Poweranalyse für Strukturgleichungsmodelle
Die Poweranalyse für Strukturgleichungsmodelle (SEM) und andere multivariate Verfahren bestimmt die minimale Stichprobengröße, die erforderlich ist, um eine Modellfehlanpassung einer bestimmten Größenordnung mit ausreichender Wahrscheinlichkeit zu erkennen. Der dominante Ansatz, der 1996 von MacCallum, Browne und Sugawara eingeführt wurde, drückt die Effektgröße als Root Mean Square Error of Approximation (RMSEA) aus und leitet die Power aus der nichtzentralen Chi-Quadrat-Verteilung ab.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- MacCallum, R. C., Browne, M. W., & Sugawara, H. M. (1996). Power analysis and determination of sample size for covariance structure modeling. Psychological Methods, 1(2), 130–149. DOI: 10.1037/1082-989X.1.2.130 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 1). Power Analysis for Structural Equation Modeling and Multivariate Analyses. ScholarGate. https://scholargate.app/de/statistics/power-analysis-sem
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Multivariate Varianzanalyse (MANOVA)Statistik↔ compare
- Poweranalyse für Mehrebenen- und gemischte ModelleStatistik↔ compare
- Poweranalyse für ANOVAStatistik↔ compare
- Poweranalyse für multiple RegressionStatistik↔ compare
- Simulationsbasierte Power-Analyse (Monte-Carlo-Power)Statistik↔ compare
- Strukturelle GleichungsmodellierungForschungsstatistik↔ compare
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →