4. Model-model persamaan simultan dengan hubungan kausal reciprocal tidak termasuk dapat diidentifikasi. Jenis-jenis model seperti ini disebut
nonrecursive. Dalam persamaan identifikasi dapat dilakukan secara matematik dengan
pemecahan masing-masing parameter θ dalam kaitan dengan elemen-eleman yang
diidentifikasi. Jumlah persamaan dalam model struktur kovarians adalah 12 p + qp + q + 1, dimana p adalah jumlah variabel y dan q adalah jumlah
variabel x. Jika parameter-parameter dalam model yang diekspresikan sebagai fungsi satu atau lebih elemen-elemen yang dikenal dalam sistem, maka model
tersebut dikatakan teridentifikasi. Hal ini adalah kasus untuk semua elemen- elemen dalam model dari keseluruhan model teridentifikasi Bollen, 1989.
Dalam studi ini, identifikasi model mengacu pada metode dua tahap seperti yang dianjurkan oleh Rigdon 1995. Pertama, model-model pengukuran untuk
variabel laten dibangun dan diuji secara terpisah dalam membangun analisis data cross-sectional. Kedua, identifikasi struktural kemudian dibuktikan berdasarkan
pada aturan simultan atau menggunakan petunjuk untuk model-model blok persamaan simultan atau rekursif.
3.3.3. Matrik Input
Model persamaan struktural pada umumnya menggunakan matrik kovarians matrik dispersi dan matrik korelasi sebagai dasar analisis atau data masukan
dalam paket-paket program statistik. Kedua matrik tersebut pada dasarnya sama. Matrik kovarians merupakan matrik yang unsur-unsur diagonal utama adalah
ukuran varians dan unsur-unsur di luar diagonal utama merupakan ukuran kovarians. Pemilihan apakah matrik kovarians atau korelasi dalam suatu analisis
data sebaiknya didasarkan kepada theoretical concern dan preferensi disiplin ilmu pengetahuan. Secara teoretis, jika kita tertarik hanya pada pola hubungan antara
variabel, matrik korelasi merupakan pilihan yang sesuai. Kelemahannya, penggunaan matrik korelasi menyederhanakan interpretasi karena informasi
satuan pengukuran pengamatan akan hilang. Oleh karena itu pemilihan matrik kovarians sangat dianjurkan. Model persamaan struktural tidak selalu bebas dari
satuan pengukuran. Yang jelas terdapat kasus suatu model akan tepat untuk matrik korelasi, tetapi tidak selalu sesuai untuk matrik kovarians Kelloway, 1998.
Matrik input yang ideal digunakan adalah matrik kovarians sampel bersifat kontinu dan variabel-variabel normal multivariate. Ada permasalahan dengan
setiap kondisi ideal ini untuk pemodelan persamaan struktural dalam kaitan dengan karakteristik data yang ada Kiiskinen, 2002, yaitu variabel-variabel yang
diukur secara ordinal dan skala interval. Dalam hal skala interval akan menyebabkan perbedaan yang besar dalam unit dan perbedaan yang besar dalam
kovarians dan kovarians penduga. Begitu juga skala dari variabel-variabel ordinal selalu ditetapkan secara arbitrary. Oleh karenanya dalam praktek secara umum
menggunakan matrik korelasi sampel R sebagai ganti matrik kovarians S.
3.3.4. Estimasi Model
Model persamaan struktural menggunakan koefisien struktur, matrik kovarians dari variabel laten independen, dan matrik kovarians dari kesalahan
persamaan struktural. Kemudian model pengukuran menggunakan faktor loading variabel x dan y, dan matrik kovarians dari kesalahan pengukuran. Estimasi model
dilakukan untuk memperoleh estimasi setiap parameter seakurat mungkin dengan kovarians dari variabel yang diamati. Proses estimasi menggunakan fungsi
kecocokan untuk mengurangi perbedaan antara parameter di dalam model dengan
variabel pengukuran. Beberapa metode yang lama untuk melakukan estimasi antara lain teknik kemampuan maksimum maximum likelihood, ML, kuadrat
terkecil biasa ordinary least square, OLS, dan kuadrat terkecil umum generalized least square, GLS, dan sebagainya. Pada perkembangan saat ini,
prosedur estimasi telah dikembangkan dengan analisa kovarians model struktural dengan perangkat lunak program LISREL.
Salah satu kelemahan penggunaan model persamaan struktural umumnya akan sesuai untuk ukuran sampel sangat besar. Kebutuhan teoretis metode
penaksiran kemungkinan maksimum dan uji kesesuaian fit model didasarkan kepada asumsi sampel besar. Secara umum, ukuran sampel untuk model
persamaan struktural paling sedikit 200 pengamatan Kelloway, 1998. Bentler dan Chou 1987 dalam Kelloway 1998 menyarankan bahwa rasio antara ukuran
sampel dan parameter yang ditaksir adalah 5 : 1 dan 10 : 1.
3.3.5. Evaluasi Model
