Ricerca sulla verifica robusta dei modelli — Valutazione robusta di modelli strutturali e di path
La ricerca sulla verifica robusta dei modelli applica modelli strutturali o di path ai dati tenendo esplicitamente conto delle violazioni della normalità multivariata e di altre assunzioni distribuzionali. Invece di scartare dati non normali o forzare trasformazioni, utilizza stimatori corretti — in particolare il chi-quadro scalato Satorra-Bentler e gli errori standard robusti Yuan-Bentler — per produrre indici di adattamento e stime parametriche affidabili anche quando le assunzioni classiche di massima verosimiglianza sono violate.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- Satorra, A., & Bentler, P. M. (1994). Corrections to test statistics and standard errors in covariance structure analysis. In A. von Eye & C. C. Clogg (Eds.), Latent variables analysis: Applications for developmental research (pp. 399–419). Sage. link ↗
- Yuan, K.-H., & Bentler, P. M. (1998). Robust mean and covariance structure analysis. British Journal of Mathematical and Statistical Psychology, 51(1), 63–88. DOI: 10.1111/j.2044-8317.1998.tb00667.x ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Robust Model Testing Research Design. ScholarGate. https://scholargate.app/it/research-design/robust-model-testing-research
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.
- Ricerca sulla verifica di modelli bayesianiDisegno della ricerca↔ compare
- Confirmatory factor analysisPsicometria↔ compare
- Ricerca di Test del ModelloDisegno della ricerca↔ compare
- Ricerca sulla verifica di modelli multivariatiDisegno della ricerca↔ compare
- Analisi dei percorsiStatistica↔ compare
- Modellizzazione di Equazioni StrutturaliStatistica per la ricerca↔ compare
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →