Định nghĩa heywood case là gì
Giải pháp SEM tạo ra ước tính phương sai phần dư nhỏ hơn 0 (phương sai sai số âm) được gọi là trường hợp Heywood. Kết quả như vậy là không thể về mặt logic vì nó ngụ ý phương sai sai số dưới 0 phần trăm trong một mục và bằng cách suy luận, nó ngụ ý rằng hơn 100 phần trăm phương sai trong một mục hoặc một khái niệm được giải thích.
Các trường hợp Heywood đặc biệt có vấn đề trong các mô hình CFA với các mẫu nhỏ hoặc khi quy tắc ít nhất ba chỉ báo không được tuân thủ (nghĩa là 1 khái niệm tiềm ẩn có ít nhất ba thang đo đo lường nó). Các mô hình có kích thước mẫu ít nhất là 100 tuân thủ quy tắc ba chỉ số hiếm khi tạo ra trường hợp Heywood. Ngay cả khi có trường hợp Heywood, chương trình SEM có thể đưa ra giải pháp; giải pháp đó có thể là một trong đó mô hình không hội tụ đầy đủ. Điều này thường đi kèm với một cảnh báo hoặc thông báo lỗi chỉ ra rằng một ước tính phương sai sai số không được xác định(error variance estimate is not identified) và cảnh báo rằng giải pháp có thể không đáng tin cậy.
Một số lựa chọn có thể thực hiện được khi các trường hợp Heywood phát sinh
-Giải pháp đầu tiên phải là đảm bảo tính hợp lệ của cấu trúc. Điều này có thể liên quan đến việc loại bỏ một mục vi phạm, nhưng nhà nghiên cứu có thể bị hạn chế nếu điều này tạo ra vi phạm quy tắc ba chỉ số.
-Một cách thay thế là thử và thêm nhiều mục hơn nếu có thể hoặc giả sử loading tương đương (tất cả các tải trong cấu trúc đó là như nhau).
-Hai giải pháp trên thích hợp hơn giải pháp sau:đó là sửa ước tính vi phạm thành một giá trị rất nhỏ, chẳng hạn như .005. Mặc dù giá trị này có thể xác định tham số, nhưng nó có thể dẫn đến mức độ phù hợp thấp hơn, vì giá trị này không có khả năng là giá trị mẫu thực. Điều đó cũng có nghĩa là nguyên nhân cơ bản không được khắc phục trong thông số kỹ thuật của mô hình, mà phải được giải quyết theo kiểu “đặc biệt”.
