Step 3: Reviewing the significance

Step 3: Reviewing the significance tests for factor loading
The factor loadings are equivalent to path coefficients from latent factors to their indicator variables. Therefore, an insignificant factor loading means that the involved indicator variable is not doing a good job for measuring the underlying factor, and should be reassigned or dropped. The t-value explains about the significance of path coefficients from latent factors to their indicator variables. The factor loadings are significant when t-values are greater than 1.96 at p < 0.05, 2.576 at p < 0.01, or 3.291 at p < 0.001.

Step 4: Normalized residual matrix
The model provides a good fit to the data when the distribution of normalized residual is centered on zero, symmetrical, and contains no or few large residuals.

Step 5: The Wald test
The Wald test estimates the change in model chi-square that would result from fixing a given parameter at zero. The first parameter listed is the one that will result in the least change in chi-square if deleted. The second parameter will result in the second-least change, and so forth. The result from t-value and covariance related to the Wald test about the parameter that is suggested to be deleted.

Step 6: The Lagrange multiplier test
The Lagrange multiplier test estimates the reduction in model chi-square that results from freeing a fixed parameter and allowing it to be estimated. In other words, the Lagrange multiplier estimates the degree to which chi-square would improve if a new factor loading or covariance is added to model.
The first modification index is the Wald test, which identifies parameters that should possibly be dropped from the model. The second modification index is the Lagrange multiplier, which identifies parameters that should possibly be added. It is generally safer to drop existing parameters than to add new ones. For this reason, the Wald test will be consulted first.

Step 7: Indicator reliability
The reliability of an indicator variable is defined as the square of the correlation between a latent factor and that indicator. In other words, the reliability indicates the percentage of variation in the indicator that is explained by the factor that it is supposed to measure (Long, 1983).

Step 8: Composite reliability and variance extracted
The composite reliability identifies the indicators measuring a given factor while the variance extracted identifies the amount of variance that is captured by factor in relation to the amount of variance due to measurement error. The minimal acceptable level of composite reliability and variance extracted are 0.6 and 0.5, respectively.

Step 9: Convergent validity
Convergent validity is used to measure the similarity or convergence between the indicators measuring the same construct. Convergent validity is demonstrated when the correlations between these indicators are statistically significant (greater than twice their standard errors).

Kết quả (Việt) 1:

Bước 3: Xem xét các ý nghĩa xét nghiệm cho factor loadingKhi yếu tố là tương đương với hệ số đường dẫn từ các yếu tố tiềm ẩn để biến chỉ số của họ. Do đó, một yếu tố không đáng kể nâng có nghĩa rằng biến liên quan đến chỉ số không làm một công việc tốt để đo lường các yếu tố tiềm ẩn, và nên được bố trí hoặc giảm xuống. Giá trị t giải thích về ý nghĩa của đường dẫn hệ từ tiềm ẩn các yếu tố để biến chỉ số của họ. Khi yếu tố rất quan trọng khi các giá trị t là lớn hơn 1,96 tại p < 0,05, 2.576 tại p < 0,01 hoặc 3.291 tại p < 0,001.Bước 4: Chuẩn hoá dư ma trậnCác mô hình cung cấp thích hợp để các dữ liệu khi phân phối bình thường còn lại là trung tâm trên zero, đối xứng, và có chứa không có hoặc ít dư lớn.Bước 5: Kiểm tra WaldWald test ước tính sự thay đổi trong chi-mô hình vuông sẽ cho kết quả từ sửa chữa một thông số nhất định tại zero. Các tham số đầu tiên được liệt kê là một trong đó sẽ dẫn đến sự thay đổi ít nhất trong chi-vuông nếu xóa. Các tham số thứ hai sẽ cho kết quả trong ít thay đổi, và vv.. Kết quả từ giá trị t và hiệp phương sai liên quan đến thử nghiệm Wald về các tham số đó là đề nghị để xóa.Bước 6: Kiểm tra hệ số LagrangeKiểm tra hệ số Lagrange ước tính giảm trong chi-vuông mô hình kết quả từ giải phóng một tham số cố định và cho phép nó được ước tính. Nói cách khác, Hệ số Lagrange ước tính mức độ mà chi-vuông sẽ cải thiện nếu một yếu tố mới tải hoặc hiệp phương sai được thêm vào mô hình.Chỉ số sửa đổi đầu tiên là thử nghiệm Wald, xác định các thông số có thể nên được thả từ các mô hình. Chỉ số sửa đổi thứ hai là hệ số Lagrange, xác định các thông số có thể được thêm vào. Đó là nói chung an toàn để thả các tham số sẵn có hơn để thêm những cái mới. Vì lý do này, Wald test sẽ được tư vấn đầu tiên.Bước 7: Chỉ số đáng tin cậyĐộ tin cậy của một biến chỉ số được định nghĩa là các hình vuông của các mối tương quan giữa các yếu tố tiềm ẩn và chỉ thị đó. Nói cách khác, sự đáng tin cậy cho thấy tỷ lệ phần trăm của các biến thể trong các chỉ số được giải thích bởi các yếu tố đó nghĩa vụ phải đo (Long, 1983).Bước 8: Tổng hợp tin cậy và phương sai trích xuất Độ tin cậy tổng hợp xác định chỉ số đo lường một yếu tố nhất định trong khi xác định phương sai trích số tiền của phương sai bị bắt giữ bởi các yếu tố liên quan đến số lượng các phương sai do lỗi đo lường. Tối thiểu chấp nhận được mức độ tin cậy tổng hợp và phương sai trích ra là 0,6 0,5.Bước 9: Hiệu lực hội tụHội tụ các giá trị được sử dụng để đo lường tương tự hoặc hội tụ giữa các chỉ số đo lường tương tự xây dựng. Hội tụ các giá trị được thể hiện khi mối tương quan giữa các chỉ số này có ý nghĩa thống kê (lớn hơn gấp đôi của lỗi chuẩn).

Kết quả (Việt) 2:

Bước 3: Xem xét các bài kiểm tra quan trọng của yếu tố tải
Các tải trọng yếu tố tương đương với hệ số đường đi từ yếu tố tiềm ẩn cho các biến chỉ thị của họ. Do đó, một yếu tố tải không đáng kể có nghĩa là biến chỉ số có liên quan không được làm một công việc tốt để đo các yếu tố cơ bản và phải được bố trí hoặc giảm. T-giá trị giải thích về ý nghĩa của hệ số đường đi từ yếu tố tiềm ẩn cho các biến chỉ thị của họ. Các tải trọng yếu tố rất quan trọng khi t-giá trị lớn hơn 1,96 với p <0,05, 2,576 với p <0,01, hoặc 3,291 với p <0,001.

Bước 4: Chuẩn hóa ma trận còn lại
mô hình này cung cấp một sự phù hợp tốt với các dữ liệu khi phân phối còn bình thường là trung tâm trên không, đối xứng, và không có chứa hoặc ít dư lớn.

Bước 5: Wald thử nghiệm
các thử nghiệm Wald ước tính sự thay đổi trong mô hình chi-vuông mà có kết quả từ sửa chữa một tham số được đưa ra tại không. Tham số đầu tiên được liệt kê là một trong đó sẽ dẫn đến sự thay đổi ít nhất trong chi-vuông nếu xóa. Tham số thứ hai sẽ dẫn đến sự thay đổi thứ hai ít nhất, và vân vân. Kết quả từ t-giá trị và hiệp biến liên quan đến kiểm định Wald về các tham số được đề nghị để được xóa.

Bước 6: Các thử nghiệm Lagrange multiplier
Các thử nghiệm nhân Lagrange ước tính giảm trong mô hình chi-vuông mà kết quả từ việc giải phóng một tham số cố định và cho phép nó được ước tính. Nói cách khác, số nhân Lagrange ước tính mức độ mà chi-vuông sẽ được cải thiện nếu có bốc yếu tố mới hoặc hiệp phương sai được thêm vào mô hình.
Các chỉ số sửa đổi đầu tiên là kiểm định Wald, trong đó xác định các thông số mà có thể nên được giảm xuống từ mô hình. Chỉ số sửa đổi thứ hai là số nhân Lagrange, trong đó xác định các thông số mà có thể được thêm vào. Nó thường được an toàn hơn để thả các thông số hiện có hơn để thêm những cái mới. Vì lý do này, các thử nghiệm Wald sẽ được tư vấn đầu tiên.

Bước 7: Chỉ số tin cậy
Độ tin cậy của một biến chỉ được định nghĩa là vuông của sự tương quan giữa các yếu tố tiềm ẩn và chỉ số đó. Nói cách khác, độ tin cậy cho thấy tỷ lệ phần trăm thay đổi trong chỉ số đó được giải thích bởi các yếu tố mà nó là vụ phải đo lường (Long, 1983).

Bước 8: độ tin cậy tổng hợp và phương sai trích
Độ tin cậy tổng hợp xác định các chỉ số đo lường một yếu tố được trong khi phương sai trích xác định số lượng phương sai mà bị bắt bởi yếu tố liên quan đến số lượng phương sai do sai số đo. Mức độ chấp nhận được tối thiểu về độ tin cậy tổng hợp và phương sai trích là 0,6 và 0,5, tương ứng.

Bước 9: Convergent hiệu lực
giá trị hội tụ được sử dụng để đo lường sự tương đồng hay hội tụ giữa các chỉ số đo lường cấu trúc tương tự. Giá trị hội tụ được chứng minh khi các mối tương quan giữa các chỉ số này có ý nghĩa thống kê (lớn hơn hai lần sai số chuẩn).