Kio estas Pada Analizo en Statistiko?
Analizo de vojoj estas statistika tekniko uzata por kompreni kaŭzajn rilatojn inter pluraj variabloj laŭ strukturita maniero. Ĉi tiu tekniko estas vaste uzata en socia esplorado, edukado, psikologio, publika sano, ekonomiko kaj aliaj kampoj implikantaj kompleksajn fenomenojn — kie variablo estas influita ne nur de unu faktoro, sed de pluraj faktoroj samtempe, kaj rekte kaj nerekte.
Male al simpla regresanalizo, kiu tipe ekzamenas la efikon de unu aŭ pluraj sendependaj variabloj sur ununura dependa variablo, vojanalizo permesas al esploristoj mapi serion da interrilataj rilatoj. Alivorte, vojanalizo helpas respondi demandojn kiel: "Kiom X influas Y rekte?" kaj "Ĉu X influas Y per la peranta variablo Z, kaj kiom ĝi influas nerekte?"
-
Bazaj konceptoj de vojanalizo
Vojanalizo estas esence etendaĵo de multobla lineara regreso. La esenco de ĉi tiu tekniko estas konstrui kaŭzan modelon, kiu priskribas la direkton de la rilato inter variabloj, kaj poste testi ĉu la datumoj subtenas tiun modelon.
En modeloj de pada analizo, variabloj estas ĝenerale dividitaj en:
1. Eksogenaj variabloj
"Kaŭza" variablo, kiu ne estas klarigita per aliaj variabloj en la modelo. Ĉi tiu variablo estas la deirpunkto de la rilatfluo.
2. Endogenaj variabloj
Variablo influata de aliaj variabloj en la modelo. Endogenaj variabloj povas esti rezultoj aŭ perantaj variabloj.
3. Mediatoro (peranto) variablo
Variablo kiu mediacias la influon de eksogenaj variabloj sur endogenaj variabloj. Mediacianto klarigas kiel aŭ tra kiu vojo la influo okazas.
4. Eraro/restaĵo (eraro)
La parto de la vario en endogena variablo, kiu ne estas klarigita per aliaj variabloj en la modelo. En vojdiagramoj, restaĵoj estas kutime prezentitaj kiel sagoj montrantaj al la endogena variablo de "eraro".
Modeloj de vojanalizo estas kutime bildigitaj per vojdiagramoj, uzante unudirektajn sagojn (→) por indiki supozitajn kaŭzajn influojn.
-
Rektaj kaj nerektaj influoj
La ĉefa avantaĝo de vojanalizo estas ĝia kapablo apartigi influojn en plurajn komponantojn:
– Rekta efiko:
La efiko de X sur Y sen trairi aliajn variablojn.
– Nerekta efiko:
La influo de X sur Y kiu okazas per mediacianto, ekzemple X → Z → Y.
– Totala efiko:
La sumo de rektaj kaj nerektaj influoj.
Simpla ekzemplo:
Ekzemple, eduka esploristo volas ekzameni la efikon de lernado-motivigo (X) sur atingon (Y), kun disciplino (Z) kiel mediacianto. Motivo povas rekte pliigi atingon, sed disciplino ankaŭ povas pliigi atingon, finfine pliigante atingon. Analizo de vojoj helpas mezuri ambaŭ.
-
Kial vojanalizo gravas?
En multaj studoj, la rilato inter variabloj malofte estas simpla. Ekzemple:
– Lernejaj politikoj (X) influas la kvaliton de instruado (Z), kiu poste influas la lernajn rezultojn de studentoj (Y).
– Sociekonomika statuso (X) influas aliron al nutrado (Z), kiu poste efikas sur sanon (Y).
– Laborkontenteco (X) influas organizan engaĝiĝon (Z) kaj finfine influas rendimenton (Y).
Se esploristoj uzas nur unu regreson (ekz., X → Y), la rezultoj povas trosimpligi la faktan procezon. Vojanalizo provizas pli realisman bildon de la rilatmekanismo.
-
Supozoj en vojanalizo
Kvankam potenca, vojanalizo havas supozojn, kiujn oni devas konsideri:
1. La kaŭza direkto estas determinita de la teorio
Analizo de vojoj ne aŭtomate "malkovras" kaŭzon kaj efikon. La direkton de la sago determinas la teoria bazo, logiko aŭ esplordezajno.
2. Linearaj kaj aditivaj rilatoj
Oni ĝenerale supozas, ke la rilato inter variabloj estas lineara kaj ke iliaj efikoj estas aditivaj, krom se la modelo estas farita pli kompleksa.
3. Ne estas eraroj en la specifoj de la modelo
Se gravaj rilatoj ne estas inkluditaj aŭ la direkto de la rilato estas malĝusta, la rezultoj povas esti misgvidaj.
4. Normaleco kaj sendependeco de restaĵoj (depende de la aliro)
Multaj taksooproceduroj dependas de certaj supozoj pri la distribuo de la restoj.
5. Variablaj mezuroj estas konsiderataj sen eraroj (en klasika vojanalizo)
Ĉi tio gravas: tradicia vojanalizo tipe uzas rekte mezuritajn variablojn (observitajn variablojn). Se vi volas inkluzivi latentajn konstrukciojn (ekzemple, "kontentecon" mezuritan per pluraj indikiloj), SEM (Struktura Ekvacia Modelado) estas tipe uzata.
-
Paŝoj por plenumi vojanalizon
Ĝenerale, la procezo inkluzivas:
1. Formulu modelon bazitan sur teorio
Determinu, kiuj variabloj influas aliajn variablojn, kiuj estas mediaciistoj, kaj kiuj estas rezultoj.
2. Kreu vojdiagramon
Bildigu la rilaton per sagoj kaj determinu la restaĵojn por la endogenaj variabloj.
3. Kompili strukturajn ekvaciojn (regreso)
Ĉiu endogena variablo kutime havas sian propran regresan ekvacion. Ekzemple:
– Z = b1X + e1
– Y = b²X + b³Z + e²
4. Takso de vojkoeficientoj
Vojkoeficientoj estas ĝenerale normigitaj regreskoeficientoj (beta), tiel ke ili povas esti komparitaj trans vojoj.
5. Kalkulu rektan, nerektan kaj totalan efikon
– Rekta efiko: rekta vojkoeficiento (ekz. X → Y = b2)
– Nerekta efiko: multipliko de vojoj (ekz. X → Z × Z → Y = b1 × b3)
– Totala efiko: b2 + (b1 × b3)
6. Testado de modela taŭgeco (laŭvola, depende de la metodo)
En pli proksima aliro al SEM, modelaj kongruotestoj povas esti faritaj. En la paŝopoŝta regresa aliro, la fokuso ofte estas sur la signifo de la koeficientoj kaj R².
7. Interpretado kaj raportado
Klarigu, kiuj vojoj estas signifaj, kiom signifa estas ilia influo, kaj iliajn implicojn por teorio kaj praktiko.
-
Vojanalizo kontraŭ SEM: kio estas la diferenco?
Analizo de vojoj ofte estas konsiderata "parto" de SEM. La ĝeneralaj diferencoj estas:
– Analizo de vojo:
Uzante observitajn variablojn, simile al sistemo de interrilata regreso. Taŭga kiam ĉiuj variabloj povas esti mezuritaj rekte.
– SEM (Struktura Ekvacia Modelado):
Pli larĝa; povas inkluzivi latentajn variablojn, mezurmodelojn (CFA), kaj pli ampleksan modelan kongruec-takson.
Se via esplorado implikas abstraktan koncepton mezuritan per pluraj indikiloj (ekz. "servokvalito" estas mezurata per 5-punkta enketilo), SEM kutime estas pli taŭga.
-
Ekzemplo de simpla interpreto
Ekzemple, la rezultoj de la takso donas normigitajn koeficientojn:
– X → Z = 0,50
– Z → Y = 0,40
– X → Y = 0,20
Do:
– Rekta efiko de X sur Y = 0,20
– Nerekta efiko de X sur Y tra Z = 0,50 × 0,40 = 0,20
– Totala efiko de X sur Y = 0,20 + 0,20 = 0,40
Interpreto: motivado (X) influas atingon (Y) rekte kaj ankaŭ per disciplino (Z), kun egalaj kontribuoj por la rekta kaj nerekta vojoj.
-
Avantaĝoj kaj limigoj
Troo:
– Sisteme mapi kompleksajn rilatojn.
– Apartigo de rektaj kaj nerektaj influoj (mediacio).
– Pli informa ol unuopa regreso por plurtavolaj fenomenoj.
Limigoj:
– Tro dependa de teorio; malĝustaj modeloj kondukas al malĝustaj konkludoj.
– Ne aŭtomate pruvas kaŭzecon sen subtena esplordezajno (ekz., eksperimenta aŭ longituda).
– Klasika vojanalizo ignoras mezurerarojn en variabloj.
-
Fermo
Analizo de vojoj en statistiko estas potenca aliro por kompreni kiel variabloj influas unu la alian ene de sistemo de rilatoj, inkluzive de mapado de rektaj kaj nerektaj influvojoj per mediaciistoj. Ĉi tiu tekniko helpas esploristojn konstrui pli riĉajn klarigojn ol tradicia regreso, kondiĉe ke la modelo baziĝas sur solida teorio kaj sufiĉaj datumoj.
Se vi volas, mi ankaŭ povas helpi: krei ekzemplon de vojdiagramo, kompili modelon laŭ via esplortemo, aŭ verki sekcion pri "vojanaliza metodo" por via tezo/disertaĵo kompleta kun formuloj kaj kiel raporti la rezultojn.
