Strukturgleichungsmodell für längsschnittliche Daten?

[Jonas_Ham]

Hallo liebe Statistik-Cracks,

Für meine Masterarbeit möchte (muss) ich mich höherer statistischer Verfahren bedienen, leider stehe ich gerade jedoch auf dem Schlauch, welches Verfahren das beste ist. Konkret geht es dabei um Strukturgleichungsmodelle, Pfadmodelle oder Wachstumskurvenmodelle...

Mein Design ist längsschnittlich mit zwei Erhebungszeitpunkten (T1 und T2). Dabei erhebe ich 3 unterschiedliche Variablen zu jeweils beiden Zeitpunkten. Aus der Theorie habe ich hergeleitet, dass sich diese 3 Variablen teilweise bei T1, T2 und von T1 zu T2 beeinflussen und in bestimmten Zusammenhängen stehen.

Mein Ziel ist es, dass ich die einzelnen korrelativen Zusammenhänge in einem Modell darstelle und untersuchen kann. Dabei möchte ich zusätzlich noch für Alter, Bildung und Geschlecht kontrollieren.

Weiterhin habe ich 4 unterschiedliche Gruppen. Meine Überlegung ist daher, zwei Modelle aufzustellen: mit ohne und ohne Berücksichtigung der Gruppen.

Meine Frage ist nun, ob längsschnittliche Daten in einem Strukturgleichungsmodell eine besondere Vorgehensweise benötigen und wie genau ich Gruppen in einem Strukturgleichungsmodell berücksichtigen kann.

Ich hoffe ihr könnte mir weiterhelfen!

Danke und liebe Grüße, Jonas

[dutchie]

Hallo jonas_ham

wenn du 4 Gruppen hast, hast du 5 Modelle mit und ohne Berücksichtigung der Gruppen, aber ...?
An sich ist das kein Problem für strukturgleichungen oder Pfadanalysen.
Mit AMOS würde das gehen, soweit ich dich verstehe, da gibt es die Möglichkeit verschiedene Gruppen hinsichtlich, der Pfadkoeffizienten
auf signifikante Unterschiede zu prüfen. Zu MPLUS kann ich nichts sagen. Kauf dir keine software, die Uni muss die stellen.
Mit SPSS würden Pfadmodell auch gehn aber uumständlich
Das ganze klingt nicht so, dass du latente Variablen hast?? und Messmodelle?? und n>1000 ??
Das kingt eher nach Pfadanalyse ohne latente Variablen, also kein SEM
Du hast dann 9 Variablen im Modell, plus...?

google mal: cross lag panel..A.F.Hayes med mod...

Die Gruppen sind letztlich Moderatoren der Zusammenhänge zwischen den Variablen, andere Gruppe andere Zusammenhänge.
Du baust dummys und multiplizierst alles mit allem..
4 gruppen sind viele! das ist mit zwei schon...
9 Variablen mal 4 --> 36 plus die, an die du noch denkst,
Die nächst Frage wäre wo gebe ich das bei gpower ein
wenn du BWL studierst kannst du auch PLS (auch software) machen, aber nur dann.

gruß
dutchie

[Jonas_Ham]

Zunächst einmal vielen Dank für die ausführliche Antwort!

Für die Analyse werde ich AMOS verwenden.

Das ganze klingt nicht so, dass du latente Variablen hast??

Stimmt, ich habe keine latenten Variablen, nur manifeste Variablen, also direkt mit einem Fragebogen bzw. Testverfahren erhobene Kennwerte. Mir war nicht bewusst, dass ein SEM notwendigerweise nur mit latenten Variablen möglich ist.

Kurz zum besseren Verständnis: Ich untersuche den Zusammenhang zwischen subjektiv wahrgenommenen Einschränkungen des Gedächtnisses (SEG), Depressiven Symptomen (DS) und verbaler Gedächtnisleistung (VG) bei Personen im höheren Alter.

und n>1000 ??

n = 315 Personen und leider sehr ungleich große Gruppen; ich ahne aber schon, dass das eigentlich eine zu kleine Stichprobe ist...

google mal: cross lag panel..A.F.Hayes med mod...

Cross-Lagged-Panel Design klingt im ersten Moment ziemlich passend, ich werde mich da mal einlesen!

Die Gruppen sind letztlich Moderatoren der Zusammenhänge zwischen den Variablen, andere Gruppe andere Zusammenhänge.
Du baust dummys und multiplizierst alles mit allem..
4 gruppen sind viele! das ist mit zwei schon...
9 Variablen mal 4 --> 36 plus die, an die du noch denkst

Okay, das ergibt auf jeden Fall Sinn. Ist das ganze denn auch möglich bzw. kann ich das so machen? Deine Aussage hört sich für mich gerade so an, als wenn mein Projekt etwas zu groß ist.

Ich muss nicht zwingend nach Gruppen differenzieren, wenn mein Datensatz das schlichtweg nicht hergibt. Die Gruppen beziehen sich letztendlich auf ein unterschiedliche Krankheitsstadien (gesunde Kontrollen, Personen mit subjektiven Einschränkungen, Personen mit leichten kognitiven Einschränkungen, und Personen mit Demenz); dabei spielt jedoch die Zeit eine wichtige Rolle, denn bei allen Gruppen ist über die Zeit hinweg eine Verschlechterung zu erwarten. Ich gehe nur davon aus, dass die Differenzierung in unterschiedliche Gruppen mehr Informationsgehalt hat.

Auf jeden Fall schon mal ein großes Dankeschön!

[dutchie]

Hallo jonas_Ham

AMOS ist gut
n=315 erscheint mir ok
an den Gruppen kann man ja basteln, die scheinen zum einem ordinal
und es gibt vielleicht auch stetige Variablen die die Gruppen bilden, die Gruppen sind ja nur konstruiert.
Du hast die Kontrollgruppe als referenz, das ist eigentlich die einzige echte Gruppe.
An den Gruppengrößen kann man nichts machen,
Man könnte auch aus den Gruppen ...ach das klappt schon...ist eigentlich auch secundär.

zu groß ist dein Projekt nicht, aber aller Erfahrung nach hält sowas einige Überraschungen bereit.
Wie ist es denn mit dem Zusammenhanz zwischen Demenz und subjektiv wahrgenommen Gedächtnis?

dropout ?..wenn der ein gewisses level erreicht... der ist ja korreliert mit deiner Fragestellung
Du weißt ja, je älter die Leute umso gesünder...

gruß
dutchie

[Jonas_Ham]

Hallo,

vielen Dank nochmal für die Antworten bisher! Ich musste nun erstmal auf meinen Datensatz warten und die Daten überprüfen und bereinigen. Letztendlich habe ich jetzt n = 286 für meine Analyse.

Wie ist es denn mit dem Zusammenhanz zwischen Demenz und subjektiv wahrgenommen Gedächtnis?

Subjektiv wahrgenommene Einschränkungen des Gedächtnisses gelten als Risikofaktor bzw. sehr frühes Anzeichen für kognitive Verschlechterungen/Demenz. Deswegen die längsschnittlichen Daten. Depressive Symptome spielen dabei eine weitere sehr wichtige Rolle, deswegen möchte ich diese auch berücksichtigen.

Ich habe nun mal ein Modell erstellt. Habe mich beim Erstellen des Modells an die Theorie von Cross-Lagged-Panel Designs gehalten für 2 Variablen gehalten, da ich nirgends Informationen zu einem Modell mit 3 Variablen gefunden habe.
Meine Frage ist nun, ob ich das Modell überhaupt formal korrekt erstellt habe oder ob ich irgendwas nicht berücksichtigt habe bzw. komplett falsch gemacht habe.

Hier das Modell:

https://imgur.com/a/YMptN9j

Bin leider ein totaler Amos-Anfänger und brauche deswegen etwas Unterstützung dabei.

Vielen Dank und Liebe Grüße,
Jonas

[dutchie]

hallo
schwer so was zu beurteilen wenn man die ganze geschichte nicht kennt.
ich kann mich auch an deine früheren mail erinnern (werde die nicht nochmal lesen)

aber die drei Variablen zu t1 und die drei zu t2 würde ich erstmal nicht mit zwei gerichteten Pfeile
verbinden (interaktion, weiß gerade auch nicht ob das in einem Pfadmodell zulässig, bei SEM geht das.)
sondern mit Doppelpfeile, die nur einen Zusammenhang unterstellen, dann 3 Doppelpfeile je Zeitpunkt, statt 6 gerichtet.

Weis nicht ob das Sinn macht mit dem Cross lag, damit versucht man herauszubekomme, wenn ein zusammenhang besteht zwischen Variable a und b
was Ursache und was Wirkung, also: a ursache von b oder umgekehrt!
das sehe ich hier nicht, BDI ist nur Wirkung, muss aber nicht, oder ist Depressivität Ursache von verzögerten Abruf?


gruß
dutchie

[Jonas_Ham]

Hallo,

habe das Modell jetzt nochmal umgestellt. Meine exogenen Variablen zu Messzeitpunkt 1 (MZ1) habe ich mit Kovarianzen verbunden. Die gerichteten Effekte von MZ1 zur MZ2 bleiben bestehen. Zusätzlich habe an meine endogenen Variablen die Fehlervarianz angehängt, die ich ebenfalls mit Kovarianzen verbunden habe.

Wenn ich dieses Modell jetzt mit meinen Daten laufen lasse, ist es exakt identifiziert und ich bekomme im Output folgendes:

Notes for Model (Default model)
Computation of degrees of freedom (Default model)
Number of distinct sample moments: 10
Number of distinct parameters to be estimated: 10
Degrees of freedom (10 - 10): 0

Result (Default model)
Minimum was achieved
Chi-square = ,000
Degrees of freedom = 0
Probability level cannot be computed

Nach allem was ich bisher über SEMs weiß, sollte ich eigentlich mehr Freiheitsgrade als Parameterschätzungen haben. Aber mit der Theorie und Durchführung von Cross-Lagged-Panel Designs, ist das irgendwie nicht zu vereinbaren, wenn ich die Pfade so lasse.

Übersehe ich jetzt irgendwas wichtiges oder werden Cross-Lagged-Panel Designs tatsächlich so analysiert und der Model-Fit ist egal?

Liebe Grüße,
Jonas

[dutchie]

Hallo Jonas

Du hast nur ein Pfadmodel, ohne latent Variablen.
Das was du rechnest könntest du genauso mit SPSS rechnen (multiple Regression).
Wenn du die Kovarianz zwischen den Fehlern einfach wegtust, müßte df>0 sein.
Die Kovarianz zwischen den Exogenen Braucht AMOS.
Probiere, ob sich die Pfadkoeffizienten ändern, wenn du mit und ohne dieser Kovarianz rechnest.
Dein primärer Modellfit ist R2 (aufgeklärte Varianz)und den hast du, und nätürlich die sigs der Pfade.
Zweimal !! für jede endogene Variable einen. Der Modellfit im AMOS bezieht sich auf das gesamte Modell.
Wesentlich ist der Vergleich der Pfade, die sich kreuzen.

gruß
dutchie

[Jonas_Ham]

Hallo dutchie,

Wenn du die Kovarianz zwischen den Fehlern einfach wegtust, müßte df>0 sein.
Die Kovarianz zwischen den Exogenen Braucht AMOS.

Kann ich die Kovarianz zwischen den Freiheitsgraden denn einfach so weglassen, wenn AMOS die benötigt (und wieso genau benötigt AMOS die eigentlich)? Was genau hat das dann für Folgen für das Modell, außer df>0?

Noch eine Frage zur Interpretation: Im Zentrum meiner Fragestellung stehen ja die Kreuzpfade.
Bei zwei Variablen sind diese relativ einfach zu interpretieren. Wenn einer der beiden Kreuzpfade substanziell höher ist bzw. nur einer der beiden Kreuzpfade einen signifikanten Zusammenhang aufweist, kann von einem „kausalen“ Zusammenhang ausgegangen werden. Wie wird da bei 3 Variablen vorgegangen?

Liebe Grüße,
Jonas

[dutchie]

hallo jonas

kann ich die Kovarianz zwischen den Freiheitsgraden denn einfach so weglassen

die Freiheitsgrade? zwischen den Fehlern! wenn du den Doppelpfeil wegläßt stzt AMOS den bei der Berechnung auf Null,
insofern ist er nicht "weg".

Würde sagen genauso immer paarweise vergleichen, jetzt nur 3mal. Dabei kann es aber zu Widersprüchen kommen.

gruß
dutchie

[Jonas_Ham]

Hallo,

die Freiheitsgrade? zwischen den Fehlern! wenn du den Doppelpfeil wegläßt stzt AMOS den bei der Berechnung auf Null,
insofern ist er nicht "weg".

Sorry, war schon etwas spät..

Dann werde ich das mal so probieren. Kann ich das denn einfach so machen? Spontan würde ich denken, dass ich damit entweder falsche Annahmen mache oder richtige Annahmen verletze...

Liebe Grüße,
Jonas

[dutchie]

Hallo Jonas

Annahme ist, daß die Fehler innerhalb einer Regression unkorreliert sind.
Du hast die Fehler zweier Regressionen vor dir, normal ist, daß die nicht korrelieren.
Das sind ja die Fehler zweier unterschiedlicher AVs.
Mach doch einfach mal mit und ohne, und reche nicht in AMOS sondern in SPSS
jedes Modell einzeln...

gruß
dutchie