Addict Behav. 2018 Október 27. pii: S0306-4603 (18) 31232-2. doi: 10.1016 / j.addbeh.2018.10.032.
Kelcey B1.
abstraktné
Modelovanie štruktúrnych rovníc s úplným odhadom maximálnej pravdepodobnosti pravdepodobnosti je prevládajúcou metódou empirického hodnotenia zložitých teórií zahrňujúcich viac latentných premenných do výskumu závislosti. Aj keď úplné odhady informácií majú mnoho žiaducich vlastností vrátane konzistencie, hlavným obmedzením v modeloch štruktúrnej rovnice je to, že pri implementácii v štúdiách s malou až strednou veľkosťou (napr. Menej ako 100 alebo 200) často zachovávajú významné skreslenie. Najnovšia literatúra vyvinula obmedzený odhadca informácií navrhnutý tak, aby riešil toto obmedzenie - koncepčne implementované prostredníctvom prístupu analýzy skóre skóre faktorom ovplyvneného skreslením - ukázalo sa, že produkuje nezaujaté a efektívne odhady v malých až stredných nastaveniach vzoriek. Napriek svojim teoretickým a empirickým výhodám literatúra naznačuje, že táto metóda je nedostatočne využívaná z troch hlavných dôvodov - metódy nie sú známe pre aplikovaných výskumníkov, chýba im praktický a prístupný návod a softvér, ktorý sú k dispozícii pre aplikovaných výskumníkov, a porovnania s úplnými informáciami. chýbajú metódy založené na príkladoch špecifických pre disciplínu. V tejto štúdii som túto metódu vymedzil pomocou podrobnej analýzy prípadovej štúdie postupného sprostredkovania zahŕňajúcej závislosť od internetu. Uvediem príklad R kódu pomocou lavaanského balíka a údajov založených na hypotetickej štúdii závislosti. Skúmam rozdiely medzi úplnými a obmedzenými odhadcami informácií v údajoch z príkladov a následne pomocou simulačnej štúdie zisťujem, do akej miery tieto rozdiely naznačujú konzistentnú odchýlku medzi odhadcami. Výsledky naznačujú, že odhadca s obmedzenými informáciami prevyšuje bežný odhad úplnej maximálnej pravdepodobnosti úplných informácií v malej až strednej veľkosti vzorky z hľadiska zaujatosti, účinnosti a sily.
PMID: 30501990
;