Faktor Faktor Kinerja Bank (indonesian)

standar, yang menghilangkan efek karena skala langkah-langkah, seperti perbedaan antara korelasi dan kovarians.

penelitian juga harus menilai signifikansi statistik dari masing-masing estimasi koefisien. Perkiraan yang tidak signifikan menunjukkan bahwa item harus diturunkan. sebaliknya, sebuah Laoding signifikan sendiri tidak menunjukkan performa item yang memadai. Loading bisa menjadi signifikan pada level  signifikansi (p < .01) tetapi masih berada jauh di bawah. Loading yang rendah menunjukkan bahwa variabel adalah calon untuk dihapus dari model

SEM Model juga biasanya menampilkan beberapa korelasi kuadrat untuk setiap variabel yang diukur. dalam model CFA, nilai ini merupakan sejauh mana variabel varians diukur dijelaskan oleh faktor tersembunyi. dari perspektif pengukuran, hal itu menjelaskan seberapa baik item mengukur konstruk. kuadrat beberapa korelasi kadang-kadang dirujuk sebagai komunalitas, atau varians diekstraksi

Identifying Problems. Loading juga harus di uji sebagai indikasi dari masalah secara keseluruhan. Salah satu tugas sering dilupakan adalah untuk memastikan loading masuk akal misalnya, item dengan valensi yang sama harus menghasilkan tanda yang sama. jika skala sikap terdiri dari respon terhadap empat item yang baik, menyenangkan, tidak menyenangkan, buruk maka dua item harus membawa loading yang positif dan harus membawa loading negatif. jika tanda-tanda dari loading yang tidak berlawanan.

Standar loading di atas 1.0 atau di bawah -1.0 berada di luar jangkauan yang layak dan merupakan indikator penting dari masalah dengan model. pembaca dapat merujuk pada pembahasan masalah dalam estimasi parameter untuk memeriksa apa situasi ini mungkin berarti untuk model keseluruhan. sehingga hanya menjatuhkan item ini mungkin tidak memberikan solusi yang terbaik. untuk meringkas loading perkiraan dapat disarankan menjatuhkan item individu atau bahwa beberapa perkiraan pengganggu menunjukkan masalah secara keseluruhan yang lebih besar.

Construct Validity. validitas didefinisikan sebagai sejauh mana penelitian akurat. CFA menghilangkan kebutuhan untuk penjumlahan skala karena program SEM menghitung skor konstruk tersembunyi untuk setiap responden. Proses ini memungkinkan hubungan antara konstruk secara otomatis dikoreksi untuk jumlah varians error yang ada. Salah satu tujuan utama dari CFA / SEM adalah untuk menilai validitas konstruk teori pengukuran yang diusulkan. validitas konstruk adalah sejauh mana satu set item diukur yang sebenarnya mencerminkan penurunan teoritis membangun item-item yang dirancang untuk diukur. bukti validitas konstruk memberikan keyakinan bahwa  item yang diambil dari sampel mewakili skor benar aktual yang ada dalam populasi

Validitas konstruk terdiri dari empat komponen :

Convergent Validity. Item yang merupakan indikator dari konstruk tertentu harus dipusatkan atau berbagi proporsi yang tinggi dari varian yang sama, dikenal sebagai validitas konvergen. beberapa cara yang tersedia untuk memperkirakan jumlah relatif validitas konvergen antara langkah-langkah item.

Factor Loadings.  Ukuran dari factor loading adalah salah satu pertimbangan penting. dalam kasus validitas konvergen tinggi. Loading  tinggi pada faktor akan menunjukkan bahwa mereka berkumpul di titik yang sama, konstruk minimal tersembunyi, semua faktor loading harus signifikan secara statistik. karena loading yang signifikan masih bisa cukup lemah dalam kekuatan, aturan praktis yang baik  bahwa perkiraan standar loading harus 0.5 atau lebih tinggi dan idealnya 0.7 atau lebih tinggi. dalam banyak kasus peneliti harus menafsirkan estimasi parameter standar berkisar antara -1.0 dan 1.0. loading tidak terstandar mewakili covariances dan tidak memiliki batas atas atau batas bawah.