Preskočiť na obsah
← Blog

Harmanov test jedného faktora: prečo nestačí na overenie common method bias

Autor:

Stručne: Harmanov test jedného faktora zachytí common method variance len vtedy, keď je extrémna. Miernejšie, no stále skresľujúce zdieľanie metódy neodhalí a nepovie, ktoré vzťahy sú skreslené. Výsledok „prvý faktor vysvetľuje menej ako 50 % rozptylu“ preto nie je dôkazom, že vaše výsledky skreslené nie sú.

Pri výskume práce zbierame väčšinu premenných (autonómiu, záťaž, angažovanosť, postoje k AI) jedným dotazníkom od toho istého človeka. Otázka, nakoľko vzťahy medzi nimi vytvára samotná metóda, je preto v dizertačných prácach z manažmentu a HRM takmer vždy na stole. Harmanov test na ňu odpovedá najslabšie zo všetkých bežných postupov.

Video: Harmanov test jedného faktora nestačí (Metodologický minislovník)
Metodologický minislovník: Harmanov test jedného faktora (3:12). Po kliknutí sa video prehrá cez YouTube.

Ako sa test robí

Do jednej exploračnej faktorovej analýzy vložíte všetky položky všetkých škál z dotazníka. Nepoužijete rotáciu a vyžiadate si jediný faktor (alebo sa pozriete na prvý faktor neobmedzeného riešenia). Ak by spoločná metóda dominovala, mal by jeden všeobecný faktor vysvetliť väčšinu spoločného rozptylu. V praxi sa ustálila hranica 50 %: ak ju prvý faktor neprekročí, autor napíše, že common method bias nie je problém.

V SPSS: Analyze → Dimension Reduction → Factor, položky všetkých škál, Extraction: metóda principal components alebo principal axis factoring, Fixed number of factors = 1, Rotation: None. Odčítate percento vysvetleného rozptylu prvého faktora.

Prečo to nestačí

Test nie je spoľahlivý. Podsakoff a kol. (2003) ho označili za necitlivý. Fuller a kol. (2016) v simulácii zistili, že test signalizuje problém až vtedy, keď spoločná metóda tvorí približne 70 % a viac rozptylu. Podľa nich práve vtedy začína CMV vzťahy výrazne nafukovať, preto obavy z CMB považujú za často prehnané. Aj oni však ukázali, že test dáva falošne pozitívne aj falošne negatívne výsledky. Baumgartner a kol. (2021) naopak analyticky ukázali, že nespoľahlivosť merania skreslenie spoločnou metódou nemusí vyvážiť a že nafukujúci účinok CMV je najväčší pri slabších vzťahoch. Používanie testu dôrazne neodporúčajú, podobne ako Aguirre-Urreta a Hu (2019).

Výsledok závisí od toho, čo do analýzy vložíte. Čím viac škál a čím menej súvisia, tým ťažšie prvý faktor prekročí 50 %. Ten istý metódový vplyv tak môže pri jednom modeli „prejsť“ a pri inom nie. Baumgartner, Weijters a Pieters (2021) ukazujú aj analyticky, prečo podiel rozptylu prvého faktora nie je dobrým meradlom toho, nakoľko sú vzťahy skreslené.

Nepovie, kde a o koľko. Aj keď test problém zachytí, dostanete jedno percento za celý dotazník. Neviete z neho, ktoré vzťahy sú skreslené ani o koľko.

Príklad: test prešiel aj s problematickými dátami

Na ilustráciu používame náhodne vybranú časť dát z online panelového prieskumu zamestnancov v Česku a na Slovensku z roku 2026: 600 vyplnených dotazníkov, štyri reflektívne škály (pre účely článku ich označujeme A až D). V tomto výbere bolo 40 respondentov (6,7 %) s opakujúcimi sa vzormi odpovedí. Odpovedali podľa rovnakého vzoru bez ohľadu na obsah otázok, ako opisujeme v článku Opakujúce sa vzory odpovedí. Ďalších 28 sme vylúčili pre nepozorné odpovedanie, výsledná vzorka má 532 respondentov.

Pred čistením (n = 600) Po čistení (n = 532)
Prvý faktor: analýza hlavných komponentov 31,6 % 30,8 %
Prvý faktor: principal axis factoring 29,5 % 28,7 %
Full collinearity VIF (konštrukty A až D) 1,13 až 2,46 1,09 až 2,59

Harmanov test by v oboch prípadoch „potvrdil“, že common method bias nie je problém. Prvý faktor sa pritom po vylúčení 40 respondentov, ktorí odpovedali nezávisle od obsahu otázok, takmer nezmenil. Test teda nezaregistroval ani skupinu, ktorej odpovede boli z definície tvorené spôsobom vypĺňania, a nie obsahom.

Ani full collinearity VIF (Kock, 2015), ktorý je v PLS-SEM bežnou alternatívou, tu nič neohlásil: všetky hodnoty sú pod odporúčanou hranicou 3,3. Je to lepší ukazovateľ než Harmanov test, no tiež len nepriamy. Rozhoduje preto to, čo urobíte ešte pred zberom dát. O tom je článok o common method bias.

Ako to napísať do článku

Ak test uvádzate (napríklad preto, že ho žiada recenzent alebo časopis), uveďte ho ako doplnkový a nepreceňujte ho. Hlavnú váhu dajte procedurálnym opatreniam a silnejšej kontrole.

SK: Na zníženie rizika skreslenia spoločnou metódou sme [opíšte procedurálne opatrenia, napr. časové oddelenie meraní, anonymitu, oddelenie blokov položiek]. Ako štatistickú kontrolu uvádzame full collinearity VIF (Kock, 2015); všetky hodnoty boli nižšie ako 3,3. Harmanov test jedného faktora (prvý faktor vysvetlil 30,8 % rozptylu) uvádzame len doplnkovo, pretože extrémnu mieru spoločného metódového rozptylu síce vylučuje, miernejšiu však spoľahlivo 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, ktoré vidím ako recenzent

  • „CMB nebol problém“ len na základe Harmanovho testu. Najčastejšia a najľahšie napadnuteľná formulácia. Správne je „test nenaznačil extrémnu mieru…“.
  • Chýba, čo presne vstúpilo do analýzy. Uveďte, či išlo o všetky položky, akú metódu extrakcie ste použili a či bola bez rotácie.
  • Harmanov test bez akýchkoľvek procedurálnych opatrení. Ak ste pri návrhu dotazníka nič neurobili, žiadny dodatočný test to nenahradí. Lepšie je to priznať v limitoch.
  • Prenesenie hranice 50 % na iné metódy. Výsledok Harmanovho testu nehovorí nič o VIF, HTMT ani o kvalite meracieho modelu.

Ťahák: ak už máte Harmanov test alebo ho chcete uviesť v článku

  1. Uveďte ho ako doplnkovú kontrolu, s metódou extrakcie a percentom prvého faktora.
  2. Napíšte, čo test ukazuje (nie je tu extrémna CMV) a čo neukazuje (že vzťahy nie sú skreslené).
  3. Postavte vedľa neho procedurálne opatrenia a silnejšiu kontrolu: full collinearity VIF v PLS-SEM, ideálne marker premennú alebo latentný metódový faktor, ak ich dizajn dovoľuje.

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