STATISTIK-FORUM.de

[makautz@hotmail.com]

Hallo zusammen,

kurze Frage: kann ich wenn ich eine binäre abhängige Variable habe ein Strukturgleichungsmodell benutzen,
oder muss ich dann was anderes, wie bspw. logit reg benutzen?

Danke & Gruß

[Holgonaut]

Hi,

es kommt darauf an, ob
a) die abhängige Variable konzeptionell eine Dimension ist, du aber eine binäre Messung hast (dann ein SEM mit DWLS oder WLSMV rechnen) oder
b) ob die abhängige Variable auch konzeptionell binär ist. Mplus kann diese Variablen m.W. auch in einem SEM einbeziehen.

Gruß
Holger

[makautz@hotmail.com]

Hi,

danke für die Antwort. Ich versteh sie nur noch nicht ganz, deshalb habe ich auch eine Weile nicht geantwortet

Die abhängige Variable ist "die Absicht etwas zu nutzen". Ich erstelle sie folgendermaßen:
Im Fragebogen steht:
"Kreuzen sie an, was sie davon zukünftig nutzen wollen"
Das sind dann 10 Items - die bringen mir für die Auswertung so erstmal wenig.
Daher füge ich eine zusätzliche binäre Variable ein, die aussagt:
"Wenn jemand mindestens eine dieser Dinge nutzen möchte, schreibe in die binäre abhängige Variable eine 1 hin, wenn nicht, eine 0".

Befinde ich mich jetzt in Fall a) oder b) von Dir?

Gruß
Markus

[Holgonaut]

Hi Markus,

eine latente Variable ist EINE Dimension, die einer oder mehreren gemessenen Variablen kausal zugrunde liegt. Wenn sich die Nutzung(en), die in den items abgefragt wird, daher auf viele verschiedene Dinge bezieht: wie soll das dann EINE Variable/Dimension sein?

Du scheinst eher so eine Index- Idee zu haben ("wenn die items so oder so angekreuzt sind, dann folgt daraus ein so und solcher Wert der AV").

Was ich meinte ist folgendes:

Fall a): Hier ist die latente Variable z.B. die Absicht, im nächsten Jahr regelmäßig Sport zu treiben. Dies ist eine kontinuierliche Dimension, wenn diese Absicht eben kontinuierlich variieren kann (von "absolut keine Lust" bis "auf jeden Fall"). Zwischen beiden Extremen ist jeder GRAD an Absicht möglich. Jetzt hab ich aber nur das item "werden Sie nächstes Jahr regelmäßig Sport treiben?" mit den beiden Antwort-Möglichkeiten "ja" vs. "nein". Hier wird ein Schwellenmodell unterstellt - d.h. ab einem gewissen Grad an Absicht macht es "schwupps" und die Person kreuzt nicht mehr "nein", sondern "ja" an.


Fall b) Hier ist die latente Variable beispielsweise die Gründung eines Unternehmens im letzten Jahr. In diesem Fall ist die latente Variable selbst kategorial (d.h. ja oder nein). Dies würde man abfragen mit "haben Sie im letzten Jahr ein Unternehmen gegründet" - ebenfalls mit den Antwort-Alternativen "ja" vs. "nein".

D.h. Fall a und b unterscheiden sich darin, ob das unbeobachtete empirische Phänomen selbst kontinuierlich variiert oder Kategorien hat.

In beiden Fällen folgt das Phänomen nicht aus Daten (durch irgendeinen Konstruktionsprozess), sondern es liegt ihnen zugrunde, genau wie der Blutruck der Blutdruckmessung zugrundeliegt, das Körpergewicht der Anzeige auf der Waage, die radioaktive Strahlung dem Ausschlag des Geigerzählers.

HTH
Grüße
Holger

[Semson]

Eine kurze Gedankenäußerung von den billigen Plätzen:

Ein Index über die 10 binären Variablen bringt, glaube ich, nur dann was, wenn die Anzahl der unterschiedlichen Dinge etwas über die Stärke der Intention aussagt. Also, wenn jemand a,b und c nutzen möchte, hätte er eine höhere Intention, als jemand der nur a nutzen will. Vermutlich ist es aber auch möglich, dass jemand mit besonders starker Absicht a zu nutzen, insgesamt eine höhere Intention hat, als eine andere Person, die a, b und c in Betracht zieht. Ich vermute also, wenn auch ohne Wissen über den Hintergrund, dass die Anzahl der Dinge und die höhe der Intention nicht in direkter Beziehung stehen.

Meine unqualifizierte Einschätzung wäre jetzt, dass Du nur die von Dir vorgeschlagene binäre Variable (nichts angekreuzt/mindestens 1 angekreuzt) für die abhängige Variable nutzt. Eventuell als single-item-latent variable? Und das wäre dann Holgers Variante a.

[makautz@hotmail.com]

Hallo zusammen,

Danke für Eure Antworten!!
Die Idee war wie bei Holgers Fall a) zu sagen: Wenn jemand in diesem Jahr plant Pommes zu essen und/oder Burger zu essen und/oder Cola zu trinken werde ich eine zusätzliche Variable "fast food" einführen, die sobald einer oder mehrere dieser Fälle eintreten "wahr" wird.
Ihr scheint davon mehr Ahnung zu haben als ich. Ist ein SEM in einem Fall wie oben beschrieben überhaupt noch sinnvoll, oder sollte ich eher eine logistische Regression benutzen?

Viele Grüße
Markus

[Holgonaut]

Hallo Leute

Hmm, ich würde eigentlich hier 3 Intentionen spezifizieren (nämlich eine pro Essensart). Andererseits könnte EINE Intention (ich esse junk food) Sinn machen und dann hau ich mir alles rein, was dazu passt.

Nur: dann hätte ich es halt auch von Anfang an so gemessen

Vielleicht würde es dann Sinn machen, EINE latente Variable zu modelieren (die kontinuierlich ist) und die 3 Essensarten als binäre Indikatoren.

Aufsummieren von einzelnen Aspekten ist immer so ne Sache, auch wenn es oft praktisch nicht anders geht.

Gruß
Holger

[makautz@hotmail.com]

Danke soweit, ich bin jetzt nach Holgers Version a) verfahren.
Ich wurde jetzt auf einen vermeintlichen Denkfehler in meinem Modell hingewiesen.
Es wurde mir nämlich gesagt, dass ich ein Strukturgleichungsmodell nur dann anwenden kann, wenn ich mehrere Items habe und dadurch eine Faktorenanalyse machen kann.
Würde ihr dem zustimmen? Instinktiv würde ich Widersprechen, da mir persönlich egal ist, ob ich EIN Item habe und eine Beziehung zur abhängigen Variable testen will, oder einen Faktor, der mit mehreren Items abgefragt wird.

Gruß
Markus

[Holgonaut]

Hallo Markus,

auweia, nein auf keinen Fall. Der Kern eines Strukturgleichungsmodells ist, dass eine kausale Struktur angenommen wird, die *Restriktionen* impliziert.
Das heißt, nicht alles hat auf alles andere einen Effekt, sondern es gibt Beschränkungen / quasi Hürden, die das Modell meistern muss in der Erklärung der Daten.

Wenn du ein item hast, muss das nicht heißen, dass du es so blank (d.h. inkl. Messfehler) behandeln musst, sondern du kannst einen Messfehler modellieren, in dem
du ihn fixierst. Ich empfehle dazu diesen Artikel unbedingt mal genau durchzukauen:

Hayduk, L. A., & Littvay, L. (2012). Should researchers use single indicators, best indicators, or multiple indicators. BMC Medical Research Methodology, 12(159), 1-17.
http://www.biomedcentral.com/content/pd ... 12-159.pdf

Natürlich ist die berechtigte Kritik an solchen "single- indikator-Variablen", dass man ja nicht weiß, wie hoch der Messfehler ist. Allerdings weiß ich durch aus (mit 99% Sicherheit
dass er nicht messfehlerfrei ist und somit ein 0-Messfehler, wie er bei der blanken Nutzung implizit angenommen ist, in jedem Fall Unsinn ist.

Gruß
Holger

[makautz@hotmail.com]

Hallo Holger,

danke . Ist dir bekannt, ob ich bei demografischen "Faktoren" (Land, Einkommen, Alter, Bildung) eine Ausnahme machen, und diese ins SEM als einzelne Items einbringen kann?

Viele Grüße
Markus