مقایسه ای از روش های مدرن مدیریت داده های گمشده: تاثیر آنها بر بارهای عاملی، خطاهای استاندارد و شاخص های برازش در تحلیل عاملی تاییدی

هدف: این مطالعه با هدف مقایسه چهار روش مدرن مدیریت داده های گمشده - بیشینه درستنمایی با اطلاعات کامل، جانهی چندگانه، برآورد بیزی و وزن دهی معکوس احتمال - در تحلیل عاملی تاییدی انجام شد. تمرکز پژوهش بر ارزیابی دقت برآورد بارهای عاملی، خطاهای استاندارد و شاخص های برازش مدل در مکانیزم های مختلف داده های گمشده، نسبت های متفاوت داده های گمشده و حجم های مختلف نمونه بود.روش پژوهش: این پژوهش با استفاده از داده های شبیه سازی شده انجام شد. عملکرد هر یک از روش های مدیریت داده های گمشده از طریق مقایسه بارهای عاملی، خطاهای استاندارد و شاخص های برازش حاصل از آن ها با نتایج حاصل از داده های کامل ارزیابی شد. برای سنجش میزان دقت برآوردها، از شاخص میانگین خطای مطلق (MAE) بهره گرفته شد.یافته ها: این مطالعه نشان داد که روش بیشینه درستنمایی با اطلاعات کامل بهترین عملکرد را در برآورد بارهای عاملی و حفظ برازش مدل نشان می دهد. جانهی چندگانه نیز در برآورد خطاهای استاندارد عملکرد مطلوبی نشان داد. این دو روش در مقایسه با برآورد بیزی و وزن دهی معکوس احتمال، در شرایط مختلف داده های گمشده، عملکرد بهتری داشتند؛ در حالی­که عملکرد روش­های اخیر بیشتر تحت تاثیر مکانیزم داده های گمشده، نسبت داده های گمشده و حجم نمونه قرار گرفت.نتیجه گیری: برای تحلیل عاملی تاییدی با داده های گمشده، توصیه می شود که پژوهشگران در درجه اول از روش بیشینه درستنمایی با اطلاعات کامل استفاده کنند. با این حال، هنگامی که نسبت داده های گمشده کم باشد، جانهی چندگانه نیز یک جایگزین کارآمد است.

کلیدواژه ها:

داده های گمشده ، بیشینه درستنمایی با اطلاعات کامل ، جانهی چندگانه ، برآورد بیزی ، وزن­دهی معکوس احتمال ، تحلیل عاملی تاییدی