(SLOPE), равна 0,937 (p < 0,001). Это значение
показывает, что в среднем показатели студентов увеличиваются на 0,937 единиц в
год (или скорость изменения ≈ 1 балл/год).
В таблице Variances дисперсия Начала
(ICEPT) равна 7,903 (p = 0,04 < 0,05). Это означает, что на первом курсе
между показателями студентов существуют значимые индивидуальные различия.
Дисперсия Наклона (SLOPE), равна 0,381 (p = 0,431 > 0,05). Значит,
скорость изменчивости показателей студентов составляет 0,381 единицы в год,
однако этот результат статистически не значим.
В таблице Covariances между Началом
(ICEPT) и Наклоном (SLOPE) ковариация равна -0,557 (p = 0,576 > 0,05)
и статистически не значима. В случае статистической значимости мы бы
интерпретировали результат двумя способами:
1)
положительная
значимая ковариация – чем выше показатель имел студент в начале обучения, тем с
большей скоростью изменятся его показатели эмпатии за 4 среза.
2)
отрицательная значимая
ковариация – низкую скорость в изменении показателей, как правило, имели
студены с более низким исходным уровнем эмпатии.
Проверка модели на соответствие
исходным данным, как и в структурном моделировании, осуществляется с
использованием многочисленных индексов соответствия, которые оценивают величину
расхождения между исходными данными и тем, что предсказывает модель. В ММЛИ
чаще всего применяют критерий правдоподобия χ2, сравнительный индекс согласия CFI и
ошибку аппроксимации RMSEA. Для детального ознакомления с особенностями
применения индексов в ММЛИ следует обратиться к литературе, например [30].
В исходном примере получили следующие
результаты: χ2
= 1,812 (p < 0,107); CFI = 0,856; RMSEA = 0,144. Уровень значимости 0,107
для критерия правдоподобия χ2 больше 0,05, что говорит о хорошем согласии данных с
моделью. CFI < 0,9 и RMSEA > 0,1 – отсутствие согласия данных с моделью.
Следовательно, исходя из полученных индексов, мы можем сделать вывод о
неудовлетворительном согласии исходных данных с предложено моделью. В таких
случаях модель нуждается в коррекции: увеличении объема выборки, изменении
числа срезов, усложнении или упрощении модели и т.д.
Таким образом, возможность установить значимую
изменчивость среди наблюдений через скорость изменения – одно из важных
преимуществ ММЛИ перед другими методами. Например, исследователь, в случае
обнаружения значимого межгруппового фактора в лонгитюдном исследовании, может
выявить изменения с течением времени, но ничего не может сказать об
изменчивости внутри отдельной группы. В ММЛИ определив скорость изменения
среднего и изменчивости, исследователь может дополнительно включать
дополнительные экзогенные переменные, которые могли бы объяснить эту
изменчивость.
ЛИТЕРАТУРА
1.
Митина О.В. Моделирование латентных изменений с помощью
структурных уравнений // Экспериментальная психология. 2008. №1. – C. 131-148.
2.
Наследов А. Д. IBM SPSS Statistics 20 и AMOS. Профессиональный
статистический анализ данных. – СПб: Питер, 2013. – 416 с.
3.
Остапенко Р.И. Структурные связи ценностных ориентаций и
поведенческого стиля в конфликтной ситуации работников организации [Электронный
ресурс] // Перспективы науки и образования. 2013. №1. – URL: http://pnojournal.
wordpress.com/archive/(дата обращения: 18.12.2013).
4.
Остапенко Р.И. Структурное моделирование в психологии и
педагогике [Электронный ресурс] // Перспективы науки и образования, 2013. № 2.
URL: http://pnojournal.wordpress.com/archive (дата обращения: 18.12.2013).
5.
Остапенко Р.И. О корректности применения количественных методов в
психолого-педагогических исследованиях //
Perspestives of Science and
Education, 2014, №1
Перспективы науки и образования, 2013. –
№3. [Электронный ресурс]. – URL: http://pnojournal.wordpress.com/archive/ (дата
обращения: 18.12.2013)
6.
Остапенко Р.И. Формирование информационно-математической
компетентности студентов гуманитарных специальностей: методические аспекты //
Перспективы науки и образования, 2013. – №4. [Электронный ресурс]. – URL:
http://pnojournal.wordpress.com/archive/ (дата обращения: 18.12.2013)
7.
Остапенко Р.И. Краткий обзор и перспективы развития методов
структурного моделирования в отечественной науке и практике // Перспективы
науки и образования, 2013. – №5. [Электронный ресурс]. – URL:
http://pnojournal.wordpress. com/archive/ (дата обращения: 18.12.2013)
8.
Остапенко Р.И. Формирование математической компетентности
студентов-психологов в условиях самодиагностики по курсу «Математические основы
психологии» // Перспективы науки и образования, 2013. – №6. [Электронный
ресурс]. – URL: http://pnojournal.wordpress.com/archive/ (дата обращения:
18.12.2013).
9.
Остапенко Р.И. Самодиагностика как условие формирования
математической компетентности студентов психологических специальностей //
Современные научные исследования и инновации. – Октябрь 2013. – № 10
[Электронный ресурс]. URL: http://web.snauka.ru/issues/2013/10/28172 (дата
обращения: 27.12.2013).
10. Остапенко
Р.И. Структурное моделирование в науке и образовании: краткий обзор и
перспективы развития // Современные научные исследования и инновации. –
Сентябрь 2013. – № 9 [Электронный ресурс]. – URL: http://web.
snauka.ru/issues/2013/09/26311 (дата обращения: 28.12.2013).
11. Остапенко
Р.И. Латентное в социо-гуманитарном знании: понятие и классификация
[Электронный ресурс] // Современные научные исследования и инновации. – Июль
2012. – № 7 – URL: http://web.snauka.ru/ issues/2012/07/15845 (дата обращения:
19.12.2014).
12. Остапенко
Р.И. Методические аспекты формирования информационно-математической
компетентности студентов гуманитарных специальностей // Современные научные
исследования и инновации. – Май 2013. – № 5 [Электронный ресурс]. – URL:
http://web.snauka.ru/issues/2013/05/24148 (дата обращения: 27.12.2013).
13. Остапенко
Р.И. Использование структурных уравнений в моделировании процессов управления
образованием // Управление образованием: теория и практика, 2013. №4. С.1-9.
14. Остапенко
Р.И., Остапенко А.И. Использование методов моделирования структурными
уравнениями в области управления образованием [Электронный ресурс]//
Государственный советник, 2013. №4. – URL: http://госсоветник.рф (дата
обращения: 27.12.2013).
15. Остапенко
Р.И. Основы структурного моделирования в психологии и педагогике:
учебно-методическое пособие для студентов психолого-педагогического факультета.
– Воронеж., 2012. – 116 с.
16. Остапенко
Р.И. Формирование математической компетентности будущих педагогов-психологов:
Дис. …канд. пед. наук. [Текст] / Р. И. Остапенко. – Воронеж, 2009 – 199 с.
17. Bollen,
K. (2002). Latent Variables in Psychology and the Social Sciences. Annual
Review of Psychology, 53, 605-634.
18. Curran,
P.J., Muthén, B.: The application of latent curve analysis to testing
developmental theories in intervention research. Am. J. Community Psychol. 27,
567-595 (1999)
19. DeRoche
K.K. (2009) The Functioning of Global Fit Statistics in Latent Growth Curve
Modeling: University of Northern Colorado. 308 p.
20. Duncan,
T.E., Duncan, S.C., Strycker, L.A.: An Introduction to Latent Variable Growth
Curve Modeling. Concepts, Issues and Applications, 2nd edn. Lawrence Earlbaum,
Mahwah (2006)
21. Kline
(2005) Principles and Practice of Structural Equation Modeling. (2nd Edition)
Guilford Press.
22. Muthén,
B.: Latent variable modeling with longitudinal and multilevel data. Sociol.
Method. 27, 453-480 (1997)
23. Muthén,
B.: Beyond SEM: general latent variable modeling. Behaviormetrika 29(1), 81-117
(2002)
24. Preacher
K.J., Wichman A.L., MacCallum R.C., Briggs N.E. Latent Growth Curve Modeling.
Series: Quantitative Applications in the Social Sciences. Volume 157. 2008. 112
p.
25. Reinecke
J., Seddig D. Growth mixture models in longitudinal research. AStA Advances in
Statistical Analysis. Volume 95, Issue 4, pp.415-434. DOI:
10.1007/s10182-011-0171-4
26. Rao,
C.R.: Some statistical methods for comparison of growth curves. Biometrics 14,
1-17 (1958)
27. Schumacker,
Randall E. A Beginner's Guide to Structural Equation Modeling / Randall E.
Schumacker, Richard G. Lomax. – 2nd ed., Lawrence Erlbaum Associates, 2004. 519
p.
28. Tucker,
L.R.: Determination of parameters of a functional relation by factor analysis.
Psychometrika 23, 19-23 (1958)
29. Voelcle
M.C. Latent growth curve modeling as an integrative approach to the analysis of
change // Psychology Science, Volume 49, 2007 (4), p. 375-414
30. Welch
G.W. Model Fit and Interpretation of Non-Linear Latent Growth Curve Models.
University of Pittsburgh, 2007. 94 p.
31. Willet,
J.B., Sayer, A.G.: Using covariance structure analysis to detect correlates and
predictors of individual change over time. Psychol. Bull. 116(2), 363-381
(1994)
REFERENCES
1.
Mitina O.V. Modeling latent changes using structural equation. Eksperimental'naia
psikhologiia - Experimental psychology, 2008, no.1, pp. 131-148 (in
Russian).
2.
Nasledov A. D. IBM SPSS Statistics 20 i AMOS. Professional'nyi
statisticheskii analiz dannykh [IBM SPSS Statistics 20 and AMOS.
Professional statistical data analysis]. Saint Petersburg, Piter, 2013. 416 p.
3.
Ostapenko
R.I. Structural values and behavioral style in conflict situation of workers
organization. Perspektivy nauki i obrazovaniia - Perspectives of science and
education, 2013, no.1. Available at:
http://pnojournal.wordpress.com/archive13/ (accessed 13 February 2014).
4.
Ostapenko R.I. Structural modeling in psychology and pedagogics Perspektivy
nauki i obrazovaniia - Perspectives of science and education, 2013, no.2.
Available at: http://pnojournal.wordpress.com/archive13/ (accessed 13 February
2014).
5.
Ostapenko R.I. About the correctness of the application of
quantitative methods in the psychological and pedagogical studies. Perspektivy
nauki i obrazovaniia - Perspectives of science and education, 2013, no.3.
Available at: http://pnojournal.wordpress.com/ archive13/ (accessed 13 February
2014).
6.
Ostapenko R.I. Formation of information-mathematical competence
of students of humanitarian specialties: methodological aspects. Perspektivy
nauki i obrazovaniia - Perspectives of science and education, 2013, no.4.
[Available at: http://pnojournal. wordpress.com/archive13/ (accessed 13
February 2014).
7.
Ostapenko R.I. Overview and prospects of development of methods
of structural modeling in science and practice. Perspektivy nauki i
obrazovaniia - Perspectives of science and education, 2013, no.5.
[Available at: http://pnojournal.wordpress.com/archive13/
Перспективы Науки и Образования, 2014, №1
(accessed 13 February 2014).
8.
Ostapenko R.I. Formation of a mathematical competence of
students-psychologists in conditions of self-diagnosis on the course
«Mathematical foundations of psychology». Perspektivy nauki i obrazovaniia -
Perspectives of science and education, 2013, no.6. Available at:
http://pnojournal.wordpress.com/archive13/ (accessed 13 February 2014).
9.
Ostapenko R.I. Self-test as a condition of forming of the
mathematical competence of students of psychological specialties. Sovremennye
nauchnye issledovaniia i innovatsii - Modern scientific research and innovation,
2013, no.10. Available at: http://web. snauka.ru/issues/2013/10/28172 (accessed
13 February 2014).
10. Ostapenko
R.I. Structural modeling in science and education: overview and perspectives of
development. Sovremennye nauchnye issledovaniia i innovatsii - Modern
scientific research and innovation, 2013, no.9. Available at:
http://web.snauka.ru/ issues/2013/09/26311 (accessed 13 February 2014).
11. Ostapenko R.I. Latent
in the socio-humanitarian knowledge: the concept and classification. Sovremennye
nauchnye issledovaniia i innovatsii - Modern scientific research and innovation,
2012, no.7. Available at: http://web.snauka.ru/ issues/2012/07/15845 (accessed
13 February 2014).
12. Ostapenko
R.I. Methodical aspects of forming the information and mathematical competence
of students of humanitarian specialties. Sovremennye nauchnye issledovaniia
i innovatsii - Modern scientific research and innovation, 2013, no.5.
Available at: http://web.snauka.ru/issues/2013/05/24148 (accessed 13 February
2014).
13. Ostapenko
R.I. Using structural equation modelling of processes of management of education.
Upravlenie obrazovaniem: teoriia i praktika - Education management: theory
and practice, 2013, no.4, pp.1-9 (in Russian).
14. Ostapenko
R.I., Ostapenko A.I. Use of methods of structural equation modeling in the
field of management education. Gosudarstvennyi sovetnik - the State
Counsellor, 2013. №4. URL: http://gossovetnik.wordpress.com (accessed 13
February 2014).
15. Ostapenko
R.I. Osnovy strukturnogo modelirovaniia v psikhologii i pedagogike:
uchebno-metodicheskoe posobie dlia studentov psikhologo-pedagogicheskogo
fakul'teta [Fundamentals of structural modeling in psychology and
pedagogics: textbook for the students of psychological-pedagogical faculty].
Voronezh, 2012. 116 p.
16. Ostapenko
R.I. Formirovanie matematicheskoi kompetentnosti budushchikh pedagogov-psikhologov:
Diss. …kand. ped. nauk. [Formation of a mathematical competence of the
future teachers-psychologists: Diss. ... PhD in Pedagogical sciences].
Voronezh, 2009. 199 p.
17. Bollen,
K. (2002). Latent Variables in Psychology and the Social Sciences. Annual
Review of Psychology, 53, 605-634.
18. Curran,
P.J., Muthén, B.: The application of latent curve analysis to testing
developmental theories in intervention research. Am.
J. Community Psychol. 27,
567-595 (1999).
19. DeRoche
K.K. (2009) The Functioning of Global Fit Statistics in Latent Growth Curve
Modeling: University of Northern Colorado. 308 p.
20. Duncan,
T.E., Duncan, S.C., Strycker, L.A.: An Introduction to Latent Variable Growth
Curve Modeling. Concepts, Issues and Applications, 2nd edn. Lawrence Earlbaum,
Mahwah (2006).
21. Kline
(2005) Principles and Practice of Structural Equation Modeling. (2nd Edition)
Guilford Press.
22. Muthén,
B.: Latent variable modeling with longitudinal and multilevel data. Sociol.
Method. 27, 453-480 (1997).
23. Muthén,
B.: Beyond SEM: general latent variable modeling. Behaviormetrika 29(1),
81-117 (2002).
24. Preacher
K.J., Wichman A.L., MacCallum R.C., Briggs N.E. Latent Growth Curve
Modeling. Series: Quantitative Applications in the Social Sciences. Volume
157. 2008. 112 p.
25. Reinecke
J., Seddig D. Growth mixture models in longitudinal research. AStA Advances
in Statistical Analysis. Volume 95, Issue 4, pp.415-434. DOI:
10.1007/s10182-011-0171-4
26. Rao,
C.R.: Some statistical methods for comparison of growth curves. Biometrics 14,
1-17 (1958)
27. Schumacker,
Randall E. A Beginner's Guide to Structural Equation Modeling / Randall E.
Schumacker, Richard G. Lomax. – 2nd ed., Lawrence Erlbaum Associates, 2004. 519
p.
28. Tucker,
L.R.: Determination of parameters of a functional relation by factor analysis. Psychometrika
23, 19-23 (1958).
29. Voelcle
M.C. Latent growth curve modeling as an integrative approach to the analysis of
change // Psychology Science, Volume 49, 2007 (4), p. 375-414.
30. Welch
G.W. Model Fit and Interpretation of Non-Linear Latent Growth Curve Models.
University of Pittsburgh, 2007. 94 p.
31. Willet,
J.B., Sayer, A.G.: Using covariance structure analysis to detect correlates and
predictors of individual change over time.
Оставьте свой комментарий
Авторизуйтесь, чтобы задавать вопросы.