2.3.4.2 Generalized Least Square GLS
Generalized Least Square menghasilkan estimasi yang hampir sama dengan estimasi Maximum Likelihood apabila asumsi normalitas multivariat dipenuhi dan
ukuran sampel sama. Generalized Least Square GLS menghasilkan estimasi yang kurang baik dengan ukuran sampel yang kecil atau kurang dari 200. Rumus
perhitungan Generalized Least Square GLS adalah [ ∑
] dimana
tr = trace operator, mengambil sejumlah elemen pada diagonal pokok suatu matriks.
= optimal weight matrix, bentuk umum adalah .
2.3.4.3 Weighted Least Square WLS
Weighted Least Square WLS disebut juga Asymptotic distribution Free ADF. ADF merupakan suatu metode estimasi pada LISREL yang tidak
tergantung dengan jenis distribusi data. Weighted Least Square WLS memiliki kelebihan dibandingkan dengan
estimasi Maximum Likelihood ML, tetapi ukuran sampel yang dibutuhkan untuk melakukan estimasi dengan WLS lebih besar dibandingkan ML.
Menurut Bentler Chou 1987 sebagaimana dikutip oleh Wijanto 2008 menyarankan bahwa paling rendah rasio 5 responden per variabel akan
mencukupi untuk distribusi normal ketika sebuah variabel laten mempunyai beberapa indicator variabel teramati dan rasio 10 responden per variabel
teramati akan mencukupi untuk distribusi yang lain.
Berdasarkan hal tersebut sebagai rule of thumb, estimasi ML memerlukan ukuran sampel minimal 5 responden untuk setiap variabel teramati yang ada di
dalam model sedangkan estimasi WLS memerlukan ukuran sampel minimal 10 responden untuk setiap variabel teramati. Menurut Wijanto 2008, estimasi WLS
dan estimasi ML memiliki perbedaan dalam bentuk distribusi yang mendasarinya. Perbedaaan antara estimasi WLS dan ML dapat dilihat pada Tabel 2.3.
Tabel 2.3 Perbedaan ML dan WLS No.
Maximum Likelihood ML Weighted Least Square WLS
1. Didasarkan pada multi
normal distribution. Didasarkan pada asymptotic
distribution free.
2. Ukuran sampel yang
diperlukan minimal 5 responden untuk tiap variabel
yang teramati. Ukuran sampel yang
diperlukan minimal 10 responden untuk tiap variabel
yang teramati.
3. Rasio 5 responden per
variabel teramati mencukupi untuk distribusi normal.
Rasio 10 responden per variabel teramati mencukupi
untuk distribusi yang lain.
2.3.5 Uji Kecocokan Model
Kategori