8
Multivariate Statistik (Fach) / VL 9 Modelltypen (Lektion)
Cross-Lagged-Panel Modelle
Latent-State-Trait-Modelle
Genestete Faktormodelle
Messinvarianz
Diese Lektion wurde von s1mamaeh erstellt.
Diese Lektion ist leider nicht zum lernen freigegeben.
- Was ist ein autoregressives Modell und was kann damit gemessen werden? Woran erkennt man Stabilität? LängsschnittdatenEine Variable sagt sich selbst (auto) zum jeweils nächsten Messzeitpunkt vorherZ.B. Verlauf von Depression über drei Halbjahre Mit Hilfe des Regressionskoeffizienten kann man verschiedene Fragen beantworten: Prädiktive Validität » Ist Dep_T1 ein guter Prädiktor für Dep_T2? Retest-Reliabilität » Misst das Depressionsinventar reliabel? (relative) Stabilität der interindividuellen Unterschiede » Bleiben die interindividuellen Unterschiede über die Mzp hinweg stabil? β zeigt die (relative) Stabilität der inter-individuellen Unterschiede an, nicht die (absolute) Stabilität des Gruppenmittelwerts Das Verhältnis zwischen den Personen ändert sich über die Mzp hinweg also gar nicht! Person 3 ist (im Verhältnis zum jeweiligen MW) immer gleich viel depressiver als Person 1 und 2 usw. Woran erkennt man Stabilität? Wenn ß signifikant Wenn ß=1
- Was ist ein Cross-Lagged-Panel Modell? Zwei autoregressive Modelle Autoregressives Modell für Depression Autoregressives Modell für Ressourcen Zusätzlich Richtung der prädiktiven (kausalen?) Beziehungen zwischen den zwei Zeitreihen Zwei MZP ausreichend ...Bei drei Mzp: zusätzlich Infos über Stabilität der prädiktiven Beziehungen Ziel von Cross-Lagged-Panel-Modellen ist es, die Veränderungen einer Variable (Depressivität)….…die durch das autoregressive Modell allein nicht erklärt werden kann……durch die Hinzunahme einer anderen Variable (Ressourcen) zu erklären Autoregressives Modell für DepressionKann Dep_T2 durch Dep_T1 vorhergesagt werden?Misst der Test reliabel?Sind die interindividuellen Unterschiede stabil? Cross-Lagged-Panel-Modell für Depression und RessourcenKann alles, was ein autoregressives Modell auch kann+Inwieweit kann die Veränderungder Depressivität zwischen T1 und T2 durch eine andere Variable erklärt werden?
- Was kann mithilfe von Latent-State-Trait Modellen untersucht werden? Reliabilitäten und konvergente Validitäten der Maße Messfehlerbereinigtes Ausmaß der Depression >>> durch Gleichsetzen der MW der Depression Stabilität der Depression Messinvarianz: Stabilität der Faktorladungen • Erkennungsmerkmal:Latente Variablen bilden dasselbe Konstrukt zu unterschiedlichen Mzp ab» Die latenten Faktoren sind situative Komponenten des gleichen Konstrukts (States)!Die latenten Variablen sind korreliert • ErkennungsmerkmalAus den 3 latenten State-Variablen wird eine übergeordnete latente Trait Variable erschlossenDepressivität unabhängig von situativen Einflüssen
- Wodurch kann der Modellfit weiter verbessert werden? Wie können korrelierte Fehlerterme berücksichtigt werden? Korrelierte Fehlerterme, um methodenspezifische Varianz zuzulassen >>>Z.B. Wer Fragebogenitem an T1 missversteht, kann das an T2 wieder tun Methodenfaktor: Varianz, die allen Maßen derselben Methode gemeinsam ist, unabhängig von der Ausprägung der Depression Methodenfaktoren dürfen nicht mit inhaltlichen Faktoren korrelieren Beobachtung: Ankermaß, theoretisch reines Maß des Konstrukts » Man darf Methodenfaktoren nicht für alle Indikatoren modellieren sondern muss immer einen Indikator auslassen» Dieser Indikator ist das s.g. Ankermaß Konstrukt und Methode sollen nicht konfundiert sein (Annahme: r= 0) Wie können korrelierte Fehlerterme berücksichtigt werden?a) Korrelationen in der Syntax spezifizierenb) Methodenfaktoren etablieren!
- Warum Methodenfaktoren statt korrelierte Fehlerterme? • Alle drei Mzp werden gleichzeitig mit einbezogen, nicht je drei Einzelkorrelationen>>Modell ist mit Methodenfaktoren sparsamer• Durch Methodenfaktoren kann man die Varianz aufsplitten:>>Wie viel der Gesamtvarianz lässt sich auf die allgemeine Depression (Trait) zurückführen?>>Wie viel auf den Mzp (States)>>Wie viel auf die Erhebungsmethode (Methodenfaktoren)>>Wie viel kann immer noch nicht erklärt werden? (Fehlervarianz)Allgemein• Methodenfaktoren sind Beispiele für genestete Faktoren
- Was ist der Unterschied zwischen genesteten Faktormodellen und genesteten Modellen? Achtung: genestete Modelle und genestete Faktoren sind nicht das Gleiche! GENESTETE MODELLE Zwei Modelle, die dieselben Variablen beinhalten Ein Modell wurde durch einschränkende Modellannahmen aus dem anderen Modell abgeleitet Die Modelle sind ineinander „verschachtelt“ (genestet) Es geht darum ein Modell durch einschränkende Modellannahmen sparsamer zu machen GENESTETE FAKTOREN Latente Faktorensind ineinander „verschachtelt“ (genestet) Beispiel: Methodenfaktoren Erkennungsmerkmal: >>>latente Faktoren „teilen“ sich dieselben Indikatoren! >>>Methodenfaktoren darf man darum nie für alle Indikatoren modellieren! »Man muss immer ein Ankermaß auslassen, für das es dann keinen eigenen Methodenfaktor gibt! Es geht darum, die Varianz durch die „Schachtelung“ (Nestung) von unabhängigen latenten Faktoren in (noch mehr) verschiedene Bestandteile aufsplitten zu können
- Was ist Messinvarianz? Messinvarianz liegt vor, wenn das Messmodell sich über Messzeitpunkte hinweg nicht ändert. In dem Fall erfasst jeder latente Faktor an mehreren Messzeitpunkten dasselbe Konstrukt in derselben Weise. Messmodell: Faktoren, Indikatoren, Faktorladungen, Intercepts, Disturbances
- Welche Abstufungen hat die Messinvarianz? •„nicht verändern“ hat verschiedene Abstufungen:Konfigurale Messinvarianz (Bei Pfaddiagramm oder Output nachgucken)» Anzahl der Faktoren und signifikanten Ladungen bleibt über die Mzp hinweg gleichSchwache faktorielle Messinvarianz (Durch Gleichsetzen in der Syntax)» Zusätzlich: Werte der Faktorladungen bleibenüber Mzp hinweg gleichStarke faktorielle Messinvarianz» Zusätzlich: Werte der Intercepts der Indikatorenbleiben überdie Mzp hinweg gleichStrikte faktorielle Messinvarianz» Zusätzlich: Fehlerterme bleiben über die Mzphinweg gleich
Anzeige