Kontrola Chaosu.
Modele równań strukturalnych.
Metoda równań strukturalnych ma swoich zwolenników i krytyków ponieważ posiada bardzo wiele zalet oraz równie wiele wad.
Modelowanie równań strukturalnych zawsze rozpoczyna się od poznania podstaw teoretycznych, tylko na podstawie teorii lub różnych jej wariantów można budować model.
Do jego budowy niezbędne są wskazówki jakie daje teoria lub bardzo silna intuicja, bez poznania tych wskazań można zbudować model wyjaśniający dopasowany do danych ale mający niewiele wspólnego z rzeczywistością.
W skrócie, analiza równań strukturalnych zwana też analizą ścieżek daje wgląd w badane zjawisko w jego bardzo zaawansowanym wydaniu.
Dzięki zaplanowaniu korelacji w równaniu między zmiennymi wyjaśniającymi, które jednocześnie wpływają na zmienną wyjaśnianą można dojrzeć osobliwy wpływ/korelację każdej zmiennej.
Nie mniej jednak przy modelowaniu równań strukturalnych trzeba przygotować się na alternatywne scenariusze planowania ścieżek korelacji/wpływów.
Nie zawsze teoria przez, którą patrzymy na naturę jak taka jak dane uzyskane z badania.
Dlatego warto przygotować odrobinę zmienione struktury korelacji/wpływów by móc porównywać modele pod względem dobroci dopasowania do danych oraz wyjaśnionej interesującej zmienności.
Dzięki analizie ścieżkowej można badać strukturę testów psychologicznych.
W tej odsłonie jest to metoda konfirmacyjna, która potwierdza założenia o strukturze czynnikowej walidowanego testu oraz pozwala na budowanie alternatywnych jego wersji by wybrać ten najlepiej dopasowany do danych.
Dla zajawkowiczów chcących zbudować swoje pierwsze modele podajemy współczynniki, które warto znać:
Modification Indices ( analiza ścieżek / modelowanie równań strukturalnych )- jest to wskaźnik informujący o tym o ile zmieni się dopasowanie modelu kiedy zmodyfikujemy model według wskazań
Test for nomnality & outliers ( analiza ścieżek / modelowanie równań strukturalnych ) – test ten weryfikuje hipotezę o normalności rozkładu badanych zmiennych
Squared multiple correlations r2 ( analiza ścieżek / modelowanie równań strukturalnych ) – dostarcza informacji o procencie wyjaśnionej wariancji danego pomiaru
Wskaźnik dopasowania Chi Kwadrat χ2 ( analiza ścieżek / modelowanie równań strukturalnych ) – test Chi kwadrat weryfikuje hipotezę o dopasowaniu modelu do danych. Kiedy istotność jest mniejsza niż 0,05 wtedy model wyjaśniający nie jest dopasowany do danych. Kiedy istotność jest większa, model jest dopasowany dodanych. Bardzo często przy bardzo liczebnych próbach wyniki tego testu są istotne.
RMSEA ( analiza ścieżek / modelowanie równań strukturalnych ) -Jest to średni błąd aproksymacji próby do populacji idealnej. Model jest dopasowany do danych kiedy wartość tego wskaźnika jest mniejsza niż 0,05. Dopuszcza się wynik 0,08. Co ciekawe dla tego wyniku można uzyskać przedziały ufności.
AGFI/GFI ( analiza ścieżek / modelowanie równań strukturalnych ) – Jest to współczynnik wyjaśnionej wariancji przez model ścieżkowy. Im bliżej 1 tym lepiej. Progowa wartość przy, której akceptuje się model wynosi 0,9.
CFI / TLI ( analiza ścieżek / modelowanie równań strukturalnych ) – Współczynniki mierzące dopasowanie modelu strukturalnego do danych. Im bliżej 1 tym lepiej. Progowa wartość przy, której akceptuje się model wynosi 0,9.
SRMR ( analiza ścieżek / modelowanie równań strukturalnych ) – Współczynniki wskazujące na stopień błędnego dopasowania. Podobnie jak przy wskaźniku RMSEA, Model jest dopasowany do danych kiedy wartość tego wskaźnika jest mniejsza niż 0,05. Dopuszcza się wynik 0,08.
CMIN / DF ( analiza ścieżek / modelowanie równań strukturalnych ) – Pod względem tych wskaźników mierzy się dopasowanie modelu równań strukturalnych do danych. Współczynnik ten nie powinien przekraczać wartości równej 5.