Andere Kunden interessierten sich auch für
![Leben in Metaphern]( "Leben in Metaphern")
Leben in Metaphern29,95 €![The Deconstruction of Employment as a Political Question]( "The Deconstruction of Employment as a Political Question")
The Deconstruction of Employment as a Political Question74,99 €![Qualitative Interviews]( "Qualitative Interviews")
Qualitative Interviews34,95 €![Bilder der Geschlechter]( "Bilder der Geschlechter")
Bilder der Geschlechter49,95 €![Methoden der empirischen Sozialforschung]( "Methoden der empirischen Sozialforschung")
Methoden der empirischen Sozialforschung34,95 €![Sozialwissenschaftliche Analysen von Bild- und Medienwelten]( "Sozialwissenschaftliche Analysen von Bild- und Medienwelten")
Sozialwissenschaftliche Analysen von Bild- und Medienwelten34,95 €![Queere Theorien zur Einführung]( "Queere Theorien zur Einführung")
Queere Theorien zur Einführung17,90 €
Strukturgleichungsmodelle bieten eine flexible Modellierungsvariante an, die sich auch in den Sozialwissenschaften immer größerer Beliebtheit erfreut.
Um die statistische Güte eines Strukturgleichungsmodells zu überprüfen, steht eine Vielzahl von Fit-Indizes, auch als Gütemaße oder Fit-Maße bezeichnet, zur Verfügung. Im Kontext der linearen Strukturgleichungsmodellierung erweisen sich vier Fit-Indizes als besonders einschlägig: Der "Root Mean Square Error of Approximation" (RMSEA), der "Tucker-Lewis Index" (TLI), der "Comparative Fit Index" (CFI) und der "Standardized Root Mean Square Residual" (SRMR). Es handelt sich dabei um vier häufig verwendete Fit-Indizes, die in gängiger Statistik-Software fest implementiert sind.
Zwar sollen die verschiedenen Fit-Indizes in gleichem Maße Auskunft über die Güte des Modells geben, jedoch ergibt sich bei der Analyse eines Strukturgleichungsmodells oft der Umstand, dass die unterschiedlichen Gütemaße verschiedene Schlüsse bezüglich der Güte des Modells nahelegen.
Im Rahmen einer umfassenden Simulationsstudie werden bestimmte Sensitivitäten der genannten Fit-Indizes bezüglich verschiedener Modellspezifikationen untersucht. Ziel dieses Buches ist es, anhand konkreter Handlungsempfehlungen interessierten Anwenderinnen und Anwendern den Umgang mit Fit-Indizes zu erleichtern.
Um die statistische Güte eines Strukturgleichungsmodells zu überprüfen, steht eine Vielzahl von Fit-Indizes, auch als Gütemaße oder Fit-Maße bezeichnet, zur Verfügung. Im Kontext der linearen Strukturgleichungsmodellierung erweisen sich vier Fit-Indizes als besonders einschlägig: Der "Root Mean Square Error of Approximation" (RMSEA), der "Tucker-Lewis Index" (TLI), der "Comparative Fit Index" (CFI) und der "Standardized Root Mean Square Residual" (SRMR). Es handelt sich dabei um vier häufig verwendete Fit-Indizes, die in gängiger Statistik-Software fest implementiert sind.
Zwar sollen die verschiedenen Fit-Indizes in gleichem Maße Auskunft über die Güte des Modells geben, jedoch ergibt sich bei der Analyse eines Strukturgleichungsmodells oft der Umstand, dass die unterschiedlichen Gütemaße verschiedene Schlüsse bezüglich der Güte des Modells nahelegen.
Im Rahmen einer umfassenden Simulationsstudie werden bestimmte Sensitivitäten der genannten Fit-Indizes bezüglich verschiedener Modellspezifikationen untersucht. Ziel dieses Buches ist es, anhand konkreter Handlungsempfehlungen interessierten Anwenderinnen und Anwendern den Umgang mit Fit-Indizes zu erleichtern.