no comments

KATEGORI PEMODELAN PEMERHATI DAN LATEN PEMBOLEHUBAH

Satu lagi perkembangan penting yang telah dikaitkan dengan kerja-kerja Muth’en (2001, 2002; Muth’en & Muth’en 2004) dan metodologi lain (contohnya, Skrondal & Rabe-Hesketh2004) tidak dapat diubahsuaikan formasi dan diklasifikasikan dan pemboleh ubah laten. Perkembangan-perkembangan ini amat penting, memandangkan jangka masa panjang yang lebih panjang dan lebih tinggi (Waller & Meehl1998). Contohnya dengan menggunakan Mplus (Muth’en & Muth’en 2004), para penyelidik boleh menganggarkan model campuran persamaan struktur untuk menguji hipotesis mengenai kehadiran kelas laten yang tidak dapat dilihat yang dicirikan oleh pengagihan yang berlainan kepada pemboleh ubah kepentingan (untuk aplikasi ke sains klinikal, lihat van Lier et al. 2003). Pemodelan campuran pertumbuhan laten adalah varian yang sangat menarik yang boleh digunakan untuk menentukan sama ada kumpulan kecil boleh dikenalpasti yang menunjukkan trajektori perkembangan yang berlainan (cth., Li et al 2001, Muth’en 2001). Menggunakan campuran laten pertumbuhan campuran, Colderetal (2002) menggambarkan corak velongitudinalininkutan di kalangan remaja dan mendapati corak-corak yang berbeza mempunyai hubungan yang unik. Walaupun perkembangan ini menarik, kaedah baru ini menimbulkan beberapa masalah yang berpotensi bermasalah. Sebagai contoh, pemodelan campuran pertumbuhan SEM boleh membawa kepada penemuan kelas laten yang lazim apabila model struktur tidak dapat dipastikan, apabila terdapat hubungan tidak linear di antara pembolehubah yang diamati dan laten, dan apabila pengedaran pembolehubah laten tidak normal (Bauer & Curran 2003, 2004 ). Walaupun diberi ini dan peringatan lain yang boleh dipetik, kami percaya bahawa pembangunan keupayaan pemodelan campuran menggariskan bahawa SEM adalah satu rangka kerja yang luas yang semakin berkembang secara inklusif dengan masa. Dari perspektif sejarah, keupayaan SEM yang lebih baru ini merupakan kemunculan logik dari trend jangka panjang ke arah perkembangan model statistik yang semakin umum. Sebagai contoh, pada tahun 1970-an dan 1980-an, ahli-ahli statistik telah membangunkan model linear umum (GLM), yang mewakili liberalisasi model linear kuadrat terkecil klasik untuk membolehkan bentuk-fungsi fungsional bukan linear dan tidak bertanggungjawab pengedaran (contohnya, Hardin & Hilbe2001, Nelder & Wedderburn 1972). Rangka kerja GLM menggabungkan beberapa teknik statistik yang berbeza-beza (contohnya, regresi linear, regresi logistik, regresi Poisson) di bawah satu kerangka anggaran (untuk ulasan, lihat Hardin & Hilbe 2001). Perkembangan yang lebih baru telah membolehkan model kelas yang lebih luas dapat dimasukkan ke dalam rangka GLM (contohnya model langkah berulang dan model-model lain yang merangkumi struktur data berkumpulan) (untuk tinjauan, lihat, misalnya, Agresti 2002, Hardin & Hilbe2003). Dari perspektif ini , pembangunan pemodelan pelbagai model dan keupayaan pemodelan campuran dalam domain SEM mewakili pelanjutan GLM untuk memasukkan pembolehubah laten dan berterusan laten (Muth’en & Muth’en 2004, Skrondal & Rabe-Hesketh 2004). Oleh itu, SEM mewakili rangka kerja data-analitik yang paling umum pada masa ini.

Sumber : Andrew J. Tomarken1 and Niels G. Waller2

KOMEN ANDA

Komen

TENTANG KAMI | PENAFIAN | HUBUNGI | HANTAR ARTIKEL