Multivariate Verfahren (Subject) / Pfadmodelle und Pfadanalyse (Lesson)

This lesson was created by Sebbie91.

Learn lesson

This lesson is not released for learning.

back  |  next 1 / 1

• Ist die moderierte Regression ein Pfadmodell? Ja, es beinhaltet nämlich zwei Kriterien, also zwei Variablen die erklärt werden ( Y1 und Y2 ) . Jedoch berechnen wir mehrere Regressionen. Bei (echten) Pfadmodellen wird nur eine Regression berechnet
• Was ist mit endogenen und exogenen Variablen gemeint? Exogen = X Variablen Endogen = Y Variablen: Auf sie ist mindestens ein Pfeil gerichtet
• Wie lässt sich ein Pfadmodell darstellen? 1. grafisch als Pfadiagramm 2. Durch ein System von Regressionsgleichungen
• Was sind die Ziele der Pfadanalyse? 1. Totale, direkte und indirekte Effekte bestimmen und auf signifikanz testen 2. Bei Modellen mit mindestens einer Restriktion die Modellanpassungsgüte im Sinne der Zulässigkeit der Restriktion (en) überprüfen
• Was bedeutet im Restriktion im Pfadmodell ganz praktisch? Es wird einfach eine Verbindung weggelassen und geschaut, ob das Modell dann immer noch gut auf die Daten passt.
• Wie heißen die Regressionskoeffizienten beim Pfadmodell und welche Besonderheit haben sie? Pfadkoeffizienten (p). Sie sind standardisiert.
• Welche Regel gilt beim aufstellen der Modellgleichung bei Pfadmodellen? Jede Variable die erklärt wird (endogene Variable), hat eine eigene Modellgleichung und enthält alle erklärenden Variablen.
• Welche Effektarten unterscheidet man bei der Pfadanalyse? Erkläre kurz die direkten Effekte. 1. Korrelationen 2. direkte Effekte - direkter Pfeil, kontrolliert für die Pfeile die auf auf Y zeigen 3. indirekte Effekte -  4. totaler
• Wann enthält ein Pfadmodell eine testbare Restriktion? Wenn zwei Variablen weder durch einen Bogen (Korrelation), oder einen Pfeil miteinander verbunden ist.
• Wie können zulässige indirekte Effekte aufgedeckt werden? Anhand der Tracing Rules
• Advertisement
• Wie setzt sich der totale Effekt zusammen? Summe aus direkter Effekt und indirekter Effekt
• Wie läuft eine Analyse mit MPlus ab? Wie werden die Modellparameter geschätzt? Maximum-Likelyhood-Methode Datengrundlage: Korrelationsmatrix oder Kovarianz/Korrelations-Matrix zwischen den manifesten Variablen. Missing Values werden trotzdem eingeschlossen.
• Wie ermittelt sich die Anzahl der im Modell enthaltenen freien Modellparametern und Informationen? Wie ermitteln sich die Freiheitsgrade? q=  1. Anzahl der Pfadkoeffizienten 2. Anzahl der Korrelationen m= Alle paarweise berechneten Korrelationen df= m - q falls m<q und somit df= -, dann kann man das Modell nicht rechnen
• Nenne die drei Tracing Rules. 1. Keine Schleifen: Routen dürfen Variablen nicht 2x enthalten 2. Nicht vorwärts und dann rückwärts 3. In einer zulässigen Route darf nur eine Korrelation enthalten sein
• Wie werden die Korrelationen "nachgebaut"? Anhand der Tracing Rules wird der Totale Effekt dekomponiert in Direkte Effekte und Indirekte Effekte
• Wie kann man indirekte Effekte unterteilen? 1. kausal (Mediation) 2. Schein - erst zurück, dann vor 3. korrelativ - Eine Korrelation ist enthalten
• Wozu wird das Gleichungssystem zum nachbauen genutzt? Um die Modellparameter zu schätzen (Korrelationen) und um zu schauen, ob die Korrelationen mit den tatsächlichen Korrelationen übereinstimmen.
• Was gilt bei der Pfadanalyse für df=0 Man kann die Korrelation perfekt nachbauen
• Wozu dient das Gleichungssystem zur Dekomposition der Korrelationen? 1. Erkennen der Modell enthaltenen indirekten Effekte 2. Zur Schätzung der Modellparameter 3. Evaluation des Modells
• Was versteht man unter der Diskrepanzfunktion F? Der Wert Empirische Korrelation - Nachbau der Korrelationen.
• Welche Tests testen ob vorgenommene Restriktionen zulässig sind? X² Anpassungstest: H0: F ist gleich null (Nullhypothese) H1: F ist ungleich null X² Test als deskriptives Maß: X² <gleich 2 x df =gut ; X² <gleich 3 x df= aktzeptabel RMSEA: <0.05 gut, <0.08 aktzeptabel - belohnt Sparsamkeit CFI: >.95 aktzeptabel >.97 gut

back  |  next 1 / 1