蕭文龍 部落格 Mac Shiau(blog)

[Knowledge Sharing]蘋果和橘子能比較嗎？ Measurement invariance + MGA, Multi-group analysis in SEM ( CB-SEM vs PLS-SEM)

許多研究者都問MGA？ 卻沒思考Measurement invariance？

真的需要考慮 Measurement invariance？

答案是：研究的問題若是有疑問，蘋果和橘子能比較嗎？ 就需要Measurement invariance + MGA。 Measurement invariance 可以用來處理能否比較的問題。 CB-SEM 和PLS-SEM處理能否比較的問題和多群組分析的概念是相同的，但是分析方法和步驟是不同的，我們整理提供MGA of CB-SEM 和MGA of PLS-SEM完整的處理 程序如下。

MGA of CB-SEM完整的處理程序如下：

Measurement model 需要包含三個步驟，分別以 a,b和c說明：

a. 整體量測模式需符合model fit 和信效度。

b. Configural invariance 需要相同的量測模式, 一樣多的構面, 問項和結構, 分2組執行Free estimate of unconstrained model， 2組各自model fit 需符合標準。

c. Metric invariance 也是分2組，需要設定2組所有因素負荷量恆等 (constrained all factor loading)，執行結果。

我們比較b, c結果，執行卡方檢定, p值不要顯著, 也就是不要顯著差異,就完成量測恆等性, 包含Configural invariance 和 Metric invariance, 代表兩組的量測因素和結構恆等。

Structure model 限制兩組單一路徑(相等), 比較卡方3.84 clf/X2 ，在一個自由度下, ≧3.84卡方, 兩組就達顯著差異(研究人員希望看到的結果)

AMOS有2種作法:

1. 使用圖示MGA建立所有的恆等性, 只保留structure weight模式, 限制單一路徑相等, 執行後, 查看multigroup comparison, p值要達顯著(研究人員希望看到的結果)

2. 勾選Bootstoop, 輸出自行建立所有的路徑代號, 使用VB語法限制單一路徑相等, 執行後, 查看estimates scalars user-defined estimates，再查看Estimates/Bootsrap Bias_corrected percentile method 值 達顯著(研究者希望看到的結果)

MGA of PLS-SEM完整的處理程序如下：

PLS-SEM使用的是measurement invariance of composite models (MICOM)程式來評估測量恆等性有三種：

Configurall invariance 設定恆等性

Compositional invariance 組成恆等性

Equal mean values and variances 平均數和變異恆等性。

設定恆等性是為了讓組成的成分是一樣的，也就是需要確保安(1)每個量測構面的問項相同，(2)資料的處理是相同，(3)演算的設定 也是一樣的。

Compositional invariance 組成恆等性 和 Equal mean values and variances 平均數和變異恆等性 需要使用使用SmartPLS 3.2X 軟體。

SmartPLS 3.2X 的處理程序是將資料分成2組或多組，執行Permutation+PLS-MGA。

Permutation(排列)，執行結果，提供Mincom程序，檢測Compositional invariance組成恆等性 和 Equal mean value and variance平均數和變異恆等性。

PLS-MGA提供各組的結果，並且比較兩組的路徑係數的統計檢定結果是否達顯著。

Permutation+PLS-MGA 範例：

• Li-Chun Huang and Wen-Lung Shiau (2017), “Factors affecting creativity in information system development: Insights from a decomposition and PLS–MGA”, Industrial Management & Data Systems, Vol. 117 Iss: 3, pp. 442 - 458