Un estimador alternativo sólido para muestras pequeñas a moderadas SEM: análisis de la trayectoria de puntuación del factor corregido por sesgo.

Adicto Behav. 2018 Oct 27. pii: S0306-4603 (18) 31232-2. doi: 10.1016 / j.addbeh.2018.10.032.

Kelcey B1.

Resumen

El modelo de ecuación estructural con la estimación de máxima verosimilitud de información completa es el método predominante para evaluar empíricamente teorías complejas que involucran múltiples variables latentes en la investigación de la adicción. Aunque los estimadores de información completa tienen muchas propiedades deseables, incluida la consistencia, una limitación importante en los modelos de ecuaciones estructurales es que a menudo mantienen un sesgo significativo cuando se implementan en estudios de tamaño pequeño a moderado (por ejemplo, menos que 100 o 200). La literatura reciente ha desarrollado un estimador de información limitada diseñado para abordar esta limitación, implementado conceptualmente a través de un enfoque de análisis de trayectoria de puntuación de factor corregido de sesgo, que ha demostrado producir estimaciones imparciales y eficientes en entornos de muestra pequeños a moderados. A pesar de sus méritos teóricos y empíricos, la literatura ha sugerido que el método está infrautilizado debido a tres razones principales: los métodos no son familiares para los investigadores aplicados, hay una falta de orientación práctica y accesible y software disponible para los investigadores aplicados, y comparaciones con la información completa Faltan métodos basados ​​en ejemplos específicos de disciplina. En este estudio, describo este método a través de un análisis paso a paso de un estudio de caso de mediación secuencial relacionado con la adicción a Internet. Proporciono un código R de ejemplo utilizando el paquete lavaan y datos basados ​​en un estudio hipotético de la adicción. Examino las diferencias entre los estimadores de información completa y limitada dentro de los datos de ejemplo y, posteriormente, analizo en qué medida estas diferencias son indicativas de una divergencia consistente entre los estimadores utilizando un estudio de simulación. Los resultados sugieren que el estimador de información limitada supera al estimador de probabilidad máxima de información completa convencional en tamaños de muestra pequeños a moderados en términos de sesgo, eficiencia y potencia.

PMID: 30501990

DOI: 10.1016 / j.addbeh.2018.10.032