Addict Behav. 2018 Oct 27. pii: S0306-4603 (18) 31232-2. doi: 10.1016 / j.addbeh.2018.10.032.
Kelcey B1.
Sumário
A modelagem de equações estruturais com estimação de máxima verossimilhança é o método predominante para avaliar empiricamente teorias complexas envolvendo múltiplas variáveis latentes na pesquisa de dependência. Embora os estimadores de informações completas tenham muitas propriedades desejáveis, incluindo consistência, uma limitação importante nos modelos de equações estruturais é que eles freqüentemente sustentam viés significativo quando implementados em estudos de tamanho pequeno a moderado (por exemplo, menos que 100 ou 200). A literatura recente desenvolveu um estimador de informações limitado projetado para abordar essa limitação - implementada conceitualmente por meio de uma abordagem de análise do caminho do escore do fator de viés corrigido por viés - que demonstrou produzir estimativas imparciais e eficientes em configurações de amostra pequenas a moderadas. Apesar de seus méritos teóricos e empíricos, a literatura sugere que o método é subutilizado por três razões principais: os métodos não são familiares aos pesquisadores aplicados, faltam orientações práticas e acessíveis e softwares disponíveis para pesquisadores aplicados e comparações com informações completas. métodos que são baseados em exemplos específicos de disciplina estão faltando. Neste estudo, eu delineio este método através de uma análise passo-a-passo de um estudo de caso de mediação seqüencial envolvendo vício em internet. Eu forneço código R exemplo usando o pacote lavaan e dados baseados em um estudo hipotético de dependência. Examino as diferenças entre os estimadores de informações completas e limitadas dentro dos dados de exemplo e subseqüentemente sondar a extensão em que essas diferenças são indicativas de uma divergência consistente entre os estimadores usando um estudo de simulação. Os resultados sugerem que o estimador de informação limitado supera o estimador de máxima verossimilhança de informação completa convencional em tamanhos de amostra pequenos a moderados em termos de viés, eficiência e potência.
PMID: 30501990