FRINK Linked Data Fragments server

Matches in SemOpenAlex for { <https://semopenalex.org/work/W2248681377> ?p ?o ?g. }

• W2248681377 abstract "ประสทธภาพของวธการประมาณคาพารามเตอรแบบ ML, WLSMV และ Bayesian  สำหรบขอมลจำแนกกลมแบบเรยงอนดบ ทมการแจกแจงไมเปนโคงปกต ภายใตเงอนไขทแตกตางกน: กรณการวเคราะหองคประกอบเชงยนยนลำดบแรก Abstract The objective of this research was to examine and compare the efficiency of 4 different parameter estimation methods consisted: ML (in case of transformed and non transformed data to normal distribution) via WLSMV and Bayesian for non-normality ordered categorical data under 4 different sample sizes (80, 160, 370 and 623). This research used 10,000 pseudo populations. The comparisons were done involving 16 conditions and each condition was replicated 200 times. The dependent variables evaluated consisted of: 1) the bias of parameter estimates; 2) the bias of standard errors; 3) construct reliability () and average variance extracted (); and 4) Model fit indices to determine percent of model fit. The research findings revealed that: 1) The parameter estimates of Bayesian and WLSMV estimations becoming closer to true parameters when sample size increased. Both estimation methods were found to be trivial biased of parameter estimates and standard errors when sample size increased to at least 370. ML estimations (both transformed and non transformed data to normal distribution) were found to be substantial biased of parameter estimates and standard errors. The parameter estimates were underestimated with .001 statistical significant levels  2) Construct reliability () and average variance extracted () of measurement model of Bayesian estimation were not different from true parameters for all sample sizes. Both values of WLSMV estimation were not different from true parameters when sample size increased to at least 160. ML estimations (both transformed and non transformed data to normal distribution) were found to be underestimated with .001 statistical significant levels for all sample sizes. 3) WLSMV estimation ended up being more acceptable than the other estimations for all sample sizes. Bayesian estimation was accurate when the sample size increased to at least 370. ML estimations (both transformed and non transformed data to normal distribution) were less accurate than WLSMV and Bayesian estimation. The percentages of model fit were found to increase with the sample size increased for all parameter estimations. Keywords: Parameter Estimation Methods, ML, WLSMV, Bayesian, Ordered Categorical Data, Non-Normality Distribution บทคดยอ การวจยครงนมวตถประสงคเพอศกษาและเปรยบเทยบประสทธภาพของวธประมาณคาพารามเตอร 4 แบบของโมเดลการวเคราะหองคประกอบเชงยนยนลำดบแรก ไดแก วธการ ML ในกรณทมและไมมการเปลยนรปขอมลใหมการแจกแจงเปนโคงปกต วธการ WLSMV และวธการ Bayesian เมอขอมลการวดอยในมาตรวดจำแนกกลมแบบเรยงอนดบทมการแจกแจงไมเปนโคงปกต ภายใตขนาดกลมตวอยางทตางกน 4 ขนาด ไดแก ขนาด 80, 160, 370 และ 623 โดยใชการสมตวอยางซำจากขอมลประชากรเทยม 10,000 หนวย ภายใต 16 เงอนไข เงอนไขละ 200 ครง เพอศกษา 1) คาความเอนเอยงของคาประมาณพารามเตอร 2) คาความเอนเอยงของคาคลาดเคลอนมาตรฐาน 3) คาความเชอมนของตวแปรแฝงและคาเฉลยความแปรปรวนทถกสกดไดของโมเดลการวด และ 4) รอยละของโมเดลทสอดคลองกบขอมลเชงประจกษ โดยพจารณาจากดชนวดความสอดคลองกลมกลนของโมเดล ผลการวจย พบวา 1) คาประมาณพารามเตอรทไดจากวธการ Bayesian และ WLSMV จะมคาใกลเคยงกบคาจรงของพารามเตอรมากขนเมอขนาดกลมตวอยางเพมขน โดยจะใหคาความเอนเอยงของคาประมาณพารามเตอรในระดบตำ เมอใชขนาดกลมตวอยางตงแต 370 ขนไป สวนวธการ ML ทงสองกรณจะใหคาความเอนเอยงอยในระดบสง และคาประมาณพารามเตอรมคาตำกวาคาจรงของพารามเตอรอยางมนยสำคญทางสถตทระดบ .001     2) คาความเชอมนของตวแปรแฝง () และคาเฉลยของความแปรปรวนทสกดได () ของโมเดลการวด จากวธการ Bayesian มคาไมแตกตางกบคาจรงของพารามเตอร ในทกขนาดกลมตวอยาง ในขณะทวธการ WLSMV จะใหคา   และ   ของโมเดลการวดไมแตกตางกบคาจรงของพารามเตอร เมอใชขนาดกลมตวอยางตงแต 160 ขนไป สวนวธการ ML ทงสองกรณจะใหคา คา   และ   ของโมเดลการวดตำกวาคาจรงของพารามเตอร อยางมนยสำคญทางสถตทระดบ .001 ในทกขนาดกลมตวอยาง  3) วธการ WLSMV จะใหผลการทดสอบความสอดคลองของโมเดลทดทสดในทกขนาดตวอยาง ในขณะทวธการ Bayesian ใหผลการทดสอบความสอดคลองของโมเดลทดทสดเมอใชกลมตวอยางขนาดตงแต 370 ขนไป ในขณะทวธการ ML ทงสองกรณจะมโอกาสผานเกณฑความสอดคลองนอยกวาวธการ WLSMV และ Bayesian ซงรอยละของโมเดลทสอดคลองกบขอมลเชงประจกษจะเพมขนตามขนาดของกลมตวอยางในทกวธการ คำสำคญ: การประมาณคาพารามเตอร, ML, WLSMV, Bayesian, ขอมลจำแนกกลมแบบเรยงอนดบ,การแจกแจงไมเปนโคงปกต, การวเคราะหองคประกอบเชงยนยนลำดบแรก" @default.
• W2248681377 created "2016-06-24" @default.
• W2248681377 creator A5019550437 @default.
• W2248681377 creator A5067761144 @default.
• W2248681377 creator A5080334869 @default.
• W2248681377 date "2014-01-31" @default.
• W2248681377 modified "2023-09-22" @default.
• W2248681377 title "Efficiency of ML, WLSMV and Bayesian Parameter Estimation Methods for Non-normality Ordered Categorical Data in Difference Condition: Case Study of the First Order Confirmatory Factor Analysis" @default.
• W2248681377 hasPublicationYear "2014" @default.
• W2248681377 type Work @default.
• W2248681377 sameAs 2248681377 @default.
• W2248681377 citedByCount "0" @default.
• W2248681377 crossrefType "journal-article" @default.
• W2248681377 hasAuthorship W2248681377A5019550437 @default.
• W2248681377 hasAuthorship W2248681377A5067761144 @default.
• W2248681377 hasAuthorship W2248681377A5080334869 @default.
• W2248681377 hasConcept C102094743 @default.
• W2248681377 hasConcept C105795698 @default.
• W2248681377 hasConcept C107673813 @default.
• W2248681377 hasConcept C129848803 @default.
• W2248681377 hasConcept C149782125 @default.
• W2248681377 hasConcept C18747219 @default.
• W2248681377 hasConcept C22679943 @default.
• W2248681377 hasConcept C2776157432 @default.
• W2248681377 hasConcept C33923547 @default.
• W2248681377 hasConcept C5274069 @default.
• W2248681377 hasConceptScore W2248681377C102094743 @default.
• W2248681377 hasConceptScore W2248681377C105795698 @default.
• W2248681377 hasConceptScore W2248681377C107673813 @default.
• W2248681377 hasConceptScore W2248681377C129848803 @default.
• W2248681377 hasConceptScore W2248681377C149782125 @default.
• W2248681377 hasConceptScore W2248681377C18747219 @default.
• W2248681377 hasConceptScore W2248681377C22679943 @default.
• W2248681377 hasConceptScore W2248681377C2776157432 @default.
• W2248681377 hasConceptScore W2248681377C33923547 @default.
• W2248681377 hasConceptScore W2248681377C5274069 @default.
• W2248681377 hasIssue "1" @default.
• W2248681377 hasLocation W22486813771 @default.
• W2248681377 hasOpenAccess W2248681377 @default.
• W2248681377 hasPrimaryLocation W22486813771 @default.
• W2248681377 hasRelatedWork W1819467863 @default.
• W2248681377 hasRelatedWork W1970325005 @default.
• W2248681377 hasRelatedWork W2010534644 @default.
• W2248681377 hasRelatedWork W2022235626 @default.
• W2248681377 hasRelatedWork W2037357237 @default.
• W2248681377 hasRelatedWork W2047528662 @default.
• W2248681377 hasRelatedWork W2048720074 @default.
• W2248681377 hasRelatedWork W2057473306 @default.
• W2248681377 hasRelatedWork W2064417135 @default.
• W2248681377 hasRelatedWork W2074269899 @default.
• W2248681377 hasRelatedWork W2091749939 @default.
• W2248681377 hasRelatedWork W2112146495 @default.
• W2248681377 hasRelatedWork W2138012676 @default.
• W2248681377 hasRelatedWork W2148755480 @default.
• W2248681377 hasRelatedWork W2165803081 @default.
• W2248681377 hasRelatedWork W2308989626 @default.
• W2248681377 hasRelatedWork W2739948317 @default.
• W2248681377 hasRelatedWork W2891742322 @default.
• W2248681377 hasRelatedWork W3006396517 @default.
• W2248681377 hasRelatedWork W3118302227 @default.
• W2248681377 hasVolume "6" @default.
• W2248681377 isParatext "false" @default.
• W2248681377 isRetracted "false" @default.
• W2248681377 magId "2248681377" @default.
• W2248681377 workType "article" @default.