ინვარიანტობის (გაზომვის) განმარტება

ეს არის ტექნიკა, რომელიც მიზნად ისახავს ჯგუფების შედარებას და იმის დადგენას, აქვს თუ არა კონსტრუქციას იგივე მნიშვნელობა სხვადასხვა ჯგუფებისთვის ან ნიმუშებისთვის; ეს მიიღწევა თანასწორობის შეზღუდვების თანდათანობითი ჩართვით.

ერთ-ერთი ყველაზე განმეორებადი კითხვა გამოძიება არის შეგვიძლია ვივარაუდოთ, რომ ჩვენი შედეგები ყველა ადამიანისთვის ერთნაირია? იქნება შემთხვევები, როდესაც მონაწილეთა მახასიათებლებს შეუძლიათ შეცვალონ ცვლადებს შორის ურთიერთობა. მაგალითად, შეერთებულ შტატებში ჩატარებულმა კვლევამ დაადგინა, რომ მკერდის კლინიკური გამოკვლევები განისაზღვრება ემოციები ასოცირებული (შიში, შფოთვა და სირცხვილი), ფატალისტური რწმენა და ზოგიერთი სტრუქტურული ცვლადი, როგორიცაა ასაკი, განათლება ან ეკონომიკური შემოსავალი, თუმცა, ეს ურთიერთობები განსხვავებულია ლათინელი ქალებისა და ანგლო ქალებისთვის.

ჩვენ რომ გვინდოდეს ამ კვლევის გამეორება, მაგრამ მივმართოთ STI ტესტს და შევადაროთ შედეგები მამაკაცებსა და ქალებს შორის, როგორ გავაკეთებდით ამას? პირველი ვარიანტი იქნება

ანალიზი ურთიერთობები ცალ-ცალკე და შემდეგ შეადარეთ მანამდე სტანდარტიზებული შედეგები; თუმცა ეს საკმაოდ არაპრაქტიკული იქნებოდა. საბედნიეროდ, სტრუქტურულ განტოლების მოდელირებას (SEM) აქვს უფრო პრაქტიკული ვარიანტი, ინვარიანტობის ანალიზი, რომელიც მიზნად ისახავს განსაზღვროს არის თუ არა მოდელის ურთიერთობები ან უფრო სწორად, პარამეტრები შენარჩუნებული ან შეცვლილი შექმნის საფუძველზე (ან გარკვეული მახასიათებლების მქონე ჯგუფების შერჩევა (მაგალითად, მამაკაცი-ქალი, ჰეტეროსექსუალურ-ჰომოსექსუალი, თეთრ-აფრო-შთამომავლები).

მიუხედავად იმისა, რომ ანალიზი ინვარიანტობის ან გაზომვის უცვლელობა ჩვეულებრივ შესრულებულია დამადასტურებელი ფაქტორული ანალიზით (CFA), SEM-დან გამომდინარე ყველა ტექნიკას შეუძლია შეასრულოს ინვარიანტობის ანალიზი. ამრიგად, ინვარიანტობის ანალიზისას გამოკვლეულია, აქვს თუ არა კონსტრუქციის ოპერაციონალიზაციას იგივე მნიშვნელობა სხვადასხვა პირობებში (ნიმუშის მახასიათებლები, მეთოდი ადმინისტრაცია კონსტრუქციის, ადმინისტრირების დრო). გაზომვის უცვლელობის არარსებობა მიუთითებს იმაზე, რომ კონსტრუქცია არის ორაზროვანი დადგენილ პირობებში. ამ თვალსაზრისით, ასევე შესაძლებელია საუბარი გრძივი გაზომვის უცვლელობაზე, რომელიც ხორციელდება იგივე პირობებში, მაგრამ სხვადასხვა დროს და ვარაუდობს, რომ კონსტრუქცია იგივეა დროის გასვლის მიუხედავად. დრო.

როგორც უკვე აღვნიშნეთ, გაზომვის ინვარიანტობის ანალიზის ჩასატარებლად, თანდათან ემატება მოდელის პარამეტრების შეზღუდვები, ეს შეზღუდვები ასახელებს უცვლელობის ოთხ შესაძლო დონეს, რომელიც შეიძლება იყოს მათ შეუძლიათ მიიღონ. ეს დონეები აღწერილია ქვემოთ, თუმცა, უნდა აღინიშნოს, რომ ავტორები ყოველთვის არ იყენებენ ერთსა და იმავე სახელს.

• საბაზისო მოდელი. მკაცრი გაგებით, ეს არ არის ინვარიანტობის დონე, რადგან რაიმე შეზღუდვის გამოყენებამდე უნდა შემოწმდეს, აქვს თუ არა კარგი მორგება თითოეული ჯგუფისთვის ჰიპოთეზურ მოდელს.

• კონფიგურაციის უცვლელობა. ის განსაზღვრავს, რომ თითოეულ ჯგუფს აქვს იგივე კონფიგურაცია, ანუ მათ აქვთ იგივე ინდიკატორები ორივე ჯგუფში. თუ კონფიგურაციის უცვლელობა არ არის მიღწეული, არც ერთი შემდეგი დონის მიღწევა შეუძლებელია.

• სუსტი ინვარიანტობა. ამ დონეზე ვარაუდობენ, რომ კონფიგურაციის უცვლელობა მიღწეულია. ამიტომ ვაგრძელებთ შეზღუდვების დაწესებას თანასწორობა მოდელის თითოეულ ინდიკატორში ორივე ჯგუფისთვის.

• ძლიერი უცვლელობა. ამ დონეზე ვარაუდობენ, რომ სუსტი ინვარიანტობა მიღწეულია. ის მოითხოვს, რომ თანასწორობის შეზღუდვები გამოიყენებოდეს მოდელის ყველა კვეთაზე. შუალედი ეხება თითოეული ინდიკატორის ქულას, შესაბამისად, ინვარიანტობის ეს დონე მიუთითებს იმაზე, რომ ორივე ჯგუფი ერთნაირად პასუხობდა კონსტრუქციებს.

• მკაცრი უცვლელობა. ეს არის გაზომვის უცვლელობის უმაღლესი დონე და ვარაუდობს, რომ დაკმაყოფილებულია ძლიერი ინვარიანტობა. ეს დონე მოიცავს შეზღუდვებს შეცდომებზე და კოვარიანტებზე ჯგუფებს შორის. ამიტომ, ეს დონე მიუთითებს იმაზე, რომ კონსტრუქცია ორივე ჯგუფში იდენტურია.

• როდესაც თქვენ გაქვთ სტრუქტურული განტოლების მოდელები ან ბილიკის მოდელები, შესაძლებელია გქონდეთ უცვლელობის დამატებითი დონე, სტრუქტურული უცვლელობა. ამ დონეზე დაწესებულია შეზღუდვები ცვლადებსა თუ სტრუქტურულ ბილიკებს შორის ურთიერთობაზე. ასე რომ, უცვლელობის ამ დონის მიღწევა მიუთითებს იმაზე, რომ ფენომენი ორივე ჯგუფში ერთნაირად ხდება.

იმისათვის, რომ ვივარაუდოთ, რომ უცვლელობის გარკვეული დონე დაკმაყოფილებულია, მოდელის შესაბამისობა უნდა შევადაროთ წინა დონეს (მაგალითად, მოდელი მკაცრი ინვარიანტობის ძლიერი ინვარიანტობის მოდელთან), თუ შესაბამისობა არ გაუარესდება, ვარაუდობენ, რომ მოდელი ინვარიანტულია და შეიძლება გაგრძელდეს შემდეგნაირად. დონე. ამ თვალსაზრისით, სხვადასხვა კრიტერიუმები იქნა შემოთავაზებული ამ პროცესისთვის, მაგრამ ყველაზე ჩვეულებრივი არის chi-square, CFI და RMSEA მნიშვნელობების შედარება.