STATISTIK-FORUM.de

[SookieStack]

Hallo,
ich hoffe ich drücke mich einigermaßen verständlich aus:

Also - ich habe ein (Strukturgleichungs)Modell das einen Zusammenhang von (grob ausgedrückt) Gerechtigkeit, Legitimität & Rechtstreue überprüft. Gut, jetzt weiß ich aber, dass andere Faktoren (außer eben Legitimität) AUCH die AV (also Rechtstreue) beeinflussen, nämlich unter anderem das Sanktionsrisiko, die persönliche Moral, das Wertesystem eines Menschen usw....ich habe diese Variablen (also Sanktionsrisiko, persönliche Moral usw.) auch zur Verfügung. Was mache ich jetzt damit? Ich will sie ja nicht IN das Modell integrieren - weil es mir ja um den Zusammenhang zwischen Legitimation & Rechtstreue geht und nicht darum, Rechtstreue möglichst hoch zu erklären - sondern ich will diese Faktoren kontrollieren. Wie zeichne sich sie also 1. in mein Modell ein und wie kontrolliere ich diese? Bzw. kann ich den Zusammenhang VERGLEICHEN (also z.b. den Zusammenhang zw Legitimation und Rechtstreue mit dem Zusammenhang zw persönlicher Moral und Rechtstreue )????

Und kann man ZUVIELE Kontrollvariablen haben? Wie genau funktionieren denn die Kontrollvariablen - ich hab versucht mich in Borius & Field schlau zu machen, aber über Kontrollvariablen schreiben die jetzt auch nicht allzu viel.

[Albrecht]

"Ich will sie ja nicht IN das Modell integrieren - weil es mir ja um den Zusammenhang zwischen Legitimation & Rechtstreue geht und nicht darum, Rechtstreue möglichst hoch zu erklären - sondern ich will diese Faktoren kontrollieren. Wie zeichne sich sie also 1. in mein Modell ein und wie kontrolliere ich diese?"

Willst Du sie Im Modell nun haben?

Eine Strategie wäre, dass man die Kontrollvariable als Einflussvariablen für die latenten Variablen modelliert. Die Modifikatuinsindizes zeigen dann an, welche Pfade eventuell noch hinzugefügt werden / entfernt werden müssen, damit sich der Modellfit verbessert.

VG, Albrecht

[SookieStack]

"Willst Du sie Im Modell nun haben?

Eine Strategie wäre, dass man die Kontrollvariable als Einflussvariablen für die latenten Variablen modelliert. Die Modifikatuinsindizes zeigen dann an, welche Pfade eventuell noch hinzugefügt werden / entfernt werden müssen, damit sich der Modellfit verbessert"

Danke für deine Antwort!

Ich will diese Variable(n) NICHT als unabhängige Variablen in mein Modell integrieren. Aber als Kontrollvariablen.

Wie meinst du das, ich soll sie als EinflussV für die latenten V verwenden? Ich will ihren Einfluss auf EINE Variable (nämlich Rechtstreue) kontrollieren?

Beste Grüße
Sookie

[strukturmarionette]

Hi,

Ich will diese Variable(n) NICHT als unabhängige Variablen in mein Modell integrieren. Aber als Kontrollvariablen.

Schreibe am besten mal auf, was Dein Verständnis einer Kontrollvariablen beinhaltet.
Durch eine bloße Aufnahme als UV erfolgt bereits eine 'Kontrolle'.

Hinsichtlich der Bedeutung von Kontrollvariablen herrscht aber wohl eine Verständnisvielfalt.
Letztlich ließe sich das hauptsächlich durch Deine (konkreten theoretischen) Fragestellungen beantworten.

Gruß
S.

[SookieStack]

Hi,

Ich will diese Variable(n) NICHT als unabhängige Variablen in mein Modell integrieren. Aber als Kontrollvariablen.

Schreibe am besten mal auf, was Dein Verständnis einer Kontrollvariablen beinhaltet.
Durch eine bloße Aufnahme als UV erfolgt bereits eine 'Kontrolle'.

Hinsichtlich der Bedeutung von Kontrollvariablen herrscht aber wohl eine Verständnisvielfalt.
Letztlich ließe sich das hauptsächlich durch Deine (konkreten theoretischen) Fragestellungen beantworten.

Gruß
S.

Danke für deine Antwort.

Mein SGM sieht vereinfach dargestellt so aus X1,X2,X3, --> Y1,Y2,Y3--> AV <-- KV1,KV2,KV3

Der eine Prof. meint, ich soll die KVs als UVs vorne im Modell integrieren (bei X1,...was ich nicht tun werde, weil ich ein bestimmtes Modell messe...aber das ist eine andere Geschichte), der andere meint ich soll noch mehr KVs aufnehmen und mein Betreuer sagt, ich soll nicht zuviel KVs aufnehmen (wieso nicht???? Kann man denn zuvieles KVs haben und was könnte dann passieren??)

ICH verstehe unter einer KV einen theoretisch oder empirisch begründeten vermuteten Einfluss auf die AV, den ich gerne konstant halten möchte.

Eben weil es soviele Verständnisweisen von KV gibt, möchte ich gern Klarheit und es vernünftig begründen können, warum und wie ich mit den KVs umgehe

LG SOOKIE

[strukturmarionette]

Hi,

ICH verstehe unter einer KV einen theoretisch oder empirisch begründeten vermuteten Einfluss auf die AV, den ich gerne konstant halten möchte.

Eid, M., Gollwitzer, M. & Schmidt, M. (2013)
Statistik und Forschungsmethoden (3te korr. Auflage), Weinheim: Beltz.
Seite 51-60.

Zu Orientierung und Übersicht, insb auch zur Konstanthaltungsstrategie.

Gruß
S.

[Albrecht]

...
Ich will diese Variable(n) NICHT als unabhängige Variablen in mein Modell integrieren. Aber als Kontrollvariablen.

...

Wie soll es denn anders gehen? Eine KV zu kontrollieren, ohne diese im Modell aufzunehmen, kann man machen, ist aber nur bedingt zielführend.

...
....
Wie meinst du das, ich soll sie als EinflussV für die latenten V verwenden? Ich will ihren Einfluss auf EINE Variable (nämlich Rechtstreue) kontrollieren?

Und wie willst Du Letzteres umsetzen, ohne die KV als UV im Modell aufzunehmen?

Wenn man zu viele KVs aufnimmt, dann wird der Modellfit insgesamt wahrscheinlich schlechter, da das Modell komplexer wird.

[SookieStack]

Hi,

Ich will diese Variable(n) NICHT als unabhängige Variablen in mein Modell integrieren. Aber als Kontrollvariablen.

Schreibe am besten mal auf, was Dein Verständnis einer Kontrollvariablen beinhaltet.
Durch eine bloße Aufnahme als UV erfolgt bereits eine 'Kontrolle'.

Hinsichtlich der Bedeutung von Kontrollvariablen herrscht aber wohl eine Verständnisvielfalt.
Letztlich ließe sich das hauptsächlich durch Deine (konkreten theoretischen) Fragestellungen beantworten.

Gruß
S.

Danke!! Bin gerade dabei das Buch aufzutreiben!

...
Ich will diese Variable(n) NICHT als unabhängige Variablen in mein Modell integrieren. Aber als Kontrollvariablen.

...

Wie soll es denn anders gehen? Eine KV zu kontrollieren, ohne diese im Modell aufzunehmen, kann man machen, ist aber nur bedingt zielführend.

...
....
Wie meinst du das, ich soll sie als EinflussV für die latenten V verwenden? Ich will ihren Einfluss auf EINE Variable (nämlich Rechtstreue) kontrollieren?

Und wie willst Du Letzteres umsetzen, ohne die KV als UV im Modell aufzunehmen?

Wenn man zu viele KVs aufnimmt, dann wird der Modellfit insgesamt wahrscheinlich schlechter, da das Modell komplexer wird.

Wahrscheinlich drücke ich mich falsch aus - meine Professoren meinten ich sollte gewisse Einflüsse (die ich als KVs behandle) in meinen Erklärungsansatz (der vereinfacht sagt, dass Verfahrensgerechtigkeit über Legitimität die bürgerl. Rechtstreue beeinflusst mit hinein nehmen -nämlich als gleichwertige UV neben meinen UV - was ich nicht will.

Aber ich versuch es mal mit dem Lit.tip, vielleicht gehts dann besser

[Holgonaut]

Hi,

wenn ich auch mal meinen Senf dazu geben will. Mir ist es egal, ob man Variablen "Kontrollvariablen", "UVn" etc. nennt. Zentral ist, ob eine Variable,
die vielleicht gar nicht im Fokus steht, berücksichtigt werden muss ist, ob sie a) selbst einen Effekt auf die AV hat UND b) mit der UV von Interesse
korreliert. "Weitere Einflüsse auf die AV" kann man getrost ignorieren, wenn sie nicht mit der/den UVn korrelieren.

Diejenigen Variablen, die beide Kriterien erfüllen, müssen kontrolliert werden - in dem man sie in das Modell einbezieht, da sie einen "non-causal"-link
zwischen der UV und der AV generieren. Von diesen Variablen gibt es zwei Sorten: Kovariate und confounder. Kovariate haben Effekte auf die AV und
sie korrlieren aus unerklärlichen Gründen (vielleicht weil sie und die UV gemeinsame Ursachen haben). Confounder sind Variablen, die einen Effekt
auf die UV UND die AV haben und so einen non-causal link generieren.

Ignoriert man diese Variablen, bekommt man eine verzerrte Schätzung des Effekts. Dies kann dazu fürht, dass es gar keinen Effekt gibt, man findet aber einen
Pseudoeffekt oder aber es gibt einen und man findet keinen.

Neben der Einbeziehung solcher Variablen ist eine Lösung die Instrumentalvariablenmethode. Dabei fügst du in Dein Modell Variablen ein (Instrumente) die NUR
einen Effekt auf die UV haben (und zwar einen substantiellen, sonst klappt das nicht), aber keinen direkten auf die AV (was zu testen/belegen ist).

Ich empfehle mal folgendes sehr gutes Kapitel über die Grundprinzipien zu lesen:

https://www.google.de/url?sa=t&rct=j&q= ... p3OtVqaqhg

Grüße
Holger

[SookieStack]

Hi,

wenn ich auch mal meinen Senf dazu geben will. Mir ist es egal, ob man Variablen "Kontrollvariablen", "UVn" etc. nennt. Zentral ist, ob eine Variable,
die vielleicht gar nicht im Fokus steht, berücksichtigt werden muss ist, ob sie a) selbst einen Effekt auf die AV hat UND b) mit der UV von Interesse
korreliert. "Weitere Einflüsse auf die AV" kann man getrost ignorieren, wenn sie nicht mit der/den UVn korrelieren.

Diejenigen Variablen, die beide Kriterien erfüllen, müssen kontrolliert werden - in dem man sie in das Modell einbezieht, da sie einen "non-causal"-link
zwischen der UV und der AV generieren. Von diesen Variablen gibt es zwei Sorten: Kovariate und confounder. Kovariate haben Effekte auf die AV und
sie korrlieren aus unerklärlichen Gründen (vielleicht weil sie und die UV gemeinsame Ursachen haben). Confounder sind Variablen, die einen Effekt
auf die UV UND die AV haben und so einen non-causal link generieren.

Ignoriert man diese Variablen, bekommt man eine verzerrte Schätzung des Effekts. Dies kann dazu fürht, dass es gar keinen Effekt gibt, man findet aber einen
Pseudoeffekt oder aber es gibt einen und man findet keinen.

Neben der Einbeziehung solcher Variablen ist eine Lösung die Instrumentalvariablenmethode. Dabei fügst du in Dein Modell Variablen ein (Instrumente) die NUR
einen Effekt auf die UV haben (und zwar einen substantiellen, sonst klappt das nicht), aber keinen direkten auf die AV (was zu testen/belegen ist).

Ich empfehle mal folgendes sehr gutes Kapitel über die Grundprinzipien zu lesen:

https://www.google.de/url?sa=t&rct=j&q= ... p3OtVqaqhg

Grüße
Holger

Sehr gut - DIE Erklärung versteh ich. Danke auch für den Link!