STATISTIK-FORUM.de

[meli_le]

Hallo,

ich habe in Lisrel ein schönes Strukturmodell ausgegeben bekommen. Chi-Quadrat, p-Wert, RMSEA alles wunderbar aaaabbber: in der Ansicht: "standardised solution" sind alle Residuen und Faktorladungen top. Sehe ich mir die Abbildung unter "Estimates" an, ergeben sich teilweise Residuen > 2.00 (sowohl für die manifesten als auch latenten Variablen).

Jetzt bin ich verwirrt und frage mich, ob ich das Modell trotzdem "durchgehen lassen"kann, da alle 3 Fitmaße super sind. Oder sorgen die Residuen tatsächlich für das Aus meines Modells? Kann man sagen, ab wann Residuen für latente und manifeste Variablen zuviel des Guten sind? Mir ist klar, dass diese Werte für die Passung des Modells bedeutend sind...fragt sich nur was "Vorrang" hat (Idealzustände wie im Buch wird es bei großen Datensätzen von 300 Personen kaum geben): Fit-Indizes oder Residuen? Und in dem Zusammenhang: wenn der Fit super ist, manifeste Residuen auch im Rahmen sind und "nur" ein Residuum von insgesamt 3 latenten Variablen erhöht ist, was dann?

Ich hoffe auf Hilfe, da ich so nicht wirklich weiter komme und in der Literatur nur belanglose Aussagen zu "hohen" und "niedrigen" Residuen finden kann...aber was heißt das für die Umsetzung. Vielen Dank im Voraus

[Holgonaut]

Hi,

ich verstehe echt gesagt, vieles in deinem posting nicht.

Erstmal: Mit "Residuen" meinst du die Fehlertermvarianzen? Weil Residuen auch die Differenzen zwischen modell-impliziten und empirischen Kovarianzen sind. Für ersteres ist der Begriff
Residuum nicht so passend, weil er ein Begriff aus der OLS-Schätzung/Regression ist - und hier nicht.

Die Fehlerterm-Varianz in einem Indikator addiert sich zu der durch die latente Variable verursachten Teil der Varianz zur Gesamt-Varianz. Da gibt es also kein "Zuviel":

Var(X) = Lamdba^2*Var(F) + Var(e)

Du kannst das ja mal checken, ob das Sinn macht. Zentraler ist die Korrektheit der kausalen Spezifikation (Chi-Quadrat-Test) und Validität (Faktorladungen und Effekte auf andere latente Variablen).

Wenn ein Indikator einen hohen Messfehler hat, ist das halt so - aber für das Modell ansich kein "Aus".

Was meinst du mit "Idealzustände wie im Buch wird es bei großen Datensätzen von 300 Personen kaum geben"?

Gruß
Holger

[meli_le]

Hallo Holger,

ach ich habe so auf eine Antwort von dir gehofft, da deine Hinweise und Rückfragen wirklich hilfreich sind. Danke schon mal.

Ja, mit Residuum meinte ich in der Tat Fehlertermvarianzen (ich habe das Gefühl, dass jeder seine eigenen Begriffe hat - vom Prof angefangen bis hin zur Literatur; für mich als Statistik-Dummy oft verwirrend). Die Rechnung werde ich auf jeden Fall testen...aber auch das bedarf wieder einiger Bastelarbeit, da ich in diesem Programm nie die Werte finde, die ich brauche. Aber ein sehr guter Hinweis.

Ich bin so ins Zweifeln geraten, da mein Betreuer so auf diesen Fehlertermvarianzen rumgeritten ist, obwohl alle Fit-Indizes erfüllt sind...eine negative Fehlervarianz einer manifesten Variablen von -1.2 ist dabei und bei den latenten Variablen lag eine 2.3 vor - der Rest ist unter 1.00. Aber durch seine Rückmeldung war ich einfach ziemlich verwirrt. So gehts mir gleich besser. Und dieser "Idealzustandsspruch" richtete sich einfach an statistische Untersuchungen mit traumhaften Idealmaßen - wovon ich nicht glaube, dass es diese tatsächlich gibt. Aber das sind Gedanken eines Laien

Herzliche Grüße, Melanie

[Holgonaut]

Hi Melanie,

was für eine Bastelarbeit? Du hast im output den Teil "Estimates" - da ist alles dran. Schau dir die Varianzen in der empirischen Kovarianzmatrix an (das erste im output),

und dann checke ob die Fehlervarianz + Ladung mal latenter Varianz diese empirische Varianz ergeben. Bzw. Check es nicht - sondern sieh dir ein paar Beispiele daraus als
Illustration an.

Negative Varianzen sind generell ein Problem. Dem solltest du auf den Grund gehen. Oft gibts da ein Identifikationsproblem.

Warum diese Orientierung an 1.00? Wir reden hier schon von den unstandardisierten Werten, oder? Die können jedwelchen Wert annehmen - je nach dem, welche Metrik/Varianz
die Variable hat. Stell dir vor, die AV ist in Dollar gemessen (z.B. GPA). Da kriegst du eine Fehlervarianz in Millionenhöhe

Grüße
Holger

[meli_le]

Hallo Holger,

es hat sich alles geklärt, vielen Dank - die Rechnung ging auf und ich bin erleichtert Das Dollar-Beispiel war übrigens äußerst anschaulich und lockert die statistisch-verkrampften Gesichtsmuskeln für einen Moment.
Falls dir noch eine zündende Idee zu meinem Syntaxproblem bzgl. Lisrel kommen sollte (siehe neuen Post "Dingende Hilfe...")...bitte gern - ich brauche dazu unbedingt Hilfe.

LG, Melanie