Strukturgleichungsmodellierung

Die Strukturgleichungsmodellierung passt Gleichungssysteme an, die latente Konstrukte zueinander und zu ihren beobachteten Indikatoren in Beziehung setzen, indem sie die modellimplizierten und beobachteten Kovarianzstrukturen abgleicht.

Definition

Die Strukturgleichungsmodellierung ist eine multivariate Methode, die die Parameter eines hypothetischen Systems schätzt, das latente und beobachtete Variablen miteinander verbindet, indem sie die von diesem System implizierte Kovarianzstruktur an die Stichprobenkovarianzmatrix anpasst.

Scope

Dieses Thema behandelt die Kombination eines konfirmatorischen Faktorenmessmodells mit einem Strukturmodell regressionsähnlicher Beziehungen zwischen latenten Variablen, Pfaddiagramme, Modellidentifikation, Schätzung durch Minimierung einer Diskrepanz zwischen beobachteten und modellimplizierten Kovarianzmatrizen sowie die Bewertung der Anpassung durch globale und lokale Indizes.

Core questions

• Wie kann eine Theorie, die als Beziehungen zwischen latenten Konstrukten ausgedrückt wird, anhand von Daten getestet werden?
• Wie werden Mess- und Strukturteile eines Modells gemeinsam spezifiziert?
• Wann ist ein Strukturgleichungsmodell identifiziert?
• Wie wird die Anpassung des Modells bewertet?

Key theories

Kovarianzstrukturanpassung

Das Modell impliziert eine Kovarianzmatrix als Funktion seiner Parameter, und die Schätzung wählt Parameterwerte, die eine Diskrepanz zwischen dieser implizierten Matrix und der beobachteten Stichprobenkovarianzmatrix minimieren.

Mess- plus Strukturmodell

Ein konfirmatorisches Faktorenmessmodell verbindet latente Variablen mit Indikatoren, während ein Strukturmodell gerichtete Beziehungen zwischen den latenten Variablen spezifiziert, sodass Messfehler explizit modelliert und von strukturellen Beziehungen getrennt werden.

Clinical relevance

Die Strukturgleichungsmodellierung wird in den Sozial-, Verhaltens- und Gesundheitswissenschaften häufig eingesetzt, um theoretische Modelle zu testen, die mit Fehlern behaftete Konstrukte, wie Mediation und Pfade zwischen latenten Variablen, umfassen.

History

Die Strukturgleichungsmodellierung führte Wrights Pfadanalyse aus der Genetik und die konfirmatorische Faktorentradition aus der Psychometrie zusammen, wurde in den 1970er Jahren durch Kovarianzstrukturmodelle und Software formalisiert und hat sich seitdem zu einem Standardwerkzeug in den Sozialwissenschaften entwickelt.

Debates

Fit-Indizes und Modellakzeptanz

Die Abhängigkeit von Grenzwerten für globale Fit-Indizes zur Akzeptanz oder Ablehnung von Modellen ist umstritten, da solche Schwellenwerte Heuristiken sind, die hinsichtlich der Angemessenheit eines Modells irreführen können.

Key figures

• Karl Joreskog
• Kenneth Bollen
• Sewall Wright

Seminal works

• bollen1989
• kline2016
• bartholomew2011

Frequently asked questions

Wie unterscheidet sich SEM von der gewöhnlichen Regression?

Es ermöglicht mehrere Gleichungen, latente Variablen, die durch mehrere Indikatoren mit explizitem Messfehler gemessen werden, und die gleichzeitige Schätzung eines gesamten Systems anstelle einer einzelnen Antwort auf Prädiktoren.

Kann SEM Kausalität beweisen?

Nein. Es prüft, ob eine spezifizierte Kausalstruktur mit den Daten konsistent ist, aber die kausale Interpretation beruht auf Annahmen, die allein durch Beobachtungsdaten nicht verifiziert werden können.