sejarah LISREL

Paling pertama, dan bahkan kedua, program aplikasi statistik jarang pergi lebih jauh dari analisis kuadrat terkecil data dari eksperimen terkontrol, perbandingan kelompok, atau studi prediksi sederhana. Secara kolektif, prosedur ini membuat analisis regresi, dan fungsi-fungsi matematika linier yang mereka bergantung disebut sebagai model regresi. Metode dasar analisis data sangat cocok untuk masalah kurva-fitting dalam ilmu fisika, di mana hubungan empiris antara suatu variabel dependen yang diamati dan variabel independen dimanipulasi harus diestimasi.Hal ini juga melayani baik keperluan investigasi di mana organisme biologis ditugaskan secara acak dengan kondisi perawatan dan perbedaan dalam respon rata-rata antara kelompok perlakuan diperkirakan.

Sebuah fitur penting dari aplikasi ini adalah bahwa hanya variabel dependen atau respon diamati diasumsikan memiliki kesalahan pengukuran atau variasi yang tidak terkontrol lainnya. Artinya, hanya ada satu variabel acak pada gambar. Variabel independen atau tingkat perawatan dianggap tetap dengan eksperimen pada nilai-nilai yang telah ditentukan diketahui. Pengecualian hanya untuk formulasi ini adalah masalah prediksi empiris. Untuk itu, penyidik mengamati nilai-nilai tertentu dari satu atau lebih variabel prediktor dan keinginan untuk memperkirakan rata-rata dan varians dari distribusi dari variabel kriteria di antara responden dengan nilai yang diberikan satu prediktor. Karena prediksi ini tergantung pada nilai-nilai ini diketahui, mereka dapat dianggap jumlah yang tetap dalam model regresi. Contohnya adalah ketinggian memprediksi bahwa seorang anak akan mencapai pada saat jatuh tempo dari ketinggian saat nya dan ketinggian diketahui orang tua. Meskipun semua ketinggian diukur memiliki kesalahan, hanya ketinggian anak pada saat jatuh tempo dianggap sebagai variabel acak.

Dimana metode regresi biasa tidak lagi mencukupi, dan memang memberikan hasil yang menyesatkan, yang dalam studi murni observasional di mana semua variabel ini memiliki kesalahan pengukuran atau variasi yang tidak terkontrol dan tujuan penyelidikan adalah untuk memperkirakan hubungan bahwa account untuk variasi antara variabel dalam pertanyaan . Ini adalah masalah penting analisis data dalam bidang-bidang di mana eksperimentasi prediksi empiris tidak mungkin atau tidak praktis dan tidak sekedar tujuan penelitian. Ini adalah khas dari hampir semua penelitian di bidang-bidang seperti sosiologi, ekonomi, ekologi, dan bahkan bidang ilmu fisik seperti geologi dan meteorologi. Dalam bidang ini, masalah penting dari analisis data adalah estimasi hubungan struktural antara variabel yang diamati kuantitatif. Ketika model matematika yang mewakili hubungan ini adalah linier kita berbicara tentang hubungan struktural linier.Berbagai aspek merumuskan, pas, dan pengujian hubungan seperti kita lihat model persamaan sebagai struktural.

Meskipun pemodelan persamaan struktural telah menjadi bentuk terkemuka analisis data hanya dalam dua puluh tahun terakhir (sebagian berkat ketersediaan program LISREL), konsep ini pertama kali diperkenalkan hampir delapan puluh tahun lalu oleh ahli biologi populasi, Sewell Wright, pada University of Chicago.Dia menunjukkan bahwa hubungan linier antara variabel yang diamati dapat diwakili dalam bentuk diagram path yang disebut dan koefisien jalur terkait. Dengan menelusuri jalur kausal dan asosiasional pada diagram sesuai dengan aturan yang sederhana, ia mampu menuliskan segera hubungan struktural linier antara variabel-variabel. Wright menerapkan teknik ini pada awalnya untuk menghitung diharapkan hubungan antara karakteristik individu terkait diamati pada anggapan pewarisan Mendel. Kemudian, ia diterapkan untuk jenis yang lebih umum hubungan antara orang-orang.

Bentuk modern dari analisis struktur linier meliputi formulasi aljabar model di samping representasi diagram jalur. Dua bentuk adalah sama dan pelaksanaan analisis dalam program LISREL memungkinkan pengguna untuk mengirim model ke komputer dalam representasi baik. Pendekatan jalur analitik sangat baik ketika jumlah variabel yang terlibat dalam hubungan yang moderat, tetapi diagram menjadi rumit ketika jumlah variabel yang besar.Dalam hal ini, menulis hubungan simbolis lebih nyaman. Manual SIMPLIS menyajikan contoh-contoh baik representasi dan membuat jelas korespondensi antara jalan dan persamaan struktural. Perhatikan bahwa dalam bidang di atas di mana eksperimentasi hampir tidak pernah mungkin, psikologi dan pendidikan tidak muncul. percobaan Terkendali dengan baik hewan dan subyek manusia telah menjadi andalan riset psikologi selama lebih dari satu abad, dan pada tahun 1920 evaluasi eksperimental metode pembelajaran mulai muncul dalam pendidikan. Sebagai penelitian empiris yang dikembangkan dalam bidang tersebut, bagaimanapun, tipe baru masalah data analitik menjadi jelas bahwa tidak ditemui di bidang lain.

Dalam psikologi, kesulitan itu, dan masih adalah, bahwa untuk sebagian besar tidak ada variabel dependen yang didefinisikan dengan baik. Variabel bunga sangat berbeda dari satu daerah penelitian psikologis yang lain dan sering masuk dan tidak disukai dalam wilayah selama periode waktu yang relatif singkat.Psikologi telah banyak digambarkan sebagai perilaku atau ilmu ilmu pengolahan informasi manusia. Tetapi varietas perilaku dan penanganan informasi sangat beraneka bahwa tidak ada kemajuan dalam penelitian dapat dilakukan sampai peneliti mengidentifikasi variabel yang akan dipelajari dan metode mengamati mereka. Mana kemajuan telah dibuat dalam mendefinisikan domain koheren pengamatan, telah melalui mediasi dari variabel-membangun beberapa laten putatif yang dimodifikasi oleh stimulus dari berbagai sumber dan dalam gilirannya kontrol atau pengaruh berbagai aspek diamati perilaku.Contoh pola dasar merupakan variabel laten adalah konstruk kecerdasan umum diperkenalkan oleh Charles Spearman untuk menjelaskan korelasi positif antara kinerja yang berhasil diamati di banyak tipe tugas pemecahan masalah.

Investigasi metode matematika dan statistik yang dibutuhkan pada tahap konstruksi dan pengukuran pengaruh mereka menyebabkan pengembangan prosedur analitik data analisis faktor yang disebut.bentuk modern adalah karena sebagian besar karya Truman Kelly dan LLThurstone, yang berubah analisis satu-faktor Spearman ke dalam analisis multi-faktor sepenuhnya umum. Baru-baru ini, Karl Jöreskog menambahkan analisis faktor konfirmatori untuk bentuk eksplorasi awal analisis. Dua bentuk melayani tujuan yang berbeda. analisis faktor eksplorasi merupakan prosedur penemuan otentik: ini memungkinkan seseorang untuk melihat hubungan antara variabel yang sama sekali tidak jelas dalam data asli atau bahkan dalam korelasi antar variabel. analisis faktor Konfirmatori memungkinkan seseorang untuk menguji apakah hubungan yang diharapkan dari teori dasar sebenarnya muncul dalam data. Derrick Lawley dan Karl Jöreskog memberikan prosedur statistik, berdasarkan estimasi maksimum likelihood, untuk model faktor dipasang pada data dan menguji sejumlah faktor yang dapat dideteksi dan diestimasi dengan andal dalam data.

Masalah serupa mendefinisikan variabel muncul dalam penelitian pendidikan, bahkan dalam studi eksperimental metode alternatif pengajaran. Tujuan pendidikan adalah luas dan hasil dari instruksi yang banyak Sejalan: suatu inovasi dalam praktek instruksional dapat menyebabkan keuntungan dalam beberapa hasil diukur dan kerugian pada orang lain. Investigator dapat mengukur hasil yang demikian besar banyak, tetapi jika semua menguntungkan atau semua hasil yang kurang baik menjadi terlalu kompleks untuk mendiskusikan atau memberikan petunjuk apapun untuk kebijakan pendidikan. Sekali lagi, analisis faktor adalah bantuan besar dalam mengidentifikasi dimensi utama variasi antara hasil dan menyarankan pelit konstruksi untuk diskusi mereka.

Dalam model LISREL, hubungan struktural linier dan struktur faktor digabungkan menjadi satu model yang komprehensif dapat digunakan untuk studi observasional di berbagai bidang. Model ini memungkinkan beberapa konstruk laten ditunjukkan oleh diobservasi penjelasan (atau eksogen) variabel, rekursif dan hubungan nonrecursive antara konstruksi, dan beberapa laten konstruksi ditunjukkan dengan tanggapan diamati (atau endogen) variabel. Hubungan antara konstruk laten menyusun model persamaan struktural, hubungan antara konstruk laten dan indikator yang dapat diamati atau hasil menyusun model faktor.Seluruh bagian dari model yang komprehensif dapat diwakili dalam diagram jalur dan semua beban faktor dan hubungan struktural muncul sebagai koefisien jalan.

Bersarang dalam model umum adalah model sederhana bahwa pengguna program LISREL dapat memilih sebagai kasus khusus.Jika beberapa variabel yang terlibat dalam hubungan struktural diamati secara langsung, daripada menunjukkan, sebagian atau seluruh model faktor dapat dikecualikan. Sebaliknya, jika tidak ada hubungan struktural, model ini dapat mengurangi untuk analisis faktor konfirmatori yang berlaku untuk data yang bersangkutan. Akhirnya, jika data yang muncul dari masalah prediksi sederhana atau coba dikendalikan di mana variabel independen atau tingkat perlakuan diukur tanpa kesalahan, pengguna dapat mengkhususkan diri untuk model regresi sederhana dan memperoleh hasil standar analisis kuadrat-terkecil biasa.

Spesialisasi ini dapat disampaikan kepada program komputer LISREL dalam tiga cara yang berbeda. Pada tingkat, paling intuitif visual, pengguna dapat membangun diagram jalur interaktif pada layar, dan menentukan jalur untuk disertakan atau dikecualikan.Tingkat verbal yang sesuai adalah bahasa perintah SIMPLIS. Hal ini membutuhkan hanya itu nama pengguna variabel dan menyatakan hubungan antara mereka. Tingkat ketiga dan yang paling rinci adalah bahasa perintah LISREL. Hal ini diutarakan dalam hal matriks yang muncul dalam representasi aljabar matriks-model. Berbagai parameter dari matriks mungkin sudah ditetapkan atau ditetapkan sama dengan parameter lain, dan linear dan hambatan non-linear dapat dikenakan antara mereka.Syarat dan sintaks bahasa perintah LISREL dijelaskan dan diilustrasikan dalam program manual LISREL. Kebanyakan tapi tidak semua fungsi ini termasuk dalam bahasa SIMPLIS; fungsi-fungsi lanjutan tertentu hanya mungkin dalam perintah LISREL asli.

Asumsi statistik penting dari analisis LISREL adalah bahwa kuantitas acak dalam model didistribusikan dalam bentuk milik keluarga distribusi elips, anggota yang paling menonjol adalah distribusi normal multivariat. Dalam aplikasi di mana masuk akal untuk mengasumsikan normalitas multivariat, metode kemungkinan maksimum estimasi diketahui dalam model ini dibenarkan dan biasanya lebih disukai. Apabila persyaratan estimasi maksimum likelihood tidak dipenuhi, seperti ketika data ordinal dan bukan diukur, paling tidak berbagai metode estimasi kuadrat yang tersedia. Hal ini penting untuk memahami, bagaimanapun, kecuali dalam kasus-kasus di mana analisis kuadrat terkecil biasa berlaku atau matriks berat lain metode kuadrat terkecil diketahui, bahwa ini adalah besar sampel prosedur estimasi. Ini bukan sebuah batasan serius dalam studi observasi, dimana sampel biasanya besar. Kecil-sampel teori berlaku benar hanya untuk eksperimen dikontrol dan hanya jika model mengandung komponen kesalahan tunggal, univariat atau multivariate normal.

Jasa besar membatasi metode analisis untuk variasi eliptik didistribusikan adalah kenyataan bahwa sampel mean dan matriks kovarians (atau korelasi dan standar deviasi matriks) adalah statistik yang cukup analisis. Hal ini memungkinkan semua informasi dalam data yang beruang pada pilihan dan fitting model yang akan di kompress ke dalam jumlah yang relatif kecil dari ringkasan statistik. Kompresi data yang dihasilkan adalah keuntungan luar biasa dalam studi sampel-survei besar-besaran, dimana jumlah pengamatan bisa lari ke puluhan ribu, sedangkan jumlah statistik yang cukup adalah suatu urutan besarnya ditentukan oleh jumlah variabel.

Operasi mengurangi data mentah untuk statistik yang cukup mereka (sambil membersihkan dan memverifikasi validitas untuk data) dilakukan oleh program PRELIS yang menyertai LISREL.PRELIS juga menghitung ringkasan statistik untuk data kualitatif berupa matriks korelasi tetrakorik atau polikorik. Ketika ada beberapa kelompok sampel, dan model LISREL didefinisikan dan dibandingkan seluruh kelompok, PRELIS menyiapkan statistik yang cukup untuk setiap sampel pada gilirannya.

Dalam banyak studi penelitian sosial dan psikologis atau pendidikan di mana sampel tunggal yang terlibat, variabel biasanya diukur pada skala dengan asal sewenang-wenang.Dalam hal itu, berarti keseluruhan dari variabel-variabel dalam sampel dapat dikecualikan dari analisis, dan pemasangan model LISREL dapat dianggap hanya sebagai suatu analisis struktur kovarian, dalam hal ini diharapkan matriks kovariansi tersirat oleh model dipasang ke matriks kovarian diamati langsung. Karena matriks kovarians sampel adalah statistik yang cukup dengan asumsi distribusi, hasilnya adalah setara dengan fitting data.Sekali lagi, analisis ini dibuat lebih mudah ditangani karena seseorang dapat memeriksa residual dari covariances diamati, yang moderat dalam jumlah, dibandingkan dengan menganalisa residual pengamatan asli dalam sampel yang besar.

Banyak dari aspek-aspek analisis LISREL dibawa keluar pada contoh di PRELIS dan manual program LISREL. Selain itu, manual SIMPLIS berisi latihan untuk membantu siswa memperkuat dan memperluas pemahaman nya dari metode analisis data yang kuat.File yang berisi data dari contoh-contoh yang disertakan dengan program ini dan dapat dianalisa dalam berbagai cara yang berbeda untuk mengeksplorasi dan menguji model-model alternatif.

Hari ini, bagaimanapun, LISREL untuk Windows tidak lagi terbatas pada SEM. The LISREL terbaru untuk Windows mencakup aplikasi statistik berikut.

LISREL untuk model persamaan struktural.
PRELIS untuk manipulasi data dan analisis statistik dasar.
MULTILEV untuk pemodelan linier dan non-linear hirarkis.
SURVEYGLIM untuk pemodelan linear umum.
CATFIRM untuk pemodelan rekursif inferensi berbasis formatif untuk variabel respon biner.
CONFIRM untuk pemodelan rekursif inferensi berbasis formatif untuk variabel respon kontinyu.
MAPGLIM untuk model linier umum untuk data bertingkat.

Posted in Uncategorized | Leave a comment

baru di LISREL 8

kurva model laten Terstruktur
The LISREL CO Perintah telah diperpanjang untuk menyertakan logaritma eksponensial (EXP) dan alam (LOG) operator serta tanda kurung. LISREL ini memungkinkan pengguna untuk fit, misalnya, model laten terstruktur kurva digariskan dalam Browne (1993).

Analisis faktor variabel ordinal
analisis faktor klasik eksplorasi mengasumsikan bahwa variabel yang diamati adalah kontinu. Perintah PRELIS OFA menerapkan analisis faktor eksplorasi variabel ordinal seperti yang dijelaskan dalam Jöreskog & Moustaki (2006).

Generalized linear model (GLIMs) untuk data bertingkat
Para MAPGLIM aplikasi baru statistik umum cocok model linier untuk data bertingkat. Pengguna dapat memilih dari multinomial itu, Bernoulli, Poisson, binomial, binomial negatif, Normal, Gamma dan distribusi sampling invers Gaussian. Fungsi-fungsi link yang sesuai meliputi log, kumulatif logit, probit kumulatif, pelengkap log-log dan fungsi link logit.

Observasional residual
Bollen dan Arminger (1991) memperkenalkan residu pengamatan untuk model persamaan struktural. LISREL 8.8 untuk Windows memungkinkan pengguna untuk menghitung residual observasional bersama dengan skor laten variabel untuk variabel-variabel laten model. Implementasi ini dijelaskan dan digambarkan dalam Jöreskog, Sörbom & Wallentin (2006)

Menulis estimasi parameter, estimasi standar error dan ukuran cocok untuk sebuah PSF
PV, SV dan kata kunci GF pada perintah OU LISREL atau SIMPLIS perintah output LISREL telah diperpanjang untuk mengizinkan pengguna untuk menyimpan estimasi parameter, estimasi standar error dan ukuran cocok untuk sebuah PSF. Hal ini sangat berguna untuk studi Monte Carlo.

Perubahan pada antarmuka pengguna grafis (GUI)
Jendela utama LISREL 8.8 untuk Windows kini berhak LISREL untuk Windows. Pilihan Ekspor revisi Data pada menu File pada jendela utama memungkinkan pengguna untuk mengekspor data ke format berbagai data seperti SPSS, SAS, SYSTAT, STATISTICA, dll

Posted in Uncategorized | Leave a comment

pengantar LISREL

LISREL menyediakan perangkat lunak untuk analisis data statistik, berguna untuk bekerja dalam berbagai bidang seperti: Statistik (termasuk penelitian survei dan informatika) Perilaku dan ilmu-ilmu sosial (seperti psikologi, sosiologi, psikiatri, ilmu pidana, studi keluarga, ilmu politik, penelitian pengembangan, antropologi, atau kerja sosial) Penelitian Medis (termasuk keperawatan, farmasi, epidemiologi, ilmu mengenai usia lanjut, kinesiologi, ilmu olahraga, dan bidang lainnya) Pendidikan (dalam administrasi, studi kebijakan, analisis tes, konseling, dan banyak lagi) Bisnis penelitian (pemasaran, manajemen, ekonomi, organisasi) Ilmu lingkungan (termasuk administrasi sumber daya dan penelitian longitudinal) Lain penelitian berbagai bidang, seperti studi bahasa, teknik, hukum, kimia, atau perencanaan perkotaan

LISREL 8.8 Perangkat lunak perintis untuk model persamaan struktural sekarang termasuk metode statistik untuk data survei yang kompleks. Membuat diagram jalur yang mudah untuk menggunakan interface dan menghasilkan sintaks langsung dari diagram. The LISREL terbaru untuk Windows mencakup aplikasi statistik berikut.

LISREL untuk model persamaan struktural. PRELIS untuk manipulasi data dan analisis statistik dasar. MULTILEV untuk pemodelan linier dan non-linear hirarkis. SURVEYGLIM untuk pemodelan linear umum. MAPGLIM untuk model linier umum untuk data bertingkat. CATFIRM untuk pemodelan rekursif inferensi berbasis formatif untuk variabel respon biner. CONFIRM untuk pemodelan rekursif inferensi berbasis formatif untuk variabel respon kontinyu. HLM 6 Hierarchical data model dengan kuasa. Versi terbaru mencakup antarmuka ditingkatkan, cara-cara baru untuk menampilkan data, dan fitur statistik baru seperti efek acak cross-classified untuk model linier dan model multinomial untuk data tiga-tingkat. SuperMix 1 Mixed-efek program yang menggabungkan MIXREG, MIXOR, MIXNO dan MIXPREG; memungkinkan model dua dan tiga tingkat. Mudah menggunakan antarmuka pengguna grafis. Teori Respon Butir Kelompok kami program analisis item (Disisimu-MG, MULTILOG, PARSCALE, dan TESTFACT) sekarang fitur ramah, antarmuka baru Windows pengguna grafis. Mereka semua alat anda perlu melakukan berbagai macam analisis pada berbagai jenis tes dan item.

Posted in Uncategorized | Leave a comment

LInierStRucturalEquationModeLling (LISREL)!

hermawan SSi.,MTI.,MM. belajar LISREL dari Prof Yahya Umar (pemb imbing beliau adalah Bengt Muthén, rekan dari Jorenskog)

cepat hub 0812 850 8094

Posted in Uncategorized | 1 Comment