Порівняння різних методів знаходження значення кореляції між наборами змінних
Abstrakt
В основі багатьох кількісних досліджень лежить встановлення зв’язку між даними, а саме знаходження кореляції для розуміння, як пов’язані дві чи більше змінних. Дослідники зауважують, що кореляція не вказує на причинно-наслідкові зв’язки, особливо, коли цей критерій застосовується до перехресних даних. Припущення про вимірювання елементів тільки однією факторною величиною призводить до можливого завищення величини кореляції між змінними. Це обмеження викликало появу методів кореляції другого покоління, заснованих на моделюванні структурних рівнянь, як-от підтверджувальний факторний аналіз та дослідницьке моделювання структурних рівнянь. Точна оцінка кореляції між змінними має вирішальне значення для достовірності результатів дослідження. Коли дослідники отримують точні результати кореляції, це гарантує, що зв’язки між змінними представлені якомога ближче до реальності. Ця точність важлива, оскільки вона дає змогу дослідникам робити обґрунтовані та значимі висновки на основі своїх даних
Bibliografia
Hair,J. F., Hult, T., Ringle, C. M., Sarstedt, M. (2022). A Primer on Partial Least Squares Structural Equation Modeling (PLS-SEM), 3rd еdn. New York, NA: Sage.
Morin, S., Arens, K., Tran, A., Caci, H. (2016). Exploring sources of constructrelevant multidimensionality in psychiatric measurement: a tutorial and illustration using the composite scale of morningness. Int. J. Methods Psychiatr. Res. 25, 277–288. DOI: 10.1002/mpr.1485.
Alamer, A., Marsh, H. (2022). Exploratory structural equation modeling in second language research: an applied example using the dualistic model of passion. Stud. Second Lang. Acquis, 1–24. DOI: 10.1017/S0272263121000863.
