Strukturell ekvationsmodellering

Strukturell ekvationsmodellering är en avancerad statistisk teknik som har många lager och många komplexa begrepp. Forskare som använder strukturell ekvationsmodellering har god förståelse för grundläggande statistik, regressionsanalyser och faktoranalyser. Att bygga en strukturell ekvationsmodell kräver strikt logik såväl som en djup kunskap om fältets teori och tidigare empiriska bevis. Den här artikeln ger en mycket allmän överblick över modellering av strukturell ekvation utan att gräva in i de intrikata som ingår.

Strukturell ekvationsmodellering är en samling statistiska tekniker som gör det möjligt att undersöka en uppsättning förhållanden mellan en eller flera oberoende variabler och en eller flera beroende variabler. Både oberoende och beroende variabler kan vara antingen kontinuerliga eller diskreta och kan vara antingen faktorer eller uppmätta variabler. Strukturell ekvationsmodellering går också med flera andra namn: kausal modellering, kausalanalys, samtidig ekvationsmodellering, analys av kovariansstrukturer, sökanalys och bekräftande faktoranalys.

När undersökande faktoranalys kombineras med flera regressionsanalyser är resultatet strukturell ekvationsmodellering (SEM). SEM gör det möjligt att besvara frågor som involverar flera regressionsanalyser av faktorer. På den enklaste nivån utgör forskaren ett samband mellan en enda uppmätt variabel och andra uppmätta variabler. Syftet med SEM är att försöka förklara "råa" korrelationer mellan direkt observerade variabler.

Bandiagram

Bandiagram är grundläggande för SEM eftersom de tillåter forskaren att diagram över den hypotesiserade modellen eller uppsättningen av relationer. Dessa diagram är användbara för att klargöra forskarens idéer om förhållandena mellan variabler och kan direkt översättas till ekvationer som behövs för analys.

Bandiagram består av flera principer:

• Uppmätta variabler representeras av kvadrater eller rektanglar.
• Faktorer, som består av två eller flera indikatorer, representeras av cirklar eller ovaler.
• Relationer mellan variabler indikeras med rader; avsaknad av en linje som förbinder variablerna innebär att inga direkta förhållanden antas.
• Alla rader har antingen en eller två pilar. En linje med en pil representerar ett antagbart direktförhållande mellan två variabler, och variabeln med pilen som pekar mot den är den beroende variabeln. En linje med en pil i båda ändarna indikerar ett oanalyserat förhållande utan någon underförstådd effektriktning.

Forskningsfrågor som behandlas med strukturell ekvationsmodellering

Huvudfrågan som ställs av strukturell ekvationsmodellering är: "Framställer modellen en uppskattad populationscovariansmatris som överensstämmer med provets (observerade) samvariationsmatrisen?" Efter detta finns det flera andra frågor som SEM kan ta itu med.

• Modellen är tillräcklig: Parametrar uppskattas för att skapa en uppskattad populationscovariansmatris. Om modellen är bra kommer parameterns uppskattningar att producera en uppskattad matris som ligger nära provets samviksmatris. Detta utvärderas främst med chi-square teststatistiken och passande index.
• Testteori: Varje teori eller modell genererar sin egen kovariansmatris. Så vilken teori är bäst? Modeller som representerar konkurrerande teorier inom ett specifikt forskningsområde uppskattas, hålas mot varandra och utvärderas.
• Variansmängd i variablerna redovisas av faktorerna: Hur mycket av variansen i de beroende variablerna redovisas av de oberoende variablerna? Detta besvaras genom R-kvadratstatistik.
• Indikatorernas tillförlitlighet: Hur pålitliga är var och en av de uppmätta variablerna? SEM erhåller tillförlitlighet för uppmätta variabler och interna konsekvensmätningar av tillförlitlighet.
• Parameteruppskattningar: SEM genererar parameteruppskattningar, eller koefficienter, för varje sökväg i modellen, som kan användas för att skilja om en väg är mer eller mindre viktig än andra sökvägar för att förutsäga resultatmåttet.
• Medling: Påverkar en oberoende variabel en specifik beroende variabel eller påverkar den oberoende variabeln den beroende variabeln genom en medierande variabel? Detta kallas ett test av indirekta effekter.
• Gruppskillnader: skiljer sig två eller flera grupper i deras samviksmatriser, regressionskoefficienter eller medel? Modellering av flera grupper kan göras i SEM för att testa detta.
• Längsskillnader: Skillnader inom och mellan människor över tiden kan också undersökas. Detta tidsintervall kan vara år, dagar eller till och med mikrosekunder.
• Modellering på flera nivåer: Här samlas oberoende variabler vid olika kapslade nivåer av mätning (till exempel elever som är kapslade i klassrum som är kapslade i skolor) används för att förutsäga beroende variabler på samma eller andra mätnivåer.

Svagheter i strukturell ekvationsmodellering

I förhållande till alternativa statistiska procedurer har strukturell ekvationsmodellering flera svagheter:

• Det kräver en relativt stor provstorlek (N av 150 eller högre).
• Det kräver mycket mer formell utbildning i statistik för att effektivt kunna använda SEM-program.
• Det kräver väl specificerad mätning och konceptuell modell. SEM är teoridriven, så man måste ha välutvecklade priori-modeller.

_referenser

_{Tabachnick, B.G och Fidell, L. S. (2001). Använda multivariatstatistik, fjärde upplagan. Needham Heights, MA: Allyn and Bacon.}

_{Kercher, K. (Öppnad november 2011). Introduktion till SEM (Structural Equation Modeling). http://www.chrp.org/pdf/HSR061705.pdf}