Addict Behav. 2018 Oct 27. pii: S0306-4603 (18) 31232-2. doi: 10.1016 / j.addbeh.2018.10.032.
Kelcey B1.
Abstraktní
Modelování strukturálních rovnic s odhadem maximální pravděpodobnosti informací je převažující metodou empirického hodnocení komplexních teorií zahrnujících mnoho latentních proměnných ve výzkumu závislostí. Ačkoli úplné informační odhady mají mnoho žádoucích vlastností včetně konzistence, hlavním omezením v modelech strukturálních rovnic je to, že často udržují významné zkreslení, když jsou prováděny v malých až středně velkých studiích (např. Méně než 100 nebo 200). Nedávná literatura vyvinula omezený odhad informací, který byl navržen tak, aby řešil toto omezení - koncepčně realizované prostřednictvím přístupu analýzy analýzy faktoru korigovaného zkreslením zkreslení, který ukázal, že produkuje nestranné a efektivní odhady v malých až středně velkých nastaveních vzorků. Literatura navzdory svým teoretickým a empirickým zásluhám naznačila, že metoda je nedostatečně využívána, a to ze tří primárních důvodů - metody nejsou pro aplikované výzkumníky známé, je zde nedostatek praktických a dostupných návodů a softwaru pro aplikované výzkumníky a srovnání s úplnými informacemi chybí metody, které jsou založeny na konkrétních příkladech. V této studii vymezuji tuto metodu prostřednictvím postupné analýzy případové studie sekvenčního zprostředkování zahrnující závislost na internetu. Poskytuji příklad R kódu pomocí lavaanového balíčku a dat založených na hypotetické studii závislosti. Rozebírám rozdíly mezi úplnými a omezenými odhady informací v příkladových datech a následně zkoumám, do jaké míry tyto rozdíly svědčí o konzistentní divergenci mezi odhady pomocí simulační studie. Výsledky naznačují, že omezený odhad informací překonává konvenční odhad maxima maximální pravděpodobnosti informací v malých až středních velikostech vzorku z hlediska zkreslení, účinnosti a výkonu.
PMID: 30501990
;