重复指标
高阶构念一次性由其所有低阶成分的指标来测量。简单,但当指标数量不均时可能产生偏误。
PLS-SEM 方法
PLS-SEM 中的高阶构念
高阶构念通过若干更具体的子构念来刻画一个抽象概念,为测量模型增加第二层。本页解释其类型、估计方法、如何验证、一个算例,以及常见误区。
什么是高阶构念
大多数构念由其指标直接测量。高阶构念(也称分层成分模型)高出一层:它由若干低阶构念测量,每个低阶构念又有自己的指标。例如,工作资源可以是一个由自主性、支持和反馈构成的高阶构念。
高阶构念减少了结构路径的数量,并在合适的一般性层次上刻画抽象概念,前提是这一附加层在理论上站得住脚。
一个算例
把工作资源建模为一个高阶构念,包含三个低阶成分:自主性、支持和反馈,每个都由自己的题项测量。高阶构念随后作为单一驱动因素进入结构模型,而不是三条单独的路径。
这样既让结构模型保持简单,又保留了其下三个成分的细节。
四种类型
高阶构念按每一层是反映型还是形成型来分类。类型决定了你如何设定和验证模型。
- 反映-反映
- 两层都是反映型:高阶构念反映彼此相关的低阶成分,每个成分又由其题项反映。
- 反映-形成
- 反映型低阶构念形成高阶构念。实践中最常见的类型。
- 形成-反映
- 高阶构念反映以形成方式测量的低阶构念。
- 形成-形成
- 两层都是形成型:形成型成分形成高阶构念。
在估计之前,从理论和指标关系的方向来确定类型。类型决定了每一层适用哪些效度检查。
估计方法
两阶段
第一阶段估计低阶构念的得分;第二阶段用这些得分作为高阶构念的指标。稳健且灵活。
扩展两阶段
一种把潜变量得分向前带的两阶段变体。OpenPLS 通过把潜变量得分添加到数据集来支持它,这样你就能在其上搭建下一层。
分离两阶段
一种在两个阶段中把高阶部分和低阶部分保持在各自模型里的两阶段变体。
逐步搭建一个高阶构念
- 从理论上确定哪些低阶构念构成高阶构念,以及每一层是反映型还是形成型。
- 估计低阶构念,并像验证任何构念那样验证它们(该层的信度与效度)。
- 把潜变量得分添加到你的数据集,使它们能充当高阶构念的指标。
- 在这些得分之上搭建高阶构念,并估计结构模型(扩展两阶段方法)。
- 按高阶层的类型加以验证,然后解释结构路径。
常见误区
- 在没有理论依据的情况下只为简化图形而添加高阶层。
- 当低阶成分的指标数量相差很大时还使用重复指标,这会使权重产生偏误。
- 把反映型效度检查(如 HTMT)用到形成型层上,或者反过来。类型决定适用哪些检查。
- 忘记在搭建上面一层之前先验证低阶构念。
OpenPLS 中的高阶构念
OpenPLS 支持高阶构念。一个专用助手会搭好层级结构,而“把潜变量得分添加到数据集”这一操作让你为扩展两阶段方法把得分向前带,这也让三阶模型成为可能。免费,且在浏览器中运行。
常见问题
- 什么是高阶构念?
- 一种不由题项直接测量,而是由若干各有自己题项的低阶构念来测量的构念。它通过更具体的子维度来刻画一个抽象概念,并为测量模型增加第二层。
- 我应该用哪种估计方法?
- 两阶段方法,尤其是扩展两阶段方法,稳健而灵活,既适用于反映型层也适用于形成型层。重复指标更简单,但当指标数量不均时可能使结果产生偏误。
- 如何验证高阶构念?
- 按每一层的类型来验证:反映型层用信度和区分效度检查,形成型层用权重显著性和共线性检查。务必先验证低阶构念,再验证上面一层。
延伸阅读
主要文献为 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,以及 Becker, J.-M., Klein, K., & Wetzels, M. (2012). Hierarchical latent variable models in PLS-SEM. Long Range Planning, 45(5-6), 359-394。实用论述见 Hair, J. F., Hult, G. T. M., Ringle, C. M., & Sarstedt, M. (2022). A Primer on Partial Least Squares Structural Equation Modeling, 第 3 版, Sage。