Wskaźniki WRMR i RMSEA oraz statystyka chi-kwadrat w ocenie dobroci dopasowania modeli SEM dla danych porządkowych

• Autorzy: Piotr Tarka

Warianty tytułu

The WRMR and RMSEA Indicators and Chi-Square Statistics in The Evaluation of Goodness-Of-Fit in SEM Models Based on Ordinal Data

• Języki publikacji: PL

Abstrakty

W niniejszym artykule autor rozważa wybrane problemy dotyczące oceny poziomu dobroci dopasowania modeli równań strukturalnych (SEM) w ujęciu zmiennych porządkowych kategorialnych. Na ich tle zaprezentowano model strukturalny o tzw. niepełnej informacji, w zakresie którego przyjęto DWLS(M-V) jako metodę estymacji danych, a następnie w ramach analizy porównawczej poziomu dobroci dopasowania modelu SEM, zestawiono statystyki chi-kwadrat z wartościami wskaźników WRMR i RMSEA. Jako przykład ilustrujący strategię postępowania z danymi wyrażonymi na skali porządkowej wykorzystano wyniki badań empirycznych w kontekście postrzeganej przez badaczy i analityków w firmach skuteczności badań marketingowych na tle specyficznych uwarunkowań organizacyjnych(abstrakt oryginalny)

EN

In the article, the author discusses the problems of evaluation of goodness-of-fit in structural equation models (SEM) from the perspective of ordinal categorical variables. On their background a SEM model with limited information is considered and the estimation method DWLS(M-V) is diagnosed. Next two indices WRMR and RMSEA are set in comparison with statistic chi-square to observe the efficiency of the model fit. As an example illustrating the strategy for the appropriate dealing with data measured on ordinal scale, we refer to empirical data on researchers and analysts' perception (in companies) of marketing research effectiveness under the influence of specific organizational conditions(original abstract)

Słowa kluczowe

PL

Estymacja; Badania marketingowe; Analiza porównawcza

EN

Estimation; Marketing research; Comparative analysis

• Czasopismo: Prace Naukowe Uniwersytetu Ekonomicznego we Wrocławiu. Taksonomia
• Rocznik: 2017
• Tom: 29
• Numer: nr 469 Klasyfikacja i analiza danych - teoria i zastosowania
• Strony: 197--207

Twórcy

autor

Piotr Tarka

• Uniwersytet Ekonomiczny w Poznaniu

Bibliografia

• Almeida C., Mouchart M., 2014, Testing normality of latent variables in the polychoric correlation, Statistica, LXXIV, nr 1, s. 1-25.
• Babakus E., Ferguson C.E., Jöreskog K.G., 1987, The sensivity of confirmatory maximum likelihood factor analysis to violations of measurement scale and distributional assumptions, Journal of Marketing Research, vol. 24, s. 222-229.
• Browne M.W., 1984, Asymptotically distribution-free methods for the analysis of covariance structures, British Journal of Mathematical and Statistical Psychology, vol. 37, s. 62-83.
• Browne M.W., Cudeck R., 1993, Alternative ways of assessing model fit, [w:] Bollen K.A., Long J.S. (red.), Testing Structural Equation Models, Sage, Newbury Park, s. 136-162.
• Cliff N., Kyats J.A., 2005, Ordinal measurement in the behavioural sciences, Lawrence Erlbaum, New Jersey.
• Cudeck R., Henly S.J., 1991, Model selection in covariance structures analysis and the "problem" of sample size: a clarification, Psychological Bulletin, vol. 109, s. 512-519.
• Finney S.J., DiStefano C., 2006, Non-normal and categorical data in structural equation modelling, [w:] Hancock G.R., Mueller R.O. (red.), Structural Equation Modelling: a second course, Information Age Publishing, Greenwich, s. 269-314.
• Hu L.-T., Bentler P.M., 1999, Cutoff criteria for fit indexes in covariance structure analysis: conventional criteria versus new alternatives, Structural Equation Modeling, vol. 6, s. 1-55.
• Johnson D.R., Creech J.C., 1983, Ordinal measures in multiple indicator models: A simulation study of categorization error, American Sociological Review, vol. 48, s. 398-407.
• Jöreskog K.G., 1990, New developments in LISREL: analysis of ordinal variables using polychoric correlations and weighted least squares, Quality & Quantity, vol. 24, s. 387-404.
• Jöreskog K.G., 1994, On the estimation of polychoric correlations and their asymptotic covariance matrix, Psychometrika, vol. 59, s. 381-390.
• Konarski R., 2009, Modele równań strukturalnych, PWN, Warszawa.
• Lubke G.H., Muthén B.O., 2004, Applying multi-group confirmatory factor models for continuous outcomes to Likert scale data complicates meaningful group comparisons, Structural Equation Modeling, vol. 11, s. 514-534.
• Monroe S., Cai L., 2015, Evaluating structural equation models for categorical outcomes: a new test statistic and practical challenge of interpretation, Multivariate Behavioral Research, vol. 50, s. 569-583.
• Muthén B., 1983, Latent variable structural equation modeling with categorical data, Journal of Econometrics, vol. 22, s. 43-65.
• Muthén B., 1993, Goodness of fit with categorical and other non normal variables, [w:] Bollen K.A., Long J.S. (red.), Testing structural equation models, Sage, Newbury Park, s. 205-234.
• Muthén B.O., DuToit S.H., Spisic D., 1997, Robust inference using weighted least squares and quadratic estimation equations in latent variable modeling with categorical and continuous outcomes, http://www.statmodel.com/bmuthen/categorical.htm.
• Muthén L.K., Muthén B.O., 2014, Mplus user's guide, Muthén and Muthén, Los Angeles.
• Olsson U., 1979, Maximum likelihood estimation of the polychoric correlation coefficient, Psychometrika, vol. 44, s. 443-460.
• Satorra A., Bentler P.M., 1994, Corrections to test statistics and standard errors in covariance structure analysis, [w:] von. Eye A., Clogg C.C. (red.), Latent Variables Analysis: Applications for Development Research, Sage Publications, Thousand Oaks, s. 399-419.
• Steiger J.H., 1990, Structural model evaluation and model modification: an interval estimation approach, Multivariate Behavioral Research, vol. 25, s. 173-180.
• Tarka P., 2017, Uwarunkowania skuteczności badań marketingowych, Wydawnictwo Uniwersytetu Ekonomicznego w Poznaniu.
• Yu C.-Y., Muthén B., 2002, Evaluation of model fit indices for latent variable models with categorical and continuous outcomes, report, https://www.statmodel.com/download/Yudissertation.pdf,
• Yuan K.-H., Bentler P.M., 1998, Normal theory based test statistics in structural equation modeling, British Journal of Mathematical and Statistical Psychology, vol. 51, s. 289-309.

Identyfikatory

DOI

10.15611/pn.2017.469.20