Перевірка даних шкали
Перед EFA/CFA: пропуски, викиди й упередження
Перевірка даних шкали
Перед EFA/CFA: пропуски, викиди й упередження
Попередній перегляд
Опис
Тригериться, коли сирі дані розроблення шкали (Excel/CSV), зібрані професійною дослідницькою компанією, потрібно перевірити на психометричну якість перед переходом до EFA/CFA або фінального аналізу надійності. Комплексно оцінює пропущені дані, викиди, неуважне заповнення, систематичні похибки відповідей, якість пунктів і достатність вибірки та формує рішення Go/No-Go; не змінює дані, а лише надає діагностичний/аудиторський звіт.
Схожі навички
Переглянути всі
Аудит якості даних шкали
Ця навичка системно перевіряє необроблені дані анкети, зібрані в межах розроблення шкали, за такими аспектами: пропущені дані, аномальні спостереження, неуважне заповнення (straightlining, longstring, random responding), порушення розподілу на рівні пунктів, а також передумови надійності й факторної придатності. Вона не створює підсумкових результатів EFA/CFA, а надає обґрунтоване доказами рішення «go/no-go» щодо готовності даних до наступних етапів аналізу та рекомендацію зі стратифікованого поділу вибірки для EFA/CFA (EFA/CFA split). Усі обчислення виконуються із запуском реального коду (Python: pandas, scipy, factor_analyzer, pingouin); припущені числа не генеруються.
ДослідженняВалідність і надійність
На основі результатів аналізу EFA або CFA (KMO, тест Бартлетта, факторні навантаження, індекси відповідності, Cronbach alpha/CR/AVE) створює повний готовий до використання в статті текст розділів «Методи» та «Результати». Правильно класифікує порогові значення індексів відповідності (CFI/TLI≥.90, RMSEA≤.08 тощо) і відкрито повідомляє про проблеми валідності, як-от AVE<0.50. Для кого: академічні дослідники й аспіранти, які проводять розроблення або адаптацію шкал.
ДослідженняPLS-SEM: звіт і відповіді
Створює повний звіт про вимірювальну та структурну моделі на основі результатів PLS-SEM (зовнішні навантаження, CR/AVE, дискримінантна валідність HTMT, коефіцієнти шляхів, R²/f²/Q², SRMR). Правильно застосовує поріг HTMT і тлумачення R² за критеріями Cohen/Chin та уникає причинно-наслідкових формулювань. Також заздалегідь виявляє щонайменше 4 типові заперечення рецензентів журналів (наприклад, «чому обрано PLS, а не CB-SEM» або «контроль CMB не проведено») і пропонує захисне формулювання для кожного. Підходить дослідникам у сфері бізнесу та соціальних наук, які застосовують структурне моделювання, а також тим, хто прагне посилити методологічну обґрунтованість роботи перед поданням до журналу.
Інформація
- Версія
- v2
- Останнє оновлення
- Кредити за запуск
- За фактичним використанням
- Моделі
- Автоматично
