Parâmetro inicializado e estimativas de ajuste com não normalidade para modelos de equações estruturais

8

Contexto:

No contexto da modelagem de equações estruturais, não tenho normalidade de acordo com o teste de Mardia, mas os índices univariados de assimetria e curtose são menores que 2,0.

Questões:

  • As estimativas de parâmetro (estimativas de coeficiente) devem ser avaliadas usando bootstrapping (1000 repetições) com métodos corrigidos de viés?
  • No lugar do tradicional teste do qui-quadrado, a versão de inicialização Bollen-Stine deve ser usada?
Flavio Rodríguez
fonte
Tentei adicionar um pouco mais de contexto à sua pergunta. Sinta-se livre para modificar, se eu tiver interpretado mal o que você está perguntando.
Jeromy Anglim

Respostas:

4

A seguir, são apresentados alguns pontos:

  • Se você se afastar da normalidade, então a inicialização é uma boa idéia.
  • Você mencionou o uso de réplicas "1000". Aumentar o número de repetições aumenta o tempo e a precisão computacionais. Assim, às vezes, ao configurar seu modelo pela primeira vez, você definirá o número de réplicas em um nível relativamente rápido de executar. No entanto, para o modelo final que você relatar, convém aumentar o número de réplicas para 10.000 ou mais.
  • Se a saída dos dados da normalidade for moderada, os testes de coeficiente e ajuste do modelo que assumem a normalidade geralmente são uma aproximação razoável. Em particular, quando você tem uma amostra grande, como costuma ser o caso da modelagem de equações estruturais, os testes de suposição que realizam um teste significativo com a hipótese nula, pois a normalidade geralmente são excessivamente sensíveis com o objetivo de decidir se persistem com métodos que assumem normalidade. Eu prestaria mais atenção aos índices reais de não normalidade, como valores de assimetria e curtose (ou se sua intuição for suficientemente treinada, verifique os histogramas das variáveis).
  • Se a saída da normalidade for moderada, eu esperaria que as abordagens padrão e de inicialização tenham resultados semelhantes. Mostrar que seus resultados são robustos para essas decisões analíticas pode fornecer uma maior confiança em seus resultados.
Jeromy Anglim
fonte
1
(+1) Encontrei este post interessante: Manipulando Dados Não Normais no SEM .
chl 28/05