Анализа пута - шта је то и како га користити

Анализа пута је облик вишеструке регресије Статистичка анализа која се користи за процену каузалних модела испитивањем односа између зависне променљиве и две или више независних променљивих. Кориштењем ове методе може се процијенити величина и значај узрочне везе између варијабли.

Кључни потези: Анализа пута

Анализа пута је теоретски корисна јер нас, за разлику од других техника, форсира да одредимо односе међу свим независним варијаблама. То резултира моделом који показује узрочне механизме преко којих независне варијабле производе и директне и индиректне ефекте на зависну варијаблу.

Анализу пута развио је генетичар Севалл Вригхт 1918. године. Временом је метода усвојена и у другим физичким и друштвеним наукама, укључујући социологију. Данас се може вршити анализа стаза са статистичким програмима, укључујући СПСС и СТАТА, између осталих. Метода је такође позната као каузално моделирање, анализа коваријантних структура и латентни варијабилни модели.

Постоје два главна захтева за анализу путање:

1. Све узрочне везе између варијабли морају ићи само у једном смјеру (не можете имати пар варијабли које узрокују једна другу)
2. Променљиве варијабле морају имати јасно одређивање временског редоследа, јер се не може рећи да за једну променљиву узрокује другу ако јој не претходи на време.

Типично анализа стаза укључује изградњу дијаграма пута у коме су посебно изложени односи између свих варијабли и узрочни смјер између њих. Приликом спровођења анализе стаза прво би се могло конструисати ан дијаграм улазног пута, што илуструје хипотезирани односи. У а дијаграм пута, истраживачи користе стрелице да покажу како се различите варијабле односе једна на другу. Стрелица која упућује од, рецимо, променљиве А до променљиве Б, показује да је за променљиву А хипотеза утицала на променљиву Б.

Након завршетка статистичке анализе, истраживач би затим конструисао ан дијаграм излазног пута, што илуструје односе какви они заиста постоје, према спроведеној анализи. Ако је хипотеза истраживача тачна, дијаграм улазног пута и дијаграм излазног пута ће показати исте односе између променљивих.

Размотримо пример у ком би анализа пута могла бити корисна. Реците да хипотезирате да старост има директан утицај на задовољство послом, а ви претпостављате да има позитиван ефекат, тако да што је старији, то ће бити задовољнији својим послом. Добар истраживач ће схватити да сигурно постоје и друге независне варијабле које такође утичу на нашу зависну варијаблу задовољства послом: на пример, аутономија и приход, између осталих.

Користећи анализу пута, истраживач може креирати дијаграм који приказује односе између променљивих. Дијаграм би показао везу између старости и аутономије (јер обично је старији већи степен аутономију коју ће они имати) и између старосне доби и прихода (опет, постоји тенденција да постоји позитиван однос између два). Дијаграм би такође требао да приказује односе између ова два скупа променљивих и зависне променљиве: задовољство послом.

После користећи статистички програм да бисте процијенили ове односе, тада можете цртати дијаграм да бисте указали на величину и значај односа. На пример, истраживач може открити да су и аутономија и приход повезани са задовољством послом, да је једно од ово двоје променљиве имају много јачу везу са задовољством послом од осталих или да ниједна варијабла нема значајну везу са послом задовољство.

Иако је анализа стаза корисна за процену узрочних хипотеза, ова метода не може да утврди правац каузалитета. Појашњава корелацију и указује на снагу каузалне хипотезе, али не доказује смер узрочно-посљедичне везе. Да би у потпуности разумели смер каузалитета, истраживачи могу размотрити спровођење експерименталне студије у којем су учесници насумично додељени групи за лечење и контролу.

Студенти који желе да науче више о анализи пута и како то да спроведу могу се обратити на преглед Универзитета у Екетер-у Патх Аналисис и Квантитативна анализа података за научнике у друштву Бриман и Црамер.

Ажуриран др Ницки Лиса Цоле, др.