Strukturmodellering (SEM) sammenlignet med faktorskårer og gjennomsnittsskårer for en studie av prestasjonsmålingers effekt på jobbutførelse

Abstract

I denne artikkelen sammenlignes estimering med strukturmodellering – Structural Equation Modeling (SEM) – med den mer tradisjonelle metoden med å beregne faktorskårer og gjennomsnittsskårer for latente faktorer og videre anvende disse i en OLS-regresjon. SEM generaliserer den tradisjonelle lineære regresjonsmodellen, og inkluderer latente faktorer og målefeil i de observerte variablene. SEM foretar en simultan estimering av målemodeller og strukturparametere, og gir ulike tilpasningsmål for modellen. Vi diskuterer resultatene disse analysemetodene gir når vi estimerer en forskningsmodell med latente faktorer for å undersøke effekten av prestasjonsmålinger på de ansattes jobbutførelse via troverdighet og tillit til leder. SEM-analysen viser at prestasjonsmålinger har en positiv signifikant effekt på de ansattes tillit til sin leder, og at effekten av prestasjonsmålinger på jobbutførelse er positiv og svakt signifikant. Videre viser studien at tillit til leder har en positiv og svakt signifikant effekt på jobbutførelse. Forskningsmodellen estimeres videre med OLS-regresjon, basert på faktorskårer og gjennomsnittsskårer. Her utelates målefeil for de observerte variablene, og vi ser tydelige effekter av measurement error bias. Konsekvensen er svakere sammenhenger mellom de latente faktorene, og dermed lavere forklaringsgrader. Forskningsmodellen blir altså bedre analysert ved SEM. Studien viser at selv med et relativt lite utvalg kan strukturmodellering benyttes, bare måleinstrumentene (dataene) er reliable