Introduction to Structural Equation Modeling (SEM) and Amos Software, Slides of Statistics

Download Introduction to Structural Equation Modeling (SEM) and Amos Software and more Slides Statistics in PDF only on Docsity!

Eva Van den Bussche

Workshop^2007

Structural Equation Modeling

Overzicht „^ Deel I: Theoretische kadering SEM „^ Deel II: Introductie AMOS:Demonstratie „^ Deel III: Practicum op basis vanreal-life datasets

Basis „^ Byrne, B.M. (2001).

Structural

Equation Modeling with Amos.Basic concepts, applications, andprogramming.

New Jersey: Erlbaum.

ISBN 0-8058-4104-

Wat is SEM? „^ Structural Equation

Æ^ causale

relaties

voorgesteld als serie vergelijkingen „ Modeling

Æ^ deze relaties grafisch modelleren „^ Confirmatorisch! „^ Doel^

= opstellen en toetsen van een modelomtrent de interrelatie tussen een geheel vangeobserveerde en niet-geobserveerde(latente) variabelen

Basisbegrippen „^ Latente variabelen of constructenworden geoperationaliseerd a.d.h.v.geobserveerde variabelen of indicatoren

WISC VIQ^ WISC PIQ

Intelligentie

e1 e

Basisbegrippen „^ Constructen

waar pijlen toekomen zijn ENDOGEEN, afhankelijk „ Constructen

waar geen pijlen toekomen zijn EXOGEEN, onafhankelijk „ Indicatoren

kunnen zowel metingen zijn van exogene als van endogene constructen „ Deze metingen zijn nooit perfect

Æ

meetfouten (e)

Basisbegrippen „^ Meetmodel

: relaties tussen latente constructen en indicatoren „ Structuurmodel

: relaties tussen latente constructen „ Nood aan een overzicht!!!

Basisbegrippen: Overzicht e1 e2 e3 e4 e

Structuurmodel

endogeen exogeen exogeen

Ind6 Ind

e6 e

Ind1 Ind2 Ind3 Ind4 Ind

p

Meetmodel

Meetmodel

Padanalyse

„^ GEEN LATENTE VARIABELEN!!!

CFA

„^ Zowel latente als geobserveerde variabelen „^ Géén causale relaties tussen de latentevariabelen (wel covarianties) „^ Typisch gebruikt voor validering vanvragenlijsten „^ Vastleggen van de meetschaal voor delatente variabelen:^ – Fixeren van de variantie van het construct^ – Fixeren van 1 van de met het constructgeassocieerde parameters

• CFA

SEM

„^ Hier wél causale relaties tussen latente constructen „^ Opnieuw meetschaal vastleggen

1

1

1

SEM versus EFA / PCA „^ Zeer vaak verward en foutief gebruikt^ PCA

EFA^

CFA

Exploratief: geen apriori kennis

Exploratief: geen apriori kennis

Confirmatorisch

: wel a priori kennis

Enkel data-reductie

: bekomencomponenten zijn nogsteeds observeerbaar!

Zoeken naar latente factoren

Toetsen van latente factoren

Doel^ = geheel van devariantie in de dataverklaren

Doel^ = vanuit welkeonderliggende latentefactoren valt de gemeenschappelijke variantie in de data tebegrijpen?

Doel^ = hypothesetoetsing

Deel II: Introductie Amos „^ Waarom Amos? „^ Hoe werkt het? „^ Demonstratie^ – Stap 1: A priori theorie^ – Stap 2: Databestanden voorbereiden^ – Stap 3: Van start met Amos^ – Stap 4: Model tekenen^ – Stap 5: Model fitten^ – Stap 6: Interpretatie^ – Stap 7: Modificatie^ – Stap 8: Validatie