摘要

ML和GLS是結構方程模式分析最常使用的參數估計法，兩種方法是基於常態分配假設來進行估計，然而，真實資料卻時常違反常態性假設。在此情形下，基於這二種估計法所求得的參數是否可靠，值得商榷。本研究旨在比較不同非常態情形下，這二種方法與四種不受常態性假設影響的強韌統計方法（ADF, SCALED, bootstrap-M_o和bootstrap-M_A）第一類錯誤率控制情形。結果發現：ML與GLS在所有非常態模擬資料，即使樣本數高達5,000，二者的第一類錯誤率超過35%。而ADF容易受小樣本影響產生過高的第一類錯誤率。SCALED, bootstrap-M_o和bootstrap-M_A較不易受樣本數影響，且可降低非常態所造成的問題。最後，提出未來研究與實務的建議。

_{[英文版 | 目錄 | 教育與心理研究 | 其他文獻 | 訂講表格 | 查詢 ]}

查詢有關資料，請電郵致 hkier-journal@cuhk.edu.hk。