Co oznacza FMIN (analiza SEM)?
Zastosowanie, warunki i dobre praktyki
FMIN jest osiągniętą wartością funkcji rozbieżności po zakończeniu estymacji modelu. Sam w sobie jest głównie wynikiem technicznym, ponieważ jego skala zależy od estymatora i sposobu zdefiniowania funkcji. Nie wybiera się modelu wyłącznie po niższym FMIN; potrzebne są porównywalność modeli, kara za złożoność, diagnostyka reszt i uzasadnienie teorii.
Najważniejsze zastosowanie: Najczęściej stanowi techniczny składnik estymacji i statystyki chi-kwadrat, a nie samodzielną miarę do interpretacji merytorycznej.
Jak to się oblicza i co oznaczają symbole?
Dokładna skala FMIN zależy od estymatora i konwencji programu; przy estymacji ML statystyka χ² jest zwykle proporcjonalna do (N−1)FMIN. Dlatego raportuj także estymator, N, χ² i df.
Jak poprawnie stosować i interpretować hasło „FMIN (analiza SEM)”?
Interpretując „FMIN (analiza SEM)”, należy najpierw ustalić, jaką rozbieżność lub własność modelu mierzy dany indeks oraz od czego zależy jego skala. Przy ocenie hasła „FMIN (analiza SEM)” pojedynczy próg nie może zastąpić oceny reszt, parametrów i sensu teoretycznego. W analizie dotyczącej hasła „FMIN (analiza SEM)” dwa modele o podobnej wartości indeksu mogą prowadzić do innych wniosków, jeśli różnią się specyfikacją pomiaru albo kluczowymi ścieżkami.
Ocena pojęcia „FMIN (analiza SEM)” powinna łączyć indeksy reprezentujące różne aspekty dopasowania, diagnostykę lokalną i porównanie modeli uzasadnionych przed analizą. Dla interpretacji hasła „FMIN (analiza SEM)” wielkość próby, liczba zmiennych i estymator wpływają na zachowanie wielu wskaźników. W odniesieniu do hasła „FMIN (analiza SEM)” modyfikację modelu należy traktować jako eksplorację i sprawdzić na nowych danych, zamiast dopasowywać rozwiązanie do szumu.
Co trzeba opisać w raporcie?
Raport dotyczący „FMIN (analiza SEM)” powinien podać wartość indeksu wraz z estymatorem i pełnym zestawem kluczowych miar dopasowania. Przy ocenie hasła „FMIN (analiza SEM)” warto wskazać przyjęte kryteria, lecz końcowy wniosek oprzeć także na resztach, rozwiązaniach niedopuszczalnych i parametrach. W analizie dotyczącej hasła „FMIN (analiza SEM)” każda modyfikacja wymaga uzasadnienia treściowego, a nie tylko oczekiwanego spadku χ².
Zakres raportowania dla hasła „FMIN (analiza SEM)”: Podaj estymator i standardowe wskaźniki dopasowania; FMIN raportuj tylko, gdy wymaga tego oprogramowanie lub procedura.
Przykład praktyczny i gotowa interpretacja
Sytuacja: Porównując dwie specyfikacje, program minimalizuje funkcję rozbieżności; końcowy raport skupia się na parametrach i uznanych wskaźnikach dopasowania.
Jak ją zinterpretować: FMIN informuje o minimalnej wartości funkcji rozbieżności osiągniętej przez estymator. Jest wynikiem technicznym; niższa wartość ma sens tylko w porównywalnych modelach i nie zastępuje oceny parametrów, reszt ani złożoności.
Najczęstsza pułapka i granica interpretacji
Niższe FMIN nie uzasadnia wyboru modelu bez uwzględnienia złożoności, teorii i porównywalności modeli.
Akceptowalna wartość „FMIN (analiza SEM)” nie potwierdza prawdziwości modelu ani przyczynowego znaczenia strzałek. Dla interpretacji hasła „FMIN (analiza SEM)” model może być globalnie dopasowany, a jednocześnie błędny w części istotnej dla pytania badawczego.
Definicje, zalecenia interpretacyjne i sposób raportowania oparto na literaturze metodologicznej wskazanej w bibliografii (Hu i Bentler, 1999).
Powiązane hasła
Poradniki, w których użyjesz tego pojęcia
Modelowanie równań strukturalnych (SEM): od teorii do raportu
SEM bez skrótów myślowych: model pomiarowy i strukturalny, CB-SEM a PLS-SEM, dopasowanie, założenia oraz raportowanie wyników.
Czytaj →PoradnikPLS-SEM krok po kroku: założenia, model pomiarowy i strukturalny
Praktyczny przewodnik po PLS-SEM: kiedy metoda odpowiada pytaniu, jak odróżnić kompozyt od wspólnego czynnika, ocenić model i uczciwie raportować wynik.
Czytaj →PoradnikPLS-SEM w R: kompletny przykład w seminr i cSEM
Odtwarzalny przykład PLS-SEM w R: specyfikacja refleksyjna i kompozytowa, PLSc, bootstrap, HTMT, R², f² i ocena predykcyjna w seminr oraz cSEM.
Czytaj →Potrzebujesz wsparcia w analizie danych?
Wybierz ofertę dopasowaną do pracy dyplomowej albo profesjonalnego projektu naukowego.
Oferta dla badaczyOferta dla studentówBibliografia i dalsza literatura naukowa (APA 7)
- Hu, L., & Bentler, P. M. (1999). Cutoff criteria for fit indexes in covariance structure analysis: Conventional criteria versus new alternatives. Structural Equation Modeling, 6(1), 1–55. https://doi.org/10.1080/10705519909540118
- Bentler, P. M. (1990). Comparative fit indexes in structural models. Psychological Bulletin, 107(2), 238–246. https://doi.org/10.1037/0033-2909.107.2.238
- Appelbaum, M., Cooper, H., Kline, R. B., Mayo-Wilson, E., Nezu, A. M., & Rao, S. M. (2018). Journal article reporting standards for quantitative research in psychology: The APA Publications and Communications Board task force report. American Psychologist, 73(1), 3–25. https://doi.org/10.1037/amp0000191
- Lang, T. A., & Altman, D. G. (2015). Basic statistical reporting for articles published in biomedical journals: The SAMPL guidelines. International Journal of Nursing Studies, 52(1), 5–9. https://doi.org/10.1016/j.ijnurstu.2014.09.006
- Jarvis, C. B., MacKenzie, S. B., & Podsakoff, P. M. (2003). A critical review of construct indicators and measurement model misspecification in marketing and consumer research. Journal of Consumer Research, 30(2), 199–218. https://doi.org/10.1086/376806
- Dijkstra, T. K., & Henseler, J. (2015). Consistent partial least squares path modeling. MIS Quarterly, 39(2), 297–316. https://doi.org/10.25300/MISQ/2015/39.2.02
Cytowania BibTeX
@article{hu1999sem, author={Hu, Li-tze and Bentler, Peter M.}, title={Cutoff criteria for fit indexes in covariance structure analysis}, journal={Structural Equation Modeling}, year={1999}, volume={6}, number={1}, pages={1--55}, doi={10.1080/10705519909540118}}@article{bentler1990cfi, author={Bentler, Peter M.}, title={Comparative fit indexes in structural models}, journal={Psychological Bulletin}, year={1990}, volume={107}, number={2}, pages={238--246}, doi={10.1037/0033-2909.107.2.238}}@article{appelbaum2018jars, author={Appelbaum, Mark and Cooper, Harris and Kline, Rex B. and Mayo-Wilson, Evan and Nezu, Arthur M. and Rao, Stephen M.}, title={Journal article reporting standards for quantitative research in psychology}, journal={American Psychologist}, year={2018}, volume={73}, number={1}, pages={3--25}, doi={10.1037/amp0000191}}@article{lang2015sampl, author={Lang, Thomas A. and Altman, Douglas G.}, title={Basic statistical reporting for articles published in biomedical journals: the SAMPL guidelines}, journal={International Journal of Nursing Studies}, year={2015}, volume={52}, number={1}, pages={5--9}, doi={10.1016/j.ijnurstu.2014.09.006}}@article{jarvis2003measurement, author={Jarvis, Cheryl Burke and MacKenzie, Scott B. and Podsakoff, Philip M.}, title={A Critical Review of Construct Indicators and Measurement Model Misspecification in Marketing and Consumer Research}, journal={Journal of Consumer Research}, year={2003}, volume={30}, number={2}, pages={199--218}, doi={10.1086/376806}}@article{dijkstra2015plsc, author={Dijkstra, Theo K. and Henseler, Jörg}, title={Consistent Partial Least Squares Path Modeling}, journal={MIS Quarterly}, year={2015}, volume={39}, number={2}, pages={297--316}, doi={10.25300/MISQ/2015/39.2.02}}