no comments

Spesifikasi Model

Langkah pertama dalam SEM ialah menentukan model. Model adalah hanya pernyataan (atau set pernyataan) tentang hubungan antara pembolehubah. Walaupun anda mungkin tidak menyedarinya, anda pasti sudah pasti banyak model semasa kursus statistik anda. Contohnya, korelasi membayangkan single tidak berarah hubungan antara dua pembolehubah, manakala ANOVA dan Regresi membayangkan hubungan arah antara pembolehubah (bagaimanapun, teknik tidak boleh menguji secara statistik arah aliran hubungan ini). Lebih banyak model kompleks (dalam ANOVA misalnya) melibatkan penggunaan perbandingan yang dirancang untuk menentukan tertentu hubungan antara tahap pemboleh ubah. Dalam semua teknik ini, model implisit mendasari analisis. Dalam SEM, model itu lebih penting kepada proses itu, jadi bukannya bergantung kepada yang ditetapkan rangka kerja berdasarkan model implisit (seperti Regresi), dalam SEM kami menyatakan model pertama, dan kemudian gunakan SEM untuk menguji model yang ditentukan. Spesifikasi melibatkan beberapa proses. Parameter pertama perlu ditentukan. Parameter adalah satu set nilai (pemalar) yang menunjukkan sifat hubungan antara pembolehubah. Jadi, ini adalah sama dengan efisien korelasi, atau beban faktor di mana magnitud dan arah parameter menunjukkan sesuatu mengenai kekuatan dan arah perhubungan. Terdapat dua jenis parameter:

  1. Parameter Tetap: Ini adalah parameter yang tidak dianggarkan dari data yang dikumpul. Biasanya, nilai mereka ditetapkan pada sifar. Parameter ini menunjukkan tiada hubungan antara pembolehubah.
  2. Parameter Percuma: Ini adalah parameter yang dianggarkan dari data yang dikumpulkan dan dipercayai, oleh penyidik, berbeza daripada sifar. Parameter menunjukkan kehadirannya daripada hubungan antara pembolehubah.

Pembolehubah:

Terdapat dua jenis pemboleh ubah yang digunakan dalam SEM ,

Jenis pertama adalah Pemboleh ubah yang Diukur; yang merupakan pembolehubah yang boleh diukur secara langsung dalam beberapa cara. Jadi, pembolehubah ini terdiri daripada data yang sebenarnya telah dikumpulkan peta itu secara langsung kepada pembinaan kepentingan (kita dapat mengukur hati kadar secara langsung walaupun memantau nadi dan data yang dikumpulkan secara langsung ke pemboleh ubah kepentingan).

Jenis pemboleh ubah kedua ialah Pemboleh ubah Terpendam; yang merupakan pembolehubah yang tidak boleh diukur secara langsung tetapi tersirat oleh kovarians antara dua atau lebih pembolehubah penunjuk. Oleh itu, pembolehubah terpendam adalah, hanya nama lain untuk faktor (dalam analisis faktor) atau komponen (dalam komponen utama). Jadi, ia adalah adil pembinaan yang tidak boleh diukur secara langsung (cth. kemurungan) tetapi boleh diakses menerusi pengukuran pembolehubah lain yang berkaitan (seperti soalan mengenai BDI). Pembolehubah laten bebas daripada keunikan dan ralat pengukuran yang dikaitkan dengan petunjuk. Dalam model, pembolehubah yang diukur boleh sama ada dimasukkan sebagai indikator pemboleh ubah laten, atau sebagai pembolehubah bersendirian.

 

Sumber : discoveringstatistics.com

KOMEN ANDA

Komen

TENTANG KAMI | PENAFIAN | HUBUNGI | HANTAR ARTIKEL