Metody
Każda analiza, którą Explonia liczy w przeglądarce, wyjaśniona prostym językiem — czym jest, kiedy jej użyć, jakich progów oczekują recenzenci i jak to raportować w APA. Potem policz to na własnych danych, start za darmo.
Zbuduj, zwaliduj i zaraportuj model pomiarowy — czynniki, rzetelność i trafność różnicową.
Konfirmacyjna analiza czynnikowa
Przetestuj model pomiarowy, który już masz — ładunki czynnikowe, dopasowanie, AVE i CR — w przeglądarce, a potem wyeksportuj do SPSS, R lub AMOS.
Otwórz metodę eksploracyjna analiza czynnikowaEksploracyjna analiza czynnikowa
Eksploracyjna analiza czynnikowa (EFA) ujawnia strukturę stojącą za zestawem pozycji, gdy nie znasz jej z góry: ile jest czynników i które pozycje należą do którego. Typowe wytyczne to KMO co najmniej .60 (.80 to dobry wynik), istotny test Bartletta (p < .05) i ładunki co najmniej .40 do .50 do interpretacji. EFA możesz uruchomić online w Explonii, w przeglądarce, na danych, które zbierzesz lub wgrasz.
Otwórz metodę efa vs cfa różnicaEFA vs CFA
EFA vs CFA — kiedy eksplorować, a kiedy potwierdzać — z tabelą decyzyjną, a obie uruchamiają się w Explonii.
Otwórz metodę rzetelność cronbach alphaRzetelność (alpha, omega, CR, AVE)
Uzyskaj Cronbach's α, McDonald's ω, composite reliability (CR) i AVE dla każdego konstruktu, z progami sprawdzonymi za Ciebie.
Otwórz metodę htmt trafność różnicowaHTMT — trafność różnicowa
Sprawdź trafność różnicową za pomocą wskaźnika HTMT jednym kliknięciem — z zastosowanymi progami .85 i .90.
Otwórz metodę common method biasCommon method bias
Common method bias (CMB), czyli common method variance, to sztuczna kowariancja powstająca, gdy ci sami respondenci odpowiadają na wszystkie pytania tą samą metodą w tym samym czasie. Może zawyżać lub zaniżać korelacje między konstruktami. Test jednego czynnika Harmana sygnalizuje problem, gdy jeden czynnik wyjaśnia 50% wariancji lub więcej, ale test jest słaby i nie powinien być jedynym dowodem. Silniejsze kontrole modelują wariancję metody bezpośrednio: common latent factor (ULMC) lub, najlepiej, zmierzona zmienna markerowa.
Otwórz metodęTestuj zależności między konstruktami i porównuj grupy za pomocą SEM.
SEM oparte na kowariancji
SEM oparty na kowariancji (CB-SEM) testuje pełny model teoretyczny, zarówno część pomiarową, jak i ścieżki między konstruktami, odtwarzając obserwowaną macierz kowariancji. Daje globalne wskaźniki dopasowania, więc można potwierdzić lub odrzucić teorię. Powszechnie stosowane progi to CFI i TLI co najmniej .95, RMSEA nie więcej niż .06 i SRMR nie więcej niż .08 (Hu & Bentler, 1999). Luźniejsze granice są często traktowane jako akceptowalne: CFI/TLI na poziomie .90 (Bentler & Bonett, 1980), RMSEA na poziomie .08 (Browne & Cudeck, 1993) i SRMR na poziomie .10 (Schermelleh-Engel et al., 2003). CB-SEM pasuje do dojrzałej teorii z konstruktami refleksyjnymi; do predykcji lub konstruktów formatywnych rozważ PLS-SEM.
Otwórz metodę analiza pls-semPLS-SEM
Uruchom PLS-SEM na własnych danych — współczynniki ścieżkowe, bootstrapowe przedziały ufności i R² — bez licencji SmartPLS.
Otwórz metodę analiza mediacjiAnaliza mediacji
Testuj efekty pośrednie z bootstrapowymi przedziałami ufności — i otrzymaj zdanie APA przygotowane do edycji.
Otwórz metodę inwariancja pomiarowaInwariancja pomiarowa
Inwariancja pomiarowa sprawdza, czy skala znaczy to samo w różnych grupach, w trzech zagnieżdżonych krokach: configural (ten sam wzorzec ładunków), metric (równe ładunki) i scalar (równe ładunki i wyrazy wolne). Inwariancja scalar jest potrzebna, zanim porównasz średnie latentne między grupami. Każdy krok dodaje ograniczenia, a inwariancję wspiera sytuacja, gdy dopasowanie nie pogarsza się istotnie: zmiana CFI (ΔCFI) nie większa niż .01 (Cheung & Rensvold, 2002), często odczytywana razem z ΔRMSEA nie większą niż .015 (Chen, 2007).
Otwórz metodęProjektuj badania i porównuj warunki, segmenty lub kompromisy między cechami.
Analiza conjoint
Zbuduj badanie conjoint oparte na ocenach lub wyborze (CBC/HB), zbierz dane i odczytaj użyteczności cząstkowe oraz ważność atrybutów — od początku do końca.
Otwórz metodę porównanie między grupamiPorównanie między grupami
Porównuj grupy za pomocą t-testów lub ANOVA, z wielkościami efektu i sprawdzeniem założeń — gotowe do raportowania w APA.
Otwórz metodęDescribe your data and test simple relationships: summaries, cross-tabs, regression and repeated measures.
Statystyki opisowe
Pierwszy krok każdej analizy — średnie, odchylenia standardowe, skośność, kurtoza i macierz korelacji, gotowe do raportowania w APA.
Otwórz metodę analiza regresjiAnaliza regresji
Przewiduj zmienną wynikową z kilku zmiennych obserwowanych — regresja liniowa lub logistyczna — ze współczynnikami, R², sprawdzeniem VIF i wynikami gotowymi do APA.
Otwórz metodę ANOVA z powtarzanymi pomiaramiANOVA z powtarzanymi pomiarami
ANOVA wewnątrzobiektowa dla planów pre/post lub wielowarunkowych — z testem sferyczności Mauchly'ego, korektami, cząstkowym eta-kwadrat i raportowaniem APA.
Otwórz metodę tabela krzyżowaTabela krzyżowa i chi-kwadrat
Testuj, czy dwie zmienne kategorialne są powiązane — z tabelą kontyngencji, testem χ², wielkością efektu i wynikiem gotowym do APA.
Otwórz metodęPlan the sample you need before you collect data, and check that the assumptions behind your model hold.
Moc i liczebność próby
Oblicz potrzebną liczebność próby, zanim ruszysz z badaniem — by recenzenci zaakceptowali Twoje N, a wyniki były warte zaufania.
Otwórz metodę diagnostykaSprawdzanie założeń i diagnostyka
Zanim zaufasz wartości p, potwierdź, że założenia modelu są spełnione. Oto sprawdzenia, które się liczą, i co robić, gdy zawiodą.
Otwórz metodęPrzeprowadź całe badanie w jednym miejscu
Zaprojektuj je, zbierz dane i uzyskaj analizę klasy publikacyjnej z gotowym akapitem APA, który możesz edytować, start za darmo.
Zacznij za darmo