Słownik metodologiczny · Modele SEM

Identyfikacja modelu SEM

Pełne wyjaśnienie, zastosowanie naukowe i praktyczne, przykład, dobre praktyki oraz gotowy zapis wyniku w APA 7.

Strona główna / Słownik / Identyfikacja modelu SEM

Opracowanie merytoryczne: · Opublikowano: · Aktualizacja:

Co oznacza Identyfikacja modelu SEM?

Model SEM jest zidentyfikowany, gdy obserwowana macierz informacji pozwala jednoznacznie wyznaczyć wolne parametry przy przyjętych ograniczeniach. Model niedoidentyfikowany ma wiele równoważnych rozwiązań.

Zastosowanie, warunki i dobre praktyki

Model jest zidentyfikowany, gdy obserwowane momenty zawierają dość niezależnej informacji, aby jednoznacznie wyznaczyć wolne parametry. Dodatnie stopnie swobody są pomocne, ale nie gwarantują identyfikacji lokalnej w każdym punkcie przestrzeni parametrów. Przed interpretacją trzeba sprawdzić skalowanie czynników, rząd macierzy, ograniczenia i ostrzeżenia programu; model niezidentyfikowany nie ma wiarygodnych błędów standardowych.

Najważniejsze zastosowanie: Przed estymacją ustal skalę każdego czynnika, policz stopnie swobody i sprawdź lokalne warunki identyfikacji. Po estymacji kontroluj macierz informacji, błędy standardowe i dopuszczalność rozwiązania.

Jak poprawnie stosować i interpretować hasło „Identyfikacja modelu SEM”?

Przy ocenie hasła „Identyfikacja modelu SEM” model SEM jest zidentyfikowany, gdy obserwowana macierz dostarcza wystarczającej informacji do jednoznacznego oszacowania wolnych parametrów. W analizie dotyczącej hasła „Identyfikacja modelu SEM” sam dodatni stopień swobody nie gwarantuje identyfikacji lokalnej. Dla interpretacji hasła „Identyfikacja modelu SEM” przypadek Heywooda — na przykład ujemna wariancja błędu lub standaryzowany ładunek przekraczający 1 — sygnalizuje rozwiązanie niedopuszczalne, często związane z błędną specyfikacją, słabą identyfikacją lub właściwościami próby.

Dla interpretacji hasła „Identyfikacja modelu SEM” trzeba sprawdzić ustalenie skali zmiennych latentnych, liczbę wskaźników, zależności między parametrami, macierz informacji i komunikaty programu. W odniesieniu do hasła „Identyfikacja modelu SEM” przy rozwiązaniu Heywooda należy zbadać dane, model, estymator i stabilność w alternatywnych sensownych specyfikacjach. Przy ocenie hasła „Identyfikacja modelu SEM” ograniczenie wariancji do zera bez wyjaśnienia może ukryć problem zamiast go rozwiązać.

Co trzeba opisać w raporcie?

Przy ocenie hasła „Identyfikacja modelu SEM” raport powinien opisać sposób skalowania konstruktów, stopnie swobody, zbieżność i każdą niedopuszczalną estymatę. W analizie dotyczącej hasła „Identyfikacja modelu SEM”, jeśli zastosowano ograniczenie, zmianę wskaźników lub inny estymator, trzeba podać przyczynę, wynik przed zmianą i po niej oraz konsekwencję dla interpretacji.

Zakres raportowania dla hasła „Identyfikacja modelu SEM”: Podaj sposób skalowania, liczbę wolnych parametrów, df, ograniczenia równości i problemy z identyfikacją. W modelach wielogrupowych zachowaj spójne skalowanie.

Przykład praktyczny i gotowa interpretacja

Sytuacja: Czynnik z dwoma wskaźnikami może wymagać dodatkowych ograniczeń. Sam fakt, że program zwrócił liczby, nie dowodzi identyfikacji stabilnej.

Jak ją zinterpretować: Jeśli parametry nie są jednoznacznie wyznaczone przez obserwowane momenty, ich wartości i błędy standardowe nie mają stabilnej interpretacji. Dodatnie df pomagają, ale potrzebne są także skalowanie czynników i kontrola rzędu.

Najczęstsza pułapka i granica interpretacji

Dodatnie df nie gwarantują identyfikacji lokalnej. Ustalanie kilku parametrów na arbitralne wartości może identyfikować model kosztem silnych, nieuzasadnionych założeń.

Dla interpretacji hasła „Identyfikacja modelu SEM” zbieżność programu nie jest dowodem identyfikacji i poprawności modelu. W odniesieniu do hasła „Identyfikacja modelu SEM” rozwiązania brzegowe mogą wynikać z losowości małej próby, lecz mogą też ujawniać fundamentalny konflikt między teorią a danymi; nie wolno ich przemilczać.

Definicje, zalecenia interpretacyjne i sposób raportowania oparto na literaturze metodologicznej wskazanej w bibliografii (Hu i Bentler, 1999).

Powiązane hasła

AIC i BIC w SEMCFA (konfirmacyjna analiza czynnikowa)CFI (Comparative Fit Index)Inwariancja pomiaru w CB-SEMKowariancja reszt w SEMMacierz reszt standaryzowanych w SEM

Poradniki, w których użyjesz tego pojęcia

Poradnik

Wartość p: co naprawdę oznacza i jak ją poprawnie interpretować

Wartość p bez mitów: definicja, interpretacja, typowe błędy oraz sposób raportowania wraz z wielkością efektu i przedziałem ufności.

Czytaj →Poradnik

Regresja logistyczna: założenia, interpretacja i raportowanie modelu

Regresja logistyczna w praktyce: założenia, iloraz szans, diagnostyka, kalibracja, AUC oraz zasady rzetelnego raportowania modelu.

Czytaj →Poradnik

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 →

Potrzebujesz wsparcia w analizie danych?

Wybierz ofertę dopasowaną do pracy dyplomowej albo profesjonalnego projektu naukowego.

Oferta dla badaczyOferta dla studentów

Bibliografia i dalsza literatura naukowa (APA 7)

  1. 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
  2. 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
  3. 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
  4. 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
  5. Iacobucci, D. (2010). Structural equations modeling: Fit indices, sample size, and advanced topics. Journal of Consumer Psychology, 20(1), 90–98. https://doi.org/10.1016/j.jcps.2009.09.003
  6. Rosseel, Y. (2012). lavaan: An R package for structural equation modeling. Journal of Statistical Software, 48(2), 1–36. https://doi.org/10.18637/jss.v048.i02

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{iacobucci2010sem, author={Iacobucci, Dawn}, title={Structural Equations Modeling: Fit Indices, Sample Size, and Advanced Topics}, journal={Journal of Consumer Psychology}, year={2010}, volume={20}, number={1}, pages={90--98}, doi={10.1016/j.jcps.2009.09.003}}
@article{rosseel2012lavaan, author={Rosseel, Yves}, title={lavaan: An R Package for Structural Equation Modeling}, journal={Journal of Statistical Software}, year={2012}, volume={48}, number={2}, pages={1--36}, doi={10.18637/jss.v048.i02}}
R