Tham số Bootstrapping và ước tính phù hợp với tính phi chuẩn cho các mô hình phương trình cấu trúc

Bối cảnh:

Trong bối cảnh mô hình hóa phương trình cấu trúc, tôi có tính phi quy tắc theo thử nghiệm Mardia nhưng các chỉ số đơn biến của độ lệch và kurtosis nhỏ hơn 2.0.

Câu hỏi:

• Các ước tính tham số (ước tính hệ số) có nên được đánh giá bằng cách sử dụng bootstrapping (1000 lần lặp lại) với các phương pháp hiệu chỉnh sai lệch?
• Thay cho phép thử chi bình phương truyền thống, có nên sử dụng phiên bản bootstrapping của Bollen-Stine không?

Sau đây chỉ là một vài điểm:

• Nếu bạn đã rời khỏi tính quy tắc thì bootstrapping thường là một ý tưởng tốt.
• Bạn đề cập đến việc sử dụng bản sao "1000". Tăng số lượng bản sao tăng thời gian tính toán và độ chính xác. Do đó, đôi khi khi lần đầu tiên thiết lập mô hình của bạn, bạn sẽ đặt số lượng bản sao ở mức tương đối nhanh để chạy. Tuy nhiên, đối với mô hình cuối cùng mà bạn báo cáo, bạn có thể muốn đẩy số lượng bản sao lên 10.000 trở lên.
• Nếu sự ra đi của dữ liệu của bạn từ tính quy phạm là nhẹ, thì các phép thử phù hợp với hệ số và mô hình cho rằng tính chuẩn thường là một xấp xỉ hợp lý. Đặc biệt, khi bạn có một mẫu lớn, như trường hợp mô hình hóa phương trình cấu trúc, các thử nghiệm giả định thực hiện một thử nghiệm quan trọng với giả thuyết null vì tính quy phạm thường quá nhạy cảm với mục đích quyết định có nên tiếp tục với các phương pháp giả định tính chuẩn hay không. Tôi sẽ chú ý nhiều hơn đến các chỉ số thực tế của tính phi quy tắc như độ lệch và giá trị kurtosis (hoặc nếu trực giác của bạn được đào tạo đầy đủ, hãy kiểm tra biểu đồ của các biến).
• Nếu sự khởi đầu từ tính bình thường là nhẹ, tôi hy vọng rằng cả hai cách tiếp cận tiêu chuẩn và bootstrapping sẽ mang lại kết quả tương tự. Cho thấy kết quả của bạn là mạnh mẽ đối với các quyết định phân tích như vậy có thể cung cấp cho bạn sự tự tin hơn về kết quả của bạn.