ResultsMeasurement ModelBefore addr

Results

Measurement Model

Before addressing each hypothesis, a measurement model consisting of the 10 factors was estimated using confirma-tory factor analysis. This is referred to as “specifying the measurement model” (Byrne 2006). According to Kline (2005), fit indices for the structural model will never improve on the fit indices specified in the measurement model, so the intent was to develop the best-fitting measurement model initially. In addition, this procedure allows for the assess-ment of psychometric properties of scales used (Li and Petrick 2008). Based on the factor structure resulting from the second exploratory factor analysis, the measurement model was built one factor at a time (with corresponding items) by requesting LaGrange Multiplier tests (Kline 2005). Factors were allowed to covary with one another as Byrne (2006) specifies. The LaGrange Multiplier test is synony-mous with forward stepwise regression, whereby factors are added sequentially to move toward an “ideal model.” As each factor was added to the model, error parameters (i.e., cross-loaders and error covariances) were identified and specified within subsequent models. On adding all 10 factors to the measurement model, 86 error parameters (30 cross-loaders and 56 error covariances) were found and specified.

At that point, Wald tests (synonymous with backward stepwise regression) were conducted to trim the model and remove each error parameter in such a way that the ∆χ2/ degrees of freedom was less than the 3.84 critical value as indicated by (Tabachnick and Fidell 2007). Following this procedure, 83 error parameters were removed. The remain-ing three error parameters (which were all cross-loaders) were addressed by removing the items that cross-loaded onto multiple factors (Byrne 2006). For the final measurement model, 34 items remained across the 10 factors, Satorra-Bentler Scaled χ2(482, N = 455) = 819.16, p < .001, compara-tive fit index = 0.960, goodness-of-fit index = 0.932, root mean square error of approximation = 0.040. According to Hu and Bentler (1999), a rule of thumb for the comparative fit index and other incremental indices is that values greater than 0.90 may indicate reasonably good fit of the research-er’s model to the data. In addition, Browne and Cudeck (1993) claim that values of root mean square error of approx-imation less than or equal to 0.05 indicate a close approxi-mate fit. All but four standardized factor loadings were greater than 0.70, which Fornell and Larcker (1981) claims is an ideal critical value.

As a check of psychometrics properties, reliability and validity were assessed for each factor within Durkheim’s (1995 [1915]) constructs. Reliability for each factor was assessed by examining the maximal weighted alphas (Table 1), which is a more robust estimate of internal consistency, weighting each alpha by factor loadings (Kline 2005). According to Byrne (2006), such weighted alphas should be examined because a major assumption of using Cronbach’s alphas is that loadings are equal (as in exploratory factor analysis). However, in confirmatory factor analysis, load-ings are not equal. Factors displayed strong internal consis-tency, with maximal weighted alphas in excess of the 0.70 alpha critical value (all but one was above 0.80) suggested by Lance, Butts, and Michels (2006) for newly developed scales. As an added measure, composite reliability was also assessed following Li and Petrick (2008) for each factor and each exceeded the alpha critical value of 0.60 suggested by Bagozzi and Yi (1988). Construct validity was examined through convergent validity and discriminant validity (Li and Petrick 2008). Measures displayed convergent validity as all the t values associated with each loading on corre-sponding factors were significant (p < .001) exceeding the critical value of 3.29 (Tabachnick and Fidell 2007). Discrim-inant validity was established by comparing intercorrelations of factors with the square root of the average variance (i.e.,



variance extracted estimate) for each factor (Li and Petrick 2008). Given that the variance extracted estimate for each factor was at least 0.50 and greater than any of the intercor-relations of the factors suggests each factor has discriminant validity (Fornell and Larcker 1981).

Results (Indonesian) 1:

HasilModel pengukuranSebelum menangani Tiap hipotesis, model pengukuran yang terdiri dari 10 faktor diperkirakan menggunakan confirma-tory faktor analisis. Hal ini disebut sebagai "menentukan model pengukuran" (Byrne 2006). Menurut indeks Kline (2005), cocok untuk model struktural akan pernah meningkatkan pada indeks yang cocok yang ditentukan dalam model pengukuran, jadi tujuannya adalah untuk mengembangkan model pengukuran terbaik pas awalnya. Selain itu, prosedur ini memungkinkan untuk menilai-ment psikometrik sifat dari skala yang digunakan (Li dan Petrick 2008). Berdasarkan struktur faktor yang dihasilkan dari analisis faktor eksplorasi kedua, model pengukuran dibangun satu faktor pada satu waktu (dengan item yang sesuai) dengan meminta LaGrange Multiplier tes (Kline 2005). Faktor-faktor yang diizinkan untuk covary dengan satu sama lain seperti yang menentukan Byrne (2006). Tes LaGrange Multiplier adalah synony-MoU dengan maju bertahap regresi, dimana faktor ditambahkan secara berurutan untuk bergerak ke arah "ideal model." Seperti setiap faktor ditambahkan ke model, parameter kesalahan (yaitu, salib-Loader dan kesalahan covariances) diidentifikasi dan ditentukan dalam model berikutnya. Menambahkan semua 10 faktor ke model pengukuran, 86 kesalahan parameter (cross-loader 30 dan 56 kesalahan covariances) yang ditemukan dan ditentukan.Pada saat itu, tes Wald (identik dengan mundur bertahap regresi) dilakukan untuk memangkas model dan menghapus setiap parameter kesalahan sedemikian rupa yang ∆χ2 / derajat kebebasan adalah kurang dari 3.84 kritis nilai seperti yang ditunjukkan oleh (Tabachnick dan Fidell 2007). Mengikuti prosedur ini, 83 kesalahan parameter disingkirkan. Parameter kesalahan tetap-ing tiga (yang semua salib-loader) yang ditangani dengan menghapus item yang cross-dimuat ke beberapa faktor (Byrne 2006). Untuk model akhir pengukuran, 34 item tetap di faktor 10, χ2 Satorra-Bentler skala (482, N = 455) = 819.16, p <.001, compara-tive cocok index = 0.960, kebaikan-dari-fit indeks = 0.932, kesalahan root mean square dari pendekatan = 0.040. Menurut Hu dan Bentler (1999), sebuah aturan untuk komparatif sesuai indeks dan indeks tambahan lainnya adalah bahwa nilai-nilai yang lebih besar daripada 0,90 dapat menunjukkan cukup cocok penelitian-er's model untuk data. Selain itu, Browne dan Cudeck (1993) klaim bahwa nilai-nilai akar berarti persegi kesalahan approx-imation kurang dari atau sama 0,05 menunjukkan sekitar-mate dekat cocok. Semua kecuali empat faktor standar bongkar muat yang lebih besar daripada 0,70, yang Fornell dan Larcker klaim (1981) merupakan nilai penting ideal.Sebagai cek sifat psychometrics, kehandalan dan keabsahan dinilai untuk setiap faktor dalam Durkheim's (1995 [1915]) konstruksi. Keandalan untuk setiap faktor dinilai dengan memeriksa maksimal tertimbang Alpha (Tabel 1), yang merupakan perkiraan yang lebih kuat konsistensi internal, bobot setiap Alfa oleh faktor bongkar muat (Kline 2005). Menurut Byrne (2006), Alpha tertimbang tersebut harus diperiksa karena asumsi utama yang menggunakan Cronbach's Alpha bongkar muat sama (seperti dalam eksplorasi faktor Analisis). Namun, dalam analisa konfirmasi faktor, beban-lukisan tidak sama. Faktor ditampilkan kuat internal consis-tency, dengan maksimal Alpha berbobot lebih dari nilai kritis alpha 0.70 (semua kecuali satu adalah di atas 0.80) disarankan oleh Lance, pantat dan Michels (2006) untuk timbangan yang baru dikembangkan. Sebagai ukuran ditambahkan, komposit keandalan juga dinilai berikut Li dan Petrick (2008) untuk setiap faktor dan masing-masing melebihi nilai kritis alpha 0,60 disarankan oleh Bagozzi dan Yi (1988). Validitas diteliti melalui konvergen berlaku dan validitas diskriminan (Li dan Petrick 2008). Langkah-langkah yang ditampilkan konvergen validitas seperti semua nilai t yang terkait dengan memuat pada edisi-sponding faktor yang signifikan (p <.001) melebihi nilai kritis 3,29 (Tabachnick dan Fidell 2007). Discrim-inant validitas didirikan dengan membandingkan intercorrelations faktor dengan akar kuadrat dari rata-rata varians (yaitu, varians diekstrak perkiraan) untuk setiap faktor (Li dan Petrick 2008). Mengingat bahwa varians diekstrak perkiraan untuk setiap faktor adalah setidaknya 0.50 dan lebih besar dari salah satu intercor-hubungan faktor menunjukkan setiap faktor memiliki validitas diskriminan (Fornell dan Larcker 1981).