Addict Behav. 2018 Okt 27. pii: S0306-4603(18)31232-2. doi: 10.1016/j.addbeh.2018.10.032.
Kelcey B1.
Abstrak
Pemodelan persamaan struktur dengan maklumat penuh anggaran kemungkinan maksimum adalah kaedah utama untuk menilai secara empirikal teori kompleks yang melibatkan pelbagai pembolehubah terpendam dalam penyelidikan ketagihan. Walaupun penganggar maklumat penuh mempunyai banyak sifat yang diingini termasuk ketekalan, had utama dalam model persamaan struktur ialah ia sering mengekalkan berat sebelah yang ketara apabila dilaksanakan dalam kajian saiz kecil hingga sederhana (cth., kurang daripada 100 atau 200). Literatur terkini telah membangunkan penganggar maklumat terhad yang direka untuk menangani had ini-dilaksanakan secara konsep melalui pendekatan analisis laluan skor faktor yang diperbetulkan berat sebelah-yang telah ditunjukkan untuk menghasilkan anggaran yang tidak berat sebelah dan cekap dalam tetapan sampel kecil hingga sederhana. Walaupun merit teori dan empirikalnya, kesusasteraan telah mencadangkan bahawa kaedah itu kurang digunakan kerana tiga sebab utama-kaedah ini tidak biasa bagi penyelidik gunaan, terdapat kekurangan panduan praktikal dan boleh diakses serta perisian yang tersedia untuk penyelidik gunaan, dan perbandingan dengan maklumat penuh. kaedah yang berasaskan contoh khusus disiplin adalah kurang. Dalam kajian ini, saya menghuraikan kaedah ini melalui analisis langkah demi langkah bagi kajian kes pengantaraan berurutan yang melibatkan ketagihan internet. Saya menyediakan contoh kod R menggunakan pakej lavaan dan data berdasarkan kajian hipotesis ketagihan. Saya meneliti perbezaan antara penganggar maklumat penuh dan terhad dalam data contoh dan seterusnya menyiasat sejauh mana perbezaan ini menunjukkan perbezaan yang konsisten antara penganggar menggunakan kajian simulasi. Keputusan menunjukkan bahawa penganggar maklumat terhad mengatasi penganggar kemungkinan maksimum maklumat penuh konvensional dalam saiz sampel kecil hingga sederhana dari segi bias, kecekapan dan kuasa.
PMID: 30501990
;