Kadang kita mengembangkan dua model,
keduanya fit. Tapi kita ingin membandingkan mana diantaranya yang lebih tepat dalam
menggambarkan data? Jika kedua model kita adalah model yang nested (satu
template), maka kita menggunakan uji selisih kai-kuadrat. Tapi jika kedua model
kita non-nested (beda pola) maka kita bisa menerapkan contoh di bawah ini.
Berikut ini prosedur untuk membandingkan dua model. Misalnya kita mengembangkan dua model SEM, kita hendak mengetahui apakah kedua model yang kita kembangkan memiliki ketepatan yang berbeda.
MODEL 1 FAKTOR
MODEL FIT INFORMATION
Number of Free Parameters 18
Loglikelihood
H0 Value -65280.312
H0 Scaling Correction
Factor for MLR 1.809
H1 Value -62839.076
H1 Scaling Correction
Factor for MLR 1.596
|
MODEL 2 FAKTOR
MODEL FIT INFORMATION
Number of Free Parameters 19
Loglikelihood
H0 Value -63293.839
H0 Scaling Correction
Factor for MLR 1.686
H1 Value -62839.076
H1 Scaling Correction
Factor for MLR 1.596
|
Prosedur penghitungan :
1. Menghitung
Selisih -2Likelihood (-2ΔLL). Di dapatkan dari
rumus selisih antara nilai H0 antar model.
-2*(H0 Model 1 – H0 Model 2)= -2*(-65280.312)*(
-63293.839)= 3972.946
2. Menghitung
Selisih Scala Terkoreksi (SCF). Didapatkan dari
selisih likelihood terkoreksi (H0) yang telah dikalikan dengan
jumlah parameter bebas (Free parameter/FP).
=[(18*1.809)-(19*1.686)]/(18-19)= -0.528.
Karena menghitung selisih maka angka yang dihasilkan dibuat absolut, menjadi
0.528.
3. Menghitung
nilai Kai-Kuadrat Analisis. Didapatkan dari
pembagian -2ΔLL oleh ΔSFC. 3972.946 dibagi 0.528 Hasilnya adalah 7524.52.
4. Membandingkan
Antar Kai-Kuadrat. Nilai df uji perbandingkan antar model adalah 1 (19-18). Nilai
Kai-kuadrat tabel untuk df=1 adalah 3.84, sedangkan nilai kai-square hitungnya
adalah 7524.52. Oleh karena kai-kuadrat hitung lebih banyak dibanding dengan
kai-kuadrat tabel, maka disimpulkan terdapat perbedaan yang signifikan antar
kedua model.
Tidak ada komentar:
Posting Komentar