Lernkarten

Karten 68 Karten
Lernende 6 Lernende
Sprache Deutsch
Stufe Universität
Erstellt / Aktualisiert 01.02.2020 / 12.08.2020
Lizenzierung Keine Angabe
Weblink
Einbinden
0 Exakte Antworten 0 Text Antworten 68 Multiple Choice Antworten
Fenster schliessen
1

1 Kommentare

  • 01.02.2020
    zu B) Nein, nur im unkorrelierten Fall. Siehe VL EFA 1 -Folie 15
    zu C) Ebenfalls im unkorrelierten Fall. Siehe VL Seite 17
1

1.) Welche der folgenden Aussagen zu Kennwerten in der EFA sind richtig?

A) Im Fall unkorrelierter Faktoren kennzeichnet die Kommunalität das Ausmaß, in dem die Varianz einer Variablen durch die Faktoren aufgeklärt wird

B) Im Falle korrelierter Faktoren enthält die Mustermatrix die Korrelation zwischen Faktoren und Items

C) Im Falle korrelierter Faktoren kennzeichnet der Eigenwert das Ausmaß in dem die Varianz einer Variablen durch die Faktoren aufgeklärt wird

D) Im Falle unkorrelierter Faktoren entsprechen Faktorladungen Korrelationen zwischen der jeweiligen manifesten Variablen und dem jeweiligen latenten Faktor

E) Bei einer EFA werden die Faktoren nicht nur daran bemessen, wieviel Varianz sie erklären, sondern auch daran, in welchem Maße sie beitragen, das Muster an Zusammenhängen zwischen den manifesten Variablen zu erklären.

Fenster schliessen
1

1 Kommentare

  • 01.02.2020
    zu E) wieder UNkorreliert
    zu G) hier fehlt mir der Zusatz "unkorreliert"
    zu H) Kommunalitätenproblem entsteht doch, weil wir die Kommunalitäten schätzen müssen, weil diese nicht bekannt sind. Hat nix mit dem Verhältnis von Fehler- zu Gesamtvarianz zu tun,
1

2.) Welche der folgenden Aussagen zu Kennwerten in der EFA sind richtig?

E) Werden im Falle korrelierter Faktoren die quadrierten Korrelationen eines Items mit den Faktoren aufsummiert, erhält man die Kommunalität des Items

F) Faktorwerte sind die Ausprägung einer Person auf der latenten Variablen (Faktor)

G) Eigenwerte entsprechen den quadrierten Korrelationen zwischen den jeweiligen manifesten Variablen und latenten Faktoren.

H) Das Kommunalitätenproblem entsteht, wenn der Anteil an der Gesamtvarianz aller manifesten Variablen, die durch latenten Faktor aufgeklärt wird, geringer ist als der Anteil der Fehlervarianz an der Gesamtvarianz aller manifesten Variablen.

I) Bei einer Faktorenanalyse, in der die extrahierten Faktoren sukzessive maximale Varianz aufklären sollen, kann es oft vorkommen, dass in der Anfangslösung viele Items hoch auf dem ersten Faktor laden und niedriger auf allen anderen Faktoren.

Fenster schliessen

3.) Welche der folgenden Aussagen zu Kennwerten in der EFA sind richtig? (WS18/19)

A) Im Falle unkorrelierter Faktoren entsprechen Faktorladungen Korrelationen zwischen den jeweiligen manifesten Variablen und latenten Faktoren

B) Im Falle unkorrelierter Faktoren kennzeichnet die Kommunalität das Ausmaß, in dem die Varianz einer Variablen durch die Faktoren aufgeklärt wird.

C) Korrelierte Faktoren; Eigenwert- Ausmaß, in dem Varianz einer Variablen durch die Faktoren aufgeklärt wird.

D) Korrelierte Faktoren. Faktorladungen = Semipartielle Regressionsgewichte--> Mustermatrix

E) Im Falle korrelierter Faktoren enthält die Strukturmatrix die Korrelation zwischen Faktoren und Items

Fenster schliessen
1

1 Kommentare

  • 01.02.2020
    AB (VL1, Folien: 9, 10, 15, 16, 17; Bühner, S. 299 – 302, 321; VL2, Folien: 5, 24)
    D als Sonderpunkt
1

4.) Kennwerte EFA

a) bei unkorrelierten Faktoren entsprechen Faktorladungen den Korrelationen zwischen jeweils manifesten Variablen und latenten Variablen

b) bei unkorrelierten Faktoren ist die Kommunalität das Ausmaß, indem Varianz einer Variablen durch Faktoren aufgeklärt wird

c) bei korrelierten Faktoren ist der Eigenwert das Ausmaß, in dem Varianz einer Variablen durch Faktoren aufgeklärt wird

d) bei korrelierten Faktoren enthält die Mustermatrix Korrelationen zwischen Faktoren + Items

e) wenn bei korrelierten Faktoren die quadrierten Korrelationen eines Items aufsummiert werden, erhält man die Kommunalitäten

Fenster schliessen
1

1 Kommentare

  • 01.02.2020
    A B E (VL1, Folien: 9, 10, 15, 16, 17, 29; Bühner, S. 299 – 302, 310 – 313, 321)
1

5.) Welche Aussagen zu Kennwerten einer EFA mit unkorrelierten Faktoren sind korrekt?

a) Faktorladungen entsprechen den Korrelationen zwischen den jeweiligen manifesten Variablen und den jeweiligen latenten Faktoren.

b) Kommunalität ist das Ausmaß, in dem die Varianz einer Variable durch Faktoren aufgeklärt wird.

c) Eigenwerte entsprechen den quadrierten Korrelationen zwischen den jeweiligen manifesten Variablen und latenten Faktoren.

d) Das Kommunalitätenproblem entsteht, wenn der Anteil an der Gesamtvarianz aller manifesten Variablen, die durch latenten Faktor aufgeklärt wird, geringer ist als der Anteil der Fehlervarianz an der Gesamtvarianz aller manifesten Variablen.

e) Faktorwerte sind Ausprägungen einer Person auf latenten Variablen (Faktoren).

Fenster schliessen
1

1 Kommentare

  • 01.02.2020
    D ( VL1, Folien: 20, 21, 27, 28)
1

6.) PCA vs. PAF

a) PCA eignet sich dafür, Beziehungen zwischen latenten Variablen aufzudecken

c) In der PCA wird die Varianz zerlegt in gemeinsame Varianz, spezifische Varianz und Fehlervarianz.

d) In der PCA sind die Faktoren voneinander unabhängig und klären sukzessive Varianz auf

e) PAF: Ziel ist Datenreduktion

Fenster schliessen
2

2 Kommentare

  • 02.03.2020
    Bei D) müsste richtiger Weise statt Komponenten "Faktoren" heißen, DANN ist es total richtig.
  • 01.02.2020
    A C (VL1, Folien: 20, 21, 27, 28; Bühner, S. 314, 315)
2

7.) PCA + PAF

a) Ziel der PCA Datenreduktion

b) PCA Zusammenhang zw. manifesten Variablen mittels kleiner Anzahl latenter Variablen

c) PCA sukzessive Varianzaufklärung und unabhängige Komponenten

d) PAF sukzessive Varianzaufklärung und unabhängige Komponenten

e) PCA Gesamtvarianz = gemeinsame + spezielle + Fehler

Fenster schliessen
1

1 Kommentare

  • 01.02.2020
    A E (VL2, Folien: 16, 17, 21, 22, 23,24, 25, 26, 27; Bühner, S. 329 – 339)
1

8.) Welche Aussagen zur EFA treffen zu?

a) Ziel der orthogonalen Rotation ist die Einfachstruktur

b) Ziel der obliquen Rotation ist die Maximierung der Korrelationen.

c) Varimax ist die gebräuchlichste oblique Rotationstechnik

d) Ladungen ändern sich bei beiden Rotationsverfahren, die Gesamtvarianz nur bei der obliquen Rotation.

e) Die Kommunalitäten der unrotierten Anfangsmatrix entsprechen den Kommunalitäten der rotierten Matrix.

Fenster schliessen
1

1 Kommentare

  • 01.02.2020
    A wurde diskutiert- können wir noch klären
    (VL2, Folien: 5, 6, 7, 8, 9, 10, 11; Bühner, S. 326, 327, 348 - 350)
1

9.) Welche Aussagen zur EFA treffen zu?

a) Bei der Hauptachsenanalyse können inhaltliche Überlegung die Anzahl der Extraktion beeinflussen

b) Hier stand etwas zum Paralleltest, allerdings mit der Definition von MAP

c) Bei der Extraktion nach dem Eigenwertkriterium kann es sein, dass zu wenige Faktoren extrahiert werden.

d) Bei der ML-Faktorenanalyse werden Faktoren anhand eines Likelihood-Quotienten-Tests berechnet.

e) Hier MAP mit Definition von Paralleltest.

Fenster schliessen
1

1 Kommentare

  • 01.02.2020
    A D (VL1, Folien: 15, 16, 17; VL2, Folie: 6, 24; Bühner, S. 300, 310, 311, 321)
1

10.) Welche der Aussagen zu Kennwerten in der explorativen Faktorenanalyse sind richtig?

a) Bei unkorrelierten Faktoren entspricht die Kommunalität dem Ausmaß, in dem Varianz einer Variablen durch die Faktoren aufgeklärt wird.

b) Bei korrelierten Faktoren enthält die Mustermatrix die Korrelationen zwischen Faktoren und Items

c) Unter Uniqueness (Einzigartigkeit) wird die um den Messfehler bereinigte Varianz eines Items verstanden

d) Faktorwerte sind die Ausprägung einer Person auf der latenten Variablen (Faktor).

e) Bei korrelierten Faktoren entspricht der Eigenwert dem Ausmaß, in dem die Varianz einer Variablen durch Faktoren aufgeklärt wird.

Fenster schliessen
1

1 Kommentare

  • 01.02.2020
    B (VL1, Folie: 27, 29; Bühner, S. 310, 313, 314
1

11.) Welche der folgenden Aussagen zu Verfahren in der EFA sind korrekt?

a) Die Hauptkomponentenanalyse versucht auf der Grundlage eines Faktormodells Zusammenhänge zwischen einer Reihe von beobachteten (manifesten) Variablen mittels einer möglichst kleinen Anzahl an Faktoren (latenten Variablen) zu erklären.

b) Die Hauptachsenanalyse (PAF) ist iteratives Verfahren, das endet, wenn der Unterschied in den Kommunalitätsschätzungen zwischen 2 aufeinanderfolgenden Iterationsschritten kleiner als ein Konvergenzkriterium ist

c) Bei der Hauptkomponentenanalyse wird die Gesamtvarianz zerlegt in a) einen varianzteil, den sich die manifesten Variablen teilen, b) die spezifische Varianz und c) die Fehlervarianz

d) Bei einer Maximum-Likelihood Faktoranalyse sind im Gegensatz zu einer PCA die Ladung der Faktoren auf den Items eindeutig bestimmt

e) Bei der PAF werden die Faktoren so bestimmt, dass sie sukzessiv maximal Varianz erklären und unabhängig sind

Fenster schliessen
1

1 Kommentare

  • 01.02.2020
    E (VL2, Folie: 21, 24, 27, 29)
1

12.) Welche der folgenden Aussagen zur explorativen Faktorenanalyse sind richtig?

a) Sowohl bei der obliquen als auch bei der orthogonalen Rotation einer Anfangslösung ändern sich die Ladungen, im Gegensatz zu einer obliquen Rotation ändert sich jedoch bei einer orthogonalen Rotation die erklärte Gesamtvarianz nicht.

b) Das Ziel einer obliquen Rotation einer Anfangslösung in der explorativen Faktorenanalyse ist die Maximierung der Korrelation zwischen den Faktoren

c) Die sogenannte Varimax-Rotation ist die gebräuchlichste oblique Rotationstechnik einer Anfangslösung in der explorativen Faktorenanalyse.

d) Um einer explorative Faktorenanalyse durchzuführen, sollte eine ausreichende Korrelation der latenten Variablen vorliegen

e) Ziel einer orthogonalen Rotation einer Anfangslösung in der explorativen Faktorenanalyse ist die sog. Einfachstruktur."

Fenster schliessen
1

1 Kommentare

  • 01.02.2020
    B D (VL1, Folie: 16, 17; VL2, Folien: 27, 33, 34; Bühner, S. 310)
1

13.) EFA:

a) Werden im Fall korrelierter Faktoren die quadratischen Korrelationen eines Items mit dem Faktor aufsummiert, erhält man die Kommunalität der Items

b) Je Geringer die Kommunalität bei gleicher Anzahl von Items pro Faktor, umso größer sollte die Stichprobe ausfallen

c) Kommunalitätsproblem entsteht, wenn die Anteile der Gesamtvarianz aller manifester Variablen, die durch latente Faktoren aufgeklärt werden, geringer ist als der Anteil der Fehlervarianz an der Gesamtvarianz aller manifester Variablen

d) Kommunalität der manifesten Variablen (Items) in der unrotierten Anfangslösung sind identisch mit der Kommunalität der manifesten Variablen (Items) in der orthogonal rotierten Lösung.

e) Bei der Bestimmung der Anzahl der zu extrahierenden Faktoren in der EFA sollten inhaltliche Überlegungen nur bei der Verwendung der ML-faktorenanalyse eine Rolle spielen."

Fenster schliessen
1

1 Kommentare

  • 01.02.2020
    (VL EFA1 Folien: 5, 32; VL EFA2, Folie: 33; VLSEM1, Folie: 32)
1

14.) EFA:

a) ML im Sinne metrischer manifester Variablen setzt multivariate Normalverteilung voraus

b) In der EFA werden die Faktoren daran bemessen in welchem Maße sie das Muster an Zusammenhängen der manifesten Variablen erklären

c) Bei der PCA wird die höchste bivariate Korrelation der Variablen mit einer anderen Variablen als Schätzer für die Kommunalität der Variablen benutzt

d) Der geeignete Stichprobenumfang bei der EFA hängt von der Kommunalität, Anzahl der Faktoren & Anzahl der manifesten Variablen pro Faktor ab

e) Nach aktuellem Stand der Forschung wird empfohlen je ein Faktor 4 Items zu extrahieren

Fenster schliessen
1

1 Kommentare

  • 10.02.2020
    Ich habe die Antworten mir jetzt selbst mal ausgedacht. Die aus den Gedächtnisklausuren waren eher dürftig
1

15.) Welche Aussage zu den Extraktionskriterien bei der EFA sind richtig?

a) Bei der Parallelanalyse nach Horn werden substantielle Faktoren extrahiert, deren Eigenwerte sich deutlich von denen der anderen unterscheiden

b) Vorteil der Maximum-Likelihood-FA besteht darin, Stabilität der Ergebnisse im Vergleich zur EFA nicht stark von Kommunalität abhängt

c) Am aussagekräftigsten sind Minimum-Averange-Test und/oder Parallelanalyse nach Horn

d) Der MAP-test orientiert sich am Eigenwertkriterium größer Eins

e) Scree-Test nach Catell: Nach Durchführung einer PCA wird die erste Hauptkomponente herausparialisiert und die mittleren quadrierte Partialkorrelationen errechnet. Danach gleicher Vorgang wieder, bis die mittlere quatrierte PArtialkorrelation ein Minimum erreicht hat

Fenster schliessen
1

1 Kommentare

  • 01.02.2020
    (VL SEM1, Folie: 5, 6)
1

16.) Vorteile von SEM im Vergleich zu multipler Regression

a) Abhängigkeit der Beobachtungen kann berücksichtigt werden

b) Kausalhypothesen können überprüft werden

c) Modellfit kann überprüft werden

d) Multiple Mediatormodelle können überprüft werden

e) SEM haben weniger strenge Voraussetzungen

Fenster schliessen
1

1 Kommentare

  • 01.02.2020
    VL SEM1, Folien: 19, 20,26, 27; Kline, 2011, S. )
1

17.) Was ist bzgl. der Identifikation bei SEM richtig?

a) Notwendige Bedingung ist, dass die Anzahl der Freiheitsgrade positiv ist

b) Notwendige Bedingung sind mindestens gleiche Anzahl an Informationen wie an frei zu schätzenden Parametern

c) Notwendige Bedingung ist die Skalierung aller latenten Variablen

d) Notwendige Bedingung sind mindestens 4 Indikatoren pro latenter Variable

e) Notwendige Bedingung ist die Verwendung von mehr als einer latenten variablen in einem Modell

Fenster schliessen
1

1 Kommentare

  • 01.02.2020
    A B C (E?) (VL SEM1, Folien: 19, 20,26, 27; VL SEM2, Folien: 13, 14; Kline, 2011, S.)
1

18.) Identifikation von SEM

a) Durch Einführung von Restriktionen (Fixierung der Modellparameter) kann Modellidentifikation hergestellt werden.

b) Notwendige Bedingung: ist eine mindestens gleiche Anzahl an Informationen wie an frei zu schätzende Parameter

c) Notwendige Bedingung: Skalierung aller latenten Variablen

d) Notwendige Bedingung: Verwendung v. mindestens 4 Indikatoren pro Variable

e) Zur Identifikation eines Modells werden Residualvariablen auf 1 fixiert.

Fenster schliessen
1

1 Kommentare

  • 01.02.2020
    B C D (VL SEM1, Folie: 36, 41, 45, 47)
1

19.) Welche Aussagen sind zu genesteten Modellen bei SEM richtig?

a) Signifikanter Chi Quadrat Test deutet darauf hin, dass das restriktivere Modell zutrifft

b) Bei Modellen mit einer unterschiedlichen Anzahl an Variablen ist kein genesteter Modellvergleich möglich

c) Chi Quadrat Differenzentest ist nur bei genesteten Modellen möglich

d) Genestete Modelle ergeben sich durch Respezifikation von Modellparametern

e) Genestete Modelle ergeben sich, indem die Richtung von gerichteten Beziehungen umgekehrt wird

Fenster schliessen
1

1 Kommentare

  • 01.02.2020
    A E (VL SEM1, Folien: 37, 38, 39, 40)
1

20.) Ein Forscher rechnet ein komplexes SEM mit gerichteten Beziehungen, N = 500 (???) Aussagen zur Modellgüte Chi-quadrat = 455.87, df = 133, p <.001, CFI .95, RMSEA .024, SRMR .043

a) Der Modell-Fit deutet darauf hin, dass die Modellgüte angemessen ist

b) Der Modell-Fit deutet daraufhin, dass es keine vergleichbar guten Alternativen gibt

c) Kausalität ist belegt

d) Modell-Fit deutet darauf hin, dass sich auch unabhängige Stichproben mit dem Modell bestätigen lassen

e) Der Forscher sollte auch plausible äquivalente Modelle diskutieren

Fenster schliessen
1

1 Kommentare

  • 01.02.2020
    A B (Gutschrift E, siehe auch Folie 30 mit Pfadmodell) (VL SEM1, Folien: 7, 37, 38, 39, 40;VL SEM2, Folie: 13, 14; Kline, S. 204 – 209)
1

21.) Welche Aussagen treffen im Kontext linearer Strukturgleichungsmodelle zu?

a) Endogene Variablen sind Variablen in einem Strukturgleichungsmodell, die von mindestens einer der im Modell thematisierten Größen beeinflusst werden.

b) Für die Identifizierung eines Messmodells sind drei manifeste Indikatoren ausreichend.

c) CFI, RMSEA und SRMR als deskriptive Fit-Maße basieren alle auf dem model chi square.

d) Strukturmodelle beinhalten immer auch Messmodelle

e) In Messmodellen sind die beobachteten Indikatoren immer endogene Variablen

Fenster schliessen
1

1 Kommentare

  • 01.02.2020
    (VL SEM1, Folien: 9, 10, 11, 12, 13)
1

22.) Lineare SEM

a) SEM in Mess- & Strukturmodelle unterteilt

b) Messmodell: Beziehungen zw. Latenten und manifester Variablen anhand gerichteter Beziehungen

c) Strukturmodell zeigt, wie latente, messfehlerfreie Variablen auf Grundlagen eines faktorenanalytischen Models definiert werden

d) Strukturmodelle beinhalten immer auch Messmodelle

e) Im einem reflexiven Messmodel sind beobachtete Indikatoren endogene Variablen

Fenster schliessen
1

1 Kommentare

  • 01.02.2020
    (VL SEM1, Folie: 5)
1

23.) Vorteile SEM im Vergleich zu MR

a) Messfehler kann berücksichtig werden

b) Kausalhypothese können überprüft

c) Model-Fit kann überprüft werden

d) SEM basiert auf weniger strengen Voraussetzungen

e) Aufnahme von mehr als einer abhängigen Variablen

Fenster schliessen
1

1 Kommentare

  • 01.02.2020
    (VL SEM1, Folien: 19, 21, 22, 23, 24, 25, 26, 27)
1

24.) Welche der folgenden Aussagen bezogen auf die Identifikation von SEM sind richtig?

a) Durch die Einführung von Restriktionen (Fixierung von Modellparametern) lässt sich Modellidentifikation herstellen

b) Eine notwendige Bedingung für Modellidentifikation ist eine mindestens gleiche Anzahl an Informationen wie an zu schätzenden Parametern

c) Eine notwendige Bedingung für Modellidentifikation ist die Skalierung der latenten Variablen

d) Notwendige Bedingung für die Modellidentifikation ist die Verwendung von mind. 4 Indikatoren für jede latente Variable

e) Zur Identifikation eines Modells werden die Residualvarianzen auf 1 fixiert

Fenster schliessen
1

1 Kommentare

  • 01.02.2020
    A B C D (Gutschrift für E) (VL SEM1, Folien: 45, 46, 47, 48 ; Kline, S. 189 – 204, 214 - 228)
1

25.) Welcher der folgenden Aussagen bezogen auf den Vergleich genesteter Modelle im Rahmen von SEM sind richtig?

Achtung: Eine Gutschrift gegeben.

a) Ein signifikanter Chi-Quadrat-Differenzentest spricht für das weniger restriktive Modell.

b) Werden Modelle mit einer unterschiedlichen Anzahl an Variablen verglichen, handelt es sich nicht um einen genesteten Modellvergleich

c) Der Chi-Quadrat-Differenzentest kann nur bei genesteten Modellen verwendet werden.

d) Genestete Modelle ergeben sich durch Respezifikationen von Modellparametern

e) Beim Vergleich von genesteten Modellen kann die statistische Bedeutsamkeit von spez. Modellparametern überprüft werden.

Fenster schliessen
4

4 Kommentare

  • 02.03.2020
    B) wurde an anderer Stelle als richtig gewerten, mich irritiert allerdings das Wort "Ladung" es handelt sich bei der 1 von den Residuen auf die Items nur um eine Skalierungsvorgabe und NICHT um eine Ladung
  • 02.03.2020
    D) strittig
  • 10.02.2020
    Wobei C) UND E) gleichzeitig gar nicht richtig sein können. Ich habe jetzt nur mal die Antwort mit "oder" als richtig gekennzeichnet.
  • 01.02.2020
    C E (C u. E gab wohl Gutschrift!) (VL SEM1, Folien: 26, 27)
4

26.) Eine Forscherin möchte ein Messmodell mit zwei latenten Variablen mit je zwei Indikatoren mit einer konfirmatorischen Faktorenanalyse prüfen. Welche der folgenden aufgelisteten Modellspezifikationen sind für die Modellidentifikation notwendig?"

 

a) Die Kovarianz zwischen den beiden latenten Variablen muss als freier Parameter geschätzt werden.

b) Die Ladung der Indikatoren auf den Residuen muss auf 1 fixiert werden, wenn gleichzeitig die Varianzen der Residuen geschätzt werden (sollen).

c) Die Varianz der beiden latenten Variablen und jeweils die Ladung eines Indikators müssen auf 1 fixiert werden.

d) Eine Überidentifizierung des Modells unter Verwendung der üblichen Modellfixierungen ist nicht möglich.

e) Die Varianz der beiden latenten Variablen oder jeweils die Ladung eines Indikators muss auf 1 fixiert werden.

Fenster schliessen
1

1 Kommentare

  • 01.02.2020
    C E (VL SEM1, Folien: 34, 35, 36, 37, 38, 39, 40, 41; Kline, S. 199 – 209
1

27.) Frage zu Chi Square Modellvergleich. Gegeben war Chi-Wert, p-Signifikanz, RMSEA und SRMR = relativ niedrig, CFI niedrig Ein Forscher rechnet ein komplexes SEM mit gerichteten Beziehungen, N=500, Aussagen zur Modelgüte...

a) die Kausalität ist belegt

b) Der Modellfit deutet darauf hin, dass es keine vergleichbar guten Alternativmodelle gibt

c) die Modellgüte ist zufriedenstellend

d) Modellfit deutet darauf hin, dass sich auch unabhängige Stichproben damit bestätigen lassen

e) Der Forscher sollte auch plausible äquivalente Modelle

Fenster schliessen
1

1 Kommentare

  • 02.02.2020
    (VL SEM1, Folien: 9, 10, 11, 12, 13)
1

28.) Lineare SEM

a) SEM in Mess- & Strukturmodelle unterteilt

b) Messmodell: Beziehungen zw. latenten Variablen anhand gerichteter Beziehungen

c) Strukturmodell zeigt, wie latente, messfehlerfreie Variablen auf Grundlagen eines Faktors...- Models definiert werden

d) Strukturmodelle beinhalten immer auch Messmodelle

e) In Messmodellen sind beobachtete Indikatoren immer endogene Variablen

Fenster schliessen
1

1 Kommentare

  • 02.02.2020
    (VL SEM2, Folien: 8, 9, 10, 11, 13, 14, 15, 16)
1

29.) Welche Aussagen zum multiplen Gruppenvergleich sind zutreffend?

a) Skalare Messinvarianz ist keine notwendige Voraussetzung für eine Überprüfung von Unterschieden in den Zusammenhängen der latenten Variablen

b) Wenn keine skalare Messinvarianz vorliegt, kann keine metrische Messinvarianz vorliegen

c) Liegt metrische Messinvarianz vor, kann nicht von Vergleichbarkeit der latenten Variablen ausgegangen werden

d) Der multiple Gruppenvergleich ist auf zwei Gruppen beschränkt

e) Das Messmodel sollte mindestens 3, besser 4 Indikatoren haben.

Fenster schliessen
1

1 Kommentare

  • 02.02.2020
    A B (Gutschrift E) (VL SEM1, Folien: 7, 37, 38, 39, 40;VL SEM2, Folie: 13, 14; Kline, S. 204 – 209)
    E) finde ich als Gutschrift komisch, wurde in anderen Fragen oft nicht als Gutschrift gesehen
1

30.) Welche Aussagen treffen im Kontext linearer Strukturgleichungsmodelle zu?

Achtung: Eine Gutschrift gegeben

a) Endogene Variablen sind Variablen in einem Strukturgleichungsmodell, die von mindestens einer der im Modell thematisierten Größen beeinflusst werden.

b) Für die Identifizierung eines Messmodells sind drei manifeste Indikatoren ausreichend.

c) CFI, RMSEA und SRMR als deskriptive Fit-Maße basieren alle auf dem model chi square

d) Strukturmodelle beinhalten immer auch Messmodelle.

e) In Messmodellen sind die beobachteten Indikatoren immer endogene Variablen