Teljesítményelemzés strukturális egyenletmodellezéshez
A strukturális egyenletmodellezés (SEM) és más multivariáns eljárások teljesítményelemzése meghatározza a szükséges minimális elemszámot ahhoz, hogy egy adott nagyságú modellilleszkedési hibát megfelelő valószínűséggel lehessen kimutatni. A domináns megközelítés, amelyet MacCallum, Browne és Sugawara 1996-ban vezetett be, az effektméretet az illeszkedési hiba négyzetes közepének négyzetgyökeként (Root Mean Square Error of Approximation, RMSEA) fejezi ki, és a teljesítményt a nem-centrált khi-négyzet eloszlásból származtatja.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- MacCallum, R. C., Browne, M. W., & Sugawara, H. M. (1996). Power analysis and determination of sample size for covariance structure modeling. Psychological Methods, 1(2), 130–149. DOI: 10.1037/1082-989X.1.2.130 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 1). Power Analysis for Structural Equation Modeling and Multivariate Analyses. ScholarGate. https://scholargate.app/hu/statistics/power-analysis-sem
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Multivariáns Varianciaanalízis (MANOVA)Statisztika↔ compare
- Teljesítményelemzés több szintű és vegyes hatású modellekhezStatisztika↔ compare
- Teljesítményanalízis ANOVA-hozStatisztika↔ compare
- A többváltozós regresszió teljesítményanalíziseStatisztika↔ compare
- Szimulációalapú teljesítményelemzés (Monte Carlo teljesítmény)Statisztika↔ compare
- Strukturális egyenlet modellezésKutatási statisztika↔ compare
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →