ติดยาเสพติด Behav 2018 ต.ค. 27 pii: S0306-4603 (18) 31232-2 doi: 10.1016 / j.addbeh.2018.10.032
Kelcey B1.
นามธรรม
การสร้างแบบจำลองสมการโครงสร้างด้วยการประมาณค่าความน่าจะเป็นสูงสุดของข้อมูลเป็นวิธีการที่เด่นชัดในการประเมินทฤษฎีเชิงซ้อนที่เกี่ยวข้องกับตัวแปรแฝงหลายตัวในการวิจัยติดยาเสพติด แม้ว่าตัวประมาณข้อมูลแบบเต็มมีคุณสมบัติที่พึงประสงค์มากมายรวมถึงความมั่นคงข้อ จำกัด ที่สำคัญในแบบจำลองสมการโครงสร้างคือพวกมันมักจะรักษาอคติที่สำคัญเมื่อนำไปใช้ในการศึกษาขนาดเล็กถึงปานกลาง (เช่นน้อยกว่า 100 หรือ 200) วรรณกรรมล่าสุดได้พัฒนาตัวประมาณข้อมูลแบบ จำกัด ที่ออกแบบมาเพื่อแก้ไขข้อ จำกัด - แนวคิดในการนำแนวคิดนี้ไปใช้ในการวิเคราะห์เส้นทางการให้คะแนนแบบอคติซึ่งได้รับการแสดงเพื่อสร้างการประมาณที่เป็นกลางและมีประสิทธิภาพในการตั้งค่าตัวอย่างขนาดเล็กถึงปานกลาง แม้จะมีข้อดีเชิงทฤษฎีและเชิงประจักษ์ แต่วรรณกรรมก็ชี้ให้เห็นว่าวิธีการนี้มีการใช้น้อยเนื่องจากเหตุผลหลักสามประการ - วิธีนี้ไม่คุ้นเคยกับนักวิจัยที่ประยุกต์ แต่ก็ยังขาดแนวทางและซอฟต์แวร์ที่ใช้ได้จริงและสามารถเข้าถึงได้สำหรับนักวิจัยประยุกต์ วิธีการที่มีพื้นฐานมาจากในตัวอย่างเฉพาะวินัยจะขาด ในการศึกษานี้ฉันวิเคราะห์วิธีนี้ผ่านการวิเคราะห์ทีละขั้นตอนของกรณีศึกษาการไกล่เกลี่ยตามลำดับที่เกี่ยวข้องกับการติดอินเทอร์เน็ต ฉันให้ตัวอย่างรหัส R โดยใช้แพ็คเกจลาวาและข้อมูลจากการศึกษาสมมุติฐานของการเสพติด ฉันตรวจสอบความแตกต่างระหว่างตัวประมาณข้อมูลแบบเต็มและแบบ จำกัด ในข้อมูลตัวอย่างและจากนั้นตรวจสอบขอบเขตที่ความแตกต่างเหล่านี้บ่งบอกถึงความแตกต่างที่สอดคล้องกันระหว่างตัวประมาณค่าโดยใช้การศึกษาแบบจำลอง ผลการวิจัยชี้ให้เห็นว่าตัวประมาณข้อมูลที่มีข้อ จำกัด มีประสิทธิภาพสูงกว่าตัวประมาณค่าความน่าจะเป็นข้อมูลสูงสุดแบบดั้งเดิมในขนาดตัวอย่างขนาดเล็กถึงปานกลางในแง่ของความลำเอียงประสิทธิภาพและกำลังงาน
PMID: 30501990
;
