L'effet de degrés variables de non-normalité en modélisation par équations structurelles

Cette étude de simulation a examiné la robustesse de la modélisation par équations structurelles face à différents degrés de non-normalité sous deux méthodes d'estimation, les moindres carrés généralisés et le maximum de vraisemblance, et quatre tailles d'échantillons, 100, 250, 500 et 1 000. Chaque degré de non-normalité, léger et sévère, comprenait la pure asymétrie, la pure kurtose, ainsi que l'association des deux. Les biais et erreurs standards des estimations des paramètres ont été analysés. De plus, une analyse de variance a été réalisée pour étudier les effets des trois facteurs sur plusieurs indices d'ajustement. L'étude a révélé que les erreurs standards des estimations des paramètres n'étaient pas significativement affectées par les méthodes d'estimation ni par les conditions de non-normalité. Comme prévu, les erreurs standards diminuaient avec des tailles d'échantillon plus grandes. Les estimations des paramètres étaient plus sensibles à la non-normalité qu'à la taille de l'échantillon et à la méthode d'estimation. Le Chi carré était l'indice d'ajustement de modèle le moins robuste comparé au Normed Fit Index, Nonnormed Fit Index et Comparative Fit Index. Des tailles d'échantillon de 100 ou plus sont recommandées pour des estimations précises des paramètres.