Research & Evidence

Cerca un metodo

Cerca tra titoli, domande, territori e identificativi MSC.

    ← Tutti i metodi
    SCHEDA METODOMSC-P-005Scienza della misurazioneDossier scientifico verificato

    Come misurare un costrutto di marketing non direttamente osservabile?

    Un costrutto latente si misura tramite più indicatori legati a una definizione teorica e a un uso preciso. La qualità dipende dal modello di misurazione, non dalla sola media degli item.

    Redazione scientifica: Marketing Science Center

    Risposta diretta

    Stimare struttura e qualità di un modello di misurazione definito.

    Un costrutto latente si misura tramite più indicatori legati a una definizione teorica e a un uso preciso. La qualità dipende dal modello di misurazione, non dalla sola media degli item.

    Hilkenmeier et al., 2020Costello & Osborne, 2005

    01

    Sintesi operativa

    Domanda scientifica e perimetro

    Come misurare un costrutto di marketing non direttamente osservabile?

    Ammissibile

    Stimare struttura e qualità di un modello di misurazione definito.

    Vietato

    Affermare che un punteggio sia valido in ogni contesto.

    02

    Tre livelli di lettura

    1. 01

      Decisore — Collegare il risultato a decisione, soglia utile e costo dell’errore dichiarati.

    2. 02

      Professionista — Fissare popolazione, unità, orizzonte, variabili disponibili e regola di analisi prima del calcolo.

    3. 03

      Analista — Riprodurre il calcolo, quantificare l’incertezza e documentare diagnostica, fallimenti e sensibilità.

    03

    Situazione marketing concreta

    Un costrutto latente si misura tramite più indicatori legati a una definizione teorica e a un uso preciso. La qualità dipende dal modello di misurazione, non dalla sola media degli item.

    04

    Domanda scientifica e perimetro

    Come misurare un costrutto di marketing non direttamente osservabile?

    Carichi fattoriali, residui e interpretazione del punteggio

    Dati necessari

    Rispondente × indicatore

    Popolazione, unità di analisi, data di origine e orizzonte devono essere dichiarati nel risultato. Senza di essi l’estimando cambia silenziosamente.

    05

    Perché un’analisi semplice può fallire

    • Affermare che un punteggio sia valido in ogni contesto.
    • Gli indicatori sono riflessivi, standardizzati e assegnati al fattore prima della stima?
    • Il modello fattoriale è stato identificato e stimato sulla popolazione dichiarata?
    • Struttura residua, correlazioni tra fattori e adattamento globale sono riportati insieme all’AVE?

    06

    Intuizione del metodo

    Il metodo non trasforma automaticamente un’associazione in evidenza. Collega una domanda dichiarata a estimando, specificazione, dati compatibili e regola interpretativa limitata.

    Carichi fattoriali, residui e interpretazione del punteggio

    07

    Dati necessari

    Dizionario dei simboli scientifici

    loading_i
    Carico standardizzato che collega l’indicatore riflessivo i al fattore latente dichiarato. Unità: adimensionale · Tipo: numero in [−1, 1] · Ruolo: input
    AVE
    Media dei quadrati dei carichi standardizzati degli indicatori dichiarati; evidenza relativa alla sola convergenza. Unità: proporzione · Tipo: numero in [0, 1] · Ruolo: output

    Input esatti e sigillati del motore

    loading_1
    Valore: 0.72 · Unità: adimensionale · Tipo: numero · Stato dei dati: sintetico
    loading_2
    Valore: 0.78 · Unità: adimensionale · Tipo: numero · Stato dei dati: sintetico
    loading_3
    Valore: 0.80 · Unità: adimensionale · Tipo: numero · Stato dei dati: sintetico
    loading_4
    Valore: 0.84 · Unità: adimensionale · Tipo: numero · Stato dei dati: sintetico

    08

    Modello formale

    Modello formale

    AVE = mean(loading_i²) for standardized reflective indicators

    Affermazioni supportate: MSC-P005-C01 · MSC-P005-C02 · MSC-P005-C03 · MSC-P005-C04 · MSC-P005-C05 · MSC-P005-C06 · MSC-P005-C07 · MSC-P005-C08 · MSC-P005-C09

    Domanda scientifica e perimetro

    Carichi fattoriali, residui e interpretazione del punteggio

    09

    Calcolo dichiarato

    1. 01

      Verificare che tutti i carichi appartengano allo stesso modello di misurazione riflessivo standardizzato e prespecificato.

    2. 02

      Elevare al quadrato ogni carico standardizzato e calcolarne la media senza eliminare a posteriori gli indicatori deboli.

    3. 03

      Interpretare l’AVE come evidenza circoscritta di convergenza, non come prova della validità complessiva del costrutto o dell’adattamento del modello.

    10

    Esempio numerico o caso applicativo

    Illustrazione sintetica — valori didattici, non osservati — dati sintetici o parametri dichiarati; nessuna osservazione reale

    Input sigillati

    • loading_1=0.72 [adimensionale]
    • loading_2=0.78 [adimensionale]
    • loading_3=0.80 [adimensionale]
    • loading_4=0.84 [adimensionale]

    Risultati riproducibili

    • AVE=0.618100
    • loading_range=[0.72; 0.84]

    Dossier verificato: affermazioni collegate a fonti a livello di passaggio, calcolo Python/R riprodotto, limiti espliciti e revisione scientifica indipendente completata.

    11

    Ipotesi di validità

    • Gli indicatori sono riflessivi, standardizzati e assegnati al fattore prima della stima?
    • Il modello fattoriale è stato identificato e stimato sulla popolazione dichiarata?
    • Struttura residua, correlazioni tra fattori e adattamento globale sono riportati insieme all’AVE?

    12

    Diagnostica e incertezza

    Diagnostica e incertezza

    Gli indicatori sono riflessivi, standardizzati e assegnati al fattore prima della stima? · Il modello fattoriale è stato identificato e stimato sulla popolazione dichiarata? · Struttura residua, correlazioni tra fattori e adattamento globale sono riportati insieme all’AVE?

    Diagnostica limitata

    Illustrazione di un indice di convergenza per indicatori standardizzati; non stabilisce la validità complessiva.

    Contratto esplicito d’incertezza · not_estimable_from_sealed_inputs

    Metodo: Valutazione esplicita della non stimabilità rispetto allo schema di input sigillato.

    Obiettivo: Incertezza campionaria dei carichi e dell’AVE.

    Evidenza del motore: diagnostic=convergent_evidence_does_not_establish_global_validity

    Interpretazione: Quattro parametri di carico sigillati non contengono informazioni campionarie a livello di rispondente; l’incertezza campionaria non è quindi stimabile in questa illustrazione e va ottenuta da un modello stimato o da bootstrap.

    Fermarsi se

    Affermare che un punteggio sia valido in ogni contesto.

    13

    Interpretazione del risultato

    • Stimare struttura e qualità di un modello di misurazione definito.
    • Il risultato è condizionato da popolazione, orizzonte, specificazione e controlli dichiarati. Non va esteso a un’altra decisione senza nuova giustificazione.

    14

    Conclusione ammissibile e vietata

    Ammissibile

    Stimare struttura e qualità di un modello di misurazione definito.

    Vietato

    Affermare che un punteggio sia valido in ogni contesto.

    15

    Decisione marketing possibile

    1. 01

      Stimare struttura e qualità di un modello di misurazione definito.

    2. 02

      Il risultato è condizionato da popolazione, orizzonte, specificazione e controlli dichiarati. Non va esteso a un’altra decisione senza nuova giustificazione.

    16

    Quando usare — quando fermarsi

    Usare se

    Stimare struttura e qualità di un modello di misurazione definito.

    Rispondente × indicatore

    Fermarsi se

    Affermare che un punteggio sia valido in ogni contesto.

    Alternative metodologiche

    • Stimare e riportare una CFA completa con diagnostica dei residui e dell’adattamento globale.
    • Usare l’affidabilità composita solo dopo aver reso difendibili la definizione del punteggio e il modello di misurazione.
    • Usare evidenze qualitative sullo sviluppo degli item quando l’incertezza principale riguarda la copertura del costrutto.

    17

    Contratto di riproducibilità

    Python e R sono i riferimenti eseguibili. SPSS e SAS restano sintassi secondarie finché non sono verificati sugli stessi dati, specificazione e controlli.

    Il motore seleziona solo lo slice e il ramo esplicito di questa pagina. Hash, output e diagnostica restano sigillati nel dossier atomico; non è consentito alcun ramo generico di ripiego.

    Impronta dello slice: 29c45a1728359a4456cbd4298bd00dfeed4405f88e7c8c68a0c1c63138bc7ee6

    Modello formale

    AVE = mean(loading_i²) for standardized reflective indicators

    Dossier verificato: affermazioni collegate a fonti a livello di passaggio, calcolo Python/R riprodotto, limiti espliciti e revisione scientifica indipendente completata.

    18

    Risultato finale atteso

    1. 01

      Come misurare un costrutto di marketing non direttamente osservabile? — Rispondente × indicatore

    2. 02

      loading_i · AVE

    3. 03

      AVE = mean(loading_i²) for standardized reflective indicators

    4. 04

      Gli indicatori sono riflessivi, standardizzati e assegnati al fattore prima della stima? · Il modello fattoriale è stato identificato e stimato sulla popolazione dichiarata? · Struttura residua, correlazioni tra fattori e adattamento globale sono riportati insieme all’AVE?

    5. 05

      Stimare struttura e qualità di un modello di misurazione definito. / Affermare che un punteggio sia valido in ogni contesto.

    19

    Fonti scientifiche e stato dell’evidenza

    Dossier verificato: affermazioni collegate a fonti a livello di passaggio, calcolo Python/R riprodotto, limiti espliciti e revisione scientifica indipendente completata.

    1. MSC-P005-C01 — L’analisi a fattori comuni separa la varianza condivisa dall’unicità e dall’errore.
    2. MSC-P005-C02 — Gli indici di adattamento CFA richiedono contesto e non sono regole universali di superamento o bocciatura.
    3. MSC-P005-C03 — Il resoconto CFA deve esporre carichi, correlazioni tra fattori, residui e valutazione del modello.
    4. MSC-P005-C04 — Nel modello unifattoriale dichiarato, la tau-equivalenza può essere espressa come uguaglianza dei carichi fattoriali.
    5. MSC-P005-C05 — La formula omega mostrata usa carichi fattoriali e varianze d’errore degli item.
    6. MSC-P005-C06 — Interpretare alfa come affidabilità dipende da ipotesi di modello esplicite.
    7. MSC-P005-C07 — L’AVE è una diagnostica di misurazione esplicita basata sulla varianza.
    8. MSC-P005-C08 — L’AVE riassume la varianza degli indicatori spiegata dalla variabile latente.
    9. MSC-P005-C09 — Le evidenze di validità devono confrontare le relazioni con i propri indicatori e con le alternative.
    1. Hilkenmeier et al., 2020
    2. Costello & Osborne, 2005
    3. Goretzko, Siemund & Sterner, 2024
    4. Trizano-Hermosilla & Alvarado, 2016
    5. Edwards, Joyner & Schatschneider, 2021

    Connessioni metodologiche

    Territorio principaleScienza della misurazione: costruire indicatori validi

    Da leggere dopo

    MSC-P-006Come progettare e validare una scala di misurazione?→MSC-P-007Alfa o omega: come valutare l’affidabilità di una scala?→MSC-P-009PCA, EFA o CFA: quale metodo scegliere?→