{"title":"Mplus、AMOS和LISREL在分类数据和简化样本模型中的比较研究","authors":"Virgilius de Albuquerque","doi":"10.6008/cbpc2179-684x.2022.001.0001","DOIUrl":null,"url":null,"abstract":"Modelos de equações estruturais podem ser resolvidos mediante o emprego de diversos softwares específicos. Os preceitos subjacentes à teoria assintótica – amostras grandes, variáveis contínuas ou numéricas, e indicadores refletidos – constituem a fundamentação estatística e matemática para a identificação dos parâmetros do modelo. Contudo, nem sempre os estudos empíricos podem ser desenvolvidos nesse cenário ideal. Amostras reduzidas e dados categóricos são comumente encontrados em trabalhos quantitativos nas ciências sociais. O aplicativo Mplus tem enorme aplicabilidade em pesquisas quantitativas que flexibilizam os pressupostos da teoria assintótica. A partir de um modelo de equações estruturais que analisa a efetividade de uma política pública, utilizaremos os softwares Mplus, AMOS, e LISREL, que são amplamente utilizados na resolução de modelos estruturais, e funções de discrepância apropriadas, para verificar a convergência dos parâmetros estruturais em uma pesquisa com amostra pequena e dados categóricos. Nessas situações, de acordo com a literatura especializada, o Mplus é o aplicativo mais apropriado. Verificamos que o processamento dos dados em AMOS com a técnica de bootstrapping apresenta resultados semelhantes ao do Mplus. Portanto, na ausência do Mplus, o uso do AMOS com bootstrapping pode resultar na estimação de parâmetros confiáveis para dados não-numéricos. ","PeriodicalId":110758,"journal":{"name":"Revista Brasileira de Administração Científica","volume":"178 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2022-05-18","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"Estudo comparativo entre Mplus, AMOS e LISREL em um modelo com dados categóricos e amostra reduzida\",\"authors\":\"Virgilius de Albuquerque\",\"doi\":\"10.6008/cbpc2179-684x.2022.001.0001\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"Modelos de equações estruturais podem ser resolvidos mediante o emprego de diversos softwares específicos. Os preceitos subjacentes à teoria assintótica – amostras grandes, variáveis contínuas ou numéricas, e indicadores refletidos – constituem a fundamentação estatística e matemática para a identificação dos parâmetros do modelo. Contudo, nem sempre os estudos empíricos podem ser desenvolvidos nesse cenário ideal. Amostras reduzidas e dados categóricos são comumente encontrados em trabalhos quantitativos nas ciências sociais. O aplicativo Mplus tem enorme aplicabilidade em pesquisas quantitativas que flexibilizam os pressupostos da teoria assintótica. A partir de um modelo de equações estruturais que analisa a efetividade de uma política pública, utilizaremos os softwares Mplus, AMOS, e LISREL, que são amplamente utilizados na resolução de modelos estruturais, e funções de discrepância apropriadas, para verificar a convergência dos parâmetros estruturais em uma pesquisa com amostra pequena e dados categóricos. Nessas situações, de acordo com a literatura especializada, o Mplus é o aplicativo mais apropriado. Verificamos que o processamento dos dados em AMOS com a técnica de bootstrapping apresenta resultados semelhantes ao do Mplus. Portanto, na ausência do Mplus, o uso do AMOS com bootstrapping pode resultar na estimação de parâmetros confiáveis para dados não-numéricos. \",\"PeriodicalId\":110758,\"journal\":{\"name\":\"Revista Brasileira de Administração Científica\",\"volume\":\"178 1\",\"pages\":\"0\"},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2022-05-18\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Revista Brasileira de Administração Científica\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.6008/cbpc2179-684x.2022.001.0001\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Revista Brasileira de Administração Científica","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.6008/cbpc2179-684x.2022.001.0001","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
Estudo comparativo entre Mplus, AMOS e LISREL em um modelo com dados categóricos e amostra reduzida
Modelos de equações estruturais podem ser resolvidos mediante o emprego de diversos softwares específicos. Os preceitos subjacentes à teoria assintótica – amostras grandes, variáveis contínuas ou numéricas, e indicadores refletidos – constituem a fundamentação estatística e matemática para a identificação dos parâmetros do modelo. Contudo, nem sempre os estudos empíricos podem ser desenvolvidos nesse cenário ideal. Amostras reduzidas e dados categóricos são comumente encontrados em trabalhos quantitativos nas ciências sociais. O aplicativo Mplus tem enorme aplicabilidade em pesquisas quantitativas que flexibilizam os pressupostos da teoria assintótica. A partir de um modelo de equações estruturais que analisa a efetividade de uma política pública, utilizaremos os softwares Mplus, AMOS, e LISREL, que são amplamente utilizados na resolução de modelos estruturais, e funções de discrepância apropriadas, para verificar a convergência dos parâmetros estruturais em uma pesquisa com amostra pequena e dados categóricos. Nessas situações, de acordo com a literatura especializada, o Mplus é o aplicativo mais apropriado. Verificamos que o processamento dos dados em AMOS com a técnica de bootstrapping apresenta resultados semelhantes ao do Mplus. Portanto, na ausência do Mplus, o uso do AMOS com bootstrapping pode resultar na estimação de parâmetros confiáveis para dados não-numéricos.