no comments

Pengenalpastian Model SEM (Persamaan yang dikenal pasti)

Seperti yang akan anda lihat tidak lama lagi, program SEM memerlukan bilangan korelasi atau kovarians yang diketahui sebagai input untuk menghasilkan satu set keputusan yang munasabah. Keperluan tambahan ialah setiap persamaan dikenalpasti dengan betul. Pengenalan merujuk kepada idea bahawa terdapat sekurang-kurangnya satu penyelesaian unik untuk setiap anggaran parameter dalam model SEM. Model di mana hanya terdapat satu penyelesaian yang mungkin untuk setiap anggaran parameter dikatakan dikenal pasti. Model yang mana terdapat bilangan taksiran parameter kemungkinan yang tidak diketahui dikatakan dikenal pasti. Akhirnya, model yang mempunyai lebih daripada satu penyelesaian yang mungkin (tetapi satu penyelesaian terbaik atau optimum) untuk setiap anggaran parameter dianggap terlalu banyak.

Persamaan berikut, yang diambil dari Rigdon (1997) boleh membantu membuat ini lebih jelas:

x + 2y = 7

Dalam persamaan di atas, terdapat bilangan penyelesaian yang tidak terhingga untuk x dan y (mis., X = 5 dan y = 1, atau x = 3 dan y = 2, atau x = 1 dan y = 3, dsb.). Oleh itu, nilai-nilai ini tidak dapat dikenalpasti kerana terdapat lebih sedikit “diketahui” daripada “tidak diketahui”. Model yang dikenal pasti adalah salah satu di mana terdapat banyak yang dikenali sebagai tidak diketahui.
x + 2y = 7 3x – y = 7
Untuk persamaan ini, hanya ada yang dikenali sebagai tidak diketahui, dan oleh itu terdapat satu pasangan nilai terbaik (x = 3, y = 2).

 

Model yang dikenal pasti berlaku apabila setiap parameter dikenalpasti dan sekurang-kurangnya satu parameter telah terlewat (iaitu, ia boleh diselesaikan dengan lebih daripada cara – bukannya menyelesaikan parameter ini dengan satu persamaan, lebih daripada satu persamaan akan menghasilkan anggaran parameter ini) . Kebiasaannya, kebanyakan orang yang menggunakan pemodelan persamaan struktural lebih suka bekerja dengan model yang terlalu keterlaluan. Model yang dikenal pasti mempunyai tahap kebebasan positif dan mungkin tidak sesuai serta model yang baru dikenal pasti. Mengehadkan sekatan ke atas model apabila anda mempunyai model yang telah dikenal pasti memberikan anda ujian hipotesis anda, yang kemudiannya dapat dinilai menggunakan statistik chi-square model fit mutlak dan pelbagai indeks bersesuaian model deskriptif. Tahap kebebasan positif yang dikaitkan dengan model yang tidak dikenali membolehkan model dipalsukan dengan ujian chi-square. Apabila model yang terperinci tidak sesuai, maka peneliti biasanya menganggap model itu sesuai untuk data.

Pengenalpastian adalah keperluan struktur atau matematik agar analisis SEM berlaku. Beberapa kaedah boleh digunakan untuk menilai tahap pengenalan model anda, tetapi peraturan ini tidak sempurna, dan mereka sangat sukar (hampir mustahil, sebenarnya) untuk dinilai dengan tangan, terutama untuk model yang kompleks. Program perisian SEM seperti AMOS melakukan pemeriksaan identifikasi sebagai sebahagian daripada proses pemasangan model. Mereka biasanya memberi amaran yang munasabah mengenai keadaan mengenalpasti.

Komplikasi tambahan yang boleh timbul adalah pengiktirafan empirikal. Pengiktirafan empiris berlaku apabila anggaran parameter yang menetapkan pengenalan model mempunyai anggaran yang sangat kecil (hampir sifar). Apabila program SEM melakukan penyongsangan matriks, anggaran parameter boleh jatuh dari ruang penyelesaian yang ditentukan oleh senarai parameter model, dan program ini secara tiba-tiba mengesan apa yang dianggap sebagai masalah pendokumentasian struktur. Disebabkan sifat berulang perkiraan SEM, anggaran parameter seperti varians boleh bermula dengan nilai positif dan secara beransur-ansur menghampiri sifar dengan setiap lelaran berturut-turut. Sebagai contoh, pekali jalan yang nilainya dianggarkan sebagai hampir sifar boleh dianggap sebagai sifar oleh algoritma inversi matriks SEM. Sekiranya pekali jalan itu perlu untuk mengenal pasti model, maka model itu menjadi pasti.

Ubat untuk semua bentuk yang dikenal pasti adalah untuk cuba mencari sumber masalah pengenalan dan menentukan apakah sumber itu adalah pengiktirafan empirikal atau penyahiktirafan struktur. Untuk mengenal pasti struktur, satu-satunya penyelesaian adalah untuk menghormati model. Pengiktirafan empirikal boleh dibetulkan dengan mengumpul lebih banyak data atau memberi respek terhadap model.

Sumber : https://stat.utexas.edu

KOMEN ANDA

Komen

TENTANG KAMI | PENAFIAN | HUBUNGI | HANTAR ARTIKEL