Jost Reinecke. Strukturgleich ungsmodelle. Sozialwissenschaften. 2., aktualisierte und erweiterte Auflage DE GRUYTER OLDENBOURG

Transkript

1 Jost Reinecke Strukturgleich ungsmodelle in den Sozialwissenschaften 2., aktualisierte und erweiterte Auflage DE GRUYTER OLDENBOURG

2 Inhaltsverzeichnis 1 Einleitung 1 2 Die Entwicklung der statistischen Modellbildung mit Strukturgleichungen Einführung Ausgangspunkt Kausalität in Strukturgleichungsmodellen Eigenschaften von Strukturgleichungsmodellen Methodische Weiterentwicklungen 13 3 Erhebungsdesigns, Daten und Modelle Erhebungsdesigns Daten und Modelle 25 4 Statistische Grundlagen für Strukturgleichungsmodelle Meßniveau, Verteilung und Standardisierung Statistische Zusammenhänge zwischen Variablen Die Kovarianz und die Produkt-Moment-Korrelation Die polychorische, tetrachorische und die polyserielle Korrelation Die lineare Regressionsanalyse Die bivariate Regression Die multiple Regression Die klassische Testtheorie 44 5 Strukturgleichungsmodelle mit gemessenen Variablen Rekursive Pfadmodelle Modellspezifikation und Berechnung der Pfadkoeffizienten Reproduktion der Korrelationsmatrix und Effektzerlegung Die Identifikation der Modellparameter 57

3 VIII Inhaltsverzeichnis Schätzung der Parameter Äquivalente Pfadmodelle Modellrestriktionen Nicht-rekursive Pfadmodelle Modellspezifikation Standardisierung der Parameter Der multiple Gruppenvergleich Der simultane Vergleich der Pfadmodelle Der simultane Vergleich der Mittelwerte Pfadmodelle im Längsschnitt Das Zwei-Variablen/Zwei-Wellen-Panelmodell Die Erweiterung des 2V2W-Standarddesigns Anhang: Programmfiles 88 6 Meßmodelle Die Modellspezifikation Die Identifikation der Modellparameter Restriktionen im Meßmodell Die Schätzung der Modellparameter Diskrepanzfunktionen Maximum-Likelihood(ML)-Diskrepanzfunktionen Unweighted-Least-Square(ULS)-Diskrepanzfunktionen Generalized-Least-Square(GLS)-Diskrepanzfunktion Weighted-Least-Square(WLS)-Diskrepanzfunktionen Empfehlungen für die empirische Praxis Statistiken der Modellprüfung Die Modellevaluation: %^-Statistiken, Standardfehler, z-werte und die absoluten Goodness-of-Fit Indizes Die x 2 -Statistiken, Standardfehler und z-werte Absolute Goodness-of-Fit Indizes Der Modellvergleich: Der Likelihood-Ratio(LR)-Test und die komparativen Goodness-of-Fit Indizes Der Likelihood-Ratio(LR)-Test (x 2 -Differenzentest) Der Langrange Multiplier(LM)- und der Wald(W)-Test Komparative Goodness-of-Fit Indizes Empfehlungen für die empirische Praxis Empirische Beispiele Anhang: Programmfiles 135

4 Inhaltsverzeichnis IX 7 Die konfirmatorische Faktorenanalyse Die Modellspezifikation Die Identifikation der Modellparameter Multiple Gruppenvergleiche von konfirmatorischen Faktorenmodellen Konfirmatorische Faktorenmodelle im Längsschnitt Konfirmatorische Faktorenmodelle für Multitrait-MultimethodrDaten Konfirmatorische Faktorenmodelle höherer Ordnung Empirische Beispiele Konfirmatorisches Faktorenmodell Multipler Gruppenvergleich Konfirmatorisches Faktorenmodell im Längsschnitt Konfirmatorisches Faktorenmodell für Multitrait-MultimethodrDaten Konfirmatorisches Faktorenmodell höherer Ordnung Anhang: Programmfiles Das allgemeine Strukturgleichungsmodell Die Verbindung von Pfad- und Faktorenanalyse Die Modellspezifikation Die Schätzung und Identifikation der Modellparameter Standardisierte und unstandardisierte Koeffizienten Die Effektzerlegung Die Techniken der Modellbildung Multiple Gruppenvergleiche von Strukturgleichungsmodellen Kategoriales Meßniveau in Strukturgleichungsmodellen Strukturgleichungsmodelle im Längsschnitt Ein-Indikatorenmodelle Multiple Indikatorenmodelle Empirische Beispiele Strukturgleichungsmodelle Multiple Gruppenvergleiche Strukturgleichungsmodell mit kategorialen Variablen Strukturgleichungsmodelle für Paneldaten (Markov-Modelle) Die Behandlung fehlender Werte in Strukturgleichungsmodellen Ausfallprozesse in empirischen Daten Modellbasierte Verfahren zur Behandlung fehlender Werte Der multiple Gruppenvergleich Das direkte Maximum-Likelihood(ML)-Verfahren 241

5 X Inhaltsverzeichnis Datenbasierte Verfahren zur Behandlung fehlender Werte Der EM-Algorithmus Multiple Imputation auf Basis der Bayes-Statistik Empirische Beispiele Modellbasiertes Verfahren: FIML Datenbasiertes Verfahren: Multiple Imputation Anhang: Programmfiles Wachstums- und Mischverteilungsmodelle Wachstumsmodelle Zweifaktorielle Wachstumsmodelle Mehrfaktorielle Wachstumsmodelle Konditionale Wachstumsmodelle Wachstumsmodelle mit Faktoren zweiter Ordnung Die Handhabung fehlender Werte in Wachstumsmodellen Die Beziehung zwischen Wachstumsmodellen und Mehrebenenmodellen Empirische Beispiele Zweifaktorielles Wachstumsmodell Mehrfaktorielle Wachstumsmodelle Konditionales Wachstumsmodell Wachstumsmodell mit Faktoren zweiter Ordnung Mehrfaktorielle Wachstumsmodelle unter Berücksichtigung fehlender Werte Das zweifaktorielle Wachstumsmodell als Mehrebenenmodell Mischverteilungsmodelle für Längsschnittdaten Das allgemeine Mischverteilungsmodell (GMM) Modellierungsvarianten Modellschätzung und Modellbeurteilung Das Mischverteilungsmodell mit latenten Klassen (LCGA) Mischverteilungsmodelle für Zählvariablen Das Poisson-Modell Das negative Binomialmodell Praktische Hinweise Empirische Beispiele zu den LCGA- und GMM-Modellen Empirische Beispiele zu den sequenziellen GMM-Modellen Anhang: Programmfiles 338

6 Inhaltsverzeichnis XI 10 EDV-Programme LISREL Entwicklung des Programms Die LISREL-Notation Die LISREL- und SIMPLIS-Syntax Weiterführende Literatur EQS Entwicklung des Programms Die EQS-Notation und die Syntax Weiterführende Literatur Mplus Entwicklung des Programms Die MpZus-Notation und die Syntax Weiterführende Literatur Programme für Strukturgleichungsmodelle in R OpenMx sem lavaan Strukturgleichungsprogramme in Statistikprogrammpaketen SPSS: AMOS SAS: PROC CALIS STATA: SEM und GSEM Programme zur mehrfachen Ersetzung fehlender Werte NORM MICE und countimp 362 Literaturverzeichnis 365 Index 391