2
Multivariate Statistik (Fach) / Gut zu wissen (Lektion)
Alles was Wissenswert zu Multivariate Verfahren ist
Diese Lektion wurde von s1anarmb erstellt.
- Welche Aussage kann getroffen werden ? Nennen sie die Modelgütekriterien und beschrieben Sie diese! Modellgütekriterien= Modellfitindizes Passung des Modells auf die Daten (durch Indizes angezeigt) theoretische Relevanz, Vollständigkeit; Interpretierbarkeit, Einfachheit --> komplexeres Modell enthält mehr zu schätzende Parameter-_> kann flexibler an Daten angepasst werden--> sollte einen besseren fit haben chi_quadrat= Summe aller Residuen (sollte negativ sein= df= Anzahl aller Residuen absolute Modellgütekriterien CFI(>.95)--> vergleicht Testmodel mit dem Unabhängigkeitsmodel RMSEA (<.05) --> gibt an, wie nahe das postulierte Model an die emp. Daten kommen SRMS (<.08)--> gibt an , wie gut sich das Modell den Daten annähern kann deskriptiv, passt das Modell gut/schlecht auf die Daten relative Modellgütekriterien: --> geben an wie viel Information durch das Modell verloren geht , je kleiner desto besser "badness of fit indices" AIC BIC adj.BIC
- X2(Chi_Quadrat)-Anpassungstest der Modelgüte Definition Ziel H0 und H1 hoher x2 Wert chi-quadrat= Summe aller Residuen df= alle Residuen Ziel: Vergleich der empirischen KVM mit der modellimplizierten KVM H0= Emp. und modellimplizierte Kovarainz Matrix sind gleich H1= Emp. und modellimplizierte Kovarainz Matrix sind verschieden hoher x2-Wert: signifikanter p-Wert überzufälliger UNterschied zwischen emp. und modellimplizierte MAtrix--> Modell ist zu verwerfen