Comparison of Invariance Analysis Methods of Measurement Model Between Maximum Likelihood Estimation and Bayesian Analysis
Article Sidebar
Main Article Content
Abstract
The study of invariance analysis of measurement model is to verify whether two or more samples with different backgrounds such as gender, age, experience, region, etc. have similar opinions or not, regarding the measurement of latent variables in the model. Researches on invariance analysis of measurement model have been very popular during the past 2-3 decades, especially the development of analytical methods was rapid on both the software and the algorithm. This article aimed to present comparatively between two invariance analysis methods of measurement model, namely, the Maximum-likelihood Estimation, which is widely used in research and is based on the concept of frequentist statistics, and the Bayesian analysis, by presenting the analyzing steps and the syntax used in the LISREL 8.72 and R 3.6.1 programs. In addition, the examples of analysis and the results are shown in this article for those who are interested in this kind of research to understand and be able to apply both methods of analysis in their own research.
Article Details
The content and information contained in the published article in the Journal of Educational Measurement Mahasarakham University represent the opinions and responsibilities of the authors directly. The editorial board of the journal is not necessarily in agreement with or responsible for any of the content.
The articles, data, content, images, etc. that have been published in the Journal of Educational Measurement Mahasarakham University are copyrighted by the journal. If any individual or organization wishes to reproduce or perform any actions involving the entirety or any part of the content, they must obtain written permission from the Journal of Educational Measurement Mahasarakham University.
References
ชนินันท์ พฤกษ์ประมูล. (2561). โมเดลคุณลักษณะที่พึงประสงค์ของบัณฑิตระดับบัณฑิตศึกษาของไทยและต่างประเทศ: การวิเคราะห์ความไม่แปรเปลี่ยนแบบเบส์. (วิทยานิพนธ์ครุศาสตรมหาบัณฑิต ไม่ได้ตีพิมพ์). จุฬาลงกรณ์มหาวิทยาลัย, กรุงเทพมหานคร.
นงลักษณ์ วิรัชชัย. (2554). การทดสอบความไม่แปรเปลี่ยนของการวัดระหว่างกลุ่มผู้ถูกวัดด้วยการวิเคราะห์โมเดลสมการโครงสร้าง. วารสารวิจัยและพัฒนาหลักสูตร, 1(1), 69-80.
พูลพงศ์ สุขสว่าง. (2557). หลักการวิเคราะห์โมเดลสมการเชิงสร้าง. วารสารมหาวิทยาลัยนราธิวาสราชนครินทร์, 6(2), 136-146.
สิวะโชติ ศรีสุทธิยากร. (2555). วิธีการประมาณค่าแบบเบส์สำหรับการวิเคราะห์ข้อมูลพหุระดับที่ตัวแปรมีความคลาดเคลื่อนจากการวัด: การศึกษาสถานการณ์จำลองแบบมอนติคาร์โลและข้อมูลจริง. (วิทยานิพนธ์ปริญญาครุศาสตรดุษฎีบัณฑิต ), จุฬาลงกรณ์มหาวิทยาลัย.
สุทธิศานติ์ ชุ่มวิจารณ์ สุวิมล ว่องวาณิช และชยุตม์ ภิรมย์สมบัติ. (2559). การพัฒนาและตรวจสอบคุณภาพเครื่องมือวัดความยึดมั่นผูกพันการวิจัยของนักศึกษาระดับดุษฎีบัณฑิตคณะครุศาสตร์/ศึกษาศาสตร์: การวิเคราะห์ด้วยภาวะน่าจะเป็นสูงสุดและเบส์. วารสารวิจัย มสด สาขามนุษยศาสตร์และสังคมศาสตร์, 12(2), 83-107.
สุภมาส อังสุโชติ สมถวิล วิจิตรวรรณา และ รัชนีกูล ภิญโญภานุวัฒน์. (2554). สถิติวิเคราะห์สำหรับการวิจัยทางสังคมศาสตร์และพฤติกรรมศาสตร์เทคนิคการใช้โปรแกรม LISREL (3 ed.): กรุงเทพมหานคร: เจริญดีมั่นคงการพิมพ์.
Bialosiewicz, S., Murphy, K., & Berry, T. (2013). An introduction to measurement invariance testing: resource packet for participants. Claremont Evaluation Center. School of Social Science, Policy, & Evaluation. Claremont Graduate University. Claremont, CA. Retrieved from http://comm.eval.org/HigherLogic/System/DownloadDocumentFile.ashx?DocumentFileKey=63758fed-a490-43f2-8862-2de0217a08b8
Gelman, A., Hwang, J., & Vehtari, A. (2014). Understanding predictive information criteria for Bayesian models. Statistics and Computing, 24(6), 997-1016.
Hair, J., Black, W. C., Babin, B. J., and Anderson, R. E. (2010). Multivariate data analysis. 7th edition. Upper saddle River, New Jersey: Pearson Education International.
Hoofs, H., Van de Schoot, R., Jansen, N. W. H., & Kant, I. (2018). Evaluating model fit in Bayesian confirmatory factor analysis with large samples: simulation study introducing the BRMSEA. Educational and Psychological Measurement, 78(4), 537-568.
Kaplan, D. (2014). Bayesian statistics for the social sciences: New York: Guilford Publications.
Kim, Cao, C., Wang, Y., & Nguyen, D. T. (2017). Measurement invariance testing with many groups: a comparison of five approaches. Structural Equation Modeling. Multidisciplinary Journal, 24(4), 524-544.
Kruschke, J. K. (2011). Doing Bayesian data analysis: A tutorial with R and BUGS. USA: Elsevier Inc.
Merkle, E. C., & Rosseel, Y. (2018). blavaan: Bayesian structural equation models via parameter expansion. Journal of Statistical Software, 85(4), 1-30.
Merkle, E. C., Rosseel, Y., Garnier-Villarreal, M., Hoofs, H., & Van de Schoot, R. (2019). Package ‘blavaan’ Bayesian latent variable analysis. https://cran.r-project.org/web/packages/blavaan/blavaan.pdf
Muthen, B., & Asparouhov, T. (2012). Structural equation modeling: a more flexible representation of substantive theory. Psychological Methods, 17(3), 313-335.
Muthén, B., & Asparouhov, T. (2013). BSEM measurement invariance analysis.
Van de Schoot, R., Lugtig, P., & Hox, J. (2012). A checklist for testing measurement invariance. European Journal of Developmental Psychology, 9(4), 486-492.