In diesem Kapitel erstellst du dein erstes Strukturgleichungsmodell mit lavaan. Du lernst wichtige Fachbegriffe kennen und erfährst, wie du Modelle aufbaust und ausführst. Du erstellst ein einfaktorielles Modell geistiger Testfähigkeiten mit dem klassischen Datensatz von Holzinger und Swineford (1939).

Modellspezifikation

Modell für Textgeschwindigkeit erstellen

Modell für politische Demokratie erstellen

Modellanalyse

Textgeschwindigkeitsmodell analysieren

Politische Demokratie zusammenfassen

Modellbewertung

Standardisierte Ladungen prüfen

Fit-Indizes erkunden

Untersuche politische Demokratie

Einfaktorielle Modelle

In diesem Kapitel erweiterst du deine lavaan-Fähigkeiten auf die Erstellung von Mehrfaktorenmodellen. Wir verbessern die einfaktoriellen Modelle aus dem letzten Kapitel, indem wir mehrere latente Variablen im klassischen Datensatz von Holzinger und Swineford (1939) modellieren.

Spezifikation von Mehrfaktormodellen

Erstelle ein Modell mit null Freiheitsgraden

Behebe das Zero-df-Modell

Erstelle ein Mehrfaktorenmodell

Fasse das Mehrfaktorenmodell zusammen

Modellstruktur

Drei-Faktoren-Modell mit Nullkorrelation

Einen direkten Pfad erstellen

Modifikationsindizes

Modellvarianz prüfen

Modifikationsindizes untersuchen

Modellvergleich

Zwei Modelle vergleichen

Bestimmte Fit-Indizes auswählen

Mehrfaktorenmodelle

Strukturgleichungsmodelle laufen nicht immer reibungslos. In diesem Kapitel lernst du, wie du Heywood-Fälle – häufige Fehlertypen – behebst. Außerdem lernst du, dein Modell in R mit der Bibliothek semPlot zu visualisieren.

Heywood-Fälle bei der latenten Variable

Analysiere einen latenten Heywood-Fall

Behebe das latente Heywood-Modell

Heywood-Fälle bei manifesten Variablen

Analysiere einen manifesten Heywood-Fall

Behebe das Manifest-Heywood-Modell

Diagramme mit semPaths() erstellen

Einfaches SEM-Diagramm

Layout bearbeiten

Beschriftungen anpassen

Fehlerbehebung und Diagramme in Modellen

Dieses Kapitel untersucht die WAIS-III-IQ-Skala und ihre strukturellen Eigenschaften. Du nutzt deine Fähigkeiten aus den ersten drei Kapiteln, um verschiedene Modelle der WAIS-III zu erstellen, Fehler in diesen Modellen zu beheben und Diagramme des finalen Modells zu erstellen.

Modelliere die WAIS-III-IQ-Skala

Erstelle ein Vier-Faktoren-Modell

Modell aktualisieren

Erstelle ein Diagramm des finalen Modells

Aktualisiere das WAIS-III-Modell

Pfade hinzufügen, um die Anpassung zu verbessern

Modelle vergleichen

Ein hierarchisches IQ-Modell

Erstelle ein hierarchisches Modell

Das hierarchische Modell diagrammieren

Kursabschluss

Vollständiges Beispiel und eine Erweiterung

Latent Variable Heywood Case Data

WAIS-III IQ Data for Hierarchical Model

Negative Variance Heywood Case Data

Wenn wir mit Daten arbeiten, wollen wir oft Modelle erstellen, um zukünftige Ereignisse vorherzusagen. Gleichzeitig möchten wir aber auch ein tieferes Verständnis dafür, wie unsere Daten zusammenhängen bzw. aufgebaut sind. In diesem Kurs erkundest du die Vernetztheit von Daten mithilfe der Strukturgleichungsmodellierung (SEM) in der Programmiersprache R mit dem Paket lavaan. SEM führt dich in latente und manifeste Variablen ein und zeigt dir, wie du Messmodelle erstellst, deren Genauigkeit bewertest und schlecht passende Modelle verbesserst. Im Verlauf des Kurses arbeitest du mit klassischen SEM-Datensätzen wie Holzinger und Swineford (1939) sowie Bollen (1989). Außerdem bearbeitest du eine Fallstudie zu einem Mehrfaktorenmodell mit der Wechsler Adult Intelligence Scale. Nach diesem Kurs kannst du tief in deine Daten eintauchen und viel besser verstehen, wie alles zusammenpasst.

Intermediate Regression in R

Erfahren Sie, wie man Messmodelle erstellt und bewertet, um die Struktur einer Skala zu bestätigen.

Strukturgleichungsmodellierung mit lavaan in R

Lerne, wie du Messmodelle erstellst und bewertest, um die Struktur einer Skala oder eines Fragebogens zu bestätigen.

Professor

Heywood-Fälle

Ein Beispiel mit latenter Variable

So findest du den Fehler

So behebst du den Fehler

So behebst du den Fehler (2)

Lass uns üben!

Fehlerbehebung und Diagramme in Modellen - Heywood-Fälle bei der latenten Variable

Heywood-Fälle bei der latenten Variable

Create Your Free Account