판별 타당성

표 2 응답자의 인구통계학적 프로필 풀 사이즈 테이블 측정 모델 평가 본 연구에서는 SmartPLS3.0을 이용하여 신뢰도와 타당도 평가를 분석하였다. 항목 요인 로딩은 로딩 임계값 0.6을 기준으로 평가되었으며 Cronbach's alpha( α ), Composite Reliability(CR) 및 Average Variance Extracted(AVE)도 조사되었으며 컷오프 값은 0.7, 0.7 및 0.5입니다. 각기. 결국 Fornell-Larcker 기준 모델은 판별 타당성을 보장하는 데 사용된 잠재적으로 중복되는 구성을 측정하기 위해 AVE의 제곱근을 조사했습니다[ 21 , 26 ]. Table 3 에서는 0.6보다 낮은 항목을 모두 제거하여, 인지된 불안감 항목 중 2개 항목(PI1, PI2)을 추가 분석에서 제외하였다. 계산된 Cronbach's alpha( α ) 값은 0.728~1.0으로 0.7보다 유의성이 높으며 데이터의 신뢰도가 높다는 것을 보여주었다[ 61 ]. 이에 따라 모든 복합신뢰도(CR) 값은 0.839~1.0으로 권장값인 0.7보다 높아 신뢰도가 보장되었다[ 28 ]. 결국 각 구성요소의 추출된 평균 분산(AVE)은 0.5 이상인 것으로 조사됐다. 이 연구는 0.637에서 1.0까지의 결과를 계산했는데, 이는 또한 요인의 타당성을 입증했습니다[ 28 ]. 표 3 구성 신뢰도 및 외부 모델의 결과 풀 사이즈 테이블 판별 타당성 연구자들은 외부 및 내부 분산 팽창 인자(VIF)의 값을 평가하여 판별 타당성을 조사했습니다. 판별 타당성은 Fornell-Larcker 기준 모델과 교차 로딩[ 30 ]을 통해 측정할 수 있습니다. 연구 평가 결과에 따르면 가장 높은 외부 VIF 값은 4.036, 가장 높은 내부 VIF 값은 7.326으로 ​​컷오프 값인 10.0보다 낮았습니다. 데이터에는 다중 공선성 문제가 없었습니다[ 27 ]. 다음 표 4는 Fornell과 Larcker를 보여줍니다. 우리는 모든 잠재 구성의 상관관계를 관찰하고 이를 상관관계에서 각각의 평균 분산 추출 값의 제곱근과 비교했습니다[ 61 ]. 표 4 에서는 또한 AVE의 제곱근(이탤릭체)이 수평 및 수직 측면 모두에서 다른 구조의 상관 값보다 높음을 관찰하여 판별 타당성 문제가 없음을 분명히 보여줍니다. 구글 상위노출 카지노솔루션 제작 피망머니상 롤 토토 롤 토토 비제이벳 백링크 11