Bonjour merveilleuse communauté!
J'ai presque terminé mes analyses, mais j'ai besoin de vérifier la validité nomologique de mon échelle de mesure. J'ai lu sur le sujet, mais je ne comprends pas comment le faire dans JMP Pro 16.
Je voudrais faire un tableau comme celui en pièce jointe.Pourrais-tu m'aider s'il te plait?
Merci beaucoup!
Nathalie 
Salut Nathalie,
Je pense que vous aurez besoin de fournir plus d'informations sur votre analyse. Je suppose que l'exemple que vous avez joint provient d'un modèle d'équation structurelle. Mais ce serait utile si vous pouviez expliquer d'où cela vient et comment ce que vous essayez de faire est lié à cela.
Salutations,
Phil
Salut Nathalie,
Comme Phil l'a indiqué, il serait utile d'avoir plus de clarté sur les analyses que vous avez effectuées. D'après une question plus ancienne que vous avez posée, je suppose que vous avez adapté un modèle d'analyse factorielle confirmatoire (AFC) avec 3 variables latentes (les sous-échelles de votre échelle de mesure).
D'une manière générale, un moyen efficace de tester la validité convergente et discriminante de votre échelle est d'adapter un autre CFA en utilisant votre échelle ainsi que quelques autres échelles qui devraient et ne devraient pas correspondre à la vôtre. Votre CFA devrait avoir autant de variables latentes (LV) que vous pensez que votre échelle mesure plus les LV des autres échelles, et toutes les LV devraient covarier. Ensuite, après avoir ajusté le modèle, dans le menu du triangle rouge, vous trouverez « Évaluer le modèle de mesure », qui affichera la fiabilité de vos indicateurs et de vos sous-échelles. Il affichera également une "Matrice de validité de construction" avec une visualisation de la matrice. Votre objectif est de montrer que les entrées diagonales dans cette matrice sont plus grandes que les valeurs ci-dessus et à leur droite. La raison en est que les valeurs diagonales sont la variance moyenne extraite par les LV des indicateurs et les valeurs ci-dessus et à droite représentent la variance partagée de l'autre côté les LV. Vous voulez vous assurer que vos LV (sous-échelles) ont plus de variance en commun avec leurs propres indicateurs qu'avec les autres LV, et cela est démontré par des valeurs plus grandes dans la diagonale. Vous pouvez également examiner les valeurs sous la diagonale, qui sont simplement les corrélations entre les LV - celles que vous supposez être en corrélation avec les LV de votre balance devraient montrer ces associations et celles que vous supposez ne pas être en corrélation avec les LV de votre balance devraient également montrer ce modèle.
Voici un exemple où les variables latentes (toutes sauf la réputation) sont bien définies et ont une bonne validité convergente et discriminante :
Il y a une explication plus détaillée de l'option Évaluer le modèle de mesure dans cette présentation vidéo commençant à la minute 31 : https://community.jmp.com/t5/Discovery-Summit-Americas-2020/ABCs-of-Structural-Equations-Models-2020-US-45MP-590/ta-p/281529
HTH,
~ Laura
