Forskning om robust modelltestning — Utvärdering av robusta SEM- och strukturella modeller
Forskning om robust modelltestning tillämpar strukturella modeller eller sökvägsmodeller på data samtidigt som brott mot multivariat normalitet och andra fördelningsantaganden explicit beaktas. Istället för att kassera icke-normala data eller tvinga fram transformationer, används korrigerade skattningsfunktioner — framför allt Satorra-Bentler-skalade chi-kvadrat och Yuan-Bentler robusta standardfel — för att producera trovärdiga anpassningsindex och parameterskattningar även när klassiska maximum likelihood-antaganden bryts.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Robust Model Testing Research Design. ScholarGate. https://scholargate.app/sv/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.
- Bayesiansk modelltestning ForskningForskningsdesign↔ compare
- Konfirmatorisk faktoranalys (CFA)Psykometri↔ compare
- ModelltestningsforskningForskningsdesign↔ compare
- Multivariat modelltestning ForskningForskningsdesign↔ compare
- StiganalysStatistik↔ compare
- Strukturell ekvationsmodelleringForskningsstatistik↔ compare
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →