Addict Behav. 2018 ott 27. pii: S0306-4603 (18) 31232-2. doi: 10.1016 / j.addbeh.2018.10.032.
Kelcey B1.
Astratto
La modellazione di equazioni strutturali con la stima della massima verosimiglianza con informazioni complete è il metodo predominante per valutare empiricamente teorie complesse che coinvolgono più variabili latenti nella ricerca sulla dipendenza. Sebbene gli stimatori di informazioni complete abbiano molte proprietà desiderabili, tra cui la coerenza, una grande limitazione nei modelli di equazioni strutturali è che spesso sostengono una distorsione significativa quando implementati in studi di dimensioni da piccole a moderate (ad esempio, meno di 100 o 200). La letteratura recente ha sviluppato uno stimatore di informazioni limitato progettato per affrontare questa limitazione, concettualmente implementato attraverso un approccio di analisi del percorso del punteggio del fattore corretto in base alla distorsione, che ha dimostrato di produrre stime imparziali ed efficienti in contesti di campione da piccoli a moderati. Nonostante i suoi meriti teorici ed empirici, la letteratura ha suggerito che il metodo è sottoutilizzato a causa di tre ragioni principali: i metodi non sono familiari ai ricercatori applicati, mancano una guida pratica e accessibile e un software disponibile per i ricercatori applicati e confronti con informazioni complete mancano metodi basati su esempi specifici di disciplina. In questo studio, delineo questo metodo attraverso un'analisi dettagliata di un caso di mediazione sequenziale che coinvolge la dipendenza da Internet. Fornisco un codice R di esempio usando il pacchetto lavaan e dati basati su uno studio ipotetico di dipendenza. Esamino le differenze tra gli stimatori delle informazioni complete e limitate all'interno dei dati di esempio e successivamente analizzo la misura in cui queste differenze sono indicative di una divergenza coerente tra gli stimatori usando uno studio di simulazione. I risultati suggeriscono che lo stimatore di informazioni limitate supera lo stimatore di massima verosimiglianza con informazioni complete convenzionali in campioni di dimensioni da piccole a moderate in termini di distorsione, efficienza e potenza.
PMID: 30501990
;