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.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Author information
Authors and Affiliations
Corresponding author
Rights and permissions
Copyright information
© 2017 Springer Fachmedien Wiesbaden GmbH
About this chapter
Cite this chapter
Aichholzer, J. (2017). Grundlagen für Strukturgleichungsmodelle. In: Einführung in lineare Strukturgleichungsmodelle mit Stata. Springer VS, Wiesbaden. https://doi.org/10.1007/978-3-658-16670-0_3
Download citation
DOI: https://doi.org/10.1007/978-3-658-16670-0_3
Published:
Publisher Name: Springer VS, Wiesbaden
Print ISBN: 978-3-658-16669-4
Online ISBN: 978-3-658-16670-0
eBook Packages: Social Science and Law (German Language)