Solidny alternatywny estymator dla małych i średnich próbek SEM: analiza ścieżki współczynnika skorygowanego odchyleniem.

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

Kelcey B.1.

Abstrakcyjny

Modelowanie równań strukturalnych z pełną informacją szacowanie maksymalnego prawdopodobieństwa jest dominującą metodą empirycznej oceny złożonych teorii obejmujących wiele ukrytych zmiennych w badaniach uzależnień. Chociaż estymatory pełnych informacji mają wiele pożądanych właściwości, w tym spójność, głównym ograniczeniem w modelach równań strukturalnych jest to, że często utrzymują one znaczącą stronniczość, gdy są wdrażane w badaniach małych i średnich rozmiarów (np. Mniej niż 100 lub 200). W najnowszej literaturze opracowano ograniczony estymator informacji zaprojektowany w celu rozwiązania tego ograniczenia - koncepcyjnie wdrożonego poprzez podejście oparte na analizie ścieżki czynników punktowych z korektą błędu systematycznego - który, jak wykazano, zapewnia bezstronne i wydajne szacunki w małych i średnich próbach. Pomimo zalet teoretycznych i empirycznych, literatura sugeruje, że metoda jest niedostatecznie wykorzystywana z trzech głównych powodów - metody są nieznane badaczom stosowanym, brakuje praktycznych i dostępnych wskazówek i oprogramowania dostępnego dla badaczy stosowanych oraz porównań z pełnymi informacjami brak jest metod opartych na przykładach specyficznych dla dyscypliny. W tym studium nakreślam tę metodę poprzez analizę krok po kroku sekwencyjnego studium przypadku mediacji obejmującego uzależnienie od Internetu. Podaję przykładowy kod R z wykorzystaniem pakietu lawy i danych opartych na hipotetycznym badaniu uzależnienia. Badam różnice między pełnymi i ograniczonymi estymatorami informacji w przykładowych danych, a następnie badam stopień, w jakim różnice te wskazują na spójną rozbieżność między estymatorami, wykorzystując badanie symulacyjne. Wyniki sugerują, że ograniczony estymator informacji przewyższa konwencjonalny estymator maksymalnego prawdopodobieństwa pełnej informacji w małych i średnich rozmiarach próby pod względem obciążenia, wydajności i mocy.

PMID: 30501990

DOI: 10.1016 / j.addbeh.2018.10.032