Sample Size in Multilevel Structural Equation Modeling - the Monte Carlo Approach

Sagan, Adam

doi:10.15611/eada.2019.4.05

Autor

Sagan Adam (Uniwersytet Ekonomiczny w Krakowie)

Tytuł

Sample Size in Multilevel Structural Equation Modeling - the Monte Carlo Approach
Liczebność próby w wielopoziomowym modelowaniu strukturalnym - podejście Monte Carlo

Źródło

Econometrics. Advances in Applied Data Analysis, 2019, vol. 23, nr 4, s. 64-79, bibliogr. 16 poz.
Ekonometria

Słowa kluczowe

Dobór próby badawczej, Modelowanie struktury, Symulacja Monte Carlo
Selection of test methods, Structure modeling, Monte Carlo simulation

Uwagi

Klasyfikacja JEL: C38, C83, M30
streszcz., summ.

Abstrakt

W procesie doboru i ocenie liczebności próby ważną kwestią jest ocena zależności między liczebnością próby, rodzajem i poziomem złożoności modelu empirycznego, który jest podstawą testowania stawianych hipotez. Założenia teoretyczne i statystyczne są szczególnie ważne w ocenie rozmiaru próby losowej w modelowaniu strukturalnym (SEM). Jest to związane z naturą globalnego testu dokładnego dopasowania modelu i potwierdzająco-akceptującego podejścia do testowania hipotez badawczych. Artykuł przedstawia metodologiczne problemy doboru próby w wielopoziomowym modelowaniu strukturalnym mającym zastosowanie w badaniach wizerunku produktów bankowych w Polsce. Został ukazany wpływ liczebności próby na I i II poziomie analizy w modelach wewnątrz- i zewnątrzgrupowym na poziom obciążenia parametrów modelu.(abstrakt oryginalny)

In the process of sample selection, an important issue is the relationship between sample size and the type and complexity of the statistical model, which is the basis for testing research hypotheses. The paper presents methodological aspects of sample size determination in multilevel structural equation modelling (SEM) in the analysis of satisfaction with the banking products in Poland. The multilevel SEM results from the necessity to take into account both the sample size at the level of individual respondents, as well as at the higher level of analysis and the intraclass correlation coefficient. A comparison of factor loading bias based on the Monte Carlo simulation is made for different cluster sizes and the number of clusters.(original abstract)

Dostępne w

Biblioteka SGH im. Profesora Andrzeja Grodka
Biblioteka Główna Uniwersytetu Ekonomicznego w Katowicach
Biblioteka Główna Uniwersytetu Ekonomicznego we Wrocławiu

Pełny tekst

Bibliografia

Bentler P.M., Chou C., 1987, Practical issues in structural modeling, Sociological Methods and Research, 16, pp. 78-117.
Cohen J., 1988, Statistical Power Analysis for the Behavioral Sciences, Lawrence Erlbaum Associates.
Cohen J., 1992, A power primer, Psychological Bulletin, 112, pp. 155-159.
Davey A., Savla J., 2010, Power Analysis with Missing Data. A Structural Equation Modeling Approach, Routledge.
Eliason S.R.,1993, Maximum Likelihood Estimation, Newbury Park, CA, Sage
Hox J., Van de Schoot R., 2013, Robust Methods for Multilevel Analysis, [in:] M.A. Scott, J.S., Simonoff, B.D. Marx, The SAGE Handbook of Multilevel Modeling, Sage.
Kish L., 2004, Statistical Design for Research, Wiley
Lehtonen R., Pahkinen E., 2004, Practical Methods for Design and Analysis of Complex Surveys, Wiley.
Maas C.J.M., Hox J.J., 2005, Sufficient sample sizes for multilevel modeling, Methodology 1(3), pp. 86-92.
MacCallum R.C., Browne M.W., Sugawara H.M., 1996, Power analysis and determination of sample size for covariance structure modeling, Psychological Methods, 1, pp. 130-149.
Muthén L.K., Muthén B.O., 2002, How to use a Monte Carlo study to decide on sample size and determine power, Structural Equation Modeling, 4, pp. 599-620.
Satorra A., Saris W.E., 1985, Power of the likelihood ratio test in covariance structure analysis, Psychometrika, 50, pp. 83-90.
Snijders T.A.B., 2005, Power and Sample Size in Multilevel Linear Models, [in:] B.S. Everitt, D.C. Howell (eds.), Encyclopedia of Statistics in Behavioral Science. Volume 3, Chicester.
Stegmueller D., 2013, How many countries for multilevel modeling? A comparison of frequentist Bayesian and approaches, American Journal of Political Science, 57(3), pp. 748-761
Szlis I., 2012, Aspiracje a rzeczywistość - wizerunek banku jako efekt sieci interakcji. Teoria - narzędzia pomiaru - praktyka, CeDeWu, Warszawa.
Valliant R., Dever J.A., Kreuter F., 2013, Practical Tools for Designing and Weighting Survey Samples, Springer.

Cytowane przez

ISSN

1507-3866

Język

eng

URI / DOI

BazEkon - Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie

Meny główne