Addict Behav. 2018 Oct 27. pii: S0306-4603 (18) 31232-2. doi: 10.1016 / j.addbeh.2018.10.032.
Kelcey B1.
Abstract
Modeling persamaan struktural kanthi estimasi maksimum informasi maksimum yakuwi metode sing paling utami kanggo ngevaluasi teori kompleks sing nglibatake sawetara variabel latent ing riset kecanduan. Éwadéné estimator informasi lengkap duwé sifat sing bisa dianggep kayata konsistensi, watesan utama ing model persamaan struktural yaiku biasané biasané bias nalika diterapaké ing ukuran cilik nganti moderat (umpamane kurang luwih 100 utawa 200). Literatur anyar wis ngembangake taksiran informasi winates sing dirancang kanggo ngatasi watesan-konseptual sing wis dilakoni liwat pendekatan analisis nilai jalur skor sing didandani bias-sing wis ditampilake kanggo ngasilake prabeya lan efisien ing setelan sampel cilik nganti moderat. Senadyan manfaat teoretis lan empiris, sastra ngandharake yen metode iki kurang digunakaké amarga saka telung alasan utamane - cara sing ora pati ngerti karo peneliti sing diterjemahake, ana pituduh sing praktis lan bisa diakses lan piranti lunak sing kasedhiya kanggo peneliti terapan, lan bandingake informasi lengkap Cara-cara sing diarani conto-conto spesifik disiplin kurang. Ing panliten iki, aku nemtokake cara iki liwat analisis langkah-langkah sajrone studi kasus mediasi urut-urutan nglibatake kecanduan internet. Aku menehi conto R kode nggunakake paket lavaan lan data adhedhasar studi hipotetis saka kecanduan. Aku nliti beda antarane estimator informasi sing lengkap lan winates sajrone umpamane data lan sabanjure nliti sebaran sing beda-beda kasebut minangka pratandha saka bedane konsisten antarane estimator nggunakake sinau simulasi. Hasil kasebut nerangake yen estimator informasi winates ngluwihi estimator maksimum informasi konvensional sing paling gedhe kanthi ukuran sampel cilik saka ukuran bias, efisiensi, lan daya.
PMID: 30501990
;