TAJUK 231- SEM - Pengenalan Idea Asas

SEM memang memeningkan. Semakin banyak saya cuba faham, semakin banyak istilah baru yang saya jumpa. Statistik ini dikembangkan oleh ramai statistician, maka masing2 menggunakan istilah yang berbeza merujuk kepada benda yang sama. Diorang tak perlah… memang kepala statistik…..

Saya pun kumpulkan istilah tersebut supaya anda tidak fening…. Kalau anda fening juga…. saya tidak boleh tolong lah….

Istilah2 yang seerti dalam SEM.

a. Memberi kesan kepada variable yg. lain dlm model = IV - predictor - exogenous (simbol ksi, ᴪ)

b. Menerima kesan daripada variables lain dlm model = DV- criterion - endogenous (simbol eta,η)

c. Variable tak diukur / tak ada data dianalisis dalam model = Unobserved - Latent variable - factor - construct

d. Variable diukur / ada data dalam model = Observed variable - measured variable - manifest variable – indicator - reference variables (ada 5 istilah yang boleh digunakan dalam konteks yang sama..... mana tak fening.....)

Idea asas SEM

SEM adalah analisis statistik multivariate mengukur hubungan linear antara measured variables yang diukur dengan unobserved variable (atau construct atau latent variable atau predictor). Ingat,  konvensional statistik spt multiple regression hanya mengukur observed variables sahaja. 

SEM mempunyai tujuan yang hampir sama dengan MLR tetapi lebih POWER kerana mengambilkira interactions, measurement errors, multiple latent variables (unobserved or construct variables) dan multiple observed variables (atau indicators). Jadi SEM lebih POWER dari FA, path analysis, ANCOVA.

SEM mengambilkira variation dan covariance antara observed / measured variables serta menetapkan measurement errors bagi setiap pengukuran (analisis statistik tradisional seperti regression menganggap pengukuran dilakukan tanpa error). Wbp SEM menganggap latent variable pula dianggap bebas error kerana tiada pengukuran dijalankan ke atas latent variables tersebut....

Model 1

Model ini menunjukkan contoh latent variable (dalam oval) dan measured variable (dalam kotak 4segi) serta measurement error.
Contohnya: Kepuasan Bekerja (latent) sebagai construct dapat ditentukan dari pengukuran  3 soalselidik iaitu Gaji, Pangkat dan Beban kerja... 

Model 2:

Model ini menunjukkan hubungan antara observed variable Pencapaian dengan 3 observed variables yang mempengaruhinya iaitu SQ, IQ dan EQ. Kajian dilakukan bagi mengetahui adakah hubungan ini dapat dijadikan satu model yang sepadan (fitness of the model) berdasarkan data yang dikumpul dari ketiga2 observed variables.

Regression weight spt dalam Model 2 adalah nilai pekali regression (dalam output AMOS, berada dalam jadual ESTIMATES) yang dihasilkan bersama critical ratio (CR). Nilai CR diluar +1.96 dan -1.96 dianggap signifikan, iaitu bermakna variable SQ, IQ dan SQ adalah variable peramal atau indicator kepada Pencapaian.

SEM menguji kesepadanan model dengan data yang dianalisis atau fitness of the model. Fit atau tak fit nya sesuatu model yang dibina berdasarkan teori dan LR dibuktikan oleh SEM dengan pelbagai ujian fitness. Maksudnya... sepadan tak model tu dengan data2 yang dikumpul. 


Jika sepadan... maka model tersebut adalah confirmed dapat menunjukkan perkaitan antara variables.... dan anda boleh dakwa..... INILAH MODEL YANG AKU DAPAT..... dan sampailah makam anda ke tahap PhD apatah lagi master....


Terdapat julat nilai yang perlu dipatuhi bagi membuktikan fitness of the model. Nilai2 ini perlu difahami dengan berguru…. Saya sekadar memberikan idea ringkas sebagai pendedahan awal...sebab saya pun fening juga ... hehe...


Ujian2 ini juga dinamakan indexes atau indices of fitness. Terdapat banyak indexes2 ini tetapi yang kemukakan yang asas2 jer….tupun saya dah mula fening….

1. chi-square Goodness-of-fit

Jika nilai yang diperolehi tak signifikan (katakan pada p<0.05), maka model yang dicadangkan sepadan (atau fit) dengan data kajian yang dianalisis oleh researcher.

2. Compararive Fit Index (CFI)

Discrepancy function adjusted for sample size, CFI range: 0 to 1 (larger better model fit)

Acceptable model fit > 0.90, iaitu model kajian sepadan dengan data yang dianalisis.

3. Nonnormed Fit Index (NNFI)

Nilai antara .90 dan .95 sesuai. Nilai >.95 model kajian sepadan dengan data yang dianalisis.

4. Root Mean Squared Error of Approximation (RMSEA)

Related to residual in the model. RMSEA values range:0 to 1. Acceptable model fit <0.06. Ini bermakna jika nilai RMSEA <0.06, model kajian sepadan dengan data yang dianalisis.

NOTE: Bahan ini akan sentiasa diupdate dan dibetulkan  jika saya dapati ada kekurangan dalam penjelasan saya…sebab SEM ni analisis yang komprehensif dan memerlukan penelitian dari banyak aspek….

Tak mampu bawa keta besar..... bawa keta kecik dulu....
 Tak mampu faham SEM secara detail.... faham konsep asasnya dulu...

Saya cuma ingin perkenalkan beberapa terms utama bagi memahami asas SEM. At least anda dapat satu bacaan alternatif selain dari buku yang anda baca (spt buku Chua.... hehe)

OT