反復指標
高次構成概念を、その低次コンポーネントのすべての指標でまとめて測定します。単純ですが、指標の数が不ぞろいなときに偏りを生むことがあります。
PLS-SEM の手法
PLS-SEM における高次構成概念
高次構成概念は、抽象的な概念を、より具体的な複数の下位構成概念を通してとらえ、測定モデルに第2の層を加えます。このページでは、種類、推定のやり方、検証の方法、計算例、そしてよくある落とし穴を説明します。
高次構成概念とは
ほとんどの構成概念は、その指標によって直接測定されます。高次構成概念(階層的コンポーネントモデルとも呼ばれます)はひとつ上の層にあり、複数の低次構成概念によって測定され、各低次構成概念はそれぞれの指標を持ちます。たとえば、仕事の資源は、自律性、支援、フィードバックからなる高次構成概念になりえます。
高次構成概念は、構造パスの数を減らし、抽象的な概念をちょうどよい一般性の水準で表します。ただし、その層を加えることが理論的に正当化される場合にかぎります。
計算例
仕事の資源を、3つの低次コンポーネントを持つ高次構成概念としてモデル化します。自律性、支援、フィードバックで、それぞれ自前の項目で測定されます。高次構成概念は、3つの別々のパスではなく、1つの要因として構造モデルに入ります。
こうすることで、構造モデルは単純なまま、下にある3つのコンポーネントの詳細も保てます。
4つの種類
高次構成概念は、各層が反映的か形成的かによって分類されます。この種類が、モデルの指定と検証のしかたを決めます。
- 反映-反映
- 両方の層が反映的:高次構成概念は、相関する低次コンポーネントを反映し、各コンポーネントはそれぞれの項目に反映されます。
- 反映-形成
- 反映的な低次構成概念が高次構成概念を形成します。実務で最も多い種類です。
- 形成-反映
- 高次構成概念は、形成的に測定された低次構成概念を反映します。
- 形成-形成
- 両方の層が形成的:形成的なコンポーネントが高次構成概念を形成します。
種類は、推定の前に、理論と指標関係の向きから選びます。種類は、各層でどの妥当性チェックが当てはまるかを決めます。
推定のやり方
2段階
第1段階で低次構成概念のスコアを推定し、第2段階でそのスコアを高次構成概念の指標として使います。頑健で柔軟です。
拡張2段階
潜在スコアを次へ引き継ぐ2段階の変形です。OpenPLS は、潜在変数のスコアをデータセットに追加することでこれを支え、そのうえに次の層を組み立てられます。
分離2段階
高次の部分と低次の部分を、2つの段階を通して別々のモデルに保つ2段階の変形です。
高次構成概念を段階的に組み立てる
- どの低次構成概念が高次構成概念を構成するか、そして各層が反映的か形成的かを、理論から決めます。
- 低次構成概念を推定し、ほかの構成概念と同じように検証します(その層での信頼性と妥当性)。
- 潜在変数のスコアをデータセットに追加し、高次構成概念の指標として使えるようにします。
- そのスコアのうえに高次構成概念を組み立て、構造モデルを推定します(拡張2段階のやり方)。
- 高次の層をその種類に応じて検証し、それから構造パスを解釈します。
よくある落とし穴
- 理論的な正当化なしに、図を単純にするためだけに高次の層を加えること。
- 低次コンポーネントの指標の数が大きく不ぞろいなときに反復指標を使い、重みを偏らせること。
- 反映的な妥当性チェック(HTMT など)を形成的な層に当てはめること、またはその逆。どのチェックが当てはまるかは種類が決めます。
- その上の層を組み立てる前に、低次構成概念を検証し忘れること。
OpenPLS の高次構成概念
OpenPLS は高次構成概念に対応しています。専用の補助機能が階層を設定し、「潜在変数のスコアをデータセットに追加」する操作で、拡張2段階のやり方に向けてスコアを次へ引き継げます。これにより3次のモデルも可能になります。無料で、ブラウザ上で動作します。
自分のモデルで高次構成概念を組み立てる
ビジュアルエディタで低次構成概念をモデル化し、そのスコアを次へ引き継いで、上の層を数クリックで組み立てます。無料、インストール不要。
よくある質問
- 高次構成概念とは何ですか?
- 項目で直接ではなく、それぞれ自前の項目を持つ複数の低次構成概念によって測定される構成概念です。より具体的な下位次元を通して抽象的な概念を表し、測定モデルに第2の層を加えます。
- どの推定のやり方を使うべきですか?
- 2段階のやり方、とくに拡張2段階のやり方は頑健で柔軟で、反映的な層でも形成的な層でも使えます。反復指標はより単純ですが、指標の数が不ぞろいなときに結果を偏らせることがあります。
- 高次構成概念はどう検証しますか?
- 各層をその種類に応じて検証します。反映的な層は信頼性と弁別妥当性のチェックで、形成的な層は重みの有意性と共線性のチェックで検証します。上の層の前に、必ず低次構成概念を検証してください。
参考文献
主な文献は Sarstedt, M., Hair, J. F., Cheah, J.-H., Becker, J.-M., & Ringle, C. M. (2019). How to specify, estimate, and validate higher-order constructs in PLS-SEM. Australasian Marketing Journal, 27(3), 197-211 と Becker, J.-M., Klein, K., & Wetzels, M. (2012). Hierarchical latent variable models in PLS-SEM. Long Range Planning, 45(5-6), 359-394 です。実務的な解説は Hair, J. F., Hult, G. T. M., Ringle, C. M., & Sarstedt, M. (2022). A Primer on Partial Least Squares Structural Equation Modeling, 3rd ed., Sage を参照してください。