Heywood case (záporný rozptyl chyby)
Heywood case je nemožný odhad — najčastejšie záporný rozptyl chyby (reziduálu), alebo štandardizovaná sýtosť nad 1. Signalizuje, že model nesedí na dáta tak, ako je špecifikovaný, zvyčajne pre malú vzorku, faktor s príliš málo indikátormi, zle špecifikovaný model alebo koreláciu poháňanú odľahlými hodnotami.
Táto stránka je prekladom recenzovaného anglického originálu. Zobraziť originál (EN)
heywood caseČo chyba znamená
Rozptyly nemôžu byť záporné, takže keď odhadová procedúra vráti záporný reziduálny rozptyl, výsledok je logicky nemožný — je to Heywood case. Súvisiacim príznakom je štandardizovaná faktorová sýtosť nad 1 alebo korelácia medzi faktormi nad 1. Softvér často aj tak vypíše riešenie, ale nie je prípustné: štandardné chyby a fit môžu byť zavádzajúce a výsledok by sa nemal reportovať v tejto podobe.
Bežné príčiny
- Malá veľkosť vzorky, ktorá robí odhady nestabilnými a náchylnými na prestrelenie.
- Faktor s príliš málo indikátormi (iba dva, alebo jedna silná položka dominuje).
- Zlá špecifikácia modelu — nesprávny počet faktorov, položky priradené k nesprávnemu faktoru, alebo chýbajúce cross-loading.
- Odľahlé hodnoty alebo pár vplyvných prípadov, ktoré nafukujú koreláciu nad to, čo model dokáže absorbovať.
- Empirická nedostatočná identifikácia: model je na papieri identifikovaný, ale sýtosť je blízka nule.
- Skutočne takmer nulový pravý rozptyl chyby, ktorý výberová chyba stlačí pod nulu.
Ako to opraviť
- Nájdi problémový parameter vo výstupe — položku so záporným reziduálnym rozptylom alebo sýtosťou nad 1.
- Prehodnoť merací model: patrí tá položka naozaj k tomuto faktoru? Skontroluj cross-loading alebo lepšie sadnúcu štruktúru.
- Pridaj indikátory, aby mal každý faktor aspoň tri; dvoj-indikátorové faktory sú krehké a častý zdroj Heywood cases.
- Preveď odľahlé hodnoty a vplyvné prípady, ktoré môžu poháňať extrémnu koreláciu.
- Zvýš veľkosť vzorky — mnohé Heywood cases zmiznú s väčším množstvom dát.
- Ako uvážený posledný krok niektorí autori fixujú rozptyl chyby na malú kladnú hodnotu, ale iba po vylúčení zlej špecifikácie — nikdy to nepoužívaj na skrytie nesprávneho modelu.
Ako sa tomu vyhnúť nabudúce
Daj každému faktoru aspoň tri solídne indikátory, preveď odľahlé hodnoty pred modelovaním a nastav vzorku podľa modelu. Explonia reportuje štandardizované riešenie a reliabilitu, takže položka so sýtosťou blízkou 1 alebo nad ňou či so slabým reziduálom vyčnieva a môžeš znovu spustiť po revízii meracieho modelu. Vynáša výstražný signál na povrch — potichu "neopraví" zle špecifikovaný model. Pozri CFA a reliabilitu.
Často kladené otázky
Je v poriadku jednoducho fixovať záporný rozptyl na nulu?
Obmedzenie rozptylu chyby na malú kladnú hodnotu sa niekedy používa, ale iba ako posledná možnosť a až po tom, ako si vylúčil zlú špecifikáciu, príliš málo indikátorov, odľahlé hodnoty a malé N. Robiť to len preto, aby varovanie zmizlo, skrýva skutočný problém a môže skresliť zvyšok modelu.
Prečo je moja štandardizovaná sýtosť väčšia než 1?
Štandardizovaná sýtosť nad 1 je ďalšou tvárou Heywood case: zvyčajne prichádza so záporným alebo takmer nulovým rozptylom chyby pre danú položku. Obvykle odráža zle špecifikovanú štruktúru faktorov, vplyvný prípad alebo malú nestabilnú vzorku, nie nezvyčajne silnú položku.
Môže samotná malá vzorka spôsobiť Heywood case?
Áno. Pri malom N môže výberová chyba stlačiť takmer nulový pravý rozptyl chyby pod nulu alebo odhad nad jeho hranicu. Zozbieranie väčšieho množstva dát často vyrieši Heywood case samo, a preto by N malo zodpovedať zložitosti modelu.
Ako citovať túto stránku
Ak vám táto stránka pomohla vo výskume, môžete ju citovať (APA 7):
Szymkowiak, A. (2026). Heywood case: záporný rozptyl chyby (riešenie). Explonia. https://explonia.com/sk/fix/heywood-case/
Last updated: júl 2026
Vykonajte celý výskum na jednom mieste
Zostavte ho, zozbierajte dáta a získajte analýzu publikačnej úrovne s návrhom odseku APA, ktorý môžete upraviť. Začnite zadarmo. Bez karty.
Začať zadarmo