Modele de mesure definition

Pour citer une stratégie d`intérêt majeur, une question examinée par un certain nombre d`analystes (voir le chapitre 2; également Loveman, 1988) est de savoir si les investissements importants dans l`informatique par les entreprises ou les industries ont amélioré la productivité de l`entreprise ou la productivité de l`industrie. De l`avis de beaucoup de gens, l`investissement n`a pas donné une grande partie d`un rendement. Toutefois, du point de vue du modèle de mesure décrit ici, la plupart des données disponibles ne sont pas appropriées à la question. Outre le fait que la plupart des indicateurs utilisés ne correspondent pas à la définition de la productivité (par exemple, le profit, le rendement de l`investissement), les indicateurs sont si éloignés du locus de changement technologique qu`il semble pratiquement impossible d`interpréter ce qui relation est trouvée. Tant d`autres différences de performance peuvent également être produites par des effets situationnels, tels que la qualité de l`équipement, le degré de soutien du personnel, ou la nature des conditions de travail. Pour les besoins de ce modèle de performance, ces conditions sont supposées être tenues constantes (expérimentalement, statistiquement ou avec jugement). Que se passe-t-il si un index ou une échelle, si, remplace la variable latente (ηi) dans le modèle? Typiquement, une échelle ou un index est construit comme une combinaison linéaire des indicateurs et le chercheur l`utilise comme un proxy pour une variable latente. Nous représentons cette combinaison linéaire en tant qu`analyseur de surface de nanoparticules (NSAM) est un instrument récemment lancé visant à déterminer les concentrations de surface des particules déposées par les poumons, sur la base du modèle largement accepté développé par le international Commission de protection radiologique (CIPR). La limitation et la perspective de ce type de mesure ont été longuement discutées par Asbach et coll. [66]. Étant donné que le dépistage des tétrades en fuite n`implique que les covariances parmi les indicateurs, il est particulièrement utile pour aider à déterminer comment traiter un ensemble d`indicateurs. Un modèle composé de quatre indicateurs d`effet implique trois tétrades en fuite, tandis qu`un modèle composé de quatre indicateurs causaux ne signifie pas de tétrades disparissantes [voir Bollen & Ting (2000, p. 7) pour une dérivation].

Les modèles avec un mélange d`indicateurs de causalité et d`effet ainsi que des modèles permettant des perturbations corrélées impliquent aussi souvent des ensembles différents de tétrades de fuite et peuvent être testés. De plus, Bollen et Ting (2000) démontrent comment travailler avec des modèles comprenant moins ou plus de quatre indicateurs. Une fonction non linéaire exacte relierait l`indicateur latent continu à l`indicateur d`effet non continu observé. Ceci est facilement généralisé aux indicateurs d`effet ordinaux et censurés. Cette formulation est courante dans les modèles d`équation structurale (p. ex. Muthen 1984). La théorie de la réponse de l`article (IRT) fournit une approche connexe pour avoir des variables latentes continues et des indicateurs non continus (Lord 1980, Hambleton et Swaminathan 1985). Un problème permanent dans la théorie des tests psychologiques est la modélisation du compromis vitesse-précision pour les articles où la vitesse et la précision de la réponse sont enregistrées en même temps. Ce problème peut être attaqué le long des lignes des structures de mesure probabilistes isotoniques par lesquelles quelques nouveaux problèmes intéressants surgissent. Trois éléments de base peuvent être identifiés dans la théorie de la décision séquentielle bayésienne. En plus d`un modèle de mesure et d`une fonction de perte, les coûts d`administration d`un article supplémentaire doivent être explicitement spécifiés dans cette approche.

Ce faisant, les pertes attendues postérieures correspondant aux décisions de maîtrise et de non-maîtrise peuvent maintenant être calculées directement à chaque étape du test. En ce qui concerne la perte attendue postérieure correspondant aux essais continus, cette quantité est déterminée en pondérant les pertes attendues postérieures correspondant à chacun des résultats possibles de la classification future avec la probabilité d`observer Ces résultats (c.-à-d. les distributions prédictives postérieures).