Pētījumi par robustu modeļu testēšanu — Robustu SEM un strukturālo modeļu novērtēšana
Pētījumos par robustu modeļu testēšanu tiek izmantoti strukturālie vai ceļu modeļi, kas pielāgoti datiem, vienlaikus nepārprotami ņemot vērā daudzvietīgās normalitātes un citu sadalījuma pieņēmumu pārkāpumus. Tā vietā, lai izmestu nenormālus datus vai veiktu transformācijas, tiek izmantoti koriģēti novērtētāji — jo īpaši Satorra-Bentler skalētais hi-kvadrāts un Yuan-Bentler robustie standarta kļūdu novērtējumi —, lai iegūtu uzticamus pielāgošanās indeksus un parametru novērtējumus pat tad, ja klasiskie maksimālās ticamības pieņēmumi ir pārkāpti.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Robust Model Testing Research Design. ScholarGate. https://scholargate.app/lv/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.
- Pētījumi par Bayes modeles testēšanuPētījuma dizains↔ compare
- Apstiprinošā faktoru analīze (AFA)Psihometrija↔ compare
- Pētījumi modeļu testēšanaiPētījuma dizains↔ compare
- Daudzvariēblu modelēšanas pētījumiPētījuma dizains↔ compare
- Ceļu analīzeStatistika↔ compare
- Modelēšana ar strukturālām vienādojumiemPētniecības statistika↔ compare
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →