no comments

Masalah dengan Anggaran dan Ujian Parameter

Selaras dengan keperluan untuk menghadiri komponen model pesanan rendah, para penyelidik perlu mengetahui beberapa masalah yang bermasalah mengenai anggaran dan pengujian parameter individu yang biasanya diabaikan dalam aplikasi SEM. Pertama, memandangkan pemerhatian bahawa model SEM adalah anggaran, adalah relevan untuk diperhatikan bahawa anggaran parameter dan kesilapan standard yang berkaitan yang dihasilkan oleh analisis adalah tidak berat sebelah hanya di bawah anggapan bahawa model khusus adalah betul. Pembesaran masalah di sini adalah fenomena penyebaran kesilapan spesifikasi. Penganggar yang paling biasa digunakan dalam aplikasi empirikal SEM (mis., Kemungkinan maksimum) menggunakan semua maklumat yang ada dalam matriks kovarians pembolehubah yang diperhatikan untuk menghasilkan anggaran parameter. Walaupun ciri ini dikaitkan dengan beberapa kelebihan (contohnya, kesilapan standard yang lebih kecil apabila model adalah betul), ia juga membenarkan kesan parameter yang dijangkakan tidak disebarkan di luar persamaan khusus di mana ia berlaku (mis., Kaplan 1988, 1989). Oleh itu, sebagai contoh, jalan yang diarahkan daripada pemboleh ubah terpendam kepada pemboleh ubah terpendam yang lain mungkin berpotensi untuk menganggarkan parameter struktur atau pengukuran lain yang akan kelihatan jauh ke hilir dari parameter khusus yang salah. Dalam erti kata lain, kos penipuan yang hilang tidak hampir seperti setempat kerana banyak pengguna mungkin berharap.

Beberapa isu lain dikaitkan dengan anggaran dan pengujian parameter dan pembentukan selang konflik yang telah diserlahkan pada tahun-tahun kebelakangan ini oleh ahli metodologi. Sebagai contoh, walaupun cara alternatif untuk mengenalpasti model menghasilkan identik, ujian Waldz bagi parameter percuma yang biasanya dilaporkan dalam perisian SEM sering tidak biasa (Gonzalez & Grif fi n2001, Neale & Miller1997). Oleh itu, cara yang berbeza untuk mengenal pasti model boleh menghasilkan nisbah yang berbeza daripada parameter yang diberikan kepada ralat standardnya. Di samping itu, walaupun statistik Wald mengandaikan bahawa taburan pensampelan parameter adalah normal, kemungkinan besar pengedaran sebegini tidak bersaiz simetri dengan saiz sampel yang digunakan dalam praktik. Anggapan simetri amat sesuai apabila parameter hampir yang lebih rendah atau teratas (contoh, hampir dengan kes varians parameter). Apabila dikira dengan betul (cth., Self & Liang 1987), ujian nisbah likelihood dan selang kepastian untuk parameter individu biasanya lebih tinggi daripada Ujian dan selang berasaskan Wald (Gonzalez & Grif fi n 2001, Neale & Miller 1997). Malangnya, dengan pengecualian MX (Nealeetal.2003) dan LISREL (J¨oreskog & S¨orbom1996), ujian LR dan selang bagi sejumlah besar parameter individu boleh dikira beberapa untuk mengira menggunakan perisian SEM. Selain itu, walaupun ujian LR tertakluk kepada masalah di bawah syarat tertentu (contohnya, apabila saiz sampel adalah kecil).

Pengguna juga perlu sedar bahawa teori statistik yang mendasari SEM berhubung dengan kovarians, bukan korelasi, matriks (Cudeck1989). Malangnya, kajian kami terhadap kertas SEM menunjukkan bahawa matriks korelasi dianalisis dalam sesetengah kajian manakala yang lain tidak jelas sama ada matriks kovarians atau korelasi digunakan. Apabila matriks korelasi dianalisa seolah-olah mereka matriks kovarians, ralat standard anggaran parameter biasanya tidak tepat. Di bawah keadaan tertentu (contohnya, apabila kekangan kesamaan pada parameter diuji), anggaran parameter bias dan anggaran yang tidak tepat juga boleh berlaku (Cudeck 1989, MacCallum & Austin 2000). Penyelidik yang ingin menganalisis matriks korelasi atau mendapatkan ujian model yang sah di mana kedua-dua pembolehubah laten eksogen dan endogen diukur dalam metrik piawai hendaklah menggunakan kaedah anggaran terkurung (Steiger 2002). Dua pakej perisian yang sedia ada, RAMONA (Browne & Mels1999) dan SEPATH (Steiger1995), termasuk rutin anggaran anggaran yang membolehkan pengguna dengan mudah mengenakan sekatan yang sesuai yang diperlukan untuk menganalisis data seragam. Sebagai alternatif, adalah mungkin bagi pengguna untuk menyatakan secara jelas kekangan yang tidak linear kompleks yang diperlukan untuk pembetulan yang betul dengan menggunakan beberapa pakej perisian lain. Sekiranya pilihan-pilihan yang berbeza ini tidak tersedia atau praktikal, kami echo MacCallum & Austin (2000) dengan mengesyorkan bahawa model-model psikopatologi memfasilitasi matriks dan persembahan keseimbangan beberapa kemudahan tafsiran.

Secara keseluruhannya, pengguna perlu mengetahui tentang pelbagai masalah bermasalah yang wujud mengenai anggaran dan pengujian parameter. Awasi juga perlu apabila mentakrifkan anggaran parameter dan statistik berkaitan yang muncul dalam banyak aplikasi SEM yang diterbitkan.

Sumber : Andrew J. Tomarken1 and Niels G. Waller2

KOMEN ANDA

Komen

TENTANG KAMI | PENAFIAN | HUBUNGI | HANTAR ARTIKEL