Reflections on “Statistical Power and Structural Equation Models in Business Research”

Shaun McQuitty

추천

검색

자료유형: 학술저널

저자정보: Shaun McQuitty

저널정보: 한국마케팅과학회 Journal of Global Scholars of Marketing Science(마케팅과학연구) Journal of Global Scholars of Marketing Science(마케팅과학연구) 제28권 제3호

발행연도: 2018.1

수록면: 272 - 277 (6page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

This article reflects on McQuitty’s 2004 paper, which describes the importance of statistical power for hypothesis testing and, more specifically, the evaluation of structural equation models (SEMs). McQuitty also explains the use of what was at the time a new method developed by MacCallum, Browne, and Sugawara for estimating the power associated with the RMSEA fit statistic, and then applies the method to SEMs used in marketing journals. A sizeable portion of the published models had too little power to reject false models (a Type II error) or too much power, which leads to the over rejection of correct models (a Type I error). A brief discussion of the impact of McQuitty and ongoing research of power for SEMs follows.

相似分析法(2004)的评论反思描述了检验效能对于假设检验的重要性,确切地说是对结构方程模型(SEMs)的评价。检验效能是假设检验的核心概念,但是为了解读统计检验,熟悉假设检验的人们经常无法完全理解检验效能的作用。检验效能可定义为否决错误假设的概率(e.g., Cohen, 1988),并且它会根据运用了某种统计学方法,从而受到一系列因素影响,比如显著性水平(α)、效应量、样本量和一篇要略中的变量数量,或者是进行比对的小组数量。若没有检验效能相关水平方面的知识,解读统计检验是毫无意义的,因为在某些情况下,如大样本,显著性是可预计且没有意义的。相似分析法(2004)同样描述了由MacCallum, Browne, and Sugawara (1996)所使用的方法,为了估计基于模型自由度和样本大小的近似误差均方根的拟合优度指数。MacCallum等人 (1996) 发现效度与自由度和样本大小成正相关。相比于较小的模型和/ 或样本,模型和样本容量越大,否决错误模型的效度越大。不充分的检验效能意味着错误模型不被否决的几率上升(假设检验的II 型错误),对于结构方程建模和其他任何统计检验都是如此。然而在结构方程建模背景下和动力不足的测验所支持的构想当中,有关模型和关系的理论可能不正确。不仅如此,人们可能会怀疑结构方程建模所验证的理论推测没有强大支持,尤其是这类理论是否用来给后续研究提供资料。对于检验效能,正是这些担忧,亟待解决的统计检验变得尤为重要,以便可以评估重要发现中的实用价值。相似分析法(2004)的贡献之一就是正在评估与结构方程建模相关的检验效能,1994至1999年的Journal of Business Research (JBR)、 Journal of Marketing Research (JMR)、Journal of Marketing (JM)、Journal of Consumer Research (JCR)、 Journal of the Academy of Marketing Science (JAMS)期刊均对其进行描述。相似分析法发现,大量的发表模型具备的效能很小,而无法否决错误模型(II 类错误),或者效能过高,导致一些正确模型被否决(I类错误)。这些模型的总体平均效能值为0.661,中间值为0.741;典型推荐的最低效能值水平为0.80 (e.g., Cohen, 1988),而给出的数据都低于最低效能值水平。更确切来说,在336个模型中,114个模型的效能低于或等于0.40(相当低),85个模型效能值徘徊于0.41 – 0.80的区间,167个模型为 0.81-1.0的区间。 Journal of Global Scholars of Marketing Science (JGSMS) 的总主编 Arch G. Woodside要求这一评论解释相似分析法(2004)是如何取得如此大的成就,并且描述与结构方程建模有关的检验效能所取得的成果。这一评论通过提供一些观点,解答了第一个问题,为什么要采用相似分析法,因为研究人员在检验方程结构建模时,认识到检验效能的重要性。而且由于相似分析法提供了易懂的表格, 可以对基于MacCallum等人 (1996)的检验效能进行粗略分析。通过对于检验效能和其在结构方程建模测试和解读方面的影响进行了简略的研究回顾,提供已经研究过各种论题的样本,第二个问题也得到了解决。

참고문헌 (18)

참고문헌 신청

Cohen, J. / 1988 / Statistical power analysis for the behavioral sciences / Lawrence Erlbaum

Davey, A. / 2009 / Estimating statistical power with incomplete data / Organizational Research Methods 12(2):320~346

Dolan, C. / 2005 / A note on normal theory power calculation in SEM with data missing completely at random / Structural Equation Modeling : A Multidisciplinary Journal 12(2):245~262

Fadlelmula, F. K. / 2011 / Assessing power of structural equation modeling studies : A meta-analysis / Education Research Journal 1(3):37~42

Fisher, R. A. / 1925 / Statistical methods for research workers / Oliver & Boyd

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

Shaun McQuitty

소속기관 한국마케팅과학회

주요연구분야 사회과학 > 경영학

논문수 1 이용수 0

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (18)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

최근 본 자료

댓글(0)