شیدا مرادی؛ شبنم فانی؛ فاطمه پورخاقان
چکیده
مدلیابی معادلات ساختاری، یک رویکرد آماری چندمتغیری نیرومند جهت ارزیابی روابط پیچیدهی بین متغیرهای مکنون در بسیاری از حوزههای علوم انسانی و رفتاری است. یکی از چالشهای رایج در برآورد مدلهای معادلات ساختاری که بر مبنای آزمون فرضیهها انجام میشود، وجود دادههای گمشده است. شیوهی معمول، حذف آزمودنیهایی با پاسخهای گمشده ...
بیشتر
مدلیابی معادلات ساختاری، یک رویکرد آماری چندمتغیری نیرومند جهت ارزیابی روابط پیچیدهی بین متغیرهای مکنون در بسیاری از حوزههای علوم انسانی و رفتاری است. یکی از چالشهای رایج در برآورد مدلهای معادلات ساختاری که بر مبنای آزمون فرضیهها انجام میشود، وجود دادههای گمشده است. شیوهی معمول، حذف آزمودنیهایی با پاسخهای گمشده روی هر کدام از سوالات است که با افزایش درصد مقادیر گمشده در مجموعه دادهها، منجر به از دست رفتن حجم زیادی از اطلاعات نمونه و اریبی برآوردگرهای حاصل میشود. در تحلیل مدلهای معادلات ساختاری با حضور مقادیر گمشده میتوان از روش بیشینه درستنمایی با اطلاعات کامل استفاده کرد که در آن از تمام دادههای موجود در نمونه بهطور حداکثری استفاده میشود. در این مقاله، عملکرد روش بیشینه درستنمایی با اطلاعات کامل تحت هر سه مکانیسم دادههای گمشده شامل گمشدن کاملاً تصادفی، تصادفی و غیرتصادفی در یک مطالعهی شبیهسازی مورد بررسی قرار میگیرد. بدین منظور، دو مدل تحلیل عاملی تأییدی را در نظر گرفته، دادهها تحت هر سه مکانیسم مذکور تولید و تأثیر دو شاخص حجم نمونه (100 و 500) و درصد مقادیر گمشده (2%، 5%، 10%، 15%، 20%، 25%، 30%، 35% و 40%) بر شاخص ریشهی میانگین مجذورات خطاهای برآورد مورد بررسی قرار گرفته است. نتایج نشان میدهند که با افزایش درصد مقادیر گمشده، عملکرد مدلهای معادلات ساختاری با استفاده از روش بیشینه درستنمایی با اطلاعات کامل در حضور مکانیسمهای گمشدن کاملاً تصادفی، تصادفی و غیرتصادفی به طور کلی بهتر از عملکرد آن بدون استفاده از این روش بر حسب برخی شاخصهای نیکویی برازش است.