Promotieonderzoek naar modelselectiemethode GORICA

In haar proefschrift onderzoekt Chuenjai Sukpan het gebruik van de GORICA, een modelselectiemethode gebaseerd op ongelijkheidsrestricties, in cross-lagged panelmodellen (CLPM en RI-CLPM). Sukpans onderzoek toont aan dat de GORICA het juiste model nauwkeurig kan identificeren. Sukpan: “De prestaties verbeteren naarmate de steekproefgrootte, het aantal meetmomenten en de verschillen tussen parameters toenemen.”

Volgens Sukpan presteert de GORICA over het algemeen beter in vergelijking met traditionele methoden, zoals de chi-square difference test, chi-bar-square difference test en AIC. “Dit geldt vooral voor het bepalen van het aantal random intercepts in RI-CLPM, wat in de praktijk vaak moeilijk is.”

Daarnaast wordt de methode toegepast op echte data over maternale postpartale depressie in Thailand. “Dit laat zien dat de GORICA praktisch bruikbaar is voor het evalueren van informatieve hypothesen.” Om onderzoekers te ondersteunen, introduceert Sukpan in haar proefschrift het powerGORICA-R-pakket. “Met dit hulpmiddel kunnen gebruikers de statistische power onder verschillende onderzoeksomstandigheden evalueren en geschikte steekproefgroottes bepalen.”