结构方程模型中估计收敛问题的Monte Carlo仿真 |
| |
引用本文: | 吴瑞林.结构方程模型中估计收敛问题的Monte Carlo仿真[J].统计与决策,2010(6). |
| |
作者姓名: | 吴瑞林 |
| |
作者单位: | 北京航空航天大学,心理与行为研究所,北京,100191 |
| |
摘 要: | 在结构方程模型的估计中,估计过程不收敛和不恰当的估计结果是两种不能正确完成估计的情况;特别是分析有序分类数据时,这两种现象发生的机会更高。Monte Carlo仿真研究被用来调查样本量、分类数、模型复杂度、数据的偏态分布以及不同参数估计方法对模型正确收敛率的影响。文章研究发现,小样本、复杂度高的模型,高偏态的数据分布和较少的分类数都有可能造成不收敛和不恰当的估计结果;另外,使用DWLS估计法时,模型正确收敛的可能性最大。
|
关 键 词: | 结构方程模型 收敛 Heywood个案 Monte Carlo法 |
本文献已被 CNKI 万方数据 等数据库收录! |
|