淺談reflective & formative model

近期有幸與同儕討論此議題，僅彙整個人想法，望能有些許幫助。

如您有不同想法，歡迎讓我們知道 :)

簡言之，測量應用reflective model，因潛在特質已然存在，施測者乃透過測驗方式以捕捉/量化其潛在特性之程度，就如同體重已然存在，而我們可使用體重計以測量其數值。由於reflective model假設潛在特性之程度影響個體之行為/題目表現，故個體於各行為/題目表現之優劣可用以反映/回推其潛在特性之程度，此為多數評估工具的運作模式。此外，因為這些行為/題目僅受到特定潛在特性所影響，故雖題目有好壞優劣之分（受此特性影響之程度高則優；反之則劣），但題目通常可以替換，意味著沒有哪一個題目不可或缺，且刪除或者新增一個題目應不會嚴重影響總分所代表的意義。

反之，formative model則應用於創造變數以因應各種議題需求，例如身體質量指數 (Body Mass Index, BMI) 即為綜合身高與體重之指標，可用以衡量個體的肥胖程度。由於formative model所表徵的特性是後天人為決定，故此指標與特徵的關係與權重通常無須驗證，由提倡者清楚定義即可；反而，因為formative model之指標通常是被創造以解決特定問題，故可視其問題之解決程度以衡量該指標的合適性/有效性，例如BMI可協助辨識有肥胖或健康風險者，故可支持其意義。同時，由於該指標是由特定的特徵/題目組成，故這些特徵/題目之間通常沒有關係，且這些特徵/題目不可替換，意味著增加或刪除任一題都會大幅影響總分所代表的意義。

綜上所述，由於二種模型的目的與功能皆不相同，故研究者宜依據目的挑選符合自己需求的model以發展或驗證相關論述。例如，以測量為目標者宜採用reflective model，因這才符合測量的本質，且有較多且符合理論基礎的量化方式可供檢驗；又如以解決複雜情境或者品質管理者可採用formative model，因這些特徵/題目通常較有結構且鉅細靡遺，故有助於掌握特定環節的問題，或確保執行流程沒有疏失。

關於效度驗證方式，由於reflective model之檢驗方法良多，如結構方程模型 (structural equation modeling)、羅序分析 (Rasch analysis) 或效標關聯效度等皆屬之，故此不贅述。反之，formative model之內容是由發展者所決定，理論上無須驗證，唯部分文獻仍有探討/建議一些方法可供檢驗，以下就常見之MIMIC模型 (multiple-indicators, multiple-causes model, MIMIC model) 與羅序分析進行簡單說明與討論。

MIMIC模型為結構方程模型之特例，部分研究者用其檢驗formative model之項目與內容，並依據模型適配度指標之優劣，以判斷特徵/題目與指標之關係。具體而言，MIMIC模型的應用可拆為二個部分：其一、以formative model建構題目與指標之關係；其二、以2項以上之reflective model題目以表徵該指標。透過上述操作，通常可使得該模型可供辨識，進而得以檢驗formative model之特徵/題目與指標之關係，這也是相對常見的formative model驗證方式。然而，亦有學者認為reflective model與formative model所表徵的潛在特質並不相同，故如MIMIC模型中以相同變數同時表徵二種模型的結果並不合適，應將之分開成二個相關但不同的概念，再行探討。上述方向可視為MIMIC模型與結構方程模型的拓展應用，但由於涉及內容較為複雜，且本人傾向認為formative model概念上無驗證之需求，故無進一步研究。綜上所述，雖MIMIC模型幾乎為formative model效度驗證的直覺選擇，且有不少文獻支持；但此模型之應用亦有不少批評與反對意見，故使用上相對有爭議。竊以為單就模型與參數估算而言，MIMIC模型可行且能完成參數估計；然而，就數據解讀方面，以MIMIC模型檢驗formative model不甚合理，因formative model之題目本無效度檢驗之需求，且何以相同概念可同時被定義，又自然存在？

羅序模型則為是另外一個文獻推薦可檢驗formative model之方法，主要原因是該模型沒有明確指稱潛在特性與題目間關係的方向性，故有望以對羅序模型之適配度檢視formative model中特徵/題目與指標之關係。然而，羅序模型雖未使用因果等方向性詞彙描述其各元件之關係，但本人傾向認為羅序模型所指關係應偏向reflective model，理由有三：其一、羅序模型以潛在特徵程度計算各題作答反應機率之作法，本質上仍更貼近reflective model（潛在特性強而通過機率高，故可用通過與否回推其潛在程度之高低）而非formative model（通過率高則潛在特性強，故得以通過與否代表潛在特性之程度）。其二、羅序模型有參數不變性 (invariance) 特性，允許作答不同題目者之參數得以相互比較，這意味著羅序模型認可的題目應可替換，這更貼近reflective model之特質。其三、羅序模型之適配度指標以單調遞增關係為核心，但formative model通常不易維持穩定的單調遞增關係，故即便可偶然找到一組適配度良好之formative model題目，其結果也不容易交叉驗證從而限制其可用性。綜上所述，羅序模型似是較好驗證formative model之方法，因其有理論支持，且反對與批評的文獻相對較少（或是因為羅序模型並無明確使用方向性詞彙所致）。然而，竊以為羅序模型不適合用以檢驗formative model，除數據不甚穩定與解讀不意外，仍是formative model之概念似無效度驗證之必要。

至於reflective與formative model中關於因果關係之敘述，有鑑於這些模型的基礎是迴歸分析，建議將之解讀為具方向性的聯動關係（常見用法如「解釋」或「預測」），但不宜與傳統意義/概念上之因果關係連結。例如，在reflective model中，其影響方向雖是由潛在特徵影響題目表現，但若將潛在特徵解讀為因，並將題目表現解讀為果，則易誤解為題目表現至關重要，卻忽略此模型中題目其實只是表徵而可以替換。又如在formative model中，其影響方向雖是從特徵/題目至潛在特質，但若將特徵/題目視為因，並將潛在特質視為果，則可能誤以為各題目是關鍵的影響因素，值得花時間投資/操弄以影響成果，但忽略此關係本就是人為設定的規則，故此變化實屬必然，而沒有任何機制與實際影響的意義，就如同在秤上增加東西，那麼重量必然增加一樣。基於上述考量，研究者探討宜謹慎使用相關詞彙，以解讀或推論二種模型之應用情形與結果解釋，以免誤導方向。尤其，究竟題目/特徵是用以反映潛在特質之程度 (reflective model)，抑或是用以組成新的變數 (formative model)，將是區辨二者的關鍵。

總結而言，測量為目標特質已然存在而以系統性方式量化其程度的過程。由於該特質會影響行為表現，故得以行為表現回推其潛在特質程度，應採reflective model發展測量工具。反之，人造變數為人為定義之概念，以解決特殊研究議題之情形。由於這些特質與權重皆由人定，故得依此特定比例以計算成果分數，故宜採formative model設計。竊以為二種模型之目的與應用情境有別，甚至互斥，故理論上應不存在可同時為reflective與formative model所建構之概念，或曰：若可由人為決定，則表一切因素皆為已知，何需測量？或若可由測量模型捕捉，且測量相關驗證法相對成熟，何需以formative model處理？

參考文獻：

Roberts, N., & Thatcher, J. (2009). Conceptualizing and testing formative constructs: Tutorial and annotated example. ACM sigmis database: The database for Advances in Information Systems, 40(3), 9-39.

Lee, N., Cadogan, J. W., & Chamberlain, L. (2013). The MIMIC model and formative variables: problems and solutions. AMS review, 3(1), 3-17.

Stenner, A. J., Burdick, D. S., & Stone, M. H. (2008). Formative and reflective models: Can a Rasch analysis tell the difference. Rasch measurement transactions, 22(1), 1152-1153.

Engelhard Jr, G., & Wang, J. (2014). Alternative measurement paradigms for measuring executive functions: SEM (formative and reflective models) and IRT (Rasch models). Measurement: Interdisciplinary Research & Perspectives, 12(3), 102-108.

https://mailinglist.acer.edu.au/pipermail/rasch/2013-October/002059.html