Structural equation modeling is een multivariate statistische analysetechniek die wordt gebruikt om structurele relaties te analyseren. Deze techniek is de combinatie van factoranalyse en meervoudige regressieanalyse, en wordt gebruikt om de structurele relatie tussen gemeten variabelen en latente constructen te analyseren. Deze methode geniet de voorkeur van de onderzoeker omdat zij de meervoudige en onderling samenhangende afhankelijkheid in één enkele analyse schat. In deze analyse worden twee soorten variabelen gebruikt endogene variabelen en exogene variabelen. Endogene variabelen zijn gelijk aan afhankelijke variabelen en zijn gelijk aan de onafhankelijke variabele.
Theorie:
Dit kan worden beschouwd als een reeks relaties die consistentie en alomvattende verklaringen bieden voor de feitelijke verschijnselen. Er zijn twee soorten modellen:
Maatmodel: Het meetmodel vertegenwoordigt de theorie die specificeert hoe gemeten variabelen samenkomen om de theorie weer te geven.
Structureel model: Representeert de theorie die laat zien hoe constructen gerelateerd zijn aan andere constructen.
Structural equation modeling wordt ook wel casual modeling genoemd omdat het de voorgestelde casual relaties toetst. De volgende aannames worden gedaan:
Multivariate normale verdeling: De maximum likelihood methode wordt gebruikt en verondersteld voor multivariate normale verdeling. Kleine veranderingen in de multivariate normaliteit kunnen leiden tot een groot verschil in de chi-kwadraat toets.
Lineariteit: Er wordt een lineair verband verondersteld tussen endogene en exogene variabelen.
Outlier: Gegevens moeten vrij zijn van uitschieters. Uitschieters beïnvloeden de modelbetekenis.
Volgorde: Er moet een oorzaak-gevolgrelatie zijn tussen endogene en exogene variabelen, en een oorzaak moet zich vóór de gebeurtenis voordoen.
Non-spurious relatie: Waargenomen covariantie moet waar zijn.
Modelidentificatie: De vergelijkingen moeten groter zijn dan de geschatte parameters of de modellen moeten overgeïdentificeerd of exact geïdentificeerd zijn. Ondergeïdentificeerde modellen worden niet in aanmerking genomen.
Bemonsteringsgrootte: De meeste onderzoekers geven de voorkeur aan een steekproefgrootte van 200 tot 400 met 10 tot 15 indicatoren. Als vuistregel geldt: 10 tot 20 maal zoveel gevallen als variabelen.
Ongecorreleerde foutentermen: Fouttermen worden verondersteld niet gecorreleerd te zijn met andere variabele fouttermen.
Data: Er wordt gebruik gemaakt van intervaldata.
Stappen:
Het definiëren van individuele constructen: De eerste stap is het theoretisch definiëren van de constructen. Voer een pretest uit om het item te evalueren. Een confirmatieve test van het meetmodel wordt uitgevoerd met behulp van CFA.
Ontwikkeling van het totale meetmodel: Het meetmodel wordt ook wel padanalyse genoemd. Padanalyse is een verzameling van relaties tussen exogene en endogene variabelen. Dit wordt weergegeven door het gebruik van een pijl. Het meetmodel volgt de aanname van unidimensionaliteit. De metingstheorie is gebaseerd op het idee dat latente constructen de gemeten variabele veroorzaken en dat de foutterm ongecorreleerd is binnen de gemeten variabelen. In een meetmodel wordt een pijl getrokken van de gemeten variabele naar de constructen.
Ontwerp de studie om de empirische resultaten te produceren: In deze stap moet de onderzoeker het model specificeren. De onderzoeker moet de studie zo opzetten dat de kans op een identificatieprobleem zo klein mogelijk is. Om het identificatieprobleem te minimaliseren wordt gebruik gemaakt van volgorde- en rangorde-methoden.
Beoordeling van de validiteit van het meetmodel: Het beoordelen van het meetmodel wordt ook wel CFA genoemd. Bij CFA vergelijkt een onderzoeker de theoretische meting met het realiteitsmodel. Het resultaat van de CFA moet in verband worden gebracht met de validiteit van de constructen.
Het bepalen van het structurele model: In deze stap worden structurele paden tussen constructen getrokken. In het structurele model kan geen enkele pijl een exogeen construct binnengaan. Een pijl met één punt wordt gebruikt om een veronderstelde structurele relatie tussen één construct en een ander weer te geven. Dit toont de oorzaak en gevolg relatie. Elke veronderstelde relatie gebruikt één graad van vrijheid. Het model kan recursief of niet-recursief zijn.
Onderzoek de validiteit van het structurele model: In de laatste stap onderzoekt een onderzoeker de validiteit van het structurele model. Een model wordt als goed passend beschouwd als de waarde van de chi-kwadraattoets niet significant is, en ten minste één incrementele fit-index (zoals CFI, GFI, TLI, AGFI, enz.) en één badness of fit-index (zoals RMR, RMSEA, SRMR, enz.) aan de vooraf vastgestelde criteria voldoen.
Bronnen
Bentler, P. M., & Chou, C. -P. (1987). Praktische kwesties in structurele modellering. Sociological Methods & Research, 16(1), 78-117.
Bollen, K. A. (1989). Structurele vergelijkingen met latente variabelen. New York: John Wiley & Sons. View
Hatcher, L. (1994). A step-by-step approach to using the SAS system for factor analysis and structural equation modeling. Cary, NC: SAS Institute.
Hoyle, R. H. (Ed.). (1995). Structurele vergelijking modellering: Concepts, issues, and applications. Thousand Oaks, CA: Sage Publications.
Kline, R. B. (2005). Principles and practice of structural equation modeling (2nd ed.). New York: Guilford Press. View
Lee, S. (2007). Structurele vergelijking modellering: Een Bayesiaanse benadering. New York: John Wiley & Sons. View
Maruyama, G. M. (1998). Grondbeginselen van structurele vergelijkingmodellering. Thousand Oaks, CA: Sage Publications. View
Mulaik, S. A., & Millsap, R. E. (2000). De vier stappen goed doen. Structural Equation Modeling, 7(1), 36-73.
Raykov, T. (2000). On the large-sample bias, variance, and mean squared error of the conventional noncentrality parameter estimator of covariance structure models. Structural Equation Modeling, 7(3), 431-441.
Schumacker, R. E. (2002). Latente variabele interactie modellering. Structural Equation Modeling, 9(1), 40-54.
Schumacker, R. E., & Lomax, R. G. (2004). A beginner’s guide to structural equation modeling (2nd ed.). London: Routledge. View
Shipley, B. (2000). Oorzaak en correlatie in de biologie: A user’s guide to path analysis, structural equations and causal inference. Cambridge, UK: Cambridge University Press. Bekijken
Gerelateerde pagina’s:
Padanalyse
Uitvoeren en interpreteren van een factoranalyse