STATISTIK-FORUM.de

[Wollerious]

Hallo zusammen,

ich habe zwei Fragen zur MGA in PLS-Modellen:

PLS bietet m.W. zwei unterschiedliche Varianten zum Umgang mit moderierenden Variablen an: Die Modellierung moderierender Effekte kann über die Bildung einer Interaktionsvariablen erfolgen. Alternativ kann die Berechnung des Interaktionseffektes über einen Gruppenvergleich erfolgen.

Ich splitte anhand kategorialer Daten (Firmengröße usw.) und untersuche die Pfade der Teilstichproben analog zum Grundmodell ansonsten.
Signifikanzen werden bewertet (siehe dazu mein anderes Post bzgl. G*Power) und dann entsprechend analysiert, was uns das nun sagt.

Ich habe eine solche MGA nach dem Verfahren nach Henseler angewandt und halte dies aufgrund der verteilungsannahmefreie Herangehensweise den traditionellen Verfahren mittels Sobel-Test für überlegen. Es werden nicht nur die Modelle jeweils gebootstrapt, sondern auch die Prüfung der Signifikanz der Pfadkoeffzienten-Unterschiede geschieht mittels der Schätzungen (alles 1000 Mal jeweils). Soweit richtig meine ich.

Nun besteht ja der Ansatz Gruppenvergleiche dieser Art u.a. darin, für einen validen Gruppenvergleich die Vergleichbarkeit der Konstrukte sicherstellen zu müssen. In der Literatur finde ich dazu einen Test auf Indikatorebene (wiederum formell gleich dem Sobel Test) sowie auf Konstruktebene mittels Kongruenzkoeffizient.

Muss man dies wirklich alles machen oder ist dies aufgrund der wegfallenden Annahmen im gebootstrapten PLS-MGA eben genau hinfällig?
Aufgrund der z.T. widersprüchlichen Auffassungen und zeitlichen Evolution der Verfahren würde Euch um Feedback dazu bitten.

Im Vorhinein sage ich einen herzlichen Dank!

[Holgonaut]

Hi,

eine kontinuierliche Variable sollte man nicht splitten, sondern den Moderatoreffekt als Produktterm modellieren. Gruppenvergleiche macht man mit kategorialen Variablen.

Den Satz mit Henseler, Sobel und bootstrapping verstehe ich nicht. Mir ist neu, dass man bei Moderatoren bootstrapping macht.

Bei Gruppenvergleichen muss man auf measurement invariance testen. Und wieder: Was "Indikatorebene" und wieder Sobel hier soll, erschließt sich mir nicht. Vielleicht liegt das aber auch an deiner
Verwendung von PLS

Grüße
Holger

[Wollerious]

Gut, dann habe ich es richtig gemacht. Andere Arbeiten splitten kontinuierliche Var. über Median/Mittelwert. Es scheint also vieles machbar zu sein und auch abgenommen werden, was vielleicht nicht immer optimal ist, um es mal vorsichtig zu formulieren.

In der Tat bootstrappe ich MGAs, weil es annahmefrei ist, ich eben keine normalverteilten Date habe (wenngleich auch ein großes Sample) und ich es stimmiger finde, wenn PLS und Bootstrap, dann auch "all the way".

Sobel soll auf den sonst oft üblichen t-Test verweisen für Gruppenunterschiede, hab die Bezeichnung aus der Literatur.
Henseler ist da konservativer mit seinem Verfahren, gibt es genügend Literatur zu. Maile Dir da gern mal was zu.

Die Modellinvarianz, ja da bin ich gerade dran: Ich habe formative sowie reflektive Messmodelle. Mod.Invarianz stellt aber auf Kovarianzverfahren und insbes. reflektive Messmodelle ab. Ob das übertragbar ist und ob veränderte Gewichte bspw. nicht einfach Erkenntnisgewinn sind, dass eben Komponenten des Konstrukts in ihrer Bedeutung zu- oder abnehmen je nach Moderation, würde ich kritisch sehen. Von daher sollte man nun nicht ein Modell mit lauter insignifikanten Ladungen mit einem wo alles passt vgl. aber das Invarianz finde ich eigentlich zu streng, zumal bei PLS. Ich weiss, Du magst es nicht aber wenn PLS ohne Annahmen, Bootstrap usw, wo man eben Faktorstrukturen nicht fixieren kann, dann muss man das hinnehmen, sonst vermischt man doch die Verfahren. So sehe ich es momentan, dazu gibt es auch Bestätigungen in der Literatur aber ich würde halt gerne wissen, wie ihr das bewerten/argumentieren würdet.