Grundlagen für Strukturgleichungsmodelle

Zusammenfassung

Dieses Kapitel hat einerseits das Ziel, die begriff lichen Grundlagen und Konventionen für SEM vorzustellen: Eigenschaften oder Arten von Variablen in SEM sowie die Darstellung von SEM über Pfaddiagramme oder als Gleichungssystem über die Matrixschreibweise. Andererseits soll das nötige Vorwissen über wesentliche statistische Grundlagen für SEM geschaffen oder wiederholt und vertieft werden. Hierzu zählen: Varianz, Kovarianz, Korrelation und lineare Gleichungen. Der Fokus richtet sich schließlich auf die lineare Regression als Grundmodell und Spezialfall linearer SEM: statistische Grundlagen der (multiplen) linearen Regression, Schätzung mittels OLS- und ML-Funktion, Effektzerlegung, Standardisierung von Regressionskoeffizienten, Matrixschreibweise sowie die Kovarianzund Mittelwertstruktur der linearen Regression. Abschließend wird die Bedeutung der erklärten Varianz (R²) als Gütemaß erörtert.