STATISTIK-FORUM.de

[Verena]

Hallo,

ich rechne gerade an meinem Strukturgleichungsmodell für meine Diplomarbeit und komme nicht weiter.
Für mein Verständnis habe ich alles definiert, alle Fehlerterme eingetragen usw.
1. AMOS rechnet mir das Modell auch, gibt mir aber ein 15-stelliges Chi-Quadrat aus und ich habe keinen blassen Schimmer warum.... (Die Fit-Indizes sind ebenso utopisch hoch) Ich hab schon das Maximum an Iterationen auf 200 hochgesetzt, weil es die 50 erreicht hatte, das hat aber auch nix gebracht. Freiheitsgrade habe ich 180, könnte das das Problem sein, dass es zu viele sind?
2. Ich hab als Ausgangspunkt die Einstellung zur Schwangerschaft mit den manifesten Variablen Wunsch Mutter und Wunsch Vater. Allerdings laden die nicht gemeinsam auf den Faktor (pregnancy wantedness). Wenn ich nun einen Indikator rausnehme hab ich ja nur noch einen, womit das Teilmodell ja unteridentifiziert wäre.. Meine Idee war jetzt, die Variable einfach zu duplizieren, damit ich wieder zwei Indikatoren hab (die dann identisch sind) Ist sowas erlaubt???

Vielen vielen Dank für Eure Hilfe!!!

Verena

[Holgonaut]

Hi Verena,

meinst du mit 15stelliger Wert p = .00000....?

Beschreibe Dein Modell mal in Gänze. Du sagst du hast 180 df (also ein großes Modell), dann kommt aber nur was mit Einstellung. Dies hab ich auch nicht verstanden. Einstellung
ist eine latente Variable? Und was ist "Wunsch Vater/Mutter"? Das heißt, ob der Vater bzw. Mutter sich ein Kind wünschen? Warum sollen die auf einem Faktor laden? Das sind doch
zwei latente Variablen (Einstellung/Wunsch des Vaters vs. der Mutter)?

Natürlich ist duplizieren nicht erlaubt. Tztztz Du kannst auch Variablen mit nur einem Indikator verwenden. Dazu musst du aber den Fehler auf einen theoretisch sinnvollen Wert fixieren, den du verteidigen kannst.

Grüße
Holger

[Verena]

Hab das Modell in den Anhang gepackt.

Nein es ist nicht der p-Wert sondern tatsächlich das Chi-Quadrat, das so überdimensioniert ist und ich hab keinen Dunst warum...
Da die beiden Wünsche von Mutter und Vater korrelieren hatte ich gehofft, dass die zusammen auf einen Faktor laden. Könnte ich den Wunsch vom Vater auch Dummy-Codieren (ist ein 4-stufiges Rating), damit ich den Wunsch der Mutter rauslassen kann? Den FEhler zu setzen wird vermutlich schwer... Ich hätte das anhand der Reliabilität bestimmt, aber es handelt sich nur um ein einzelnes Item...

Vielen Dank für deine Hilfe!!!

[Holgonaut]

Hi,

nur weil zwei Variablen korrelieren, müssen sie nicht auf einem Faktor laden. Ein Faktor ist eine gemeinsame Ursache zweier Variablen/Indikatoren. Was die dummy-codierung bewirken soll, ist
mir auch schleierhaft....Wenn du keine Fehlerschätzung vornehmen kannst, fixier den Fehler auf 0. Ich würd zumindest eine theoretisch plausible Schätzung vornehmen und den Fehler auf diesn
Wert fixieren - z.B. 10% der itemvarianz.

Außerdem: Die Messfehler aller items, die den selben Wortlaut haben (aber Mutter- vs. Vater-Merkmale messen), müssen korrelieren.

Zudem sind mir viele Pfade schleierhaft:
a) Effekt von parntership satisfaction auf parenting competence
b) mental health --> parenting competence
c) mothers mental health --> fathers mental health

Du solltest erst ein reines Messmodell machen, wo alle latenten Variablen miteinander frei korrlieren und keine Regressionseffekte drin sind um die Misspezifikation der Messmodelle von der des Strukturmodells zu trennen.

Grüße
Holger

[Verena]

Hallo,

also bei inhaltlichen Fragen kann ich nur wenig abweichen, da ich eine Studie repliziere, die so schon mit Müttern durchgeführt wurde.

Warum müssen die Skalen dann korrelieren? Würde das dann nicht bedeuten, dass in dem Instrument ein systematischer Bias drin ist?

Die Idee mit der Dummy-Codierung hatte ich, weil ich irgendwie den Wunsch der Mutter rausbekommen möchte und nicht sicher war, ob das Coding an der Stelle überhaupt möglich ist- Ich werd's mal mit der Fixierung des Messfehlers probieren.

[Verena]

Ich muss feststellen: mein AMOS ist komisch... Hab das Modell jetzt ein wenig reduziert und umgestellt und es hat mir auch was vernünftiges ausgegeben (RMSEA= 0,09:)es wird besser). Dann hab ich nur einen Faktor umbenannt und schon hab ich wieder so ein riesiges Chi-Quadrat... Seht ihr irgendeinen Fehler im Modell, der das erklären könnte? (Das Chiquadrat ist links unten zu sehen...)
Wenn ich den Fehler setzen will kann ich in AMOS den Mittelwert und SD setzen. Wo müsste ich dann den Fehlerwert setzen, damit ich nur mit dem Wunsch des Vaters auskomme?

Ich hab das modifizierte Modell auch mal in MPlus erstellt, und das meint, dass es mit den Iterationen nicht fertig rechnen kann...

HILFE BITTE! Ich verzweifle langsam!!

[Holgonaut]

Hi,

Deine Konzeptionen der latenten Variablen sind schlichtweg falsch, sorry,

a) wie schon angemerkt, macht es keinen Sinn, "pregnancy wantedness" mit den beiden Indikatoren Vater und Mutter zu modellieren.
b) Auch die Indikatoren der restlichen latenten Variablen sehen zu heterogen aus, als dass sie wirklich eindimensionale Reflektionen einer Dimension sind.
Beispiel "fathers mental health", wo du völlig verschiedene affektive Zustände als Indikatoren hast. Mir scheint fast, dass Deine Vorstellung eine formative ist.

Bei attachment kann ich die Indikatoren nicht genau identifzieren, aber hier dürfte dasselbe zutreffen.

c) Bei satisfaction liegt das selbe Problem wie bei wantedness vor. Du hast EINE Zufriedenheitsvariable, die zwei Menschen beeinflussen soll und dazu noch ebenfalls verschiedene Variablen, die genauso unterschiedliche latente Variablen sein dürften (Glück vs. Zufriedenheit).

Ich rate dir dringend: Fang klein an mit 2-3 latenten Variablen und lass alle latenten Variablen frei korrelieren zu lassen (das hab ich aber schon vorgeschlagen).

Ohne einen richtig starken Schnitt kommst du nicht weiter.

Du hast in einem vorherigen post von "Skalen" gesprochen. Was heißt das? Sind die Indikatoren keine items? Das sollten sie aber sein. Vielleicht bietet sich hier eine Möglichkeit, spezifischere Messmodelle zu bauen.

Gruß
Holger

[Verena]

Danke erstmal für deine Geduld mit mir:)
Mit der Verzerrung durch verschiedene Quellen gebe ich dir vollkommen recht! Ich hab jetzt in einem Faktor nur noch die Einschätzung einer Person.
Mit den Indikatoren bin ich jetzt ganz schön verunsichert. Ich hab die Mittelwerte der Subskalen als Indikatoren verwendet, da ich übergeordnete Konstrukte als latente Variablen verwenden möchte. Geht das wirklich nicht? Ich hätte nämlich sonst z.B. für die psychische Gesundheit knapp 30 Indikatoren und da hab ich gelesen, dass durch zu viele Indikatoren Artefakte entstehen und dass 3-4 Indikatoren ausreichend seien. Wenn ich dann nur die Subskalen zu latenten Konstrukten zusammenfasse habe ich ja eigentlich keine Chance mehr die übergeordnete psychische Gesundheit einzubauen sondern müsste mich auf ein Teilkonstrukt beschränken, was ich eigentlich nicht machen möchte...
Mit dem freien Korrelieren komme ich auch nicht zurecht, da mich AMOS keine Korrelationen zwischen den latenten Variablen setzen lässt. Wenn ich mich recht an meinen Workshop zum Thema erinnere macht das auch rechnererisch keinen Unterschied, ob da ein einseitiger oder zweiseitiger Pfeil ist (wie bei der Regression auch), da die Kausalität des Modells nur theoretisch bzw. durch längsschnittliche Daten angenommen werden kann, aber durch die REchenoperation nicht bestimmt wird. Korrigier mich bitte, wenn ich das falsch verstanden habe!
Ich werd jetzt mal mit einzelnen Items rechnen, befürchte aber, dass ich mich dann inhaltlich arg einschränken muss.. ):
DANKE erstmal!!!!

[Verena]

In der Originalstudie wurde übrigens ein Pfadmodell mit zusamengefassten Skalen gerechnet. Vermutlich bietet sich das für mich eher an, damit ich die übergeordneten Skalen verwenden kann, oder??? Wobei ich's schon besser fände das Strukturgleichungsmodell ordentlich hinzubekommen

[Holgonaut]

Hi Verena

Ich hab die Mittelwerte der Subskalen als Indikatoren verwendet, da ich übergeordnete Konstrukte als latente Variablen verwenden möchte. Geht das wirklich nicht? Ich hätte nämlich sonst z.B. für die psychische Gesundheit knapp 30 Indikatoren und da hab ich gelesen, dass durch zu viele Indikatoren Artefakte entstehen und dass 3-4 Indikatoren ausreichend seien. Wenn ich dann nur die Subskalen zu latenten Konstrukten zusammenfasse habe ich ja eigentlich keine Chance mehr die übergeordnete psychische Gesundheit einzubauen sondern müsste mich auf ein Teilkonstrukt beschränken, was ich eigentlich nicht machen möchte...

Wie schon gesagt, mir scheint, dass du mit "übergeordnete Gesundheit" ein Konstrukt meinst, was aus Unterfacetten *besteht*. Das ist keine latente Variable. Überleg dir *in Termin real existierender empirischer Dimensionen*, welche empirische Variablen für dich relevant sind - und such für jede dieser Variablen 2-3 Indikatoren aus, die genau diese Variable *reflektieren*. Wenn du 30 Indikatoren hast, hast du im Extremfall sogar 30 verschiedene latente Variablen (wenn jeder Indikator sich auf was verschiedenes bezieht.

Beispiel: "Psychosomatische Beschwerden": hier erkennst du schon an der Verwendung des Plural, dass es wohl zig Beschwerden gibt, die man unter dem Begriff P.B. zusammen fassen könnte. Das ist aber was anderes, als zu modelieren, dass PB EINE latente Dimension ist, die die zig Beschwerden verursacht. Wenn du schreibst, dass " die Subskalen zu latenten Konstrukten zusammengefasst werden", dann zeigt das Dein Miss-Verstehen von latenten Variablen. Latente Variablen sind SINGULÄRE Dimensionen, die einen kausalen Effekt auf beobachtbare Indikatoren haben (so wie das latente Körpergewicht sich auf die Waagen-Anzeige auswirkt). So musst du denken, wenn du Dein Modell aufstellst.

Bzgl. der Korrelationen. Wenn du alle Regressionseffekte rausnimmst, und alle Korrelationen freischätzt, hast du eine CFA. Ein Strukturmodell mit Regressionseffekten ist ja restriktiver dagegen, weil ja nicht jede Variable auf jede andere einen Effekt hat. Daher kannst du in diesem Fall den misfit des Strukturmodells (=falsche 0-Fixierungen von Effekten) nicht trennen von Misspezifikationen der Messmodelle.

Lass daher alle frei Korrelieren um das zu vermeiden. Dann nämlich zeigt der misfit dir an, in wieweit die Messmodelle/latenten Variablen falsch sind.

Und trenn dich von der Vorstellung, das du diesen Riesenhaufen von 30 items irgendwie unterkriegen musst. Das ist konstruktivistischer bottom-up-Käse, wie er in der Psychologie lange Jahrzehnte gemacht wurde....

Gruß
Holger