблице 6. Видно, что черта Разница в целом относительно высоким, за исключением двух мер (например, [X.sub.121], [X.sub.122] на первый черта, как это предусмотрено второй информатор. Два меры свидетельствуют применение компьютеров в исследованиях, судя по подчиненных в каждой организации опрошенных Филлипс (1980). Может быть, подчиненный менее осведомлены, чем генеральный директор этого

[Таблица данных опущены]

функции. Относительно высокий уровень общего метода эти меры могли бы подтвердить этот вывод. Кроме того, систематическое расхождение метод может быть функцией смещения таких респондентов, которые отражены в заинтересованности в той или иной форме в использовании компьютеров в научных исследованиях. Умеренное количество ошибка дисперсии второго мера, однако, казалось бы, поддержку первого толкования. В любом случае, необходимо больше информации, чтобы выяснить источник наблюдается низкий уровень дисперсии черта и высокий уровень общего метода для этих двух мер. Как показало дальнейшее в таблице, однако, разница метод и дисперсии ошибки низки для самых мер. Кроме того, пункт конкретных разница невелика.

Таблица 6

Преимущества модели FOMIMI не приходят без издержек. С практической точки зрения, наиболее общий FOMIMI модель требует, т [больше или равно] 3 пункты для всех черта, как obtaine каждым методом. Если нет ограничения, наложенные на модели подразумевается equaltion (8), требует FOMIMI модели в три раза больше мер, как модель КФА. Это много пунктов, однако, может быть трудно достичь во многих приложениях. В нашем примере, мы имели три черты, две informats, а также двух пунктов в черту. Для идентификации, мы фиксировали нагрузки соответствующие парам меру конкретных факторов равными, процедурой, рекомендованной Андерсон (1990). Это не всегда представляется возможным.

Второй недостаток с моделью FOMIMI касается вопроса о overfitting. Рассмотрим случай, когда один имеет две особенности, три методов и элементов на три признака. Эта модель дает 18 meausres и 11 факторов (2 признака, 3 метода, и 6 меры специфику). Когда слишком много факторов, подходят для слишком мало элементов, таких проблем, как неправильное решение, и сходимость часто происходят сбои (Ван Driel, 1978). Это не было проблемой для данных рассматривается здесь, но могут возникнуть проблемы на практике. Иногда можно найти более экономный модели, исключив ненужные факторов. Например, в некоторых случаях, метод факторы, которые не могут быть нужны, и черта, и измерения специфических факторов может оказаться недостаточно ..

Результаты показывают, что данные Филлипс (1980) может быть объяснено в виде линейной комбинации признака, метод измерения конкретных и случайных факторов ошибке, и что строить действительность была создана, хотя применение Кэмпбелл и Фиск (1959) критерии к данным Филлипс (1980) привели к отклонению дискриминанта действия (см. таблицу 1). Таким образом, мы видим, что это ошибочный вывод. После случайных ошибок и систематических разница надлежащий учет в модели FOMIMI, сходящихся и дискриминантного действия могут быть оценены должным образом и будут достигнуты. Кроме того, модель CFA также не представила удовлетворительного к данным (см. Таблицу 2). CFA и FOMIMI модели идентичны, за исключением, что последний вносит дополнительные факторы для измерения специфичности.

Следовательно, для данных Филлипс (1980), то можно заметить, что смешение случайных ошибок и меры специфичности помешало модели CFA от предоставления действительного представления построить действия. Модель FOMIMI правильно разделить разница этих данных ..

Метод моделирования-черта ВЗАИМОДЕЙСТВИЯ: DIRECT

Модель продукта

Было высказано предположение, что метод факторы могут взаимодействовать с чертой факторов в мультипликативных способом (например, Кэмпбелл и О'Коннелл, 1967, 1982). То есть, чем больше связь между признаками, тем выше эффект метода. До недавнего времени не существовало однозначного метода для представления таких взаимодействий. Ниже мы приводим технические вывод подход, прежде чем обсуждать его с точки зрения интуиции и иллюстрирующие его данных. Приложение C содержит пример программы, материалы для impelmentation LISREL прямого модели продукта.

Вывод теоретической

Браун (1984, 1989) предложил следующую модель прямых продукта (DPM) для представления взаимодействия черты и методы (см. также Cudeck, 1988):

[Sigma] = Z ([P.sub.M] [X] [P.sub.T] E) Z,

где Z является неотрицательно определенная диагональная матрица масштабные постоянные, некоторые из которых являются равным единице для достижения идентификации, [P.sub.M] и [P.sub.T] неотрицательны определенный метод и матриц черта корреляции, соответственно, , элементами которого являются особенно мультипликативным компонентов общего оценка соотношения (т. е. корреляции с поправкой на затухание), E-диагональная матрица неотрицательных уникальный разницы, и [X] указывает на право прямого (Кронекера) продукт. Видно, что уравнение (9) разлагается тестов в настоящие оценки плюс ошибки оценка компонентов. В уравнении (9) корреляционной матрицы с поправкой на затухание имеет прямое структуру продукта,

[P.sub.C] = [P.sub.M] [X] [P.sub.T],

где [P.sub.C] является disattenuated корреляционной матрицы с типичным элементом р ([T.sub.iMsub.K], [T.sub.jMsub.l], [P.sub.M] является латентный метод корреляционной матрицы с типичным элементом р ([M.sub.k], [M.sub.l] и [P.sub.T] является соотношение скрытые черты матрица с типичным элементом р ([T.sub . я], [T.sub.j]. Из определения права на прямое произведение, то можно увидеть, что типичный элемент уравнения (10),

р ([T.sub.iMsub.k], [T.sub.jMsub.l]) = р ([M.sub.k], [M.sub.l].

Обратите внимание, что это уравнение принимает мультипликативной структуры для оценки истинной или общей оценки в том смысле, факторный анализ, а не для оценки наблюдаемых.

Wothke и Браун (1990), в последнее время показали, что ДПМ может быть сформулирована в виде линейной модели, что позволяет исследователям для оценки модели с помощью широко доступных программ, таких как LISREL. Потому что их представление, а эллиптическую форму и будет трудно нетехнических читателей следовать, что мы будем разрабатывать структурное представление уравнения более подробно. В частности, уравнение (9) можно записать в виде второго порядка подтверждающих модели факторного анализа следующим образом:

[Sigma] T [Phi т '],

, где A = Z, T является секционированной матрицы,

T = ([C.sub.M] [X] [I.sub.t] / [I.sub.mt]) = ([T.sub.1] / [T.sub.2]),

[C.sub.M] представляет собой квадрат, нижняя треугольная матрица выбрали такой, что [P.sub.M] = [C.sub.M.C. Sub.M], [I.sub.t] и [I . sub.mt] являются идентичности матриц и

[Математических выражений Опущено]

DPM можно легко ограничить подходящие подмодели. Одним из полезных версия модели, композитный ошибок модели, определяется дополнительным ограничением

E = [E.sub.M] [X] [E.sub.T],

с [E.sub.M] и [E.sub.T] диагонали. Используя тот факт, что любой симметричный, неотрицательно определенная матрица может быть выражена как произведение квадратной матрицы и ее перенести, то это ограничение может быть переписано следующим образом:

[Математических выражений Опущено]

Некоторые ограничения, необходимые для идентификации DPM. Во-первых, равенство ограничения на метод для идентификации масштабов фактор оценки (Wothke и Браун, 1990). Это ограничение будет исправить масштабе компонента оценки. Например, можно выбрать и установить черту своим масштабам факторов Z, равным единице. Кроме того, можно ограничить всех диагональных элементов [C.sub.M] к единице. Два вида ограничений может быть надлежащим образом, вместе взятых. Еще одно ограничение необходимо для того, чтобы исправить шкалы составляющих погрешности, так как ([E.sub.M]) [X] (б [E.sub.T]) = [E.sub.M] [X] [E.sub.T] для любого а = 1 / b. Это может быть достигнуто путем установления один элемент в любом [E.sub.M] или [E.sub.T] в единстве ..

[P.sub.T] непосредственно оценивается в модели, а также стандартные ошибки ее элементы будут доступны из решения LISREL. В отличие от оценки [P.sub.M] получается масштабирование [C.sub.MCsub.M] в корреляционной матрицы, а также стандартные ошибки отсутствуют на выходе LISREL. Тем не менее, можно получить стандартные ошибки для метода корреляции, используя альтернативные параметризации, в которой [P.sub.M] (а не [P.sub.T]) непосредственно предполагалось.

Кэмпбелл и Фиск (1959) оригинальные критерии для сходящихся и дискриминантного действия имеют следующие толкования в DPM (Браун, 1984: 9-10). Доказательства для конвергентных действия достигается при корреляции между методами в [P.sub.M] позитивные и большие. Первым критерием для дискриминанта действия выполняются, когда корреляции между чертами [] P.sub.T меньше единицы. Второй критерий дискриминанта действия достигается тогда, когда метод корреляции в [] P.sub.M больше, чем признак корреляции в [P.sub.T]. Окончательный дискриминанта критерий действия выполняется всякий раз, когда имеет место DPM.

Такая интерпретация следует из спецификации DPM. Напомним, что р ([T.sub.jMsub.k], [T.sub.jMsub.l], типичный элемент [P.sub.c], означает disattenuated корреляция между я-й черта измеряется А-го метода и /-го черта измеряется с л-й способ. Мы знаем, из уравнения (11), р ([T.sub.iMsub.k], [T.sub.jMsub.l]) = р ([T.sub.i], [T.sub.j р] ([M.sub.k], [M.sub.l]). Кэмпбелл и критерий Фиск для конвергентных действия является то, что monotrait-heteromethod корреляции должны быть существенно больше нуля. Когда мы смотрим на monotrait-heteromethod корреляции р ([T.sub.iMsub.k], [T.sub.jMsub.l] в соответствии с DPM, мы видим, что

р ([T.sub.iMsub.k], [T.sub.jMsub.l]) = р (T.sub.i], [T.sub.i]) р ([M.sub.k ], [M.sub.l]) = р ([M.sub.k], [M.sub.l]).

То есть, monotrait-heteromethod корреляции равны метод корреляции в DPM. Как следствие, сходящихся действия достигается тогда, когда метод корреляции большой и положительный.

Первым критерием для дискриминанта действия является то, что monotrait-heteromethod корреляции, р ([T.sub.iMsub.k], [T.sub.iMsub.l]), должно быть больше, чем соответствующие heterotrait-heteromethod корреляции, р ([T.sub.iMsub.k], [T.sub.jMsub.l]) и р ([T.sub.jMsub.k], [T.sub.iMsub.l]) для я [не равно] j. Можно видеть, что

[Математических выражений Опущено]

То есть, отношения monotrait-heteromethod связь с heterotrait-heteromethod корреляции стать черта корреляций при DPM. Таким образом, первый критерий дискриминанта действия выполняются, когда черта корреляции меньше единицы. Второй критерий дискриминанта действия является то, что monotrait-heteromethod корреляции, р ([T.sub.iMsub.k], [T.sub.iMsub.l]), должна быть выше, чем соответствующие heterotrait-монометода корреляции, р ([T.sub.iMsub.k], [T.sub.jMsub.k]) и р ([T.sub.iMsub.l], [T.sub.jMsub.l]). Из уравнения (11) мы видим, что

[Математических выражений Опущено]

То есть, отношения monotrait-heteromethod корреляций heterotrait-монометода корреляции стали отношения черта корреляций метод корреляции в DPM. Как следствие, этот критерий считается выполненным, если метод корреляции больше, чем признак корреляции. Окончательным критерием дискриминанта действия, что все матрицы корреляций intertrait должны иметь те же картина зависимости от того, используются методы. Этот критерий считается выполненным, когда DPM выполняется, так как отношение

р ([T.sub.iMsub.k], [T.sub.jMsub.l]) / р ([T.sub.mMsub.k], [T.sub.nMsub.l]) = р ([T.sub.i], [T.sub.j]) / р ([] T.sub.m, [T.sub.n])

имеет то же значение для любого [M.sub.k] и [M.sub.l].

Интуитивно Описание

DPM предполагает, мультипликативный эффект методов и такие черты, что совместное использование метода преувеличивает корреляции между высокой корреляцией черты по сравнению с чертами, которые являются относительно независимыми. То есть, тем выше intertrait корреляции, тем более отношений усиливается, когда обе меры одни и те же метод, в то время как отношения не влияет на intertrait корреляции равны нулю. Важным Тогда возникает вопрос: Какие процессы лежат в основе мультипликативных эффектов метода факторы?

Одна из точек зрения можно было бы назвать дифференциальных дополнения (Кэмпбелл и О'Коннелл, 1967, 1982). Эта точка зрения объясняет мультипликативный эффект, функционального взаимодействия между "истинной" уровень признака корреляции и величины методом смещения. Обычно предполагают, что метод имеет значения факторов добавить систематическое (метод конкретных, черта-неуместного) Разница в наблюдаемых отношений. То есть, обмен метод, как ожидается, увеличивать или увеличения корреляции между двумя выше мер истинного отношения; гало эффекты и реагирования на множествах предоставить доказательства такого смещения метода. Однако, не все отношения, вероятно, будут столь же преувеличенный путем обмена методом. Только такие отношения, которые достаточно велики, чтобы вас заметили, скорее всего, преувеличены.

Кэмпбелл и О'Коннелл (1967: 421-422) может служить примером такого воздействия, где оценки (например, само-оценки и экспертной оценки) используются в качестве методов. Каждый оценщик, возможно, неявный теории (ожидания) об отношениях (co0occurrence) определенных черт, которые приведут к конкретным вернее предвзятости. В таких случаях, чем сильнее "истинной" связи между чертами, тем больше шансов, что они будут замечены и преувеличенным, что приводит к мультипликативным картина метод воздействия. Дифференциальных увеличение можно ожидать в организационной работы, в которых руководители оценки эффективности работы сотрудников и в целом, когда ключевые информанты предоставить информацию о структуре или поведении учреждений ..

Другое возможное объяснение для мультипликативных эффектов метод является перспективным дифференциальных затухания (Campbell и О'Коннелл, 1967, 1982). Концептуальную основу для такой точки зрения является то, что, используя различные методы смягчения признака отношения, которые лучше представляли, когда метод проводится постоянная, а не различны. То есть, методы рассматриваются в качестве разбавления черта отношений, а не добавление имеет значения систематических различий. Эта точка зрения утверждает, что не разделяет метод ослабление корреляции наблюдались по-разному, в зависимости от уровня истинного отношения признака. Пусть, например, что несколько раз используются в качестве методов. Эта процедура на самом деле следуют Марш и Hocevar (1988) в своих иллюстрация модели HCFA.

Это часто встречается в продольных исследованиях, что корреляции ниже дольше, чем короче упущения потеряна, после так называемого процесса авторегрессии. Согласно процесса авторегрессии, высокая корреляция между двумя чертами будет более ослаблена, с течением времени, чем низкая корреляция (подробнее см. Кэмпбелл и О'Коннелл, 1982: 100-106). В отличие от корреляции нулю, может подорвать не дальше, и он остается равным нулю, когда вычисляется из разных методов (в данном случаи). Дифференциальных затухания можно было бы ожидать в архивных или ключевыми информаторами данных в той мере, функциональных отношений с течением времени отслеживаются ..

Два широких aprpoaches Таким образом, доступных для представления функциональных форм и методов черта эффекты: одна добавка, второй мультипликативным. Как правило, эти два подхода станет альтернативные объяснения MTMM данных. (4) В частности, влияние метода предполагается, что он постоянен в CFA, SOCFA, HCFA и FOMIMI моделей. В отличие от этого метода эффекты предположили варьироваться в зависимости от уровня признака корреляции в DPM. Хотя Кэмпбелл и О'Коннелл (1967, 1982) предполагает, что взаимодействие признаков и метод является скорее правилом, чем исключением, возможно, было бы лучше в каждом конкретном случае для изучения которых (аддитивного или мультипликативного) модель является более целесообразным. В идеале, нужно иметь основные ожидания относительно метода эффектов до выбора модели.

Иллюстрация модели прямого произведения

Мы обратились к DPM двух наборов данных, для которых не подходит удовлетворительное были получены, когда модель была использована CFA: анализ данных в Жилле и Шваб (1975) дали ненадлежащее решение для загрузки ключевых фактора, а также анализ данных в Данэм, Смит и "Блэкберн" (1977) показал, что признак-метод модели удалось объяснить данные (см. таблицу 2). Добротность "тестов на пригодность для DPM анализа этих наборов данных [[цзи]. SUP. (16)] = 17,6 р [почти равна] .30 и [[цзи]. SUP. (101)] = 465,2, р <.001, соответственно. Как только DPM для данных Жилле и Шваб (1975) дает удовлетворительного наша дискуссия будет ограничиваться этими выводами.

Критерии оценки и конвергентных discrimant действия были изучены данные Жилле и Шваб (1975). Таблица 7 представлены результаты оценки параметров для анализа DPM. Метод корреляции [[Ро]. Югу] можно вычислить из информации, представленной в верхней части таблицы 7. ковариация двух методов показано, что .65 в [[Гамма]. sub.1] матрицы и корреляции могут быть вычислены для .79. Потому что это соотношение крупных и положительных, мы заключаем, что конвергентные действия были достигнуть. Черта корреляционной матрицы [[Ро]. Югу] показано в нижней части таблицы 7 в рамках [[Phi]. Sub.1]. Матрицы содержит коэффициенты корреляции с поправкой на затухание.

Корреляции между чертами (диапазон: .17 -. 63) меньше единицы, следовательно, первый критерий дискриминанта достоверность мет. Кроме того, поскольку метод корреляции больше, чем каждый из признака корреляции, второй критерий discrimant действия выполнено. Наконец, учитывая, что благость "подгонки" индекс указывает на приемлемых форме и всех матриц intertrait корреляции той же схеме, в зависимости от метода, третий критерий дискриминанта действия достигается ..

[ТАБЛИЧНЫЙ DATA опущены]

ОБСУЖДЕНИЕ

Классический Кэмпбелл и Фиск (1959) подход к построить действительность дает слишком крупнозернистой анализа можно положиться. Присущие путать погрешность измерения с систематическим признаков и метод воздействия является серьезным ограничением для правильной интерпретации сходящихся и discrimanant действительности. Это делает нереальные предположения, что все признаки одинаково влияют метод факторами, и что методы не коррелированы. В самом деле, наш анализ показал, что последствия методы весьма различны для наборов данных, рассмотрены (например, от 4 до 50 процентов), и что все методы, в каждом наборе данных, значительно коррелирует (г = средняя .53). Мы подозреваем, что предположения, лежащие Кэмпбелл и процедуры Фиск будут нарушены в практике типы данных, содержится в организационных исследований.

Подтверждающих подход к анализу факторов преодолевает большинство ограничений содержится в Кэмпбелл и (1959) метод в Фиск. В дополнение к разрешений методов оказывать неодинаковое воздействие мер и соотнести свободно, CFA модель дает представление об общей нужным, четких критериев для оценки конвергентных и дискриминантного действия, а также явные оценки черту, метод, и дисперсия ошибок, которые могут помочь в Диагноз построить проверки. Это, вероятно, на этих базах, что современные исследователи утверждают, что модель CFA является "предпочтительным методом анализа MTMM матриц" (Шмитт и Стултс, 1986: 9). Мы нашли модель CFA показывать хорошие результаты и предложения богатых обилие информации, когда исходные посылки были встречены ..

Однако подход, CFA смешивает случайная ошибка с уникальными разница в конкретных мер. Это не отдельные чисто случайная ошибка с систематической ошибкой, касающимся пункта (например, пункт редакции), аналогичные конкретных или уникальные факторы в классической теории тест-оценка. Два последних средств к этой проблеме - SOCFA и HCFA модели - были показаны в порт, а ограничения, которые не были общепризнанным в литературе, и вряд ли будут достигнуты на практике. В самом деле, анализ Филлипса (1980) данные показали, что эти предположения были нарушены, то есть отношения к способу черта, признак для определения конкретных и метод для измерения конкретных разница сильно различались.

FOMIMI модель является приемлемым вариантом, но это также может быть ограниченное применение из-за большого числа мер, необходимых для ее осуществления, а также возможность overfitting факторов к данным. Тем не менее, мы продемонстрировали, что FOMIMI может поместиться по крайней мере некоторых наборов данных, когда ни одна классическая Кэмпбелл и Фиск критериев, ни модель CFA дали удовлетворительных результатов ..

Еще один потенциальный ограничения модели CFA и большинство других моделей (например, HCFA, SOCFA, FOMIMI), рассмотренных в литературе является предположение, что признаки и методы суммарного воздействия. Как Кэмпбелл и О'Коннелл (1967: 424) утверждал, многие исследователи неявно предполагается, эффект суммирования признаков и методов с помощью линейной модели факторного анализа. Это предположение фактически проверяемых и фактически продолжаться в течение двух из четырех наборов данных рассматриваются. Тем не менее, при определенных условиях, можно было основной причиной ожидает мультипликативный эффект признаков и методов. Например, Джексон (1969) привел случай, когда согласие (метод) имеет более сильный эффект, когда знание (черта) является низким, что высокая.

В таких случаях подход, CFA и др. на основе линейного последствия будут неуместными, и DPM становится соответствующие процедуры. DPM было установлено, что подходит для одного набора данных (например, Жилле и Шваб, 1975) проанализировали здесь ..

Процедур рассматривается здесь гипотезу различных функциональных форм и методов черту последствия, и они основаны на различных наборах явных и неявных предположений. Таким образом, в принципе, эти модели представляют собой альтернативные объяснения MTMM данных. Если используется аддитивная модель, мультипликативная модель на самом деле правильно, так как с данными Жилле и Шваб (1975), модель будет неправильным. Спецификация ошибка приведет к смещенные оценки для метода и черта эффекты и производить ошибочным выводам о построить действия. Поэтому важно определить, какие модели должны быть использованы. Надо решить, какая модель целесообразно построить, прежде чем оценивать действительность.

При этом, надо исследовать natue метода воздействия (например, равный против неравного, добавка против мультипликативный) и характер ошибок измерений (например, случайные ошибки против мера специфичности) ..

Если мы посмотрим на данные за построить действительности, мы видим, что различные процедуры могут привести к противоречивым выводам. По данным Филлипс (1980), например, Кэмпбелл и Фиск в порядок указывает на смешанный достижения

сходящихся и дискриминантного действительности, в то время как модель FOMIMI приводит к выявлению удовлетворительное конвергентных и дискриминантного действительности. Какой вывод должен быть принят? Напомним, что модель FOMIMI дал удовлетворительного к данным, а предположения процедуры Кэмпбелл-Фиск оказались нарушены (например, неравные эффекты метода и метода значимые корреляции были обнаружены). CFA модель также была отклонена, предполагая, что смешение случайных ошибок и меры специфичности помешало модели CFA от действительного представления данных. С этой точки зрения, больше доверия должно быть уделено вывод из модели FOMIMI. Этот результат показывает, что оценка действия построить через неуместным процедура может производить ошибочным выводам ..

Анализ результатов показывает, что метод Разница значительные во всех наборов данных рассмотрены. CFA результаты показывают, что средняя разница метод 20 процентов в Bagozzi и Филлипс (1982), 27 процентов в Филлипс (1980), 24 процентов в Жилле и Шваб (1975), и 42 процентов в Данхем, Смит, и "Блэкберн" (1977 ); метод разница Таким образом, приходится около 30 процентов вариации, в среднем, в мероприятиях в рамках четырех наборов данных. Результаты показывают, что метод Разница не только распространенными, но и сравнительно велики. Еще один интересный вывод заключается в том, что смета метода разница несколько отличаются в рамках альтернативных процедур. В данных Филлипс (1980), например, метода средних разница 21 процентов в соответствии с типовым FOMIMI, тогда как 27 процентов в соответствии с типовым КФА.

Учитывая, что модель была FOMIMI соответствующей модели, бывшей оценки будут предпочел последнее. Опять же, эти результаты показывают, что следует использовать соответствующие модели для интерпретации построить действия ..

Построить Действительность

Возвращаясь к полемике между Спектор (1987) и Уильямс, Коул и Бакли (1989) о масштабах метод разница в MTMM матриц, следует отметить, что они используют различные процедуры: Campbell и критерии Фиск и CFA модели. Эти процедуры отличаются в допущениях и характеристики метода воздействия. Как мы уже показали, такие различия могут привести к разным выводам для тех же данных (см. также Bagozzi и Yi, 1990). Кажется, таким образом, необходимые для исследователей, чтобы полностью понять характер альтернативных процедур оценки построить действия и определить целесообразность каждой процедуры для данного набора данных.

Можно также отметить, что ни одна из моделей была найдена подходит для Данхем, Смит, и "Блэкберн" (1977). Таким образом, не существует прочная основа для интерпретации конвергентных и дискриминантного действия этих данных. Хотя мы уже протестировали возможность того, что методы и черты сочетаются в аддитивной или мультипликативной образом, этот результат показывает, что они могли бы объединить в еще другими способами. Например, методы и особенности могут взаимодействовать обратно, то есть выше ар черта корреляции, тем меньше эффект метода (Campbell и О'Коннелл, 1982). Она будет полезна в разработке моделей, которые могут представлять такие альтернативные процессы.

Это должно быть очевидно, что оценка действия построить является сложной задачей с многими трудностями на этом пути. Мы рекомендуем YSE Кэмпбелл и Фиск (1959) критерии отказаться из-за нереалистичных предположениях. Можно начать с модели CFA из-за его относительно небольшого числа предположений, ее желательные характеристики, а его скупой структуры. Когда уникальность каждого масштаба является весьма существенным и / или случайные отклонения ошибки значительно отличаться в различных масштабах, однако, следует учитывать, методов, которые могут seaparate случайных ошибок и конкретных разница: например, SOCFA, HCFA и FOMIMI моделей. Учитывая ограничительных предположениях SOCFA HCFA и процедур, которые были на самом деле нашли не проводить в нашем анализе, мы рекомендуем модель FOMIMI среди этих альтернатив.

Особенно когда есть достаточное количество мер, методов и черты, тем сложнее FOMIMI модель должна применяться. Когда ни КФА, ни FOMIMI модель позволяет построить оценку действительности, DPM можно использовать в качестве возможных, хотя и менее экономный структуры основных MTMM матрицы ..

Мы рассмотрели альтернативные методы, которые могут быть полезны для анализа построить действия в организационных исследований. Мы представили предположений, а также сильные и слабые стороны каждого подхода, и проанализировал, как эти методы относятся к центральной концепции построить действия. Мы также пытались доказать, что может ввести в заблуждение выводы могут возникать в результате применения ненадлежащей процедуры. При оценке построить действия, таким образом, исследователь должен обязательно учитывать характер предположения, лежащие в каждой процедуры, изучить достоверность этих предположений, выберите наиболее подходящий, и сообщать об этих предположениях ясно для читателя.

Ссылки

Андерсон, Джеймс C.

1985 "измерения модели для оценки измерения специфических факторов, в нескольких информатора исследований". Журнал по маркетинговым исследованиям, 22: 86-92.

1987 "подход к подтверждающих измерений и моделирования структурными уравнениями организационного свойства". Управление науки, 33: 525-541.

1990 "Оценка организационной конструкции из нескольких информатор сообщает: модель подтверждающих измерений с ограничениями мера специфичности равенства". В рабочем документе, Kellogg School управления, Northwestern University.

Bagozzi, Ричард P

1991 "Структурные модели Квейшен в области маркетинговых исследований". В WD Нил (ed.), первый Форум Ежегодный Дополнительные методы исследования: 335-379. Чикаго: Американской ассоциации маркетинга.

Bagozzi, Ричард П., Линн В. Филлипс

1982 "Представление и проверка организационных теорий целостного трактовке". Administrative Science Quarterly ", 27: 459-489.

Bagozzi, Ричард П., Youjae Yi

1990 "Оценка методом разница в multitrait мультиметодным-матрицы: случай сам сообщил влияют на восприятие и на работе". Журнал прикладной психологии, 75: 547-560.

Бентлер Петра и D. Bonett

1980 "Значение испытаний и милостями посадки в анализе ковариационной структуры". Psychological Bulletin, 88: 588-606.

Блау, Питер, я Ричард Скинерр

1971 структуре организации. Нью-Йорк: Basic Books.

Боллен, Kenneth A.

1989 Структурные уравнения со скрытыми переменными. Нью-Йорк: Wiley.

Борух, Р. Ф., Л. Wolins

1970 "процедуры для оценки черту, метод и дисперсии ошибки связаны с мерой". Образования и психологические измерения, 30: 547-574.

Браун, Michael W.

1984 "О разложении multitrait мультиметодным-матриц". Британский журнал математических и статистических психология, 37: 1-21.

1989 "Отношения между аддитивной и мультипликативной модели модель multitrait мультиметодным матриц". В деле R. Коппи и С. Bolasco (ред.), Multiway Анализ данных: 507-520. Амстердам: North-Holland.

Кэмпбелл, Дональд Т.

1955 "информатора в quantiative исследований". Американский журнал социологии, 60: 339-342.

Кэмпбелл, Дональд Т., Дональд В. Фиск

1959: "Конвергентные и дискриминантного проверки по multitrait мультиметодным-матрицы". Psychological Bulletin, 56: 81-105.

Кэмпбелл, Дональд Т. и Е. Дж. О'Коннел

1967 "Методы факторов multitrait мультиметодным-матриц: мультипликативные, а не добавка"? Многомерный поведенческих исследований, 2: 409-426.

1982 "Способ, как разбавлять черта отношений, а не добавление имеет значения систематических разница". В D. Brinberg и Л. Киддер (ред.), форм действия в области научных исследований: 93-111. Сан - Франциско: Jossey-Bass.

Ребенка, Джон

1973 "Стратегии управления и организационного поведения". Administrative Science Quarterly, 18: 1-17.

Кук, Томас Д. и Дональд Кэмпбелл Т.

1979 квази-эксперименты: Разработка и анализ в полевых Настройки. Бостон: Houghton Mifflin.

Cudeck, Роберт

1988 "Мультипликативные модели и MTMM матриц". Журнал образования Statisticas, 13: 131-147.

Дауни, Х. Кирк, Дон Hellriegel, и Джон Слокум

1975 "Охрана окружающей неопределенности: построить и ее приложения". Administrative Science Quarterly, 20: 613-629.

Данхем Р., Ф. Смит, Р. Блэкберн

1977 "Об утверждении индекса организационные реакции с JDI, MSQ, а также лица Весы". Академия управления Journal, 20: 420-432.

Фиск, Дональд В.

1982: "Конвергентные-дискриминанта проверки измерений и исследований стратегии". В D. Brinberg и LH Киддер (ред.), форм действия в области научных исследований: 77-92. Сан - Франциско: Jossey-Bass.

Жилле, Бернард, и Дональд Шваб П.

1975: "Конвергентные и дискриминантного сроков действия соответствующих Работа указателя и Миннесота весы удовлетворенности Анкета". Журнал прикладной психологии, 60: 313-317.

Голдинг, С. Л. и Е. Сейдман

1974 "Анализ multitrait мультиметодным-матриц: два шага основных компонентов процедур". Многомерный поведенческих исследований, 9: 479-496.

Хаге, Джеральд, и Майкл Айкен

1967 "Изменение программы и организационной свойства: сравнительный анализ". Американский журнал социологии, 72: 503-519.

1969 "Текущее технологии, социальной структуры и организационных целей". Administrative Science Quarterly, 14: 366-376.

Hinnings, CR, DJ Хиксон, JM Pennings, и RE Шнек

1974 "Структурные условия внутриорганизационные власти". Administrative Science Quarterly, 19: 22-44.

Хьюстон, Майкл, и Сеймур Садман

1975 "методологическая оценка использования основных источников информации." Социологических исследований, 4: 151-164.

Юбер, Лоуренс, J.

1987 Назначение Комбинаторные методы анализа данных. Нью-Йорк: Marcel Dekker.

Hubert, Лоуренс J., Ф. Бейкер B.

1978 "Анализ multitrait мультиметодным-матрицы". Многомерный поведенческие исследования, 13: 163-179.

1979 "к сведению анализ multitrait мультиметодным-матрицы: Применение обобщенной функции сравнения близости". Британский журнал математических и статистических психология, 32: 179-184.

Hubert, ЖЖ, RG Голледж, CM Костанзо, Г. Д. Ричардсон

1981 "Оценка однородности в поперечном тайну близости". Географический анализ, 13: 38-50.

Джексон, Д. Н.

1969 "Многометодная Сектор анализа в оценке конвергентных и дискриминантного действия". Psychological Bulletin, 72: 30-49.

Joreskog, Карл Г.

1974 "Анализ психологических данных структурного анализа ковариационной матрицы". В RC Аткинсон, DH Кранц, Р. Люс, П. Суппес (ред.), Современные разработки в области математической психологии, 2: 1-56. Сан - Франциско: Фримен.

Joreskog, Карл Г., Дага Sorbom

1989 LISREL 7: Руководство по программе и приложения, 2 изд. Чикаго: SPSS, Inc

Khandwalla, Pradip Н.

1974 "Средства массовой выход ориентации операций технологии и организационной структуры". Administrative Science Quarterly, 19: 74-97.

Kumar, Ajith и Уильям Р. Диллон

1990 "Об использовании подтверждающих измерений моделей в анализе нескольких информатора докладов". Журнал по маркетинговым исследованиям, 27: 102-111.

Лоренс, Пол Р. и В. Джей Лорш

1967 Организация и окружающей среды. Бостон: Harvard University Press.

Левин, J., I. Montag, и А. Л. Комри

1983 "Сравнение multitrait-мультиметодным, фактор, и самый маленький космический анализа данных личности масштаба". Психологические Доклады, 53: 591-596.

Марш, Герберт У., Деннис Hocevar

1988 "новый, руды мощный подход к multitrait мультиметодным-анализ: применение второго порядка подтверждающего факторного анализа." Журнал прикладной психологии, 73: 107-117.

Макдональд, Р. П. и Н. В. Марш

1990 "Выбор многомерной модели: нецентральности и добра" подгонки ". Psychological Bulletin, 107: 247-255.

Митчелл, Теренс Р.

1985 "оценка действия корреляционного исследования, проведенного в организации". Академия управления обзора, 10: 192-205.

Молнар, Джозеф, и Дэвид Роджерс I.

1979 "сравнительные модели межорганизационных конфликтов". Administrative Science Quarterly, 24: 406-425.

Mulaik, SA, Л. Джеймс, Дж. Ван Алстин, Н. Беннетт, С. Линд и CD Стиуэлл

1989 "Оценка добра" подгонки показателей структурных моделей уравнения ". Psychological Bulletin, 105: 430-445.

Патчен, Марвин

1963 "Альтернатива вопросник подходы к измерению влияния в организации". Американский журнал социологии, 69: 41-52.

1974 "локус и на основе влияния на организационные решения". Организационное поведение и деятельность человека, 11: 195-221.

Pennings, Йоханнес М.

1973 "О мерах организационной структуры: методологические записку. Американский журнал социологии, 79: 686-704.

Филлипс, Линн В.

1980 "Об изучении коллективного поведения" Методологические вопросы использования ключевых информаторов ". Неопубликованные кандидатской диссертации, Northwestern University.

Филлипс, Линн У., Ричард П. Bagozzi

1986 "Об организационных измерения свойств каналов дистрибуции" Методологические вопросы использования основных источников информации. "Исследования в области маркетинга, 8: 313-369.

Саланчик, Джеральд Р., Джеффри Пфеффер

1974 "экзамен власти в организационных решений: при университете. Administrative Science Quarterly, 19: 453-473.

Шмидта, Стюарт М., Томас А. Кочан

1977 "Межучрежденческие отношения: Узоры и мотивы". Administrative Science Quarterly, 22: 220-234.

Шмитт, Н. и Д. Н. Стултс

1986 "Методология обзора: Анализ multitrait мультиметодным-матриц". Прикладного психологического измерения, 10: 1-22.

Шваб, Дональд П.

1980 "Построить действия в организационном поведении." В МР Каммингса и B. Став (ред.), исследований в организации поведения, 2: 3-43. Гринвич, Коннектикут: JAI Press.

Seidler, Джон

1974 "Об использовании информаторов: Предложен метод сбора количественных данных и контроля для измерения ошибку в организационный анализ". American Sociological Review, 39: 816-831.

Шелк, Элвин и Манохар Kalwani

1982 "Оценка влияния на организационные решения о приобретении". Журнал по маркетинговым исследованиям, 19: 165-181.

Спектор, Пол Э.

1987 "Метод разница, как артефакт сам сообщил влияют на восприятие и на работе: миф или серьезная проблема?" Журнал прикладной психологии, 72: 438-443.

Ташман, Майкл

1977 "Связь через организационные границы: Специальный роль границы в инновационном процессе". Administrative Science Quarterly, 22: 581-606.

Ван Driel, О. П.

1978 "О различных причин ненадлежащего решения максимальной факторного анализа вероятности". Psychometrika, 43: 225-243.

Уэбб, Евгений H., К. Е. Вейк

1979 "Ненавязчивый меры в теории организации: напоминание". Administrative Science Quarterly, 24: 650-659.

Уэртс, К. Е. и Р. Л. Лин

1970 "Путь анализа: Психологические примеры". Psychological Bulletin, 74: 193-212.

Уидаман, Keith F.

1985 "иерархическую структуру модели ковариационной модели multitrait-мультиметодным данных". Прикладного психологического измерения, 9: 1-26.

Уильямс, Л. J., J. А., Кот, М. Р. Бакли

1989 "Недостаток метода разница в порядке самообороны сообщили влияют на восприятие и на работе: реальность или артефакт?" Журнал прикладной психологии, 74: 462-468.

Wothke, Вернер, и Michael W. Браун

1990 "Модель прямого продукта MTMM матрицы параметризованных как второй модели факторного анализа порядка". Psychometrika, 55: 255-262.

[ТАБЛИЧНЫЙ DATA опущены]

ПРИЛОЖЕНИЕ B: Вывод связей в HCFA Модели

В этом приложении описаны неявные ограничения, введенные модели HCFA указанный Марш и Hocevar (1988), но не признаются в своей статье.

Обозначение

[Y.sub.ijk]: наблюдается оценка на А-го пункта, измерительные-го признака, полученные с /-го метода.

[TM.sub.ij]: первый фактор порядка traint смешанных и метод [T.sub.ir] [M.sub.j]: второго порядка черта и метод факторов, соответственно,

[R.sup.T.sub.ijr] [r.sup.M.sub.ij]: второго порядка нагрузки для черта и методы факторов, соответственно,

р [дзета]. sub.ij меру специфичности

[Эпсилон]. Subijk]: случайная ошибка

Мы знаем, что модель [Ysub.ijk] = [лямбда]. Sub.ijk] [TMsub.jk] [эпсилон] sub.ijk], где [TM.sub.ij = [r.sub.T.sub.ij ] [T.sub.i] [r.sup.M.sub.ij] [M.sub.j] [[дзета] sub.ij. Таким образом, [Y.sub.ijk] = [[lambda.sub.ijk] ([r.sup.T.sub.ij] [T.sub.i] [r.sub.M.sub.ij] [M . sub.j] [дзета] [sub.ij]) [эпсилон] [sub.ijk], и Var ([Y.sub.ijk]) = ([лямбда] [sub.ijk] [r.sup.T . sub.ij]) [sup.2] Var ([T.sub.i]) ([лямбда] [sub.ijk] [rsup.M.sub.ij]) [sup.2] Var ([M. sub.i]) [лямбда] [sup.2.sub.ijk] Var ([дзета] [sub.ij]) Var ([дзета] [sub.ij]) Var ([эпсилон] [sub.ijk]) . Без ограничения общности, положим дисперсии второго порядка конструкции ([T.sub.i], [M.sub.j]) к единице. Тогда мы можем видеть, что Var ([Y.sub.ijk]) может быть выражена из четырех компонентов:.

Признаков ([лямбда] [sub.ijk] [r.sup.T.sb.ij]) [sup.2] Method ([лямбда] [sub.ijk] [r.sup.M.sub.ij] [SUP .2] специфичность Мера [лямбда] [sup.2.sub.ijk] Var ([дзета] [sub.ij]) Случайные ошибки Var ([эпсилон] [sub.ijk])

Имеющая также, по пункту А ([А 'не равно А), получаем

Признаков ([лямбда] [sub.ijk, [r.sup.T.sub.ij]) [sup.2] метод) [лямбда] [sub.ijk], [r.sup.M.sub.ij]) [sup.2] Мера specificty [лямбда] [sub.ijk], [sup.2.Var ([дзета] [sub.ij]) Случайные ошибки Var ([эпсилон] [sub.ijk],).

Отношения черта разница методу дисперсии для элементов К и К 'являются следующие:

([Лямбда] [sub.ijk] [r.sup.T.sub.ij]) [sup.2] / [(лямбда] [sub.ijk.] [R.sup.M.sub.ij]) [ sup.2] = ([rsup.T.sub.ij]) [sup.2] / ([r.sup.M.sub.ij]) [sup.2], по пункту А, а ([лямбда] [sub.ijk], [r.sup.T.sub.ij]) [sup.2] / ([лямбда] [sub.ijk], [r.sup.M.sub.ij]) [sup.2 ] = ([r.sup.T.sub.ij] [sup.2] / ([r.sup.M.sub.ij]) [sup.2], по пункту А: '.

Таким образом, отношение дисперсии к черту разница метода являются одинаковыми независимо от дня.

Кроме того, отношения черта разница для оценки специфики являются следующие:

([Лямбда] [sub.ijk] [r.sup.T.sub.ij]) [sup.2] / [лямбда] [sup.2.sub.ijk] Var ([дзета] [sub.ij]) = ([r.sup.T.sub.ij]) [sup.2] / Var [дзета] [sub.ij]), по пункту А, а ([лямбда] [sub.ijk], [r.sup . T.sub.ij] [sup.2] / [лямбда] [sub.ijk, [sup.2] Var ([дзета] [sub.ik]) = ([r.sup.T.sub.ij] ) [sup.2] / Var ([дзета] [sub.ij]), по пункту А: '.

Наконец, отношение общего метода для определения специфики являются следующие:

([Лямбда] [sub.ijk] [r.sup.M.sub.ij] [sup.2] / [лямбда] [sup.2.sub.ijk] Var ([дзета] [sub.ij]) = ([r.sup.m.sub.ij]) [sup.2] / Var ([дзета] [sub.ij]), по пункту А, а ([лямбда] [sub.ijk], [r.sup . M.sub.ij]) [sup.2] / [лямбда] [sub.ijk], [sup.2] Var ([дзета] [sub.ij]) = ([r.sup.M.sub. т]) [sup.2] / Var ([дзета] [sub.ij]), по пункту А: '.

Этот вывод показывает, что модель HCFA накладывает ограничения, что отношения между любыми двумя из трех компонентов (свойство, метод, а мера специфичности) равны по пунктам.

ПРИЛОЖЕНИЕ C: Ввод программы Спецификация Прямая модель продукта для

Данные в Жилле и Шваб (1975)

Название модели прямых продукт для Жилле и Шваб данных Д. NI = 8 NO = 273 мА = КМ

[ТАБЛИЧНЫЙ DATA опущены]

(*) Мы хотели бы поблагодарить редактора и рецензентов за их полезные предложения по предыдущей версии данной статьи.

(1) десять процедур, в грубой хронологическом порядке: классические критерии Кэмпбелл и Фиск (1959), дисперсионного анализа (Борух и Wolins, 1970), подтверждающего факторного анализа (Уэртс и Линн, 1970; Joreskog, 1974) , разведочных факторного анализа (Голдинг и Сейдман, 1974), обобщенная функция близости (Хуберт и Бейкер, 1979), маленький пространстве анализа (Левин, Монтэг, и Комри, 1983), прямые модели продукта (Браун, 1984) второго порядка подтверждающих модели факторного анализа с мерами загрузки непосредственно на черта и метод факторов (Anderson, 1987), иерархической модели подтверждающего факторного анализа с мерами загрузки косвенно черты и методы (Марш и Nocevar, 1988) и первого порядка, подтверждающих факторного анализа модели с отдельными факторами черты, методы и меры специфичность (Kumar и Диллон, 1990).

Потому что дисперсионный анализ, исследовательский факторный анализ маленького пространства анализа есть серьезные недостатки, для анализа данных MTMM (Шмитт и Stutlt, 1986), они не будут рассмотрены далее в настоящем документе. Обобщенный подход функции близости, которая может рассматриваться как непараметрические эквивалент дисперсионного анализа процедуры, лишь кратко рассматриваются в этой статье. Все остальные подходы подробно ..

(2) Следует признать, что это произвол. В связи с этим процедуры, предложенной Хуберт и Бейкер (1978, 1979) может быть примечателен. Используя понятие обобщенной функции сравнения близости, они предложили несколько индексов для оценки корреляции моделей в MTMM матрицы. Они разработали непараметрических критериев значимости при нулевой гипотезе, что MTMM матрицы не обнаружено корреляционной кучность в черты и методы, то есть фактическое назначение мер по черта-метод сочетания была получена случайная процесс маркировки. Таким образом, их процедура обеспечивает объективные критерии (например, тесты значимости) для оценки построить действия. Однако, как Юбер и Бейкер (1979: 183) отмечает, статистическая значимость "только незначительные (необходимое) условие для подтверждения конвергентных и дискриминантного действия", и исследователь должен установить строгие руководящие принципы с точки зрения пропорций удовлетворяющих критериям (например, менее 20 процентов).

Кроме того, эта процедура не решает другие проблемы, такие как дифференциальные надежности измерений, взаимные корреляции между методами, смешение погрешность измерения и оценки специфики и взаимодействий между методами и признаков (см. ниже). Таким образом, эта процедура не будет обсуждаться в дальнейшем (подробнее см. Хуберт и др.., 1981; Hubert, 1987) ..

(3) Можно было бы утверждать, на основе NCNFIs, что черта только модель соответствует данным удовлетворительно Жилле и Шваб (1975). Эта модель предполагает, что ни один из методов разница существует, и что меры, отражают лишь черта и дисперсии ошибки. Однако, поскольку все методы аналогичны самоотчетов, можно ожидать, что какой-то метод предубеждения существуют. В действительности, как показали последний в этом документе, признаки и методы inteact в этом наборе данных. Поэтому есть основания ставить под сомнение вывод, что признак только модель подходит для данных в Жилле и Шваб (1975). Отметим также, что признак только модели для этих данных должна быть отклонена на основании хи-квадрат добро "подгонки" тест: [x.sup.2] (14) = 39,20, р <.001 (см. таблицу 2 ) ..

(4) При определенных условиях это возможно для CFA и DPM, чтобы соответствовать тем же данным. Настоящее время мы изучаем глубже критериев, определяющих такие возможности, но это преждевременно от дальнейших комментариев на данный момент. Как предварительный рекомендации, мы считаем, что, когда один считает, что как CFA и DPM ели те же данные, следует проверить оценки параметров ли какие-либо нелогичным или подозрительные данные результата.

Например, удовлетворительного с моделью CFA может быть достигнуто только тогда, когда методом или признака факторы вынуждены были ортогональны, но серьезные причины могут существовать ожидать, что методы и черты будут intercorrelated.

Формирование межорганизационных сетей. - Обзор - обзор книги

Законность в государственном управлении: анализ дискурса. - Обзор - обзор книги

Внутри Kaisha: Demystifying японского делового поведения. - Обзор - обзор книги

Повествуя Организация: Драмы институциональной идентичности. - Обзор - обзор книги

Конкуренция на грани: стратегия, как структурированного хаоса. - Обзор - обзор книги

От редактора - Краткие статьи - Стенограмма

Сотрудничество сети, структурное дыры, и инновации: продольное исследование

Хороший, плохой, и двойственно: Управление идентификации среди дистрибьюторов Amway

Представляя структурных инноваций в институциональной среды: Больницы "Использовать впечатление управления

Что Bandwagons Принесите: Действие Популярные методы управления на Corporate Performance, репутации, а также генеральный директор платный