文献

J-GLOBAL ID：201802243509986756   整理番号：18A1746189

新しい評価構造方程式モデルのフィッティング効果の修正フィッティング指数【JST・京大機械翻訳】

A New Corrected-Good-of-Fit Index (CGFI) for Model Evaluation in Structural Equation Modeling

著者 (4件)： Wang Kai (南方医科大学公共衛生学院生物統計学系 510515) ,  Chen Fangyao (西安交通大学医学部公共衛生学院流行病与衛生統計学系) ,  Tan Ming (DEPT. OF BIOSTATISTICS, BIOINFORMATICS & BIOMATHEMATICS, GEORGETOWN UNIVERSITY) ,  Chen Pingyan (南方医科大学公共衛生学院生物統計学系 510515)
資料名： Zhongguo Weisheng Tongji  (Zhongguo Weisheng Tongji)
巻： 35  号： 3  ページ： 349-354  発行年： 2018年 
JST資料番号： C2278A  ISSN： 1002-3674  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 【目的】構造方程式モデル(SEM)の適合効果を評価するための新しい修正適合指数(CGFI)を確立する。方法:既存のフィッティング指数(GFI)方法に基づき、1/(N-1)項の修正サンプル量による過小評価効果を増加させることにより、自由度と変数の比項によりモデルの複雑さに対してペナルティをし、CGFIを構築し、表現を行った。CGFI=1-[dftest/k(k+1)][1-GFI-1/(N-1)]。事前設定のSEMに基づき、MonteCarlo技術シミュレーションを用いてデータを生成し、サンプル量、パラメータ推定方法、モデル誤設タイプ及び誤設程度の四つの要素を考慮し、提案したCGFIをその他の3種類のフィッティング指数(GFI、AGFI、PGFI)と比較した。評価基準はロバスト性とモデル誤設に対する敏感性に基づいた。結果:CGFIはGFIより一定の改善効果を有し、サンプル量による影響は更に小さく、モデルの誤設定にもっと敏感であり、GFIとAGFIはサンプル量の影響が大きく、サンプル量が小さい時に一定の過小評価が存在する。PGFIはモデルの誤設定に敏感でなく、しかも比較的に深刻な過小評価がある。GLSパラメータ推定法は,モデルの深刻な誤設の時に,しばしば異常の結果を得る。結論:CGFIはGFIよりよく表現され、臨界値は0.95であり、モデルフィッティング効果の評価に応用できる。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： ペナルティ ,  自由度 ,  *モデル ,  パラメータ ,  ロバスト性 ,  シミュレーション ,  評価基準 ,  臨界定数 ,  パラメータ推定
準シソーラス用語： モデルあてはめ ,  推定法 ,  改善効果 ,  敏感性 ,  過小評価 ,  *構造方程式モデリング , 【Automatic Indexing@JST】

著者キーワード (5件)： Structural equation modeling ,  Goodness fit indexes ,  Model evaluation ,  Monte Carlo simulation ,  Sample size

分類 (1件)： 予防医学一般  (GB01010B)

タイトルに関連する用語 (4件)： 評価 ,  構造方程式モデル ,  フィッティング ,  指数