Дослідження робастного тестування моделей — Оцінка робастних SEM та структурних моделей
Дослідження робастного тестування моделей застосовує структурні або шляхові моделі до даних, явно враховуючи порушення багатовимірної нормальності та інших розподільних припущень. Замість відкидання ненормальних даних або примусових перетворень, воно використовує скориговані оцінювачі — найвизначнішими з яких є масштабована хі-квадрат статистика Саторри-Бентлера та робастні стандартні похибки Юань-Бентлера — для отримання надійних індексів придатності та оцінок параметрів, навіть коли класичні припущення максимальної правдоподібності порушені.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- 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 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Robust Model Testing Research Design. ScholarGate. https://scholargate.app/uk/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.
- Дослідження байєсівського тестування моделейДизайн дослідження↔ compare
- Конфірматорний факторний аналіз (КФА)Психометрія↔ compare
- Дослідження тестування моделейДизайн дослідження↔ compare
- Дослідження з тестування багатовимірних моделейДизайн дослідження↔ compare
- Шляховий аналізСтатистика↔ compare
- Моделювання структурними рівняннямиСтатистика досліджень↔ compare
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →