STATISTIK-FORUM.de

[friklu]

Guten Abend,
ich benötige dringend Hilfe!!!
Ich kenn mich mit Strukturgleichungsmodellen allgemein und mit dem Programm AMOS insbesondere nicht gut aus, brauche diese letzte Berechnung aber dringend für meine Diss! Ich habe mich bislang an einem Bsp. von Backhaus "fortgeschrittene Analysemethoden" entlang gehangelt, komme aber bei der Schätzung nicht weiter: es wird mir dann die Fehlermeldung
- an error occurred while attempting to fit the saturated Model for Group, Group number 1. it will not be possible to compute the Chi Square Statistic
- the specified Model is probably unidentified
ausgespuckt!
- außerdem kann ich keinen kovarianz- Pfeil <-> zwischen den endogenen Variablen erstellen...
Ich habe leider gar keine Idee, wo ich bei der Fehlersuche anfangen soll! Hab ich irgendwo was vergessen einzutragen?
Kann mir jemand einen Tipp geben? Das wär toll!
Viele Grüße
Friederike
P.s.: gerne nehme ich auch Face-to-Face Nachhilfe im Raum Münster(land)...!!!

[Holgonaut]

Hi Friederike,

du solltest dich in Strukturgleichungsmodelle noch etwas mehr einlesen. Backhaus ist kein gutes Buch. Zur Diss gehört auch, sich in die Methoden
so einzuarbeiten, dass man sie beherrscht. Sorry für die harten Worte

Meine Tipps wären die Bücher von Mulaik, Hayduk oder Shipley. Oder das CFA - Buch von Timothy Brown.

Hayduk, Leslie A. (1987). Structural equation modeling - Essentials and advances. Baltimore and London: The Johns Hopkins University Press.

Shipley, Bill. (2000). Cause and correlation in Biology: A user's guide to path analysis, structural equations and causal inference. Cambridge UK: Cambridge University Press.

Mulaik, Stanley A. (2009). Linear Causal Modeling with Structural Equations. Boca Raton: Chapman & Hall.

Brown, Timothy A. (2006). Confirmatory factor analysis for applied research. New York: Guilford.

Du kannst keine endogenen Variablen korrelieren lassen, weil deren Kovarianz sich aus deren Prädiktoren und ihren Effekten ergibt. Hast du
z.B. Y1 und Y2 und einen einzigen Prädiktor X1 mit Effekten b1 und b2 ist die Kovarianz von Y1 und Y2 impliziert durch die Var(X1)*b1*b2

Stichworte zum Nachlesen wären hier empirische vs. modell-implizite Kovarianzen oder Path tracing rules (mal googlen).

Wenn die empirische Kovarianz von Y1 und Y2 hoher als die durch das Modell nach dem o.g. Prinzip implizite ist, deutet das auf weitere gemeinsame
Ursachen hin, die nicht im Modell sind und die sich in der FEHLERKovarianz von Y1 und Y2 ausdrücken - nicht in der Kovarianz der Variablen selbst.

Was weitere Probleme des Modell sein können, kann ich kaum beurteilen. Du solltest halt auch wissen, was "Identifiziertheit" überhaupt bedeutet.
Kannst ja mal mehr zum Modell posten (inkl. Bild). Aber bitte besorg dir die Bücher!

Gruß
Holger