Přeskočit na obsah
← Blog

Harmanův test jednoho faktoru: proč nestačí k ověření common method bias

Autor:

Stručně: Harmanův test jednoho faktoru zachytí common method variance jen tehdy, když je extrémní. Mírnější, ale stále zkreslující sdílení metody neodhalí a neřekne, které vztahy jsou zkreslené. Výsledek „první faktor vysvětluje méně než 50 % rozptylu“ proto není důkazem, že vaše výsledky zkreslené nejsou.

Při výzkumu práce sbíráme většinu proměnných (autonomii, zátěž, angažovanost, postoje k AI) jedním dotazníkem od téhož člověka. Otázka, nakolik vztahy mezi nimi vytváří samotná metoda, je proto v disertačních pracích z managementu a HRM téměř vždy na stole. Harmanův test na ni odpovídá nejslaběji ze všech běžných postupů.

Video: Harmanův test jednoho faktoru nestačí (Metodologický minislovník, slovensky)
Metodologický minislovník: Harmanův test jednoho faktoru (3:12, slovensky se slovenskými titulky). Po kliknutí se video přehraje přes YouTube.

Jak se test dělá

Do jedné explorační faktorové analýzy vložíte všechny položky všech škál z dotazníku. Nepoužijete rotaci a vyžádáte si jediný faktor (nebo se podíváte na první faktor neomezeného řešení). Kdyby společná metoda dominovala, měl by jeden obecný faktor vysvětlit většinu společného rozptylu. V praxi se ustálila hranice 50 %: pokud ji první faktor nepřekročí, autor napíše, že common method bias není problém.

V SPSS: Analyze → Dimension Reduction → Factor, položky všech škál, Extraction: metoda principal components nebo principal axis factoring, Fixed number of factors = 1, Rotation: None. Odečtete procento vysvětleného rozptylu prvního faktoru.

Proč to nestačí

Test není spolehlivý. Podsakoff a kol. (2003) ho označili za necitlivý. Fuller a kol. (2016) v simulaci zjistili, že test signalizuje problém až tehdy, když společná metoda tvoří přibližně 70 % a více rozptylu. Podle nich právě tehdy začíná CMV vztahy výrazně nafukovat, a obavy z CMB proto považují za často přehnané. I oni však ukázali, že test dává falešně pozitivní i falešně negativní výsledky. Baumgartner a kol. (2021) naopak analyticky ukázali, že nespolehlivost měření zkreslení společnou metodou nemusí vyvážit a že nafukující účinek CMV je největší u slabších vztahů. Používání testu důrazně nedoporučují, podobně jako Aguirre-Urreta a Hu (2019).

Výsledek závisí na tom, co do analýzy vložíte. Čím více škál a čím méně spolu souvisejí, tím obtížněji první faktor překročí 50 %. Tentýž vliv metody tak může u jednoho modelu „projít“ a u jiného ne. Baumgartner, Weijters a Pieters (2021) ukazují i analyticky, proč podíl rozptylu prvního faktoru není dobrým měřítkem toho, nakolik jsou vztahy zkreslené.

Neřekne, kde a o kolik. I když test problém zachytí, dostanete jedno procento za celý dotazník. Nevyčtete z něj, které vztahy jsou zkreslené ani o kolik.

Příklad: test prošel i s problematickými daty

Pro ilustraci používáme náhodně vybranou část dat z online panelového průzkumu zaměstnanců v Česku a na Slovensku z roku 2026: 600 vyplněných dotazníků, čtyři reflektivní škály (pro účely článku je označujeme A až D). V tomto výběru bylo 40 respondentů (6,7 %) s opakujícími se vzorci odpovědí. Odpovídali podle stejného vzoru bez ohledu na obsah otázek, jak popisujeme v článku Opakující se vzorce odpovědí. Dalších 28 jsme vyřadili kvůli nepozornému odpovídání, výsledný vzorek má 532 respondentů.

Před čištěním (n = 600) Po čištění (n = 532)
První faktor: analýza hlavních komponent 31,6 % 30,8 %
První faktor: principal axis factoring 29,5 % 28,7 %
Full collinearity VIF (konstrukty A až D) 1,13 až 2,46 1,09 až 2,59

Harmanův test by v obou případech „potvrdil“, že common method bias není problém. První faktor se přitom po vyřazení 40 respondentů, kteří odpovídali nezávisle na obsahu otázek, téměř nezměnil. Test tedy nezaregistroval ani skupinu, jejíž odpovědi byly z definice tvořeny způsobem vyplňování, a ne obsahem.

Ani full collinearity VIF (Kock, 2015), který je v PLS-SEM běžnou alternativou, tu nic nehlásil: všechny hodnoty jsou pod doporučenou hranicí 3,3. Je to lepší ukazatel než Harmanův test, ale také jen nepřímý. Rozhoduje proto to, co uděláte ještě před sběrem dat. O tom je článek o common method bias.

Jak to napsat do článku

Pokud test uvádíte (například proto, že ho požaduje recenzent nebo časopis), uveďte ho jako doplňkový a nepřeceňujte ho. Hlavní váhu dejte procedurálním opatřením a silnější kontrole.

CS: Ke snížení rizika zkreslení společnou metodou jsme [popište procedurální opatření, např. časové oddělení měření, anonymitu, oddělení bloků položek]. Jako statistickou kontrolu uvádíme full collinearity VIF (Kock, 2015); všechny hodnoty byly nižší než 3,3. Harmanův test jednoho faktoru (první faktor vysvětlil 30,8 % rozptylu) uvádíme jen doplňkově, protože extrémní míru společného metodového rozptylu sice vylučuje, mírnější však spolehlivě nezachytí (Podsakoff a kol., 2003; Aguirre-Urreta & Hu, 2019).

EN: To reduce the risk of common method bias, we [describe procedural remedies, e.g., temporal separation, anonymity, separation of item blocks]. As a statistical check, we report full collinearity VIFs (Kock, 2015); all values were below 3.3. We report Harman's single-factor test (the first factor explained 30.8% of the variance) only as a supplementary check, because it rules out an extreme level of common method variance but does not reliably detect more moderate levels (Podsakoff et al., 2003; Aguirre-Urreta & Hu, 2019).

Časté chyby, které vidím jako recenzent

  • „CMB nebyl problém“ jen na základě Harmanova testu. Nejčastější a nejsnáze napadnutelná formulace. Správně je „test nenaznačil extrémní míru…“.
  • Chybí, co přesně vstoupilo do analýzy. Uveďte, zda šlo o všechny položky, jakou metodu extrakce jste použili a zda byla bez rotace.
  • Harmanův test bez jakýchkoli procedurálních opatření. Pokud jste při návrhu dotazníku nic neudělali, žádný dodatečný test to nenahradí. Lepší je to přiznat v limitech.
  • Přenesení hranice 50 % na jiné metody. Výsledek Harmanova testu neříká nic o VIF, HTMT ani o kvalitě měřicího modelu.

Tahák: pokud už Harmanův test máte nebo ho chcete uvést v článku

  1. Uveďte ho jako doplňkovou kontrolu, s metodou extrakce a procentem prvního faktoru.
  2. Napište, co test ukazuje (není tu extrémní CMV) a co neukazuje (že vztahy nejsou zkreslené).
  3. Postavte vedle něj procedurální opatření a silnější kontrolu: full collinearity VIF v PLS-SEM, ideálně marker proměnnou nebo latentní metodový faktor, pokud to design dovoluje.

Zdroje

  • Podsakoff, P. M., MacKenzie, S. B., Lee, J.-Y., & Podsakoff, N. P. (2003). Common method biases in behavioral research: A critical review of the literature and recommended remedies. Journal of Applied Psychology, 88(5), 879–903. https://doi.org/10.1037/0021-9010.88.5.879
  • Fuller, C. M., Simmering, M. J., Atinc, G., Atinc, Y., & Babin, B. J. (2016). Common methods variance detection in business research. Journal of Business Research, 69(8), 3192–3198. https://doi.org/10.1016/j.jbusres.2015.12.008
  • Aguirre-Urreta, M. I., & Hu, J. (2019). Detecting common method bias: Performance of the Harman's single-factor test. The DATA BASE for Advances in Information Systems, 50(2), 45–70. https://doi.org/10.1145/3330472.3330477
  • Baumgartner, H., Weijters, B., & Pieters, R. (2021). The biasing effect of common method variance: Some clarifications. Journal of the Academy of Marketing Science, 49, 221–235. https://doi.org/10.1007/s11747-020-00766-8
  • Kock, N. (2015). Common method bias in PLS-SEM: A full collinearity assessment approach. International Journal of e-Collaboration, 11(4), 1–10. https://doi.org/10.4018/ijec.2015100101