A Comparison among Robust Estimation Methods for Structural Equations Modeling with Ordinal Categorical Variables
| المصدر: | المجلة العراقية للعلوم الإحصائية |
|---|---|
| الناشر: | جامعة الموصل - كلية علوم الحاسوب والرياضيات |
| المؤلف الرئيسي: | Ibrahim, Omar Salam (Author) |
| مؤلفين آخرين: | Mohammed, Mohammed Jasim (Co-Author) |
| المجلد/العدد: | ع32 |
| محكمة: | نعم |
| الدولة: |
العراق |
| التاريخ الميلادي: |
2020
|
| الصفحات: | 132 - 149 |
| ISSN: |
1680-855X |
| رقم MD: | 1125851 |
| نوع المحتوى: | بحوث ومقالات |
| اللغة: | الإنجليزية |
| قواعد المعلومات: | EcoLink |
| مواضيع: | |
| كلمات المؤلف المفتاحية: |
نمذجة المعادلات الهيكلية | المتغيرات الرتبية الفئوية | المقدرات الحصينة | مؤشرات المطابقة | Structural Equations Modeling | Robust Estimation | Ordered Categorical Variables | Fit Indices
|
| رابط المحتوى: |
الناشر لهذه المادة لم يسمح بإتاحتها. |
| المستخلص: |
تستخدم المتغيرات الرتبية على نطاق واسع في العديد من البحوث وفي كافة التخصصات العلمية، وغالبا ما يستخدم الباحثون طريقة الإمكان الأعظم ML والتي تفترض التوزيع الطبيعي متعدد المتغيرات، وهذا ليس صحيحا مع البيانات الرتبية الفئوية حيث ينتهك افتراض التوزيع الطبيعي في حالة استخدام مقياس ليكرات مما يؤدي إلى نتائج مضللة وتضخيم في الخطأ المعياري فضلا عن تأثيره على مؤشرات المطابقة. فقد تضمن هذا البحث اقتراح طريقة MLR الإمكان الأعظم الحصينة مع مصفوفة التغاير للعينة التي تتعامل مع البيانات على أنها مستمرة وخاصة عندما يكون مقياس ليكرات خماسي فما فوق. وتم اقتراح طريقة لتقليل الخطأ من خلال ربط الأخطاء، حيث تم إجراء ارتباط بين ثلاث أخطاء قياسية، ومن خلال مؤشرات التعديل تم الحصول على نتائج جيدة في تقليل الخطأ المعياري وتحسين جودة المطابقة للمؤشرات. كما وتم استخدام طريقتين من الطرق الحصينة، طريقة WLSMV أو ما يعرف بطريقة RDWLS وطريقة ULSMV أو ما يعرف بطريقة RULS مع مصفوفة ارتباط متعدد الألوان Polychoric correlation وكلتا الطريقتين تتعامل مع البيانات على أنها بيانات رتبية. وتضمن البحث أيضا إجراء مقارنة بين طرق التقدير الحصينة ML، MLR، WLSMV، ULSMV ودراسة تأثيراتها على مؤشرات المطابقة الحصينة ومن ثم اختيار الطريقة الأفضل للتعامل مع البيانات الرتبية، وقد تم التوصل الى نتائج جيدة لكل من الطريقتين WLSMV، ULSMV مقارنة مع نتائج الطرق الأخرى، حيث أظهرت النتائج تصحيحات حصينة في الأخطاء المعيارية عن طريق استخدام مصفوفة معامل الارتباط متعددة الألوان بالإضافة إلى التصحيحات الحصينة لمؤشر كاي سكوير. فضلا عن ذلك فإن مؤشرات المطابقة تم استبدالها بمؤشرات المطابقة الحصينة لكاي سكوير TLI وCFI وRMSIA. Categorical and ordered variables are commonly used in many scientific researches. Researchers often use the ML method, which assumes a multivariate normal distribution, and this is not true with categorical data because the normal state assumption is violated when a Likert scale is used which leads to shaded results. In this research, it has been suggested the robust MLR method with covariance matrix of the sample which deals with the data as it is a continuous data especially when the Likert scale is five or above. It has been suggested a method for reducing the error by linking error measurement, where a link was performed between three standard errors, and through the fit indices, it was obtained a good result in reducing the standard error of capabilities and improving the quality of fit indexes. It has been also used two of the robust methods, WLSMV method which known as RDWLS method, and ULSMV method which known as RULS method, use a polychoric correlation, each two methods deal with the data as it categorical. This research also included a comparison between the robust estimation methods ML, MLR, WLSMV and ULSMV and study its effects on the population corrected robust model fit indexes, and then select the best method for dealing with the categorical ordered data. The results showed a superiority of the robust methods in comparison with other methods, where it showed a robust corrections in the standard errors by using the polychoric correlation coefficient matrix, in addition to robust correction of the chi square. In addition of that, the fit indices is replaced by the robust fit indexes of chi- square robust, TLI, CFI and RMSIA. |
|---|---|
| ISSN: |
1680-855X |
عناصر مشابهة
-
Use the Robust RFCH Method with a Polychoric Correlation Matrix in Structural Equation Modeling When You Are Ordinal Data
بواسطة: Ibrahim, Omar Salam منشور: (2022) -
Pitman closeness comparisons of ordered data
بواسطة: الوحش، هدى علي منشور: (2011) -
THE MEAN RESIDUAL LIFE FUNCTION OF ORDERED DATA
بواسطة: بدير، عمر محمد منشور: (2009) -
Robust Linear Structural Measurement Error Model
بواسطة: العنانزه، عبير خالد محمود منشور: (2020) -
Pitman closeness comparison of predictors of future order statistics from exponential distribution
بواسطة: عرابلي، بيان عبدالمجيد منشور: (2011)
