[Knowledge Sharing] SEM Power analysis (no type II error ) Series 3：

CB-SEM CFA统计检定力 Wen-Lung Shiau (萧文龙) & Hao Chen (陈豪)

检定力分析(power analysis)在虚无假设显著性检定(Null Hypothesis Significant Test, NHST)中，扮演着极重要的角色，用来避免 型II错误，以达到显著检定的结果有多大概率是正确的(Cohen, 1969,1988)，常用的结构方程模型的检定力分析有4种，1. PLS-SEM路径系数统计检定力， 2. CB-SEM的模型适配的统计检定力， 3. CB-SEM验证性因素分析（CFA）统计检定力，4. CB-SEM路径系数统计检定力。我们分别介绍。

2 基于共变量（协方差）的结构方程模型(CB-SEM)统计检定力(功效)分析

2b. CB-SEM验证性因素分析（CFA）统计检定力(功效)分析

我们的目的是分析CB-SEM研究模型的测量模型，验证性因素分析（CFA）的统计检定力。

第一步：研究模型

以我们的论文Shiau et al. (2021) 中的研究模型作为例子，如下图所示。需要在Amos软件中建立该研究模型的测量模型。

第二步：输入参数

为了分析统计检定力，我们需要以下参数来运行R程序：

所有测量题项的因子载荷量; 所有构面的方差(变异数); 所有构面之间的协方差(共变异数); 所有题项的测量误差方差; 样本量; 假设的统计检定力.

第三步： R程序

请运行R程序 “2bCFA Power Analysis”

第四步：输出结果

当我们假设统计检定力为 0.89时，结果如下图所示。

       当统计检定力是0.89时，需要的最小样本量是375，我们的ride sharing研究模型样本量为376，因此，研究模型统计检定力为0.89。

参考文献：

Schoemann, A. M., Pornprasertmanit, S., and Miller, P. J.(2014). simsem: SIMulated Structural Equation Modeling in R. Downloaded Jan. 15^th, 2022 from

https://hub.xn--gzu630h.xn--kpry57d/simsem/simsem/blob/master/Conference%20presentations/simsem_M3.pdf

Shiau, W.-L., Chen, H., Chen, K., Liu, Y.-H., and Tan, F. T. C.(2021). A Cross-Cultural Perspective on the Blended Service Quality for Ride-Sharing Continuance. Journal of Global Information Management(JGIM, SSCI), Vol. 29 No. 6, Article 2, pp. 1-25.