Robust Model Testing Research Design

Almindelig modeltest antager, at dine data følger en multivariat normalfordeling. Virkelige survey- og måledata gør sjældent: skalaer er ofte skæve, begrænsede eller indeholder outliers. Hvis du ignorerer dette og anvender standard maximum likelihood, bliver din chi-kvadrat-test oppustet, og standardfejl bliver forkerte, hvilket fører til falske afvisninger af gode modeller. Robust modeltest korrigerer for dette: den tilpasser stadig den model, du specificerer, men den justerer teststatistikker og standardfejl for at afspejle den faktiske fordeling af dine data. Tænk på det som at bære briller med recept – billedet, du ser på, ændrer sig ikke, men forvrængningen fjernes, så du ser det nøjagtigt.