Modelowanie równań strukturalnych

Modelowanie równań strukturalnych

Modelowanie równań strukturalnych jest wielowymiarową techniką analizy statystycznej, która służy do analizy zależności strukturalnych. Ta technika jest połączeniem analizy czynnikowej i analizy regresji wielokrotnej i jest używana do analizy zależności strukturalnej między mierzonymi zmiennymi a utajonymi konstruktami. Metoda ta jest preferowana przez badacza, ponieważ szacuje ona zależność wielokrotną i zależną w pojedynczej analizie. W analizie tej zastosowano dwa rodzaje zmiennych: zmienne endogeniczne i zmienne egzogeniczne. Zmienne endogeniczne są równoważne zmiennym zależnym i są równe zmiennej niezależnej.
Teoria:

Można to traktować jako zbiór relacji zapewniających spójność i wyczerpujące wyjaśnienia rzeczywistych zjawisk. Istnieją dwa rodzaje modeli:

Model pomiaru: Model pomiaru reprezentuje teorię, która określa, jak mierzone zmienne łączą się, aby przedstawić teorię.
Model strukturalny: Reprezentuje teorię, która pokazuje, w jaki sposób konstrukty są powiązane z innymi konstrukcjami.
Modelowanie równań strukturalnych jest również nazywane modelowaniem swobodnym, ponieważ testuje proponowane relacje swobodne. Przyjmuje się następujące założenia:

Czego potrzebuje analiza modelowania równań strukturalnych? Wielowymiarowy rozkład normalny:

Metoda największej wiarygodności jest używana i przyjęta dla wielowymiarowej dystrybucji normalnej. Małe zmiany w normalności wielu odmian mogą prowadzić do dużej różnicy w teście chi-kwadrat.
Liniowość: Założono liniową zależność między zmiennymi endogenicznymi i egzogenicznymi.
Outlier: Dane powinny być wolne od wartości odstających. Odstresy wpływają na istotność modelu.
Sekwencja: Powinna istnieć zależność przyczynowo-skutkowa między zmiennymi endogenicznymi i egzogennymi, a przyczyna musi wystąpić przed zdarzeniem.
Relacja niezwiązana z fałszem: obserwowana kowariancja musi być prawdziwa.
Identyfikacja modelu: Równania muszą być większe niż oszacowane parametry lub modele powinny zostać zidentyfikowane lub dokładnie zidentyfikowane. W ramach zidentyfikowanych modeli nie są brane pod uwagę.
Rozmiar próbki: Większość badaczy preferuje próbkę o wielkości od 200 do 400 z 10 do 15 wskaźników. Z reguły jest to od 10 do 20 razy więcej przypadków niż zmiennych.
Niekrelowane warunki błędu: Terminy błędów są przyjmowane jako niezwiązane z innymi zmiennymi warunkami błędu.
Dane: używane są dane przedziałowe.
Kroki:

Definiowanie poszczególnych konstrukcji: Pierwszym krokiem jest teoretyczne zdefiniowanie konstruktów. Przeprowadź test wstępny, aby ocenić przedmiot. Test potwierdzający modelu pomiaru przeprowadza się przy użyciu CFA.
Opracowanie ogólnego modelu pomiaru: Model pomiaru jest również znany jako analiza ścieżki. Analiza ścieżki jest zbiorem relacji między zmiennymi egzogennymi i endogennymi. Jest to pokazane za pomocą strzałki. Model pomiaru opiera się na założeniu jednowymiarowości. Teoria pomiarowa opiera się na założeniu, że utajone konstrukcje powodują mierzoną zmienną i że termin błędu jest nieskorelowany w obrębie mierzonych zmiennych. W modelu pomiaru strzałka jest pobierana ze zmierzonej zmiennej do konstrukcji.
Zaprojektuj badanie, aby uzyskać wyniki empiryczne, czyli dane wejściowe do modelowania równań strukturalnych:

Na tym etapie badacz musi określić model. Badacz powinien zaprojektować badanie, aby zminimalizować prawdopodobieństwo problemu z identyfikacją. Warunek zamówienia i metody określania pozycji są wykorzystywane w celu zminimalizowania problemu z identyfikacją.
Ocena ważności modelu pomiaru: Ocena modelu pomiaru jest również nazywana CFA. W CFA badacz porównuje pomiar teoretyczny z modelem rzeczywistości. Wynik CFA musi być związany z trafnością konstruktów.
Określanie modelu strukturalnego: W tym kroku ścieżki strukturalne są rysowane między konstruktami. W modelu strukturalnym żadna strzała nie może wejść do egzogenicznej konstrukcji. Pojedyncza strzałka służy do przedstawienia hipotetycznej zależności strukturalnej między jednym konstruktem a drugim. Pokazuje związek przyczynowo-skutkowy. Każda hipotetyczna relacja wykorzystuje jeden stopień swobody. Model może być rekurencyjny lub nierekursywny.

Sprawdź poprawność modelu strukturalnego

W ostatnim kroku badacz sprawdza poprawność modelu strukturalnego. Model jest uważany za dobre dopasowanie, jeśli wartość testu chi-kwadrat jest nieznaczna i co najmniej jeden przyrostowy indeks dopasowania (jak CFI, GFI, TLI, AGFI, itp.) I jeden wskaźnik dopasowania indeksu (jak RMR, RMSEA , SRMR itp.) Spełniają określone z góry kryteria.
Rozwiązania statystyczne pomagają w analizie ilościowej, pomagając ci rozwinąć metodologię i rozdziały wyników

Modelowanie równań strukturalnych

Dodaj komentarz

Twój adres email nie zostanie opublikowany. Pola, których wypełnienie jest wymagane, są oznaczone symbolem *