Parameter bootstrap dan perkiraan fit dengan non-normalitas untuk model persamaan struktural

Konteks:

Dalam konteks pemodelan persamaan struktural, saya memiliki non-normalitas menurut tes Mardia tetapi indeks skewness dan kurtosis univariat kurang dari 2,0.

Pertanyaan:

• Haruskah estimasi parameter (estimasi koefisien) dievaluasi menggunakan bootstrap (1000 ulangan) dengan metode yang dikoreksi?
• Sebagai pengganti tes chi-square tradisional, haruskah versi bootstrap Bollen-Stine digunakan?

Berikut ini hanya beberapa poin:

• Jika Anda menyimpang dari normalitas, maka bootstrap seringkali merupakan ide yang bagus.
• Anda menyebutkan menggunakan "1000" ulangan. Meningkatkan jumlah ulangan meningkatkan waktu komputasi dan akurasi. Jadi, terkadang ketika pertama kali menyiapkan model Anda, Anda akan mengatur jumlah ulangan pada tingkat yang relatif cepat dijalankan. Namun, untuk model akhir yang Anda laporkan, Anda mungkin ingin meningkatkan jumlah ulangan menjadi 10.000 atau lebih.
• Jika keberangkatan data Anda dari normalitas adalah ringan, maka uji koefisien dan model fit yang menganggap normalitas sering merupakan perkiraan yang masuk akal. Khususnya ketika Anda memiliki sampel besar, seperti yang sering terjadi dengan pemodelan persamaan struktural, tes asumsi yang melakukan tes signifikan dengan hipotesis nol karena normalitas seringkali terlalu sensitif untuk tujuan memutuskan apakah akan bertahan dengan metode yang mengasumsikan normalitas. Saya akan lebih memperhatikan indeks aktual dari non-normalitas seperti nilai skewness dan kurtosis (atau jika intuisi Anda cukup terlatih, periksa histogram variabel).
• Jika penyimpangan dari normalitas ringan, saya akan berharap bahwa pendekatan standar dan bootstrap akan menghasilkan hasil yang sama. Menunjukkan bahwa hasil Anda kuat untuk keputusan analitik seperti itu dapat memberi Anda kepercayaan diri yang lebih besar pada hasil Anda.