antara sepasang faktor yang diuji (Anderson and
Gerbing, 1988 Bagozzi,1980,p.142)
Dengan
uji beda chi-square, validitas diskriminan dari dua konstruksi dinilai dengan
menghilangkan model pengukuran standar di mana semua faktor yang diperbolehkan
untuk mengubah, menciptakan model pengukuran baru identik dengan yang
sebelumnya, kecuali bahwa korelasi antara dua faktor bunga tetap itu 1, dan
statistik perbedaan chi square dihitung untuk dua model.
Dalam penelitian ini, untuk korelasi
antara variabel eksogen, F1 (motivasi) dan F2 (evaluasi) yang dipilih. Kedua
konstruksi begitu sangat berkorelasi bahwa adalah wajar untuk mempertanyakan
apakah atau tidak dua konstruksi yang berbeda sedang diukur sama sekali. Tabel
Ringkasan menunjukkan chi-square untuk model (Tabel 5.13). itu perbedaan
chi-square adalah 90.85. Untuk menentukan apakah nilai ini secara statistik
signifikan, karena ada 2 df yang terkait dengan uji beda chi-square, kritis
nilai chi-square adalah 9,21 pada p, = 01 13,82 pada p = .001. Yang diamati
chi-square perbedaan nilai adalah 90.85, sehingga perbedaan antara dua model
itu jelas signifikan pada p <.001.
Fornell
dan Larcker (1981) menunjukkan bahwa validitas diskriminan dapat dinilai dengan
menentukan apakah varians diekstraksi perkiraan untuk dua konstruksi yang lebih
besar dari kuadrat dari estimasi parameter antara mereka (φ2). Dalam penelitian
ini, korelasi antara F2 dan F5 adalah 0,542, dan alun-alun korelasi ini adalah
0,293 (lihat Lampiran B p. 211). Varians perkiraan diekstraksi dihitung
sebelumnya, dan muncul dalam Tabel 5.12. Perkiraan varians yang diekstraksi
adalah 0,530 untuk F2 (Evaluasi), dan 0,535 untuk F5 (Kinerja). Karena varians
diekstraksi perkiraan untuk kedua F2 dan F5 yang lebih besar dibandingkan
kuadrat dari korelasi interfactor, tes ini mendukung validitas diskriminan dari
dua faktor.
Validitas diskriminan dari skala
dinilai dengan menggunakan faktor konfirmatori analisis
prosedur (Anderson dan Gerbing, 1988). Hasil dari masing-masing pasangan
membangun perbandingan yang menyarankan bahwa solusi tujuh faktor lebih baik
daripada satu faktor solusi (Tabel 5.13).
Secara
keseluruhan, fakta bahwa semua test t yang signifikan menunjukkan bahwa semua
indikator yang efektif mengukur bangunan yang sama (Anderson dan Gerbing, 1988).
Sebagai bukti validitas konvergen, pengukuran faktor semua pemuatan (nilai t
antara 7,26-14,03), sedangkan reliabilitas bangunan yang besar (berkisar 0,725-0,835), dan
ekstraksi perbedaan rata-rata (AVE) (Fornell dan Larcker, 1981) menunjukkan
bahwa disetiap kasus, perbedaan ditangkap oleh bangunan adalah lebih besar
karena kesalahan pengukuran (Aves berkisar antara 0,487-0,618) (Tabel 5. 12).
Setiap
banyaknya indikator dianggap secara bersamaan
untuk menyediakan uji penuh validitas konvergen dan diskriminan. Oleh karena
itu, langkah-langkah yang memadai untuk analisis lebih lanjut.
5.5
Struktural Model
Karena
ukuran sampel adalah sederhana, model struktural yang nyata dievaluasi, daripada
model struktur tersembunyi menggunakan prosedur CALIS di SAS. Isu ukuran sampel
tetap perdebatan aktif dalam literatur pemodelan persamaan struktural (Brannick,
1995; Kelloway, 1995, Williams, 1995). Dengan sampel yang lebih kecil (N
<150) ada bahaya memperoleh solusi nonkovergent, bahkan untuk lebih tinggi ditentukan model
(Anderson dan Gerbing, 1988). Dengan sampel besar (N> 400), perbedaan dapat menyebabkan
penolakan dari model yang memuaskan karena indeks mutlak cocok adalah cenderung
dipengaruhi oleh ukuran sampel (Bollen, 1989, Loehlin, 1992).
Model pengukuran menilai apakah
semua item dalam skala tertentu diwakili faktor
yang sama tersembunyi. Kemudian hanya komponen-komponen yang dikumpulkan yang
mencerminkan bangunan yang umum dalam
rangka untuk memperoleh skala komposit yang tidak berdimensi untuk tes model
struktural (Anderson dan Gerbing, 1988). Untuk mengevaluasi model struktural, Bollen
(1990) merekomendasikan untuk
menafsirkan indeks mengikuti beberapa model yang cocok. CALIS yang sesuai
dengan statistik akan diulas, seperti tes chi-kuadrat dan root-mean-square
residual (RMSR). Untuk melengkapi indeks-indeks, indeks yang sesuai akan (IFN,
Bentler dan Bonett, 1980) diperiksa, karena tidak seperti uji chi-square yang telah
terbukti kurang bias dalam sampel kecil (Bentler, 1989). Indeks baik yang sesuai
(GFI; Joreskog dan Sorbom, 1993) juga dinilai, serta indeks perbandingan yang
sesuai (CFI, Bentler,1990), yang
keduanya relatif stabil dalam sampel kecil dari 250 (Hu dan Bentler,1995)
Analisis jalur dilakukan untuk
menguji model teoritis yang disajikan Gambar 1 (Lampiran
A, p. 196). Semua analisis dilakukan dengan menggunakan SAS sistem prosedur CALIS. Analisis ini
menggunakan metode kemungkinan pengukuran maksimum, dan semua analisis yang
dilakukan pada matriks varians-kovarians.
5.5.1
Model Teoritis Awal
Kecukupan
model struktural ditentukan oleh uji chi-square. Tes ini mengevaluasi seberapa
baik matriks kovariansi tersirat oleh model sesuai dengan Matriks kovarian dari
data yang diamati. Namun, karena uji chi-square sangat dipengaruhi oleh ukuran
sampel (Bollen dan Long, 1994), beberapa indeks yang sesuai telah diusulkan sebagai alat bantu untuk
model yang cocok (Joreskog dan Sorbom, 1989; Bentler, 1992).
Meskipun
estimasi model ini mengungkapkan model nilai chi-square yang signifikan, χ2 (5,
N = 210) = 20.06, p = 0,0012, cocok dengan nilai-nilai statistik yang melebihi
.90, kecuali untuk AGFI, menunjukkan model yang cocok. Perubahan yang diujikan
akan meningkatkan model yang cocok. Indeks yang sesuai paling tepat adalah
Perbandingan indeks yang sesuai (CFI) karena memiliki variasi sampel yang
kecil, dan tidak dipengaruhi oleh ukuran sampel (Bentler, 1990). Untuk tujuan
validitas, indeks yang kurang dari .90 belum dianggap dapat diterima (Bentler,
1990;. Hays et al, 1994).
Gambar 5.2 menampilkan koefisien
jalur standar untuk model teoritis. Pemasangan model diduga data menghasilkan
kebaikan diterima indeks fit. Pertama, koefisien jalan yang terakhir untuk
melihat apakah salah satu jalur dalam model awal harus dihapus.
Nilai
t untuk semua koefisien jalur terbukti secara statistik signifikan pada p
<.05, Kecuali dari Nama Merek ke kualitas
Hubungan, Merek Nama untuk Kinerja, Kinerja Komitmen, dan Motivasi untuk Komitmen. Semua koefisien jalur standar melebihi .30 (kecuali dari Hubungan
Kualitas untuk Kinerja) dalam besaran absolut, menunjukkan bahwa mereka
bermakna dalam ukuran (Billings dan wroten, 1978). Namun, peninjauan model
residu mengungkapkan bahwa distribusi residu yang dinormalisasi adalah
asimetris, dan bahwa salah satu residu yang dinormalkan relatif besar (lebih
dari 2,0). Residu dinormalkan terbesar adalah 2,27 untuk Motivasi - Hubungan
Kepuasan. Hubungan yang sama juga menunjukkan test penggandaan lagrange yang
signifikan (Bentler, 1989) (10,37, p <.001) menunjukkan bahwa model dapat
meningkat secara signifikan dengan menambahkan jalur dari Motivasi terhadap
Kepuasan. Modifikasi model dapat dibantu dengan menggunakan dua tes, tes Wald,
dan test penggandaan lagrange (Hatcher, 1994). Meskipun modifikasi sangat
dipengaruhi oleh kesempatan (MacCallum, Roznowski dan Necowitz, 1992), mereka
bisa memberikan pemahaman kepada variasi dalam model asli (Hays et at., 1994).
Oleh
karena itu, model direvisi dengan menambahkan jalan dari Motivasi terhadap
kepuasan dan dari Nama Merek Komitmen. Beberapa jalan yang ada dihilangkan dari
model awal. Model yang dihasilkan disebut "model revisi." Menambahkan
seperti jalan yang konsisten dengan teori prediksi bentuk disonansi kognitif
(Festinger,1957), dalam individu sering menyesuaikan sikap mereka sehingga
sikap mereka akan konsisten dengan perilaku mereka.
Karena
penambahan dan penghapusan dapat dibenarkan atas dasar teoritis, jalan dari
Motivasi Kepuasan dan dari Nama Merek Komitmen yang ditambahkan ke dalam awal
model, dan jalur dari Nama Merek ke kualitas Hubungan, Merek Nama untuk
Kinerja, Kinerja Komitmen, dan Motivasi untuk Komitmen, akan dihapus dari model
awal. Model yang dihasilkan, yang disebut "model direvisi," kemudian
kembali diperkirakan.
5.5.2
Revisi Model
Indeks
yang sesuai untuk model revisi juga disajikan dalam Tabel 5.14. Dengan
membandingkan statistik chi-square untuk model direvisi, mungkin untuk
melakukan chi-square tes yang berbeda untuk menentukan apakah penambahan jalan
baru menghasilkan hasil yang signifikan terhadap perbaikan dalam model yang
sesuai. Perbedaan ini dihitung sebagai 20,06 - 7.85. Dengan df = 2, statistik
perbedaan chi-square dari 12,21 adalah signifikan (p <.01), menunjukkan
bahwa model revisi yang disediakan cocok dengan data (Tabel 5.14). Beberapa
keadaan yang dibawah, model yang signifikan chi-square menunjukkan model yang
sesuai. Selain itu, indeks lain yang cocok untuk model ini semua melebihi .95,
indikasi yang paling cocok.
Indeks
yang sesuai pada Tabel 5.14 menunjukkan
bahwa model revisi yang disediakan sangat cocok untuk data. Statistik model
chi-square yang tidak signifikan, χ2 (7, N = 210) = 7,85, p = 0,346, dan GFI,
AGFI, CFI, NFI, dan NNFI semua melebihi .95, dan RMR di bawah 05. Hasil
analisis menunjukkan R2 nilai 0,545 untuk Kualitas Hubungan, 0,269 untuk
Kinerja, 0,670 untuk Kepuasan, dan 0,521 untuk Komitmen (lihat Tabel 5.14).
Jalur
koefisien untuk model revisi disajikan pada Gambar 5.3. semua koefisien yang
signifikan pada p <.01 atau lebih rendah.
Dikatakan
disini bahwa model revisi harus diterima sebagai "model akhir" yang
diidentifikasi oleh penelitian ini. Bahkan model revisi menunjukkan model
chi-square test yang tidak signifikan hanya statistik ini yang tidak memberikan
tes yang valid dari model yang sesuai di sebagian situasi, oleh karena itu ini
harus dipandang lebih sebagai kebaikan umum indeks yang sesuai dibandingkan
sebagai uji statistik (Joreskog dan Sorbom, 1989). Untuk mendukung revisi
model, GFI dan CFI dan NFI dan NNFI
lebih dekat dengan 1, mengindikasikan kecocokan antara model dan data.
Hasil
untuk model jalur keseluruhan disajikan pada Gambar 5.3. mereka mengindikasikan
bahwa model yang ditunjukkan cocok untuk data. Karena indeks yang sesuai melebihi .95,dan χ2 tidak
signifikan pada tingkat .001, struktur keseluruhan dari jalur model didukung,
dan koefisien jalur individu dapat ditafsirkan bermakna (Hair et al.,1995).