Model belirlemesi, örneklem hacmi ve tahmin yönteminin yapısal eşitlik modelleri uyum ölçütlerine etkisi

Abstract

Yapısal Eşitlik modelleri (YEM), gözlenen değişkenlerin lineer bileşimi olarak yazılabilen çok sayıda içsel ve dışsal gizil değişkeni birlikte ele alan bir modelleme yöntemidir. Bu yüzden, YEM araştırmalarında model uyumunun değerlendirilmesi zorlu bir konudur. YEM’de model uyumunun deneysel olarak değerlendirilmesi ve istatistiksel tahminlerin elde edilmesinde Monte Carlo (MC) simülasyonu yaygın olarak kullanılmaya başlanmıştır. Bu tez çalışmasında, model belirlemesinin, örneklem hacminin ve tahmin yönteminin YEM’de kullanılan uyum ölçütlerine etkisi, bir MC simülasyonu düzenlenerek araştırılmıştır. Bu deneysel düzende, veriler EQS programı yardımıyla, bir kitle kovaryans matrisinden üretilmiş ve farklı model belirlemesi (doğru model, az yanlış model, orta derecede yanlış model) durumlarındaki YEM modellerine uydurulmuştur. Rehberlik etmesi amacıyla, örneklem hacmi, tahmin yöntemi ve model belirlemesinin uyum ölçütleri üzerindeki etkisi değerlendirilmiştir. Çalışmada, örneklem hacminin 6 düzeyi (50, 100, 200, 400, 800 ve 1600), tahmin yönteminin ise 3 düzeyi (En Çok Olabilirlik (ML), En Küçük Kareler (LS) ve Genelleştirilmiş En Küçük Kareler (GLS)) incelenmiştir. En çok kullanılan 11 uyum ölçütü üzerinde çalışılmış ve araştırmacılara bazı önerilerde bulunulmuştur.

Structural Equation Modeling (SEM) is a modeling technique that can handle a large number of endogenous and exogenous variables, as well as latent variables specified as linear combinations of the observed variables. Because of this reason, the assessment of model fit in structural equation modeling (SEM) has long been a difficult issue in SEM applications. The use of Monte Carlo (MC) simulations for empirical assessment of statistical estimators and model fit is becoming more common in structural equation modeling. In this thesis study, a Monte Carlo simulation study was conducted to investigate the effects on structural equation modeling (SEM) fit indices of, model specification, sample size and estimation method. Based on balanced experimental design, samples were generated from a population covariance matrix and fitted to structural equation models with different degrees of model misspecification (true, slightly misspecified or moderately misspecified models) with EQS software. To provide guidance, to evaluate the effects of estimation method, sample size and model specification on eleven fit indices. Six levels of sample size (50, 100, 200, 400, 800 and 1600) and three levels of estimation method (Maximum Likelihood (ML), Least Square (LS) and Generalized Least Square (GLS)) were examined. The most common eleven SEM fit indices are studied and some recommendations for practitioners given.