Farklı Örneklem Büyüklüğü ve Dağılımı Koşullarında WLS ve Robust WLS Yöntemlerinin Karşılaştırılması

Halime Yıldırım, Menekşe Uysal Saraç, Şener Büyüköztürk
617

Öz


Yapısal eşitlik modellemesinde kullanılan parametre kestirim yöntemleri verinin sürekli, sıralı olup olmamasına ve dağılımın normalliğine göre farklılık göstermektedir. Sıralı verilerle çalışıldığında en sık kullanılan parametre kestirim yöntemi WLS (weighted least squares- ağırlıklandırılmış en küçük kareler) olup, dağılıma ilişkin herhangi bir varsayım gerektirmemesi avantajı iken, büyük örneklemler gerektirmesi dezavantajı olarak karşımıza çıkmaktadır. Son yıllarda Robust WLS kestirim yöntemleri WLSM (weighted least squares mean-ortalamaya göre düzeltilmiş ağırlıklandırılmış en küçük kareler) ve WLSMV (weighted least squares mean, varyans-ortalama ve varyansa göre düzeltilmiş ağırlıklandırılmış en küçük kareler) sıklıkla kullanılmakla beraber, küçük örneklemlerde ve farklı dağılım koşullarında WLS kestirim yöntemine alternatif olup olamayacağı önemli görülmektedir. Bu çalışmada PISA 2012’de yer alan matematiğe yönelik tutum maddelerinden oluşan 5 faktörlük model temel alınarak 3 farklı dağılım (ÇK=0,00; 1,00 ve 1,50) ve 4 farklı örneklem büyüklüğü (N=200, 500 ve 1000) koşullarında WLS, WLSM ve WLSMV yöntemleri karşılaştırılmıştır. Farklı örneklem büyüklüğü koşulu altında WLSMV yönteminin WLSM ve WLS yöntemlerinden daha iyi uyum indeksleri ürettiği belirlenirken, özellikle küçük örneklem koşullarında WLS yöntemine bir alternatif olabileceği belirlenmiştir. Dağılımın çarpıklığına göre ise WLS, WLSM ve WLSMV kestirim yöntemleri incelendiğinde, dağılımın çarpıklığına karşı en dayanıklı kestirim yönteminin WLSMV olduğu görülmüştür.




Referanslar


Arslan, M. S. T. (2011). Ordinal Değişkenli Yapısal Eşitlik Modellerinde Kullanılan Parametre Tahmin Yöntemlerinin Karşılaştırılması, Yüksek Lisans Tezi, Eskişehir Osmangazi Üniversitesi Fen Bilimleri Enstitüsü, Eskişehir.

Austin, .J. T.& Calde1·6n, R. F. (1 996). Theoretical and technical contributions to structural equation modeling: An updated annotated bibliography. Structural Equation Modeling: A Multi-disciplinary journal, 3, I 05-175.

Bollen, K. A. (1989). Structural equations with latent variables. New York, NY: Wiley.

Brown, T. A. (2006). Confirmatory factor analysis for applied research. New York: The Guilford Press.

DiStefano, C., & Morgan, G. B. (2014). A comparison of diagonal weighted least squares robust estimation techniques for ordinal data. Structural Equation Modeling: A Multidisciplinary Journal,21(3), 425-438.

Finney, S. J., & DiStefano, C. (2006). Non-normal and categorical data in structural equation modeling. In Hancock, G.R. & Mueller R. O. (Eds.), Structural equation modeling: A second course, (pp. 269-314). Information Age Publishing, U.S.A.

Forero, C. G., Maydeu-Olivares, A., & Gallardo-Pujol, D. (2009). Factor analysis with ordinal indicators: A Monte Carlo study comparing DWLS and ULS estimation. Structural Equation Modeling, 16, 625–641.

Hox, J. J., Maas, C. J., & Brinkhuis, M. J. (2010). The effect of estimatiom method and sample size in multilevel structural equation modeling. Statistica Neerlandica, 64:2, 157-170.

Kline, P. (2005). Principal and practice of structural equation modeling. NY: Guilford

Muthén, B. O. (1993). Goodness of fit with categorical and other nonnormal variables. In K. A. Bollen & J. S. Long (Eds.), Testing structural equation models (pp. 205–243). Newbury Park, CA: Sage.

Patton, M.Q. (1990). Qualitative evaluation and research methods. London: Sage.

Schermelleh-Engel, Karin; Helfried Moosbrugger; Hans Müler .(2003). Evaluating the Fit of Structural Equation Models: Tests of Significance and Descriptive Goodness-of-Fit Measures, Methods of Psychological Research Online, Vol.8, No.2, pp. 23-74.

Schumacker, R. E., & Lomax, R. G. (2004). A beginner's guide to structural equation modeling. Psychology Press.

Yang-Wallentin, F., Jöreskog, K. G., & Luo, H. (2010). Confirmatory factor analysis of ordinal variables with mis specified models. Structural Equation Modeling, 17(3), 392-423.

Yu, C.-Y., & Muthén, B. (2002, April). Evaluation of model fit indices for latent variable models with categorical and continuous outcomes. Paper presented at the annual meeting of the American Educational Research Association, New Orleans, LA.