Structural equations modelingIn ord

Structural equations modelingIn order to test the influence of built environment on walking, and to test the mediating role of
accessibility in this relationship, we adopted a structural equations modeling methodology.
Structural equation modeling (SEM) has been applied in travel behavior research since the 1980s
(Golob 2003), although more recently its adoption has been more pervasive (see for instance
Bagley and Mokhtarian 2002; Abreu e Silva, Golob, and Goulias 2006; Cao, Mokhtarian, and
Handy 2007; Van Acker, Witlox, and Van Wee 2007; Aditjandra, Cao, and Mulley 2012),
probably due to the availability of several statistical software. SEM is a confirmatory statistical
method, based in linear relationships among variables, that allows testing substantive theories,
explicitly taking into account potential errors of measurement in all observed variables, including
the independent variables. In SEM it is possible to include not only observed variables but also latent variables, i.e. variables for which there are no available observations, but manifest
themselves in other (several) observed variables. Four types of models can be developed with
SEM: path analysis models, conceived only of observed variables, confirmatory factor analysis
models, employed to analyze relationships among latent variables, structural regression models,
which combine path analysis with confirmatory factor analysis, and finally latent change models,
developed to study change over time (Raykov and Marcoulides 2006).

As suggested by several authors, we followed a two-step procedure in the modeling process of
our structural regression model. We started by fitting the measurement model and then the entire
structural model (Byrne 2010; Marôco 2010), using AMOS v.22. We adopted a maximum
likelihood estimation method, and modification indices were used to refine the model. Unlike in
other fields of research, such as psychology in which predetermined observed variables are used
to measure a latent variable, within the field of urban planning and transportation the latent
variables used are explained by different observed variables. Additionally, even an observed
variable as common as density can be measured in several different ways (Forsyth et al. 2007),
and such variability can be found for measurements of all the other five Ds of the BE. Therefore,
a unique (and comparable) set of predetermined variables to measure latent variables within
travel behavior does not exist. Accordingly, and despite structural equation modeling being a
confirmatory statistical methodology, the measurement model tends to follow an exploratory
approach in order to identify the observed variables that best explain (are caused by or are
manifestations of) the latent variables. We adopted such a modeling approach, but with one
limitation: at least one variable from the ―five Ds‖ (density, diversity, design, distance to transit,
and destination accessibility) should be kept in the final model. Thus, a confirmatory approach remains within our structural model where the simultaneous effects and relationships between
latent variables are evaluated. Finally, in order to enhance the normality of variables, some BE
variables were transformed (see Table 3), as suggested by Tabachnick and Fidell (2007). This
was the case for urban complexity, distance from home to the closest transit stop, distance to the
closest activity. The total number of walking trips has also been squared root transformed, in
order to enhance its normality.

ผลลัพธ์ (ไทย) 1:

สั่ง modelingIn สมการโครงสร้างอิทธิพลของสภาพแวดล้อมที่สร้างขึ้นบนเดิน และ การทดสอบบทบาท mediating ของการเข้าถึงในความสัมพันธ์นี้ เรานำสมการโครงสร้างมีวิธีการสร้างโมเดลสมการโครงสร้าง (SEM) การสร้างแบบจำลองได้ถูกใช้ในการเดินทางลักษณะการทำงานวิจัยตั้งแต่ปี 1980(Golob 2003) แม้ว่าเมื่อเร็ว ๆ นี้ ตนยอมรับได้แพร่หลายมากขึ้น (ดูตัวอย่างโปแกและ Mokhtarian 2002 Abreu e Silva, Golob และ Goulias 2006 Cao, Mokhtarian และ2007 มีประโยชน์ รถตู้ Acker, Witlox และรถตู้ข้อผิดพลาดเกิด 2007 Aditjandra, Cao และ Mulley 2012),อาจเป็น เพราะความพร้อมของหลายสถิติซอฟต์แวร์ SEM เป็นความสามารถทางสถิติวิธี ในความสัมพันธ์เชิงเส้นระหว่างตัวแปร ที่ช่วยให้การทดสอบทฤษฎีสำคัญการบัญชีข้อผิดพลาดที่อาจเกิดขึ้นการวัดในตัวแปรสังเกตได้ทั้งหมด รวมอย่างชัดเจนตัวแปรอิสระ ใน SEM เป็นการรวมตัวแปรที่สังเกตไม่เพียง แต่ยังตัวแปรแฝงอยู่ เช่นตัวแปรที่มีจะสังเกตไม่มี แต่ประจักษ์ตัวแปรสังเกตตัวเองในอื่น ๆ (หลาย) รุ่นสี่ชนิดสามารถพัฒนาได้ด้วยSEM: แบบจำลองการวิเคราะห์เส้นทาง รู้สึกเฉพาะของตัวแปรสังเกต วิเคราะห์ปัจจัยที่สามารถแบบจำลอง การวิเคราะห์ความสัมพันธ์ระหว่างตัวแปรแฝง แบบจำลองถดถอยที่โครงสร้าง การจ้างงานซึ่งรวมการวิเคราะห์เส้นทางปัจจัยสามารถวิเคราะห์ และรุ่นสุดท้ายแฝงเปลี่ยนพัฒนาขึ้นเพื่อศึกษาการเปลี่ยนแปลงตลอดเวลา (Raykov และ Marcoulides 2006)แนะนำโดยผู้เขียนหลาย เราตามด้วยสองขั้นตอนในกระบวนการสร้างโมเดลแบบจำลองถดถอยที่โครงสร้างของเรา เราเริ่มต้นโดยรูปแบบการวัด และทั้งหมดรูปแบบโครงสร้าง (Byrne 2010 ทาง Marôco ที่ 2010), ใช้ v.22 อาโมส เรานำสูงสุดวิธีการประเมินความเป็นไปได้ และปรับเปลี่ยนดัชนีถูกใช้เพื่อกำหนดรูปแบบ ซึ่งแตกต่างจากในเขตข้อมูลอื่น ๆ ของงานวิจัย จิตวิทยาที่จะใช้กำหนดตัวแปรที่สังเกตได้เช่นการวัดตัวแปรแฝง ด้านการวางผังเมืองและการเดินทางแฝงอยู่ภายในตัวแปรที่ใช้อธิบาย โดยตัวแปรที่สังเกตได้แตกต่างกัน นอกจากนี้ แม้แต่การสังเกตตัวแปรทั่วไปความหนาแน่นสามารถวัดได้หลายวิธี (งาน et al. 2007),และความแปรปรวนดังกล่าวสามารถพบได้สำหรับการตรวจวัดทั้งหมดอื่น ๆ ห้า Ds ของจะ ดังนั้นกำหนดตัวแปรการวัดตัวแปรแฝงภายในชุดไม่ซ้ำกัน (และเทียบเท่า)ไม่มีลักษณะการทำงานท่องเที่ยว ดังนั้น และแม้ จะเป็นการสร้างโมเดลสมการโครงสร้างเป็นเมื่อวิธีการทางสถิติ แบบวัดที่มีแนวโน้มไป ตามการสำรวจวิธีการระบุตัวแปรสังเกตได้ที่ดีที่สุดอธิบาย (ที่เกิดจาก หรือมีอาการของ) ตัวแปรแฝง เรานำวิธีดังกล่าวเป็นการสร้างโมเดล แต่ มีหนึ่งข้อจำกัด: อย่างน้อยหนึ่งตัวแปรจาก ―five Ds‖ (ความหนาแน่น ความหลากหลาย ออกแบบ ระยะทางการขนส่งและการเข้าถึงปลายทาง) ควรเก็บไว้ในรูปแบบสุดท้าย ดังนั้น วิธีการสามารถยังคงอยู่ในรูปแบบโครงสร้างของเราซึ่งผลกระทบพร้อมกันและความสัมพันธ์ระหว่างตัวแปรแฝงจะถูกประเมิน ในที่สุด การเพิ่มแอมป์ ตัวแปร บางคนจะตัวแปรที่ได้รับการเปลี่ยนแปลง (ดูตารางที่ 3) , เป็นการแนะนำ โดย Tabachnick และ Fidell (2007) นี้กรณีสำหรับเมืองซับซ้อน ระยะทางจากบ้านไปหยุดขนส่งที่ใกล้ที่สุด ระยะทางกิจกรรมที่ใกล้เคียง จำนวนรวมของการเดินทางยังได้รับกำลังสองรากเปลี่ยน ในเพื่อเพิ่มประสิทธิภาพของเครื่อง

ผลลัพธ์ (ไทย) 2:

สมการโครงสร้าง modelingIn เพื่อทดสอบอิทธิพลของการสร้างสภาพแวดล้อมในการเดินและการทดสอบบทบาทไกล่เกลี่ยของ
การเข้าถึงในความสัมพันธ์นี้เรานำโครงสร้างวิธีการสมการสร้างแบบจำลอง.
การสร้างแบบจำลองสมการโครงสร้าง (SEM) ได้ถูกนำมาใช้ในการวิจัยพฤติกรรมการเดินทางตั้งแต่ปี 1980
(Golob 2003) แม้ว่าเมื่อเร็ว ๆ นี้การรับเลี้ยงบุตรบุญธรรมได้รับการแพร่หลายมากขึ้น (ดูตัวอย่าง
แบคและ Mokhtarian ปี 2002 Abreu E ซิลวา Golob และ Goulias 2006 เฉา Mokhtarian และ
Handy 2007 Van Acker, Witlox และรถตู้วี 2007 ; Aditjandra เฉาและ Mulley 2012)
อาจเป็นเพราะความพร้อมของซอฟต์แวร์ทางสถิติหลาย SEM เป็นสถิติยืนยัน
วิธีการขึ้นอยู่ในความสัมพันธ์เชิงเส้นระหว่างตัวแปรที่ช่วยให้การทดสอบทฤษฎีเนื้อหาสาระ
อย่างชัดเจนโดยคำนึงถึงข้อผิดพลาดที่อาจเกิดขึ้นจากการวัดตัวแปรสังเกตทั้งหมดรวมทั้ง
ตัวแปรอิสระ ใน SEM มันเป็นไปได้ที่จะรวมถึงไม่เพียง แต่ตัวแปรสังเกต แต่ยังตัวแปรแฝงตัวแปรเช่นที่ไม่มีข้อสังเกตมี แต่ประจักษ์
ตัวเองในอื่น ๆ (หลาย) ตัวแปรสังเกต สี่ชนิดของแบบจำลองสามารถที่จะพัฒนากับ
เส: จำลองการวิเคราะห์เส้นทางคิดเพียงของตัวแปรสังเกตวิเคราะห์องค์ประกอบเชิงยืนยัน
รูปแบบที่ใช้ในการวิเคราะห์ความสัมพันธ์ระหว่างตัวแปรแฝงรูปแบบการถดถอยโครงสร้าง
ซึ่งรวมการวิเคราะห์เส้นทางที่มีการวิเคราะห์องค์ประกอบเชิงยืนยันและการเปลี่ยนแปลงในที่สุดก็แฝง รูปแบบ
การพัฒนาเพื่อศึกษาการเปลี่ยนแปลงในช่วงเวลา (Raykov และ Marcoulides 2006). ที่แนะนำโดยนักเขียนหลายคนที่เราตามขั้นตอนที่สองขั้นตอนในการสร้างแบบจำลองของตัวแบบการถดถอยของเราที่มีโครงสร้าง เราเริ่มต้นโดยการปรับรูปแบบการวัดและจากนั้นทั้งรูปแบบโครงสร้าง (เบิร์น 2010; Marôco 2010) โดยใช้ AMOS v.22 เรานำสูงสุดวิธีการน่าจะเป็นประมาณค่าและดัชนีปรับเปลี่ยนถูกนำมาใช้ในการปรับแต่งรูปแบบ ซึ่งแตกต่างจากในสาขาอื่น ๆ ของการวิจัยเช่นจิตวิทยาที่กำหนดไว้ตัวแปรสังเกตได้ถูกนำมาใช้ในการวัดตัวแปรแฝงภายในเขตของการวางผังเมืองและการขนส่งที่แฝงอยู่ตัวแปรที่ใช้มีการอธิบายโดยตัวแปรสังเกตที่แตกต่างกัน นอกจากนี้แม้กระทั่งสังเกตตัวแปรเป็นสามัญเป็นความหนาแน่นสามารถวัดได้ในรูปแบบที่แตกต่างกัน (ฟอร์ซิ et al. 2007) และความแปรปรวนดังกล่าวสามารถพบได้สำหรับการตรวจวัดอื่น ๆ ทั้งหมดที่ห้าของ Ds พ.ศ. ดังนั้นการที่ไม่ซ้ำกัน (และเทียบเท่า) ชุดของตัวแปรที่กำหนดไว้ในการวัดตัวแปรแฝงภายในพฤติกรรมการเดินทางไม่ได้อยู่ ดังนั้นแม้จะมีการสร้างแบบจำลองและสมการโครงสร้างเป็นวิธีการทางสถิติยืนยันรูปแบบการวัดมีแนวโน้มที่จะทำตามการสำรวจวิธีการเพื่อที่จะระบุตัวแปรสังเกตที่ดีที่สุดอธิบาย (ที่เกิดจากหรือมีอาการของ) ตัวแปรแฝง เรานำมาใช้เช่นวิธีการสร้างแบบจำลอง แต่มีหนึ่งข้อ จำกัด : อย่างน้อยหนึ่งตัวแปรจาก -five Ds‖ (ความหนาแน่นหลากหลายการออกแบบระยะทางในการขนส่งและการเข้าถึงปลายทาง) ควรจะเก็บไว้ในรูปแบบสุดท้าย ดังนั้นวิธีการยืนยันยังคงอยู่ภายในรูปแบบโครงสร้างของเราที่มีผลกระทบพร้อมกันและความสัมพันธ์ระหว่างตัวแปรแฝงจะมีการประเมิน สุดท้ายเพื่อเพิ่มประสิทธิภาพในภาวะปกติของตัวแปรบาง พ.ศ. ตัวแปรถูกเปลี่ยน (ดูตารางที่ 3) ตามข้อเสนอแนะและ Tabachnick Fidell (2007) นี้เป็นกรณีที่ซับซ้อนในเมืองระยะทางจากบ้านไปหยุดการขนส่งที่ใกล้เคียงที่สุดระยะทางไปยังกิจกรรมที่ใกล้เคียงที่สุด จำนวนทั้งหมดของการเดินทางเดินยังได้รับการยกกำลังสองรากเปลี่ยนในเพื่อเพิ่มประสิทธิภาพในภาวะปกติของมัน