Schritt 1 von fünf Schritten zum SEM
Die grundlegende Prämisse von Structural Equation Modeling (SEM) ist, dass ein Marktforscher "testen kann, ob bestimmte Variablen durch eine Reihe von linearen Beziehungen miteinander verknüpft sind, indem Varianzen und Kovarianzen der Variablen untersucht werden" (StatSoft, 2011) die klarsten Aussagen über SEM, WENN du die im Satz verwendeten Begriffe verstehst. Also, lasst uns das überprüfen.
Variable - (Nomen) Nach Merriam-Webster: "1).
Ein Element oder Faktor, der sich ändern oder verändern kann; 2) Eine Menge, die während einer Berechnung variiert oder in der Lage ist, sich im Wert zu ändern. "
Lineare Beziehung - Laut Investopedia: Im einfachsten Sinne "die Beziehung zwischen einer Variablen und einer Konstante, die in einer Grafik ausgedrückt werden kann, in der eine Konstante und eine Variable durch eine Gerade verbunden sind." Ein Beispiel wären die Kosten von Segelbooten, die linear zunehmen, wenn man die Linie zu größeren und größeren Schiffen, gemessen an der Quadratmeterzahl, hinaufsteigt.
Varianz - Laut Business Dictionary: "1) Die Differenz zwischen einem erwarteten Ergebnis und dem tatsächlichen Ergebnis; 2) In der Statistik das arithmetische Mittel der Quadrate der Abweichung aller Werte in einer Menge von Zahlen aus ihrem arithmetischen Mittelwert. Varianz und seine Quadratwurzel (die Standardabweichung) sind von grundlegender Bedeutung als Maß für die Dispersion. "
Variable Kovarianz - Nach Merriam-Webster: "In der Statistik und Wahrscheinlichkeitstheorie ist Kovarianz ein Maß dafür, wie viel zwei Variablen sich zusammen ändern."
Das SEM basiert auf einer Struktur, die auf Mathematik basiert
Dieser erste Schritt im SEM-Prozess besteht im Wesentlichen darin, dass der Marktforscher angibt, dass die Variablen durch die Verwendung eines Pfaddiagramms miteinander verknüpft sind.
Es mag hilfreich sein, über die Wirkung von additiven und multiplikativen Transformationen nachzudenken. Wenn zum Beispiel eine Liste von Zahlen mit einer Konstanten K multipliziert wird, werden der Mittelwert und die Standardabweichung ebenfalls mit dem Absolutwert von K multipliziert. Es ist automatisch. Mit Zahlen sieht das so aus: Für Zahlen 1,2, & 3: Der Mittelwert ist 2, und die Standardabweichung ist 1. Sagen wir K = 4. Multiplizieren 1, 2, & 3 mit K ergibt 4, 8, & 12. Für 4, 8 und 12 ist der Mittelwert 8 und die Standardabweichung ist 4. Die Varianz ist 16. Denken Sie daran, dass "Varianz ein Maß dafür ist, wie weit jeder Wert im Datensatz vom Mittelwert entfernt ist." Daher ist die Standardabweichung quadratisch.
Da Sie wissen, dass die beiden Zahlensätze miteinander verwandt sind, und Sie wissen, was die Varianz ist, können Sie indirekt die Hypothese testen, dass eine Zahlengruppe mit der anderen Zahlengruppe in Beziehung steht, indem Sie die Varianz der Variablen vergleichen.
Die Informationen zur Strukturgleichungsmodellierung unten basieren auf dem Inhalt des Buches von RH Hoyle (Hrsg.) 1995. Strukturelle Gleichungsmodellierung. SAGE Publications, Inc. Thousand Oaks, CA mit freundlicher Genehmigung von Google Books, und auch auf der gnädigen Interpretation komplexer Schreiben über SEM von Ricka Stoelting, früher von der San Francisco State University.
Im Modellspezifikationsschritt wird das Modell anhand seiner Parameter definiert. Zwei Arten von Parametern werden berücksichtigt: Feste Parameter und freie Parameter.
Warum werden Parameter als fest oder frei bezeichnet?
Die Identifizierung, welche Parameter festgelegt sind und welche Parameter frei sind, ist für die Integrität und Anwendung des SEM-Modells entscheidend. Die festen oder freien Bezeichnungen bestimmen, wie die Komponenten des Modells verglichen werden. Die Modellkomponenten sind 1) das hypothetische Diagramm, 2) die Stichprobenpopulationsvarianz und 3) die Kovarianzmatrix. Jede dieser Komponenten ist wichtig für das Testen der Passform des Modells (Schritt 4)
Der Marktforscher bestimmt, welche Parameter als frei bezeichnet werden und welche Parameter als fest bezeichnet werden. Die Entscheidungen des Marktforschers spiegeln die A-priori- Hypothese wider .
bedeutet, dass das "von ersteren" in Latein, so bezieht sich auf die Hypothese, bevor die Forschung oder das Experiment stattgefunden hat. Eine a priori Hypothese ist also die beste Vermutung über die Beziehungen, die durch den SEM-Prozess untersucht werden sollen.
Der Marktforscher schätzt am besten, welche Wege in der relationalen Struktur wichtig sind. Der Marktforscher vermutet, welche Parameter in der Stichprobenvarianz (die beobachtbar ist) und in der Kovarianzmatrix eine Rolle spielen. Mit anderen Worten, wo erwartet der Marktforscher die Beziehungen?
Ein fester Parameter wird im Allgemeinen bei Null festgelegt. Null bedeutet, dass zwischen den Variablen keine Beziehung besteht. Da das Modell auf Pfaden basiert, haben die festen Parameter Pfade mit numerischen Bezeichnungen. Eine Ausnahme tritt natürlich auf, wenn einem Pfad der Wert Null zugewiesen wurde. In dem SEM-Diagramm wird für einen Pfad mit einem Wert von Null kein Pfad gezeichnet.
Ein Marktforscher erwartet, dass die freien Parameter andere Werte als Null haben. Die freien Parameter werden aus den beobachtbaren Daten geschätzt. Im SEM-Diagramm sind die Pfade der freien Parameter mit Sternchen markiert.
Bereit fortzufahren?
- Identifizieren Sie das Modell
- Schätze das Modell ab
- Testen Sie das Modell Fit
- Manipulieren Sie das Modell