https://padlet.com/prestele/Bookmarks Wichtigstes aus der heutigen Sitzung en-us 2022-06-01 11:11:33 UTC 2022-07-07 06:53:08 UTC hello@padlet.com https://padlet.net/icons/png/1f92d.png https://padlet.com/prestele/Bookmarks/wish/2227967682 Eine Frage zu F. 23: kann man auch das Modell der schwachen MI gegen das Modell der strikten MI testen, obwohl der Vergleich von schwacher MI und Starker MI bereits signifikant war?]]> 2022-06-22 15:20:41 UTC https://padlet.com/prestele/Bookmarks/wish/2227967682 prestele https://padlet.com/prestele/Bookmarks/wish/2228657136 Nach dem strengen bottom up Vorgehen (Folie 23 der Multigruppenmodelle aber auch relevant für LS Modelle) würde man nicht eine Stufe überspringen. Man würde schrittweise testen. Meist ist es auch, so dass die Modellvergleiche eher noch "schlechter" ausfallen, wenn man gleich mehrere Restriktionen zugleich umsetzt, also z.B. Intercepts + Residualvarianzen.
In der Forschungspraxis macht man es allerdings oft auch so, dass man (nur) das Modell testet, dass man braucht - also z.B. starke MI um zwischen Gruppen bzw. über die Zeit latente Mittelwerte vergleichen zu können. Passt dieses ausreichend gut auf die Daten wird es beibehalten.
Ein drittes Vorgehen ist Top Down - sie können sich vermutlich schon denken, dass man hier bei einem sehr restriktiven Modell startet, das ausreichend gut auf die Daten passt und sieht ob die Lockerung einer Restriktion den Modellfit signifikant verbessern würde. Wenn ja, spricht das für das weniger restriktive Modell bzw. die Restriktion ist zu streng für die erhobenen Daten.
Thema der VL ist allerdings nur das Buttom UP Vorgehen, wie auf den Folien dargestellt]]> 2022-06-23 07:42:13 UTC https://padlet.com/prestele/Bookmarks/wish/2228657136 https://padlet.com/prestele/Bookmarks/wish/2230637160 Mir ging die letzte VL viel zu schnell, v.a. der Teil zu Latent state. Wo kam auf einmal dieser IS-Faktor her und was hat das zu bedeuten? Ich habe auch nicht verstanden,was es mit den benachbarten und nicht benachbarten Messzeitpunkten auf sich hatte. Ich hoffe wir können das wiederholen. ]]> 2022-06-26 13:15:41 UTC https://padlet.com/prestele/Bookmarks/wish/2230637160 https://padlet.com/prestele/Bookmarks/wish/2230637439 Cut-offs und Annahmen zur Messinvarianz ]]> 2022-06-26 13:16:23 UTC https://padlet.com/prestele/Bookmarks/wish/2230637439 https://padlet.com/prestele/Bookmarks/wish/2234181319 Auf Folie 45 stehen als df = 13. Können Sie nochmal erklären, wie man darauf kommt?]]> 2022-06-30 09:51:22 UTC https://padlet.com/prestele/Bookmarks/wish/2234181319 https://padlet.com/prestele/Bookmarks/wish/2235110583 Müssen die Situationen trotzdem für alle Personen der Stichprobe vergleichbar sein? Bei unserem Anwendungsbeispiel auf Folie 28 befanden sich alle Kinder in der gleichen Situation (vor der Klassenarbeit).
Ich habe mich gefragt, ob man die LST-Modelle auch anwenden kann, wenn sich Personen zu einem Messzeitpunkt in unterschiedlichen Situationen befinden. Also bspw. möchte man die momentane Ängstlichkeit über den Tag zu zufälligen Messzeitpunkten erfassen. Hierbei könnte es passieren, dass zum ersten Messzeitpunkt Person A für eine Prüfung lernen muss, Person B spazieren geht etc. Die Situationen unterscheiden sich also zwischen Personen.]]> 2022-07-01 13:13:07 UTC https://padlet.com/prestele/Bookmarks/wish/2235110583 prestele https://padlet.com/prestele/Bookmarks/wish/2238737456 Genau - die Grundidee bei LST Modellen ist eigentlich, dass wir rein zufällige Situationen haben, jede Person ist ein einer anderen Situation, wenn ich sie befrage. Bei den Beispielhaften ist das also eher die Ausnahme, als die Regel. ]]> 2022-07-07 06:33:24 UTC https://padlet.com/prestele/Bookmarks/wish/2238737456 prestele https://padlet.com/prestele/Bookmarks/wish/2238747129 Freiheitsgrade (df) = vorhandene Informationen - zu schätzende Parameter des Modells

Vorhandene Informationen im Modell mit Mittelwertstruktur: 
Anzahl der Varianzen und Kovarianzen der manifesten Indikatoren (p) + Anzahl der Mittelwerte
Anzahl der Varianzen und Kovarianzen der manifesten Indikatoren (p)  = (p*(p+1))/2 = (6*7)/2 = 42/2 = 21
+ 6 Mittelwerte = 27

zu schätzende Parameter im Modell mit strikter MI und IS-Faktor:
1 Intercept der Indikatoren (1. Intercept je latenter Variable bei strikter MI auf 0 restringiert, 2. Intercepts über die Zeit gleich)
1 Ladungen der Indikatoren auf den latenten States (1. Ladung je latenter Variable = 1; 2 Landungen wegen strikter MI über die Zeit gleich)
2 Residualvarianzen der Indikatoren (bei strikter MI über die Zeit gleich)
3 Intercepts der latenten State Variablen
3 Residualvarianzen der latenten State Variablen
2 Ladungen der latenten States auf dem latenten Trait (1. Ladung = 1)
1 Varianz des latenten Traitfaktors
1 Varianz des IS Faktors
0 Ladungen der 2. Indikatoren auf dem IS Faktor (Ladungen = 1; Restriktion aus starker MI)
--> insgesamt 14 zu schätzende Parameter
--> 27 - 14 = 13

]]> 2022-07-07 06:45:49 UTC https://padlet.com/prestele/Bookmarks/wish/2238747129 prestele https://padlet.com/prestele/Bookmarks/wish/2238751911 Bei den latent State Modellen haben wir die Besonderheit, dass wir dieselben Indikatoren bei denselben Personen immer wieder über die Zeit erfassen. 
Jeder einzelne Indikator hat neben seiner Varianz, die er mit den anderen Indikatoren desselben latenten Konstrukts teilt auch seine eigene "Residual-" Varianz - das was eben nicht durch den gemeinsamen latenten Faktor erklärt werden kann. Das ist aber nicht alles nur unsystematischer Messfehler, sondern ein Teil davon ist einfach spezifische "wahre Varianz" dieses Indikators die sog. uniqueness. 
Wenn wir keine Messwiederholung über die Zeit haben können wir diese uniqueness nicht vom Messfehler trennen. Das geht erst bei Messwiederholung. Sie zeigt sich darin, dass die Residuen derselben Indikatoren über die Zeit korrelieren (was sie nach der Einfachstruktur der KTT ja eigentlich nicht dürften).
Um dieser Uniqueness der Indikatoren Rechnung zu tragen kann man entweder die Residualvarianzen der Indikatoren über die Zeit korrelieren lassen (dabei bleibt allerdings die Uniqueness immer noch im Residuum und damit als Messfehler im Modell) oder ich spezifiziere einen zusätzlichen Residualfaktor, der die uniqueness der nicht-Referenzindikatoren modelliert.]]> 2022-07-07 06:51:47 UTC https://padlet.com/prestele/Bookmarks/wish/2238751911