4. SEM Intro

Question 1

Eine SEM besteht aus welchen zwei Teilen?

Answer 1

Messmodell + Strukturmodell

Question 2

Validität

Answer 2

“Misst das Verfahren tatsächlich das gewünschte Merkmal?”

Question 3

Reliabiliät

Answer 3

“Wird das Merkmal zuverlässig gemessen oder ist die Messung in zu großem Ausmaß mit Messfehlern behaftet?”

Question 4

Latente Konstrukte

Answer 4

hypothetische Konstrukte, die nicht direkt beobachtbar

sind; unbeobachtete Variable, die erst durch ihre Indikatoren gemessen wird.

Question 5

Manifeste Variablen

Answer 5

direkt beobachtbar/messbar

Question 6

Kovarianz

Answer 6

Maß für die Assoziation zwischen zwei Zufallsvariablen

Question 7

Two step-approach nach Gerbing und Anderson (1988)

Answer 7

1. Konfirmatorische Faktorenanalyse (CFA)

2. Strukturgleichungsmodell (=SEM)

Question 8

Indikator

Answer 8

beobachtete Variable, Item,

Question 9

Exogene Variable

Answer 9

Unabhängig latente Variable, Pfad geht raus, werden nicht von anderen Variablen beeinflusst

Question 10

Endogene Variable

Answer 10

Abhängig latente Variable, mindestens ein Pfad geht rein

Question 11

Messmodell

Answer 11

Hierbei handelt es sich um den Kern des Strukturgleichungsmodells. In ihm werden im Sinne einer konfirmatorischen Faktorenanalyse (confirmatory factor analysis) Verbindungen zwischen den Indikatoren und den latenten Variablen modelliert. Hierbei spielt die Kovarianz eine entscheidende Rolle.

Question 12

Strukturmodell

Answer 12

Hierbei handelt es sich um die Menge exogener und endogener Variablen und deren Verbindungen.

Question 13

Was sind die drei wichtigsten Gütekriterien?

Answer 13

Objectivität, Reliabilität, Validität

Question 14

Interne Konsistenz

Answer 14

Die interne Konsistenz ist ein Maß dafür, wie die Items einer Skala miteinander zusammenhängen

Question 15

Cronbach Alpha

Answer 15

• Maßzahl für die interne Konsistenz einer Skala - bezeichnet das Ausmaß, in dem die Aufgaben bzw. Fragen einer Skala miteinander in Beziehung stehen (interrelatedness)

Question 16

Varianz

Answer 16

Standardabweichung^2

Question 17

Was unterscheidet SGM von anderen Methoden? (Byrne, 2001)

Answer 17

1) Kausalanalyse –> konfirmatorisch, nicht explorativ
2) SGM liefern explizite Schätzwerte für Messfehler
3) Mit SGM können Beziehungen zwischen latenten Variablen abgeschätzt werden

Question 18

Linear Model Formula

Answer 18

𝑦 = 𝛼 + 𝛾x

Question 19

Linear Regression Formula

Answer 19

𝑦 = 𝛼 + 𝛾𝑥 + e

Question 20

Warum wird einem linearen Modell klein Epsilon hinzugefügt?

Answer 20

Ohne Epsilon handelt es sich um ein deterministisches Modell. Ist dieser Zusammenhang zwischen Variablen jedoch – wie praktisch immer in den Sozialwissenschaften – nicht als „perfekt“ (deterministisch) beschreibbar, muss ein weiterer Term für „zufällige“ (stochastische) Abweichungen ε (klein Epsilon) hinzugenommen werden, das sogenannte „Residuum“

Question 21

Residuum (+ Formula)

Answer 21

klein Epsilon im linearen Modell. Residuen stellen die Abweichung des durch das Modell geschätzten Wertes (yˆ) vom beobachteten Wert (y) dar (ε = y − yˆ).

Question 22

Worüber gibt der Regressionskoeffizient auskunft?

Answer 22

Der Regressionskoeffizient γ (klein Gamma) gibt Auskunft über die geschätzte Veränderung in y, wenn x um eine Einheit (+1) steigt und beschreibt somit stets
einen linearen Zusammenhang bzw. eine lineare Funktion.

Question 23

Wofür steht die Konstante?

Answer 23

Die Konstante (intercept) α steht für den geschätzten Wert der endogenen Variablen, wenn die unabhängige Variable der Gleichung den Wert 0 annimmt.

Question 24

Wie heisst Residuum auf Englisch?

Answer 24

Error (epsilon)

Question 25

Wie heisst Konstante auf Englisch?

Answer 25

Intercept (alpha)

Question 26

Was besagt das OLS-Schätzverfahren?

Answer 26

Das OLS-Schätzverfahren besagt, dass die Summe der Quadrate der Residuen minimiert werden
soll

Question 27

Wozu wird das OLS-Schätzverfahren verwendet?

Answer 27

wird üblicherweise zur statistischen Schätzung des Modells, d. h. zur bestmöglichen Beschreibung des linearen Zusammenhangs, die Methode der kleinsten Quadrate verwendet (OLS, ordinary least squares).

Question 28

z-standartisierung

Answer 28

original value - mean of the sample (or population) / standard deviation of the sample (or population)

Question 29

standardisierte Zufallsvariable

Answer 29

Eine standardisierte Zufallsvariable ist eine Zufallsvariable, deren Erwartungswert 0 und deren Varianz 1 beträgt.

Question 30

Was ist das Symbol einer manifesten Variable?

Answer 30

Rechteck

Question 31

Was ist das Symbol einer latenten Variable?

Answer 31

Kreis

Question 32

Was ist das Symbol eines Residuums?

Answer 32

Pfeil zum Rechteck

Question 33

Was ist das Symbol einer kausalen Beziehung?

Answer 33

Einweg Pfeil

Question 34

Was ist das Symbol einer kovarianten Beziehung?

Answer 34

Bidirektioneller Pfeil

Question 35

Was ergibt die Kovarianz einer Variable x mit sich selbst?

Answer 35

Die Kovarianz einer Variablen x mit sich selbst ergibt wiederum deren Varianz, d. h. Cov(x, x) = Var(x)

Question 36

Was ergibt die Kovarianz mit einer Konstante k?

Answer 36

Die Kovarianz mit einer Konstanten k, d. h. bei Var(k) = 0, ist immer Null, d.h. Cov(x, k) = 0. Als Sprichwort gilt daher: „Wo keine Varianz, da keine Kovarianz“