STATISTIK-FORUM.de

[SookieStack]

Ich weiß, dass AMOS nicht mit in SPSS gewichteten Datensätzen arbeiten kann. Um das zu umgehen, kann ich eine Kovarianzmatrix mit den gewichteten Daten erstellen, mit der AMOS dann arbeiten kann.....ABER um die Matrix zu erstellen, muss ich die fehlenden Werte ersetzen. Das geht in SPSS aber nur mit EM-Algor., der in SPSS ja kritisch gesehen wird ...ich möchte aber wirklich gerne die FIML-Methode in AMOS verwenden. Gibt es denn keine Möglichkeit, wie ich den Datensatz gewichten und in AMOS weiterarbeiten kann (ich weiß, andere Programme können das, aber ich hab nur AMOS und ich hab die ganze Zeit schon damit gearbeitet. Ich habe keine Lust, alles wieder über den Haufen zu werfen).

Ich wäre so dankbar, über einen guten Lösungsansatz - ich kann nur nirgends einen finden

[Semson]

Ohne jetzt recherchiert zu haben, ob das die einzige Lösung ist:
Löse dich doch einfach von FIML, denn das wird so wohl nicht klappen. An deiner Stelle würde ich eine multiple Imputation vornehmen, die ist mit FIML nämlich methodisch gleichauf (und auf jeden Fall dem EM-Algorithmus überlegen). Im schönsten Falle macht man das mit R, aber du kannst auch das stand-alone-Tool "NORM" verwenden. Du bekommst dann mehrere Datensätze mit imputierten Daten. Ich weiß jetzt nicht, ob du aus den imputierten Datensätzen eine Kovarianzmatrix berechnen kannst, oder ob du für jeden Datensatz eine eigene Kovarianzmatrix berechnen musst und diese einzeln an AMOS weitergibst (höchstwahrscheinlich letzteres). Aber das wäre auf jeden Fall eine Lösung.

Aus eigenem Interesse: Hast Du eine Quellenanagabe für mich, in der steht, dass man die Kovarianzmatrix gewichten darf? Ich kenne es von MPLUS oder R, dass man Gewichte in der Modellsyntax spezifiziert. Ich wusste aber noch nicht, dass die damit nur eine gewichtete Kovarianzmatrix berechnen.

[SookieStack]

Ohne jetzt recherchiert zu haben, ob das die einzige Lösung ist:
Löse dich doch einfach von FIML, denn das wird so wohl nicht klappen. An deiner Stelle würde ich eine multiple Imputation vornehmen, die ist mit FIML nämlich methodisch gleichauf (und auf jeden Fall dem EM-Algorithmus überlegen). Im schönsten Falle macht man das mit R, aber du kannst auch das stand-alone-Tool "NORM" verwenden. Du bekommst dann mehrere Datensätze mit imputierten Daten. Ich weiß jetzt nicht, ob du aus den imputierten Datensätzen eine Kovarianzmatrix berechnen kannst, oder ob du für jeden Datensatz eine eigene Kovarianzmatrix berechnen musst und diese einzeln an AMOS weitergibst (höchstwahrscheinlich letzteres). Aber das wäre auf jeden Fall eine Lösung.

Aus eigenem Interesse: Hast Du eine Quellenanagabe für mich, in der steht, dass man die Kovarianzmatrix gewichten darf? Ich kenne es von MPLUS oder R, dass man Gewichte in der Modellsyntax spezifiziert. Ich wusste aber noch nicht, dass die damit nur eine gewichtete Kovarianzmatrix berechnen.

Danke für deine Antwort. Ja, auf die MI Lösung bin ich natürlich schon gekommen - aber das scheitert gerade eben noch an der Umsetzung, da ich nicht weiß, wie ich die imputierten Datensätze sinnvoll in AMOS verwenden kann. Warum schlägst du eigentlich R oder NORM vor, eine MI geht in SPSS doch auch? Ich brauche für Amos nicht zwingend eine Kovarianzmatrix, ich kann auch direkt mit Datensätzen aus SPSS arbeiten - die Kovarianzmatrix habe ich nur verwendet, um die Gewichtung einarbeiten zu können. Wenn ich nun jeden imputierten Datensatz (idR 5) in Amos einlese und das für jedes Modell (ich habe ja "nur" ca. 10 verschiedene Modelle) - dann wird mir das - ehrlich gesagt - zu viel. Entweder es gibt eine Methode, die imputierten Datensätze sinnvoll VOR Amos zu einem Datensatz vereinigt, den ich dann gewichten kann und aus dem ich schließlich die Kovarianzmatrix erstelle oder ich lasse mich auf EM-Alg. ein. Umstritten hin oder her.
Aber eigentlich hätte ich gerne, das AMOS gewichtete Datensätze lesen kann

Bezüglich Quelle: MPLUS und R können meines Wissens nach ganz einfach mit gewichteten Datensätzen arbeiten (ohne Kovarianzmatrix). AMOS kann das nicht (hätte ich das nur vorher gewusst). Um den gewichteten Datensatz aus SPSS verwenden zu können, muss man aus daraus eine Kovarianzmatrix in SPSS erstellen, die AMOS schließlich akzeptiert: http://www-01.ibm.com/support/docview.w ... wg21479912

Ich habe jetzt an ein paar Autoren geschrieben, die sich mit SPSS, Gewichten und hoffentlich AMOS auskennen und hoffe auf eine Antwort.

[Semson]

Warum schlägst du eigentlich R oder NORM vor, eine MI geht in SPSS doch auch?

Weil du geschrieben hast

Das geht in SPSS aber nur mit EM-Algor., der in SPSS ja kritisch gesehen wird

und ich als R-User SPSS schon seit längerem nicht mehr nutze.

Und was die Schätzung mittel MI-Datensätze angeht. Wenn AMOS das wie MPLUS oder R macht, dann musst du natürlich nicht 10 x 5 Modelle schätzen (jedes Modell für jeden Datensatz), sondern du gibst den multiple Imputierten Datensatz ein, es werden für das Modell soviele Schätzungen durchgeführt wie es Datensätze gibt und die Ergebnisse werden automatisch mittels der Rubin Rules kombiniert. Der Aufwand bleibt also der gleiche.
Aber mach doch einfach EM. Das passt zu deinem Workflow und so dramatisch anders werden die Ergebnisse nicht ausfallen. Evtl. halt geringere Standardfehler oder sowas.

[SookieStack]

Warum schlägst du eigentlich R oder NORM vor, eine MI geht in SPSS doch auch?

Weil du geschrieben hast

Das geht in SPSS aber nur mit EM-Algor., der in SPSS ja kritisch gesehen wird

und ich als R-User SPSS schon seit längerem nicht mehr nutze.

Und was die Schätzung mittel MI-Datensätze angeht. Wenn AMOS das wie MPLUS oder R macht, dann musst du natürlich nicht 10 x 5 Modelle schätzen (jedes Modell für jeden Datensatz), sondern du gibst den multiple Imputierten Datensatz ein, es werden für das Modell soviele Schätzungen durchgeführt wie es Datensätze gibt und die Ergebnisse werden automatisch mittels der Rubin Rules kombiniert. Der Aufwand bleibt also der gleiche.
Aber mach doch einfach EM. Das passt zu deinem Workflow und so dramatisch anders werden die Ergebnisse nicht ausfallen. Evtl. halt geringere Standardfehler oder sowas.

Dass es nur mit EM geht, hab ich eben deswegen geschrieben, weil ich bisher nur die Möglichkeit gefunden habe, die fehlenden Werte durch EM zu ersetzen, um schließlich die K.Matrix zu bekommen. Mit MI geht das eben nicht. Auch wenn AMOS mit MI-Datensätzen arbeiten kann und die Ergebnisse dann kombiniert - ich muss trotzdem die Matrix erstellen, damit die Gewichte von Amos akzeptiert werden?

Wie meinst du das denn? Das passt zu meinem Workflow?

Meine Frage war im Prinzip ja nur, ob jemand einen Weg weiß, wie Amos mit gewichtete Daten arbeiten kann.
Aber danke.