PL EN


2016 | 16/2 | 93-116
Article title

ZAŁOŻENIA FORMALNE MODELI WERYFIKOWANYCH ZA POMOCĄ UKŁADÓW RÓWNAŃ STRUKTURALNYCH

Content
Title variants
EN
FORMAL ASSUMPTIONS OF THE STRUCTURAL EQUATION MODELS
Languages of publication
PL
Abstracts
PL
Celem artykułu jest opisanie założeń formalnych dotyczących wykorzystywania metody równań strukturalnych (Structural Equation Model – SEM). Układy równań strukturalnych służą do weryfikowania teorii i jej założeń. W artykule zostało opisanych pięć założeń budowy każdego modelu pomiarowego, którego stworzenie poprzedza weryfikację założeń teoretycznych za pomocą układu równań strukturalnych. Głównym celem budowy modelu pomiarowego jest sprawdzenie budowy zmiennych latentnych, w tym: a) sprawdzenie rzetelności zmiennych latentnych, b) obliczenie wariacji zmiennych latentnych, c) sprawdzenie trafności różnicowej zmiennych latentnych, d) sprawdzenie wysokości ładunków czynnikowych (lambd λ) oraz e) sprawdzenie statystyk dopasowania modelu. Kolejno omówione zostały założenia modelu weryfikowanego za pomocą jednopoziomowego układu równań strukturalnych SEM: a) sposoby wyłączania ścieżek w modelu, b) sprawdzenie dopasowania modelu teoretycznego do danych empirycznych. W celu przybliżenia omawianych treści zostały przedstawione grafy prezentujące model pomiarowy, a także model SEM.
EN
The purpose of this article is to describe the formal assumptions regarding the use of Structural Equation Models (SEM). Structural Equation Models are used to verify the theory and its assumptions. Five assumptions concerning construction of the measurement model, which precedes the verification of the theoretical assumptions with the aid of the structural equation model, were described. These are: a) checking the reliability of the latent variables, b) calculation of the variance of latent variable, c) checking the discriminant validity of the latent variables, d) checking the amount of factor loadings (lambd λ) and e) model fit statistics. In the next step, the one-level SEM model assumptions were discussed: a) turning off the paths of the model, b) checking the fit of the theoretical model to empirical data. For imaging of the content, graphs showing the measurement model and model SEM were presented.
Year
Issue
Pages
93-116
Physical description
References
  • Aranowska, E. (1996). Metodologiczne problemy zastosowań modeli statystycznych w psychologii. Teoria i praktyka. Warszawa: Studio 1.
  • Aranowska, E. (2005). Pomiar ilościowy w psychologii [Quantitative measurements in psychology]. Warszawa: Wydawnictwo Naukowe SCHOLAR.
  • Bartholomew, D. J., Steele, F., Moustaki, I., Galbraith, J. I. (2008). Analysis of multivariate social science data. Boca Raton, FL: Chapman & Hall/CRC Press.
  • Ferguson, G. A., Takane, Y. (2002). Analiza statystyczna w psychologii i pedagogice. Warszawa: Wydawnictwo Naukowe PWN.
  • Figurska, E. (1993). Wybrana metoda sprawdzania poprawności modelu na przykładzie implementacji modelu pamięci semantycznej w Prologu. W: E. Aranowska (red.), Psychologia matematyczna (tom V, s. 155–169). Uniwersytet Jagielloński, Instytut Psychologii.
  • Gajda, J. (1992). Modele strukturalne w naukach społecznych. W: E. Aranowska (red.), Wybrane problemy metodologii badań (s. 100–132). Warszawa: Wydawnictwa Uniwersytetu Warszawskiego.
  • Garson, G. D. (2013). Introductory guide to HLM with HLM 7 software. W: Hierarchical linear modeling: Guide and applications (s. 55–96). Thousand Oaks, CA: Sage.
  • Gaul, M., Machowski, A. (1987). Elementy analizy ścieżek. W: J. Brzeziński (red.), Wielozmiennowe modele statystyczne w badaniach psychologicznych. Warszawa–Poznań: Państwowe Wydawnictwo Naukowe.
  • Gospodarek, T. (2009). Modelowanie w naukach o zarządzaniu oparte na metodzie programów badawczych i formalizmie reprezentatywnym. Wrocław: Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu. Pobrane z: http://gospodarek.eu/publikacje/Modelowanie%20w%20naukach%20o%20zarzadzaniu.pdf
  • Hair, J. J., Black, W. C., Babin, B. J., Anderson, R. E., Tatham, R. L. (2006). Multivariate data analysis. New Jersey: Upper Saddle River.
  • Heck, R. H., Thomas, S. L. (2009). Introduction to multilevel modeling techniques. New York: Routledge.
  • Heck, R. H., Thomas, S. L., Tabata, L. N. (2010). Multilevel longitudinal modeling with IBM SPSS. New York, London: Routledge, Taylor & Francis Group.
  • Jonkisz, A. (1998). Ciągłość teoretycznych wytworów nauki. Ujęcie strukturalne. Lublin: Wydawnictwo Uniwersytetu Marii Curie-Skłodowskiej.
  • King, B. M., Minium, E. W. (2009). Statystyka dla psychologów i pedagogów. Warszawa: Wydawnictwo Naukowe PWN.
  • Konarski, R. (2009). Modele równań strukturalnych. Warszawa: Wydawnictwo Naukowe PWN.
  • Meijerink, F. (1996). A nonlinear structural relations model. Leiden: DSWO Press, Leiden University.
  • Milfont, T. L., Duckitt, J. (2004). The structure of environmental attitudes: A first- and second-order confirmatory factor analysis. Journal of Environmental Psychology, 24, 289–303.
  • Nowak, S. (2007). Metodologia badań społecznych. Warszawa: Wydawnictwo Naukowe PWN.
  • Rabe-Hesketh, S., Skrondal, A., Zheng, X. (2007). Multilevel Structural Equation Modeling, 1, 209–227.
  • Raudenbush, S., Bryk, A., Cheong, Y. F., Congdon, R., Toit, M. (2011). HLM7 Hierarchical Linear & Nonlinear Modeling. Lincolnwood: Scientific Software International, Inc.
  • Saris, W. E., Satorra, A., van der Veld, W. M. (2009). Testing Structural Equation Models or Detection of Misspecifications? Structural Equation Modeling: A Multidisciplinary Journal, 16(4), 561–582.
  • Suppes, P. (1972). Axiomatic Set Theory. New York: Dover Publications.
  • Tranmer, M., Elliot, M. (2007). Multilevel Modelling Coursebook. Manchester: Cathie Marsh Centre for Census and Survey Research.
Document Type
Publication order reference
YADDA identifier
bwmeta1.element.mhp-a829878c-21e2-4ee3-9e55-fdce0dc3a11c
JavaScript is turned off in your web browser. Turn it on to take full advantage of this site, then refresh the page.