STATISTIK-FORUM.de

[Phi7]

Hallo zusammen,

ich habe eine Hypothese entwickelt, die besagt, dass der Zusammenhang bzw. das Zusammenspiel von drei metrisch skalierten Variablen (Likert-Skalen) die Ausprägung einer nominal skalierten Varibale (binär) voraussagt. Jetzt bin ich dabei herauszufinden, wie ich das statistisch testen kann. SGM/SEM sind für mich komplettes Neuland. Mittlerweile denke ich, dass ich eine binäre logische Regression rechnen kann, da meine Kriteriumsvaribale binär (0, 1) ist. Aber kann ich auch ein SGM/SEM rechnen. Für Tipps und Hinweise wäre ich euch sehr dankbar!

Viele Grüße
Philo

[bele]

Hallo Philo,

das hängt alles davon ab, welche Art von Zusammenhang Du zwischen Deinen unabhängigen Variablen vermutest. Wenn ein einfaches binär-logistisches Modell Deinen Vorstellungen entspricht, dann sind einfache Modelle einfach einfach und das ist etwas gutes. Es ist einfach für Deine Leser/Hörer zu verstehen was Du machst und es ist oft einfach, die Ergebnisse zu interpretieren und so weiter. Wenn Du dagegen komplexe gerichtete Zusammenhänge und vielleicht noch latente Zwischenwerte vermutest, dann ist ein komplexes Modell vielleicht besser. Wie würdest Du denn ein Strukturgleichungsmodell zeichnen in Deinem Fall zeichnen wollen?

Wenn Du gar keine Vorstellung von der Art des Zusammenhangs hast könnte es sinnvoll sein, ein noch etwas flexibleres Modell, im Extremfall einen randomForest, zu verwenden. Die Welt erschöpft sich ja nicht in linearer Regression und Strukturgleichungsmodellen.

LG,
Bernhard

[Phi7]

Hallo Bernhard,

vielen Dank für deine schnelle Antwort. Es wäre doch so schön, wenn es einfach einfach wäre. Ehrlich gesagt, glaube ich, dass es bei mir dann doch nicht so einfach ist. Ich arbeite fast nur mit latenten Variablen.


Ich sage zum Beispiel: Je stärker "Variable A" und "Variable B" positiv korrelieren, desto höher "Variable X".
- "Variable A" und "Variable B" beides latente Variablen, metrisch skaliert. "Variable X" ist nicht messbar, ergibt sich aus der Berechnung. "Variable X" ist der Korrelationskoeffizient.

Dann sage ich: Ja stärker "Variable X" und "Variable C" positiv korrelieren, desto eher "Varibale D" gleich.
- "Variable C" ist auch ein latentes Konstrukt, metrisch skaliert. "Variable D" ist nur binär (0, 1) und wird gemessen.

Außerdem sage ich: Je höher "Variable E", desto höher "Varibale C".
- "Variable C" und "Variable E" sind metrisch skaliert. Hier wird ein klassischer korrelativer Zusammenhang postuliert.

Das Ganze wird in einem quasi-experimentellen Setting erhoben.

Es ist also wahrscheinlich doch ein komplexeres Modell, oder? Das oben sind jetzt nicht alle Variablen. Ich mache auch noch Aussagen für negative Korrelationen.

Meinst du zeichnen im wörtlichen Sinne? Ich versuche nämlich grade so ein Modell (wörtlich gemeint) zu zeichnen und tu mir wahnsinnig schwer damit, wie ich die Variablen und Zusammenhangspfeile anordnen soll.

Vielen Dank für deine Hilfe!
Viele Grüße
Philo

[strukturmarionette]

Hi,

"Variable D" ist nur binär (0, 1) und wird gemessen.

- wie bei wem (oder an was) und wie oft gemessen?
- was ist fachliche Grundlage der Dichotomisierung?

Das Ganze

Wie lautet die fachliche Modellspezifikation des ganzen (das wichigste)?

ein komplexeres Model

- Die Möglichkeiten von Strukturgleichungsmodellierungen sind unendlich
- nur (zunächst) siehe oben

Gruß
S.

[Phi7]

Hallo S.,

ich habe heute nochmal über mein Modell gesprochen und dabei habe ich einen Denkfehler entdeckt, womit sich die Formulierung meiner Hypothesen nochmal verändert.

Bei meiner abhängigen Variable "Variable D" geht es um eine Entscheidung (dafür oder dagegen). Diese wird einmal gemessen und ist auch die Gruppenvariable im quasi-experimentellen Design.

Meine unabhägige Variable "Variable X" ist ein Produkt auch "Variable A" und "Variable B" (hier lag mein Denkfehler... zu kompliziert, um es zu erklären).

Je höher "Variable X", desto eher "Variable D" gleich 1 (Entscheidung dafür).

"Variable C" moderiert/verstärkt den Zusammenhang zwischen "Variable X" und "Variable D".

Vielen Dank für deine Hilfe!
LG
Philo