Addict Behav. 2018 spalio 27. pii: S0306-4603 (18) 31232-2. doi: 10.1016 / j.addbeh.2018.10.032.
Kelcey B1.
Abstraktus
Struktūrinės lygties modeliavimas su visiškos informacijos maksimalios tikimybės įvertinimu yra vyraujantis būdas empiriškai įvertinti sudėtingas teorijas, apimančias daugybę latentinių kintamųjų priklausomybės tyrimų srityje. Nors visapusiškos informacijos vertintojai turi daug pageidaujamų savybių, įskaitant nuoseklumą, pagrindinis struktūrinių lygčių modelių apribojimas yra tas, kad jie dažnai turi reikšmingą šališkumą, kai jie vykdomi mažų ir vidutinių dydžių tyrimuose (pvz., Mažiau nei 100 arba 200). Naujausioje literatūroje buvo sukurtas ribotas informacijos įvertinimas, skirtas šiam apribojimui spręsti, konceptualiai įgyvendintas taikant šališkumo korekcijos koeficiento įvertinimo metodą, kuris, kaip įrodyta, sukuria nešališkus ir efektyvius skaičiavimus mažuose ir vidutiniuose mėginių nustatymuose. Nepaisant teorinių ir empirinių nuopelnų, literatūroje teigiama, kad metodas yra nepakankamas dėl trijų pagrindinių priežasčių - metodai yra nepažįstami taikomiesiems tyrėjams, trūksta praktinių ir prieinamų rekomendacijų ir programinės įrangos, taikomos taikomiesiems tyrėjams, ir palyginimai su visa informacija trūksta metodų, kurie yra pagrįsti konkrečių disciplinų pavyzdžiais. Šiame tyrime apibūdinu šį metodą, nuosekliai analizuojant nuoseklią tarpininkavimo atvejo analizę, susijusią su interneto priklausomybe. Pateiksiu R kodo pavyzdį naudojant lavaano paketą ir duomenis, pagrįstus hipotetiniu priklausomybės tyrimu. Nagrinėjau skirtumų tarp išsamių ir ribotų informacijos vertinimų skirtumus tarp pavyzdžių duomenų ir vėliau aptariu, kokiu mastu šie skirtumai rodo nuoseklų skirtumų tarp vertintojų, naudojant modeliavimo tyrimą. Rezultatai rodo, kad riboto informacijos įvertinimo rezultatai yra mažesni nei vidutiniai mėginių dydžiai, palyginti su įprastu pilnos informacijos maksimalios tikimybės įvertinimu, atsižvelgiant į šališkumą, efektyvumą ir galią.
PMID: 30501990
;