STATISTIK-FORUM.de

[Penny25]

Hallo zusammen,

Ich bin momentan am erstellen und überprüfen meines Pfadmodells mithilfe von AMOS und komme nun schon seit über einer Woche nicht mehr weiter, da ich keine Antworten auf meine Fragen finde. Ich hoffe jemand kann mir helfen.

In meinem Modell habe ich 3 Prädiktor Variablen, 1 interveniedernde Variable und 1 abhängige Variable. Alle Variablen im Modell sind manifest. Nun zu meinem Problem, zusätzlich zu diesen Variablen habe ich 7 Kontrollvariablen für deren Einfluss ich im Modell kontrollieren muss. Diese Kontrollvariablen sind kategorial und dichotom (z.B. Geschlecht, SES, Ethnizität).

1) Kann ich die Kontrollvariablen als Prädiktoren in mein Modell einbauen? Falls ja, ist es zwingend nötig,dass alle exogenen Variablen miteinander korrelieren? (habe dies ausprobiert, das Model wurde sehr unübersichtlich und die Regressionsgewichte wurden nicht mehr signifikant), oder sollten auch hier die Korrelationen wieder theoriehergeleitet sein?

2) Zu den dichotomen und kategorialen Variablen. Ich habe diese Variablen allesamt k-1 dummykodiert. Nun habe ich gelesen, dass man alle Dummys die zu einer Variable gehören (z.B. Ethnizität: deutsch, türkisch, albanisch usw) in ein "Rechteck" ziehen soll, da sie zusammengehören. Das klappt auch prima mit AMOS, frage mich nur was ich AMOS damit mitteile?

Wäre super froh, wenn mir jemand diese beiden Fragen auch nur ansatzweise beantworten könnte oder mir Literaturhinweise zu diesen Themen geben könnte.

[Holgonaut]

Hi Penny,

a) warum manifest? Die Modellierung von latenten Variablen hat den Vorteil, dass 1) das Messmodell explizit gemacht wird und b) die Messfehler modelliert werden
b) Korrelationen zwischen exogenen Variablen müssen nicht sein - aber in den meisten Fällen korrelieren sie nun mal - und wenn du die Korrelation auf 0 fixierst, ist das eine Misspezifikation und führt zu misfit. Also lässt man die Korrelationen alle zu (Motto: Bau keine unnötigen Restriktionen ein die eh theoretisch unplausibel sind. Wenn du eine Kontrollvariable haben solltest, deren Korrelation mit deinen Prädiktoren tatsächlich 0 beträgt, brauchst du sie auch nicht einzubeziehen.
c) Anstatt alle Effekte der Kontrollvariablen auf die "downstream" - Variablen reinzunehmen, überlege, welche der Variablen Effekte haben sollten (diese reinnehmen) und welche eigentlich keine Effekte haben sollten aber du willst/musst sie reinnehmen nach dem Motto "man weiß ja nie". Die Effekte dieser Variablen fixierst du auf 0. Jede Restriktion in den Pfaden steigert den kausalen support des Gesamtmodells.
d) jede dummy - Variable ist eine Variable und bekommt quasi ein Kästchen - wie in der Regression.

Überleg mal ob du wegen der Übersichtlichkeits-Problematik nicht auf lavaan überwechselst (www.lavaan.org). Ein einfaches R-Paket, bei dem ich dir mehr helfen kann.

Grüße
Holger

[Penny25]

Lieber Holger,

erstmal vielen Dank für deine kompetente und ausführliche Antwort!

a) Meine Betreuerin und ich haben dies so besprochen, weil die Komplexität und die Ansprüche an den Anwender bei latenten Variablen im Modell zunimmt. Die Anwendung von AMOS übersteigt, das erwartete Niveau schon so.

b) Die Korrelationen zwischen den Kontrollvariablen und den Prädiktoren sind, wie ich sie in SPSS berechnet habe tatsächlich nicht Null. Somit werde ich zwischen allen Prädiktoren und Kontrollvariablen Doppelpfeile einsetzen.

c)Die Kontrollvariablen korrelieren entweder mit der intervenierenden oder mit der abhängigen Variable. Ich habe dann immer nur jeweils einen Pfeil von einer Kontrollvariable auf die intervernierende/abhängige Variable gerichtet, wenn sie korrelieren. Wäre es dementsprechend besser, auch Pfeile auf die Variablen zu richten auf die ich keinen Zusammenhang vermute und diese auf 0 zu setzen? Was würde dies konkret bedeuten? Würde für diesen Pfad dann einfach kein Regressiongewicht geschätzt weil er auf 0 fixiert ist?

Was mich wurmt, ist der gute Fit des Models, aber dafür sind die Regressionsgewichte nicht signifkant. Die Korrelationen waren es Ist dies möglich, dass die Regressionsgewichte/ Pfadkoeffizienten bei hoher Korrelation nicht signifkant werden? Dann bestätigt sich nämlich leider keine meiner Hypothesen.

d) Danke für diese Info. Dann wird mein Modell noch unübersichtlicher und noch mehr Doppelpfeile enthalten

Ich werde mir Lavaan ansehen. Bin aber nicht sicher ob ich in Anbetracht der knappen Zeit die mir noch bleibt, den Einstieg in ein vollkommen neues Programm noch schaffen werde.

Liebe Grüsse
Penny

[Holgonaut]

Hi Penny

c)Die Kontrollvariablen korrelieren entweder mit der intervenierenden oder mit der abhängigen Variable.

Das ist irrelevant. Zentral ist die Frage, ob sie einen eigenen kausalen Effekt auf diese Variablen haben (bei Konstanthaltung aller anderen Variablen).

Die Korrelation einer Kontrollvariablen (die keinen Effekt hat) mit einer AV bestimmt sich nach dem Produkt der Korrelation mit anderen Prädiktoren und deren Effekte.
D.h. auch eine Kontrollvariable, die keinen Effekt hat, wird *dann* mit einer AV korrelieren, wenn sie mit anderen Prädiktoren korreliert.

Denke kausal - nicht in Korrelationen.

Würde für diesen Pfad dann einfach kein Regressiongewicht geschätzt weil er auf 0 fixiert ist?

Ja, du implementierst die Restriktion/kausale Annahme, dass die Kontrollvariable keinen Effekt hat und die Korrelation mit der AV lediglich durch die Korrelation mit den eigentlichen Prädiktoren/Ursachen
zustande kommt. Wenn das eine falsche Annahme ist, fittet das Modell nicht. Dann musst du untersuchen, warum. Und der fixierte Effekt ist eine der möglichen Ursachen.

Grüße
Holger