Structural equation modeling (SEM) applications routinely employ a trilogy of significance tests that includes the likelihood ratio test, Wald test, and score test or modification index. Researchers use these tests to assess global model fit, evaluate whether individual estimates differ from zero, and identify potential sources of local misfit, respectively. This full cadre of significance testing options is not yet available for multiply imputed data sets, as methodologists have yet to develop a general score test for this context. Thus, the goal of this article is to outline a new score test for multiply imputed data. Consistent with its complete-data counterpart, this imputation-based score test provides an estimate of the familiar expected parameter change statistic. The new procedure is available in the R package semTools and naturally suited for identifying local misfit in SEM applications (i.e., a model modification index). The article uses a simulation study to assess the performance (Type I error rate, power) of the proposed score test relative to the score test produced by full information maximum likelihood (FIML) estimation. Due to the two-stage nature of multiple imputation, the score test exhibited slightly lower power than the corresponding FIML statistic in some situations but was generally well calibrated. (PsycINFO Database Record (c) 2019 APA, all rights reserved).

中文翻译：

---

在结构方程模型中进行模型修改的多次插值得分测试。

结构方程模型（SEM）应用程序通常采用重要性测试三部曲，其中包括似然比测试，Wald测试以及得分测试或修改指数。研究人员使用这些测试来评估整体模型拟合，评估单个估计是否与零不同以及分别确定潜在的局部拟合来源。对于全面估算的数据集，尚无足够的重要性测试选项，因为方法学家尚未针对这种情况开发通用分数测试。因此，本文的目的是概述针对多重估算数据的新分数测试。与它的完整数据对应物一致，此基于归类的得分测试可提供对熟悉的预期参数变化统计信息的估计。R程序semTools中提供了新程序，该程序自然适合于识别SEM应用程序中的局部失配（即模型修改索引）。本文使用模拟研究来评估提议的分数测试相对于通过全信息最大似然（FIML）估计产生的分数测试的性能（I类错误率，功效）。由于多重插补的两阶段性质，在某些情况下，评分测试的功效比相应的FIML统计数据略低，但通常校准良好。（PsycINFO数据库记录（c）2019 APA，保留所有权利）。相对于完全信息最大似然（FIML）估计产生的分数测试，所提出的分数测试的功效）。由于多重插补的两阶段性质，在某些情况下，评分测试的功效比相应的FIML统计数据略低，但通常校准良好。（PsycINFO数据库记录（c）2019 APA，保留所有权利）。相对于完全信息最大似然（FIML）估计产生的分数测试，所提出的分数测试的功效）。由于多重插补的两阶段性质，在某些情况下，评分测试的功效比相应的FIML统计数据略低，但通常校准良好。（PsycINFO数据库记录（c）2019 APA，保留所有权利）。