Kamis, 10 Januari 2013

Review, Ekonomi Koperasi



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).

Tidak ada komentar:

Posting Komentar