Měření invariance - Measurement invariance

Měření invariance nebo ekvivalence měření je statistická vlastnost měření, která naznačuje, že totéž postavit se měří napříč určitými skupinami.[1] Například invariance měření může být použita ke studiu, zda je dané měřítko interpretováno koncepčně podobným způsobem respondenty zastupujícími různé pohlaví nebo kulturní pozadí. Porušení invariance měření může vyloučit smysluplnou interpretaci naměřených dat. Testy invariance měření se stále více používají v oblastech, jako je psychologie, k doplnění hodnocení kvality měření zakořeněné v teorie klasických testů.[1]

Měřicí invariance se často testuje v rámci více skupin konfirmační faktorová analýza (CFA).[2] V kontextu modely strukturních rovnic, včetně CFA, se invariance měření často nazývá faktoriální invariance.[3]

Definice

V model společného faktoru, invariance měření může být definována jako následující rovnost:

kde je distribuční funkce, je pozorované skóre, je skóre faktoru a s označuje členství ve skupině (např. bělošský = 0, africký Američan = 1). Proto invariance měření znamená, že vzhledem k faktorovému skóre subjektu není jeho pozorované skóre závislé na jeho členství ve skupině.[4]

Druhy invariance

V modelu společného faktoru pro kontinuální výsledky lze rozlišit několik různých typů invariance měření:[5]

1) Stejná forma: Počet faktorů a vzor vztahů faktor-indikátor jsou mezi skupinami identické.
2) Stejné zatížení: Zatížení faktorů jsou u všech skupin stejná.
3) Rovné odposlechy: Když se pozorované skóre sníží na každém faktoru, jsou průsečíky ve všech skupinách stejné.
4) Stejné zbytkové odchylky: Zbytkové odchylky pozorovaných skóre, které faktory nezohledňují, jsou mezi skupinami stejné.

Stejnou typologii lze zobecnit na případ diskrétních výsledků:

1) Stejná forma: Počet faktorů a vzor vztahů faktor-indikátor jsou mezi skupinami identické.
2) Stejné zatížení: Zatížení faktorů jsou u všech skupin stejné.
3) Rovné prahové hodnoty: Když se pozorované skóre na každém faktoru sníží, prahové hodnoty jsou napříč skupinami stejné.
4) Stejné zbytkové odchylky: Zbytkové odchylky pozorovaných skóre, které faktory nezohledňují, jsou mezi skupinami stejné.

Každá z těchto podmínek odpovídá modelu s více skupinami potvrzujícího faktoru se specifickými omezeními. Těžnost každého modelu lze statisticky otestovat pomocí a test poměru pravděpodobnosti nebo jiný indexy shody. Smysluplné srovnání mezi skupinami obvykle vyžaduje, aby byly splněny všechny čtyři podmínky, což je známé jako přísná invariance měření. Striktní invariance měření však zřídka platí v aplikovaném kontextu.[6] Obvykle se to testuje postupným zavedením dalších omezení počínaje podmínkou stejné formy a nakonec pokračováním podmínky stejné zbytky, pokud se mezitím přizpůsobení modelu nezhorší.

Testy invariance

Ačkoli je nutný další výzkum týkající se použití různých invariantních testů a jejich příslušných kritérií v různých testovacích podmínkách, mezi aplikovanými výzkumníky jsou běžné dva přístupy. Pro každý porovnávaný model (např. Equal form, Equal Intercepts) a χ2 fit statistika je iterativně odhadnuta z minimalizace rozdílu mezi modelem implikovaných středních a kovariančních matic a pozorovaných středních a kovariančních matic.[7] Pokud jsou srovnávané modely vnořeny, rozdíl mezi χ2 hodnoty a jejich příslušné stupně volnosti jakýchkoli dvou modelů CFA různé úrovně invariance následují a χ2 distribuce (rozdíl χ2) a jako takové lze kontrolovat význam jako údaj o tom, zda stále více omezující modely vytvářejí znatelné změny v přizpůsobení dat modelu.[7] Existují však určité důkazy, že rozdíl χ2 je citlivý na faktory, které nesouvisejí se změnami cílených omezení invariance (např. velikost vzorku).[8] V důsledku toho se doporučuje, aby vědci také používali rozdíl mezi srovnávací index přizpůsobení (ΔCFI) dvou modelů určených ke zkoumání invariance měření. Když je rozdíl mezi CFI dvou modelů s různými úrovněmi invariance měření (např. Stejné formy versus stejné zatížení) větší než 0,01, pak je invariance pravděpodobně neudržitelná.[8] Očekává se, že odečtené hodnoty CFI budou pocházet z vnořených modelů, jako v případě rozdílu χ2 testování;[9] zdá se však, že aplikovaní vědci to zřídka berou v úvahu při aplikaci testu CFI.[10]

Úrovně rovnocennosti

Ekvivalenci lze také kategorizovat podle tří hierarchických úrovní ekvivalence měření.[11][12]

  1. Konfigurační ekvivalence: Ve víceskupinové konfirmační analýze faktorů je struktura faktorů stejná napříč skupinami.
  2. Metrická ekvivalence: Zatížení faktorů jsou ve všech skupinách podobná.[11]
  3. Skalární ekvivalence: Hodnoty / prostředky jsou také ekvivalentní napříč skupinami.[11]

Implementace

Testy invariance měření jsou k dispozici v Programovací jazyk R..[13]

Viz také

Reference

  1. ^ A b Vandenberg, Robert J .; Lance, Charles E. (2000). „Přehled a syntéza literatury pro měření invariance: Návrhy, postupy a doporučení pro organizační výzkum“. Metody organizačního výzkumu. 3: 4–70. doi:10.1177/109442810031002.
  2. ^ Chen, Fang Fang; Sousa, Karen H .; West, Stephen G. (2005). "Testování invariance měření modelů faktorů druhého řádu". Modelování strukturálních rovnic. 12 (3): 471–492. doi:10.1207 / s15328007sem1203_7.
  3. ^ Widaman, K. F .; Ferrer, E .; Conger, R. D. (2010). „Faktoriální invariance v modelech podélných strukturálních rovnic: Měření stejného konstruktu v čase“. Child Dev Perspect. 4 (1): 10–18. doi:10.1111 / j.1750-8606.2009.00110.x. PMC  2848495. PMID  20369028.
  4. ^ Lubke, G. H .; et al. (2003). „O vztahu mezi zdroji rozdílů uvnitř skupiny a mezi skupinami a invariantnosti měření v modelu společného faktoru“. inteligence. 31 (6): 543–566. doi:10.1016 / s0160-2896 (03) 00051-5.
  5. ^ Brown, T. (2015). Analýza konfirmačních faktorů pro aplikovaný výzkum, druhé vydání. Guilford Press.
  6. ^ Van De Schoot, Rens; Schmidt, Peter; De Beuckelaer, Alain; Lek, Kimberley; Zondervan-Zwijnenburg, Marielle (01.01.2015). „Editorial: Measurement Invariance“. Hranice v psychologii. 6: 1064. doi:10.3389 / fpsyg.2015.01064. PMC  4516821. PMID  26283995.
  7. ^ A b Loehlin, John (2004). Latentní proměnné modely: Úvod do analýzy faktorů, cest a strukturálních rovnic. Taylor & Francis. ISBN  9780805849103.
  8. ^ A b Cheung, G. W .; Rensvold, R. B. (2002). "Hodnocení indexů shody pro testování invariance měření". Modelování strukturálních rovnic. 9 (2): 233–255. doi:10.1207 / s15328007sem0902_5.
  9. ^ Widaman, Keith F .; Thompson, Jane S. (2003-03-01). Msgstr "Při určování nulového modelu pro indexy přírůstkového přizpůsobení v modelování strukturálních rovnic". Psychologické metody. 8 (1): 16–37. CiteSeerX  10.1.1.133.489. doi:10.1037 / 1082-989x.8.1.16. ISSN  1082-989X. PMID  12741671.
  10. ^ Kline, Rex (2011). Principy a praxe modelování strukturálních rovnic. Guilford Press.
  11. ^ A b C Steenkamp, ​​Jan-Benedict E. M .; Baumgartner, Hans (01.06.1998). „Posouzení invariance měření v mezinárodním spotřebitelském výzkumu“. Journal of Consumer Research. 25 (1): 78–90. doi:10.1086/209528. ISSN  0093-5301. JSTOR  10.1086/209528.
  12. ^ Ariely, Gal; Davidov, Eldad (01.09.2012). „Hodnocení rovnocennosti měření s nadnárodními a podélnými průzkumy v politologii“. Evropská politologie. 11 (3): 363–377. doi:10.1057 / eps.2011.11. ISSN  1680-4333.
  13. ^ Hirschfeld, Gerrit; von Brachel, Ruth (2014). „Zlepšení analýzy konfirmačních faktorů ve více skupinách v R - výuka invariance měření s průběžnými a pořadovými indikátory“. Praktické hodnocení, výzkum a hodnocení. 19. doi:10,7275 / qazy-2946.