This site uses cookies.
Some of these cookies are essential to the operation of the site,
while others help to improve your experience by providing insights into how the site is being used.
For more information, please see the ProZ.com privacy policy.
Freelance translator and/or interpreter, Verified site user
Data security
This person has a SecurePRO™ card. Because this person is not a ProZ.com Plus subscriber, to view his or her SecurePRO™ card you must be a ProZ.com Business member or Plus subscriber.
Affiliations
This person is not affiliated with any business or Blue Board record at ProZ.com.
Services
Translation, Editing/proofreading
Expertise
Specializes in:
Telecom(munications)
Engineering: Industrial
IT (Information Technology)
Rates
Payment methods accepted
PayPal
Portfolio
Sample translations submitted: 1
English to Thai: Data-Model Fit Assessment General field: Other Detailed field: Mathematics & Statistics
Source text - English Data-Model Fit Assessment
A central issue addressed by SEM is how toassess the fit between observed data and thehypothesized model, ideally operationalized asan evaluation of the degree of discrepancybetween the true population covariance matrixand that implied by the model’s structural andnonstructural parameters. As the populationparameter values are seldom known, the differencebetween an observed, sample-based covariancematrix and that implied by parameterestimates must serve to approximate the populationdiscrepancy. For a justidentified model, theobserved data will fit the model perfectly: Thesystem of equations expressing each model parameteras a function of the observed (co)variances isuniquely solvable; thus, the sample estimate ofthe model-implied covariance matrix will, bydefault, equal the sample estimate of the populationcovariance matrix. However, if a model isoveridentified, it is unlikely that these two matricesare equal as the system of equations (expressingmodel parameters as functions of observedvariances and covariances) is solvable in morethan a single way.
Abiding by a general desire for parsimony,overidentified models tend to be of more substantiveinterest than justidentified ones becausethey represent simpler potential explanations ofthe observed associations. While data-model fitfor such models was initially conceived as a formalstatistical test of the discrepancy between thetrue and model-implied covariance matrices (achi-square test with df= u–t; Jöreskog, 1966,1967), such a test now is often viewed as overlystrict given its power to detect even trivial deviationsof a proposed model from reality. Hence,many alternative assessment strategies haveemerged (for a now classic review, see Tanaka,1993) and continue to be developed. Data-modelfit indices for such assessment can be categorizedroughly into three broad classes (with recommended
indices in italics):
• Parsimonious indices evaluate the overall discrepancy between observed and impliedcovariance matrices while taking into account amodel’s complexity; fit improves as more parametersare added to the model, as long as thoseparameters are making a useful contribution: forexample, the root mean square error of approximation(RMSEA) with its associated confidence interval, the Akaike information criterion (AIC)for fit comparisons across non nested models, andthe adjusted goodness-of-fit index (AGFI).
• Incremental indices assess absolute or parsimonious fit relative to a baseline model, usuallythe null model (a model that specifies no relationsamong measured variables): for example, thecomparative fit index (CFI), the normed fit index(NFI), and the non normed fit index (NNFI).
If, after considering several indices, datamodelfit is deemed acceptable (and judged bestcompared to competing models, if applicable),the model is retained as tenable, and individualparameters may be interpreted. If, however, evidencesuggests unacceptable data-model fit, thenext and often final stage in the SEM processis considered: modifying the model to improvefit in hopes of also improving the model’s correspondence to reality.
• ดัชนีการลดรูป (Parsimonious indices) ประเมินความแตกต่างโดยรวมระหว่างความแปรปรวนร่วม (covariance matrix) เชิงประจักษ์และไม่เชิงประจักษ์ในขณะที่มีการพิจารณาถึงความซับซ้อนของโมเดล ความเหมาะได้มีการพัฒนาเมื่อมีการเพิ่มตัวแปรในโมเดล จนกว่าตัวแปรเหล่านั้นมีการให้ประโยชน์ ยกตัวอย่างเช่น ค่าดัชนีรากกําลังสองเฉลี่ยของค่าความแตกต่างโดยประมาณ (Root mean square error of approximation, RMSEA) ด้วยร่วมกับช่วงความมั่นใจ (confidence interval) Akaike information criterion (AIC) สำหรับการเปรียบเทียบความเหมาะสมกับโมเดลไม่ติดกลุ่ม (non nested models) และการปรับค่าดัชนีภาวะสารรูปสนิทดี (goodness-of-fit index (GFI))
• ดัชนีแบบค่อยเป็นค่อยไป (Incremental indices) ประเมินความเหมาะสมสัมบูรณ์และลดรูปสัมพันธ์กับโมเดลพื้นฐาน โดยทั่วไปเรียก null model (โมเดลที่ระบุว่าไม่มีความสัมพันธ์กับตัวแปรทีวัดค่า) ยกตัวอย่างเช่น ดัชนีวัดความเหมาะสมกลมกลืนเชิงสัมพัทธ์ (Comparative Fit Index: CFI) normed fit index(NFI) และ the non normed fit index (NNFI).
ถ้าหลังจากการพิจารณาดัชนีหลายๆดัชนี คิดว่าความเหมาะสมของโมเดลข้อมูลเป็นที่ยอมรับได้ (และตัดสินว่าดีที่สุดเมื่อเปรียบเทียบกับโมเดลอื่นๆ ถ้ามี) โมเดลจะถูกเก็บไว้อย่างเหมาะสมและอาจจะมีการอธิบายตัวแปรแต่ละตัว อย่างไรก็ตาม ถ้ามีหลักฐานบ่งบอกว่าความเหมาะสมของโมเดลข้อมูลไม่เป็นที่ยอมรับ จะมีการพิจารณาขั้นตอนต่อไปและขั้นตอนสุดท้ายในขบวนการ SEM การปรับค่าโมเดลหวังเพื่อปรับปรุงความเหมาะสมและปรับปรุงโมเดลที่เหมาะกับความเป็นจริงด้วย
More
Less
Experience
Years of experience: 11. Registered at ProZ.com: Mar 2015.
Microsoft Excel, Microsoft Word, Powerpoint, Trados Studio, Translation Workspace, XTM
Bio
I am a full time translator, Thai native, holding an MSc Engineering Management from Aston University in the UK.
I have been working in an international and multinational environment involving translations of terms of requirements and technical manuals as well as liaising with the different stakeholders (i.e. clients, and employees). Pertinent projects concerned Telecommunication, Manufacturing and IT industries.
Areas of translations included technical manuals, engineering materials, academic writing, journals, books, letters, essays, statement of purposes, CV, questionnaires, official documents, and law documents.
I consider myself to be a determined person, so that I will deliver my work with high quality to meet clients' needs. I truly believe that I will be a valuable asset in your team.
Areas of translations include technical manuals, engineering materials, academic writing, journal, books, letters, essays, statement of purposes, CV, questionnaires, etc.
Portfolio