Addict Behav. 2018 Октябрь 27. pii: S0306-4603 (18) 31232-2. doi: 10.1016 / j.addbeh.2018.10.032.
Келси Б1.
Абстрактные
Моделирование структурного уравнения с полной информацией оценки максимального правдоподобия является преобладающим методом для эмпирической оценки сложных теорий, включающих множество скрытых переменных в исследовании зависимости. Несмотря на то, что оценщики полной информации обладают многими желаемыми свойствами, включая согласованность, основным ограничением в моделях структурных уравнений является то, что они часто выдерживают значительное смещение при реализации в исследованиях малых и средних размеров (например, меньше, чем 100 или 200). В недавней литературе был разработан ограниченный информационный оценщик, разработанный для решения этого ограничения, концептуально реализованного с помощью подхода с анализом пути с поправкой на смещение с поправкой на смещение, который, как было показано, дает несмещенные и эффективные оценки в условиях выборки малых и средних размеров. Несмотря на свои теоретические и эмпирические достоинства, в литературе высказывается предположение, что метод используется недостаточно по трем основным причинам: методы незнакомы прикладным исследователям, отсутствует практическое и доступное руководство и программное обеспечение, доступное для прикладных исследователей, и сравнения с полной информацией. методы, которые основаны на конкретных дисциплинах, отсутствуют. В этом исследовании я разграничиваю этот метод с помощью пошагового анализа последовательного исследования по медиации, связанного с интернет-зависимостью. Я привожу пример кода R с использованием пакета lavaan и данных, основанных на гипотетическом исследовании зависимости. Я изучаю различия между полной и ограниченной оценочной информацией в данных примера и затем исследую степень, в которой эти различия указывают на постоянное расхождение между оценками, используя исследование моделирования. Результаты показывают, что ограниченный оценщик информации превосходит обычный оценщик максимальной вероятности полной информации в малых и средних размерах выборки с точки зрения смещения, эффективности и мощности.
PMID: 30501990
;
