Diskussion:Strukturgleichungsmodell

Automatische Archivierung

Auf dieser Seite werden Abschnitte ab Überschriftenebene 2 automatisch archiviert, die seit 7 Tagen mit dem Baustein {{Erledigt|1=--~~~~}} versehen sind. Die Archivübersicht befindet sich unter Archiv.

Überprüfung kausaler Zusammenhänge

Ich habe den entsprechenden Teil mal gestrichen. Es ist nicht möglich über statistische Verfahren eine kausale Wirkrichtung nachzuweisen. Das ist in empirischen Studien nur über das Untersuchungsdesign möglich, Stichwort interne Validität. Die Kausalität in SEM wird meines Wissens nur durch das verwendete theoretische Modell impliziert, jedoch nicht durch die Ergebnisse der Analyse. Mindsteam (Diskussion) 23:03, 2. Sep. 2013 (CEST)

Das ist eine möglicherweise veraltete Lehrmeinung - Kausale Analyse mit Strukturgleichungsmodellen ist ein aktives Gebiet der Forschung. Ich empfehle dazu das Buch "Causality: Models, Reasoning and Inference" von Judea Pearl. Die englischsprachige Wikipedia ist da schon deutlich weiter. Ich empfehle die Artikel zu "Structural Equation Modeling" der englischen Wikipedia und Strukturgleichungsmodellen mal abzugleichen. Und damit meine ich nicht, den guten englischen Artikel zu zerstören :) (Diskussion) (CEST) (nicht signierter Beitrag von 78.48.54.69 (Diskussion) 23:38, 17. Apr. 2014 (CEST))

Service: Pearl, Judea. "Causality: models, reasoning, and inference." IIE Transactions 34.6 (2002): 583-589.

SEM wurden früher bzw. werden leider immer noch als Kausalmodelle bezeichnet. Für die Überprüfung von Kausalzusammenhängen gilt das Gleiche wie für z. B. lineare Regressionen: Allenfalls ein Indiz liefern sie. Die Bezeichnung als Kausalmodell ist historisch bedingt und heutzutage ein Ärgernis, das sich nicht so schnell austreiben lassen wird. (nicht signierter Beitrag von 2003:6A:6518:CD8D:598C:6D40:138:20A2 (Diskussion | Beiträge) 22:49, 8. Apr. 2015 (CEST))

siehe hierzu bspw. Steinmetz, Lineare Strukturgleichungsmodelle, Eine Einführung mit R, 2014, S. 4: "[SEM] Sie sind ein sehr nützliches Werkzeug, um Hypothesen über Beziehungen zwischen Variablen zu prüfen und – mehr noch – Implikationen kausaler Strukturen zu testen. Während in den ersten Jahrzehnten der Nutzung von „SEM“ (structural equation modeling) der Enthusiasmus groß war und Parameterschätzungen vorschnell als wirkliche, kausale Effekte interpretiert wurden, hat sich in der letzten Zeit genau das Gegenteil eingestellt – nämlich, dass kausales Denken quasi aus SEM verbannt und die Parameter lediglich in Termini von „Beziehungen“ interpretiert werden. Dies stellt allerdings einen Rückschritt dar. SEM sind, wenn sie richtig angewendet werden, eine mächtige Methode, um bei Fehlen von randomisierten Experimenten (d.h. bei Feldstudien) kausale Hypothesen zu testen, ohne gleichermaßen in die Falle der naiven kausalen Interpretation der Koeffizienten in Modellen zu tappen." (nicht signierter Beitrag von 141.58.138.101 (Diskussion) 09:06, 8. Mai 2015 (CEST))

Unzureichende Unterscheidung von varianz- und kovarianzanalytischem Ansatz

Sehr geehrte Wikipedia-Autoren und Benutzer,

der Artikel zur Struktgleichungsmodellierung ist bisher sehr knapp gehalten und lässt wesentliche Informationen aus. Der varianzanalytische Ansatz (bei PLS) und der kovarianzanalytische Ansatz (u.a. bei LISREL, AMOS) der Strukturgleichnungsmodellierung sind wesentlich unterschiedlich. Wenn sie unter einem Artikel zusammengefasst sind, wäre es zweckmäßig zumindest auf die fundamentalen Differenzen hinzuweisen.

Beispielsweise versucht der varianzanalytische Ansatz die Ausgangsdatenmatrix möglichst gut angenähert zu reproduzieren, während der kovarianzanalytische Ansatz versucht die empirische Korrelationsmatrix mit dem Modell möglichst gut wiederzugeben. Außerdem erfolgt die Schätzung der Koeffizienten beim Kovarianz-Ansatz simultan. Beim PLS-Ansatz werden inneres und äußeres Modell schrittweise (SmartPLS) bzw. in iterativen Ansätzen (PLS) abwechselnd geschätzt.

Dies führt zu unterschiedlichen Anwendungsfeldern für beide Ansätze. Wegen dem direkten Bezug des varianzanalytischen Ansatzes zu den Ausgangsdaten eignet sich dieser beispielsweise für Prognosemodelle, bei denen die Ausprägung einer endogenen Variablen aufgrund der Ausprägungen der exogenen Variablen für einzelne Fälle vorhergesagt werden soll.

Bei der (deduktiven) Theorieprüfung zeigt er seine Schwäche jedoch durch das schrittweise Vorgehen. Da das innere Modell getrennt von den äußeren Modellen betrachtet wird, werden die durch die Operationaliserung entstehenden Messfehler unzureichend berücksichtigt. Die Pfadkoeffizienten (sowie die Modellgüte) werden im varianzanalytischen Ansatz tendentiell überschätzt. Durch die simultane vorgehensweise des kovarianzanalytischen Ansatzes verarbeitet dieser die Messfehler effizienter und liefert daher stichhaltigere Ergebnisse zur Theorieprüfung.

In der Wissenschaft wird dennoch häufig der varianzanalytische Ansatz zur Theorieprüfung herangezogen. Der momentan bestehende Wikipedia-Artikel weist auf die wachsende Beliebtheit hin. Dies ist möglicherweise auf die anscheinend "besseren" (da tendetiell überschätzten) Ergebnisse der Methode zurückzuführen, die selbstverständlich attraktiver wirken, auch wenn sie zur Theorieprüfung weniger aussagekräftig sind, als die des kovarianzanalytischen Ansatzes.

Eine Aufklärung über diese fundamentalen Unterschiede auch über Wikipedia könnte möglicherweise die Sensibilität für dieses Thema stärken und zu einem zweckmäßigeren Gebrauch beider Methoden beitragen.

Ich würde mich über eine Diskussion und Berücksichtigung dieser Anmerkung freuen.

Mit besten Grüßen S.D. (Ich bitte um Verständnis für meine Annonymität. Ich bin für die Demokratisierung von Wissen, jedoch gegen die Demokratisierung privater Daten) (nicht signierter Beitrag von 87.179.155.181 (Diskussion) 00:33, 12. Dez. 2010 (CET))

Guten Morgen :) Leider ist es bei einigen Artikeln im Bereich Statistik so, dass sie unpräzise oder unvollständige Informationen enthalten. Und je spezieller die Themen sind, desto eher passiert das leider. Auf anderen Seite kann aber auch jeder mit seinem Wissen neue Artikel anlegen oder vorhandene ausbauen/verbessern (die Hinweise zum Artikel schreiben finden sich unter WP:GA und WP:ART, allgemeine Hilfe findet sich unter WP:H). Wir freuen uns über jeden, der die Wikipedia besser macht --Sigbert 08:18, 12. Dez. 2010 (CET)

Modellfit - Fehlendes Kapitel

(25.01.2012) Es sollte definitiv etwas zu "Modellfit" & Fit-Indizes (und deren Cut-Off-Werte) gesagt werden. (nicht signierter Beitrag von 213.47.49.17 (Diskussion) 15:27, 25. Jan. 2012 (CET))