STATISTIK-FORUM.de

[JayPi]

Hallo zusammen,

ich habe folgendes Modell und muss mich nun zwischen dem kovarianzanalytischen Ansatz oder dem varianzanalytischen Ansatz entscheiden.

Es handelt sich dabei um ein SGM mit einer moderierten Moderation bzw. einer Dreiach-Interaktion.
Intrinsisch: latent
Extrinisch: latent
Rewards: manifest (2 Gruppen: Eine mit und eine ohne Belohnungen)
Participation: latent
Performance: manifest


Ich bin beim lesen irgendwo mal auf einen Satz gestoßen, aus dem ich schließen konnte, dass ich einen kovarianzanalytischen Ansatz (AMOS) verwenden muss, allerdings ist dies schon Monate her und ich kann mich nicht mehr an die Begründung erinnern. Es hatte glaube ich was mit der Dreifach-Interaktion und der Art der verwendeten Variablen zu tun.

Könnt ihr mir weiterhelfen?


Vielen Dank!!!

[Albrecht]

PLS ist grundsätzlich Mist, weil es gar keine latenten Variablen modelliert.
PLS ist vielleicht eine Notfallösung, wenn die Stichprobe zu gering ist.

[JayPi]

Vielleicht habe ich deine Aussage nicht richtig verstanden, aber PLS ist in der Lage mit latenten Variablen zu arbeiten.

[Albrecht]

Sagen wir mal so, im Vergleich zur Vorgehensweise bei einem SEM tut PLS so, als ob es mit latenten Variablen arbeiten kann.

[Holgonaut]

Hi,

ich pflichte Albrecht ausdrücklich zu. Hier ist etwas Literatur:

Rouse, A. C., & Corbitt, B. (2008). There’s SEM and “SEM”: A critique of the use of PLS regression in information systems research. Australasian Conference on Information Systems. Christchurch.

Rönkkö, M., McIntosh, C. N., & Antonakis, J. (in press). On the adoption of partial least squares in psychological research: Caveat emptor. Personality and Individual Differences.

Ronkko, M., & Evermann, J. (2013). A critical examination of common beliefs about partial least squares path modeling. Organizational Research Methods, 16(3), 425–448. doi:10.1177/1094428112474693

Scholderer, J., & Balderjahn, I. (2006). Was unterscheidet harte und weiche Strukturgleichungsmodelle nun wirklich? [What is the difference between hard and soft structural equation models?]. Marketing, 28(1), 57–70.

Antonakis, J., Bendahan, S., Jacquart, P., & Lalive, R. (2010). On making causal claims: A review and recommendations. The Leadership Quarterly, 21, 1086–1120.


Auch das häufige Argument, dass PLS bei kleinem N besser ist, ist nicht haltbar, weil ohne Validität der Messmodelle und Kausalstruktur auch ein effizientere Schätzung von Parametern nichts hilft: Ein korrekterer
Standardfehler eines Koeffizienten, der keine Bedeutung hat, hilft einem auch nichts.

Kleines N kann man innerhalb von SEM mit der swain-correction behandeln. Dafür haben Herzog und Boomsma eine einfach Funktion für R entwickelt, in die man die Fitwerte und das N einfach eingibt.

Herzog, W., & Boomsma, A. (2009). Small-sample robust estimators of noncentrality-based and incremental model fit. Structural Equation Modeling, 16, 1–27.

Hier ist die R-FUnktion dazu
http://www.ppsw.rug.nl/~boomsma/swain.pdf


Grüße
Holger