Addict Behav. 2018 oktober 27. pii: S0306-4603 (18) 31232-2. doi: 10.1016 / j.addbeh.2018.10.032.
Kelcey B1.
Minimalizem
Modeliranje strukturnih enačb s popolno oceno največje verjetnosti informacij je metoda za empirično oceno kompleksnih teorij, ki vključujejo več latentnih spremenljivk v raziskavah odvisnosti. Čeprav imajo cenilci polnih informacij številne zaželene lastnosti, vključno z doslednostjo, je glavna omejitev pri modelih strukturnih enačb ta, da pogosto prenašajo znatno pristranskost, kadar se izvajajo v študijah z majhnimi do zmernimi velikostmi (npr. Manj kot 100 ali 200). Nedavna literatura je razvila omejen ocenjevalec informacij, ki je zasnovan za obravnavo tega omejevanja - konceptualno izvedeno s pristopom analize analize poti poti faktorja - ki je dokazano, da daje nepristranske in učinkovite ocene v nastavitvah majhnih do zmernih vzorcev. Kljub svojim teoretičnim in empiričnim zaslugam literatura nakazuje, da se metoda ne uporablja zaradi treh primarnih razlogov - metode niso znane uporabnim raziskovalcem, primanjkuje praktičnih in dostopnih napotkov in programske opreme za uporabne raziskovalce ter primerjave s polnimi informacijami metod, ki so utemeljene na posameznih disciplinah, primanjkuje. V tej študiji to metodo ločim s postopno analizo zaporedne študije primerov mediacije, ki vključuje internetno odvisnost. Navajam primer R kode z uporabo paketa lavaan in podatkov, ki temeljijo na hipotetični študiji odvisnosti. Preučujem razlike med celotnimi in omejenimi ocenjevalci informacij znotraj primernih podatkov in nato preverim, v kolikšni meri te razlike kažejo na dosledno razhajanje med ocenjevalci s pomočjo simulacijske študije. Rezultati kažejo, da omejen ocenjevalec podatkov v primerjavi z običajnimi velikostmi velikosti vzorcev glede na pristranskost, učinkovitost in moč presega običajni ocenjevalec največje možne informacije.
PMID: 30501990
;