ML> normal multivariat, pada umumnya pendekatannya agak susah, jadi pendekatanny

a pada umumnya adalah non-normal

biasanya untuk data non-normal direkomendasikan penaksiran menggunakan WLS, sebe
tulnya masih bisa menggunakan ML> estimate masih konsisten, yang akan bermasalah
adalah standar errornya.
Kalau menggunakan ML (sample 100-300) dan datanya bukan populasi normal, maka s.
errornya mungkin salah. untuk memastikan standar error ini tidak salah, akan ada
robust standar error yang diperoleh dengan memasukkan asympotic covariance matr
ix (ACM)>> momen keempat dari data
untuk WLS idenya sama dengan perbaikan dari ML, berasal dari least square yang d
iperbaikai ketika datanya non-normal dengan memakai ACM>> WLS dipakai untuk data
(800--1000)
di Lisrel menggunakan PRELIS untuk memanggil ACM
>>tergantung dari jenis datanya lagi kalau datanya ordinal/dikotomus >>
polychoric
>>polyserial
>>product moment
underlying variable : variabel yang dipergunakan untuk menghitung korelasi dari
variabel kontinu yang tidak diketahui
jika tidak dispesifikasikan diawal, prelis akan mengganggap datanya menjadi kate
gori, kalau lebih dari 15 dianggap kontinu
misalkan data kontin, jika nilai yg ada didata kecil, dikategorikan "kategori"
>>lakukan analisis faktor untuk data EX71.RAW jadi ada 8 observed dengan 2 laten
>> struktur model pengukuran