名目上の妥当性こんにちは素晴らしいコミュニティ！
分析はほぼ終了しましたが、測定尺度の名目上の妥当性を確認する必要があります。 この件について読みましたが、JMP Pro16でそれを行う方法がわかりません。
添付のようなテーブルを作りたいです。私を手伝ってくれますか？
どうもありがとうございます！
ナタリー:)
分析Re：名目上の妥当性こんにちはナタリー、
分析についてもっと情報を提供する必要があると思います。 添付した例は、構造方程式モデルからのものだと思います。 しかし、それがどこから来たのか、そしてあなたがやろうとしていることがこれにどのように関係しているかを説明できれば便利です。
よろしく、
フィル
Re：名目上の妥当性こんにちはナタリー、
Philが示したように、実行した分析をより明確にすることが役立つでしょう。 あなたが尋ねた古い質問から、3つの潜在変数（測定スケールのサブスケール）を持つ確認的因子分析（CFA）モデルに適合していると思います。
一般的に言えば、スケールの収束的かつ識別的な妥当性をテストする1つの効果的な方法は、スケールと、他のいくつかのスケールを使用して別のCFAを適合させることです。 CFAには、スケールが測定していると思われる数の潜在変数（LV）に加えて、他のスケールのLVが含まれている必要があり、すべてのLVが共変する必要があります。 次に、モデルをフィッティングした後、赤い三角形のメニューに「測定モデルの評価」が表示されます。これには、インジケーターとサブスケールの信頼性が表示されます。 また、マトリックスの視覚化とともに「ConstructValidityMatrix」も表示されます。 あなたの目標は、その行列の対角要素がそれらの右上の値よりも大きいことを示すことです。 その理由は、対角値がLVによってインジケーターから抽出された平均分散であり、上と右の値が共有された分散を表しているためです。横切ってLV。 LV（サブスケール）が他のLVよりも独自のインジケーターと共通して分散が大きいことを確認する必要があります。これは、対角線の値が大きいことで証明されます。 対角線の下の値を調べることもできます。これは、単にLV間の相関関係です。スケールのLVと相関すると仮定した値はそれらの関連付けを示し、スケールのLVと相関しないと仮定した値もそのパターンを示す必要があります。
潜在変数（レピュテーションを除くすべて）が明確に定義されており、収束性と識別性に優れた妥当性がある例を次に示します。
このビデオプレゼンテーションには、31分から始まる[測定モデルの評価]オプションの詳細な説明があります。 https://community.jmp.com/t5/Discovery-Summit-Americas-2020/ABCs-of-Structural-Equations-Models-2020-US-45MP-590/ta-p/281529
HTH、
〜ローラ
