erlaubt mir etwas Schleichwerbung (immerhin verdien ich daran nix
): Mein Buch über SEM ist endlich draußen.http://www.amazon.de/Lineare-Strukturgl ... etz+linear
In das Buch sind viele Erfahrungen, die ich als Moderator in dieser Foren-Kategorie sammeln konnte, eingeflossen. Ich habe dabei immer wieder die
Erfahrung gemacht, dass genau die praktischen Probleme und fehlerhaften Vorgehensweisen in gängigen Büchern nicht behandelt werden und speziell
diesen sehr viel Platz gewidmet. Dies sind z.B.
(1) die "innere Mechanik" von Modellen - d.h. wie ist der Zusammenhang zwischen einer Modellstruktur und empirischen Daten (=Kovarianzen). Immerhin
ist die Passung von Struktur und Daten genau das was getestet wird und bei vielen Leuten zu Problemen führt.
Hierbei diskutierte ich die essentiellen "Pfadregeln" (path tracing rules), die einem auf ganz leichte Art klarmachen, welche Kovarianzen aus einem Modell folgen.
Daneben diskutiere ich Pearls d-separation-Konzept, dass in der SEM-Literatur noch nahezu unbekannt ist und das Verständnis der Implikationen eines Modelle unglaublich
erweitern kann.
(2) das Verhältnis/der Unterschied zwischen theoretischen Konstrukten und (latenten) Variablen in Modellen. Dies ist m.E. nach das größte Problem bei Newbies.
Ein Konstrukt ist keine latente Variable - sondern erst mal nur ein Begriff. Dieser Begriff bezieht sich in irgendeiner Form auf in der Realität vorliegende Phänomene, die als Variable konzeptualisierbar sind. Dabei kann ein Konstrukt mehrere solcher Variablen beinhalten oder nur eine. Ein zentraler Aspekt der Theoriearbeit bedeutet daher, sich selbst klarzumachen, was genau man unter dem Konstrukt *in Termini* von existierenden Variablen versteht.
(3) der Umgang mit nicht-fittenden Modellen. Leser/innen meiner Beiträge wissen, dass ich für einen Test von Modellen mit dem Chi-Quadrat-Test bin. Dieser Test wird geanu erklärt - sowie mögliche Gründe für die seltsame und fast schon pathologische Verleugnung nicht fittender Modelle. Als ein Grund für diese Abwehrhaltung diskutiere ich die - mit vielen von Euch und anderen Studies - gemachte Erfahrung, dass die meisten schlicht nicht wissen, wie sie mit einem nicht-fittenden Modell umgehen sollen.
Ich hab ein ganzes Kapitel zu diesem Thema - d.h. woran erkenn ich welche möglichen Ursachen und was kann ich tun.
(4) das Thema Endogenität, das letztlich alle Gefahren einer kausalen Interpretation von Modellergebnissen zusammenfasst und Möglichkeiten, mit Hilfe von "Instrumentalvariablen" die kausale Evidenz des eigenen Modells deutlich zu erhöhen.
(5) Zum Schluss diskutier ich übliche Mantras und seltsame Auffassungen über SEM (wie ich sie persönlich sehe) - u.a. die Auffassungen, dass Modelle ja sowieso nie korrekt sind (und man deshalb auch den Fit nicht beachten braucht), oder die gerade in der Psychologie vorliegende panische Vermeidung kausaler Begriffe aus Angst, Ergebnisse von Modellen naiv zu interpretieren
Somit seh ich das Buch als kleine Lektüre - als Einstieg für Beginner, da alles mittels des lavaan-Pakets in R und einem durchgängig dikutierten kleinen Modells illustriert wird. An den "richtigen" Büchern über SEM - allem voran dem von Hayduk oder Shipley kommt man aber nicht vorbei. Mein Buch ist gedacht als eine Sammlung von Tips eines (etwas erfahrenen) Users an andere Users.
Viele Grüße
Euer Holger
P.S. Ich hab das Inhaltsverzeichnis mal angehängt
