Multilevel Structural Equation Modelling of Multitrait-Multimethod-Multioccasion Data

Publikation: Bücher und AnthologienDissertationsschriften

Authors

In der vorliegenden Arbeit werden insgesamt vier Mehrebenen- Strukturgleichungsmodelle für multimethodale Längsschnittsuntersuchungen (multitrait-multimethod-multioccasion, MTMM-MO-Designs) vorgestellt. Insbesondere werden in dieser Arbeit folgende Modelle vorgestellt: • Multimethod-Latent-State-Modelle (LS-COM-Modelle), • Multimethod-Latent- Change-Modelle (LC-COM-Modelle), • Multimethod-Latent-State-Trait-Modelle (LST-COM-Modelle) und • Multimethod-Latent-Growth-Curve-Modelle (LGC-COM- Modelle). Ein wesentlicher Vorteil der neu definierten Modelle ist, dass sie für die Analyse von MTMM-MO-Forschungsdesigns mit einer Kombination von strukturell unterschiedlichen und austauschbaren Methoden eingesetzt werden können. Gemäß Eid et al. (2008) sind austauschbare Methoden (z.B. Peer- Berichte) Methoden, die zufällig aus einer Population gleichartiger Methoden gezogen werden können. Im Gegensatz dazu, können strukturell unterschiedliche Methoden (z.B. Eltern- und Schülerberichte) nicht zufällig aus einer Population von gleichartigen Methoden gezogen werden, sondern liegen a priori für den zu Beurteilenden (Target) fest (Eid et al., 2008). So liegt der Elternbericht beispielsweise für jeden Schüler und jede Schülerin fest. Ferner werden die in dieser Arbeit vorgestellten Modelle für unterschiedliche Längsschnittanalysen definiert. Das bedeutet, dass Forscher die neuen Modelle für Latent-State-, Latent-Change-, Latent-State-Trait-, oder Latent-Growth- Curve-Modellierungen verwenden können. Die Definitionen der Modelle erfolgen dabei auf der Basis der stochastischen Messtheorie (Steyer, 1989; Steyer & Eid, 2001; Suppes & Zinnes,1963; Zimmermann, 1975). Das heisst, es wurden in dieser Arbeit die wesentlichen psychometrischen Eigenschaften der Modelle (Fragen bzgl. der Existenz, Eindeutigkeit, Bedeutsamkeit, Identizierbarkeit) im Detail geklärt. Darüber hinaus, wurden alle Modelle mittels aufwendigen Monte-Carlo-Simulationsstudien in Hinblick auf ihre statistische Performanz untersucht. Im Rahmen der Simulationsstudien zeigte sich, dass die neu definierten Modelle generell für komplexe MTMMModellierungen geeignet sind und zu zuverlässigen Parameter- sowie Standardfehlerschätzungen führen. Ebenso war die Anzahl von wahren unzulässigen Parameterschätzungen (sog. Heywood cases) gering. Außerdem zeigte sich, dass mit zunehmender Anzahl von Level-1 Einheiten (d.h. Anzahl der austauschbaren Rater pro Target) der Standfehlerbias sowie die Anzahl von wahren unzulässigen Parameterschätzungen deutlich reduziert werden kann. Eine Erhöhung der Anzahl der Level-2 Einheiten (d.h. Anzahl von Targets) zeigte ähnliche, aber weniger stark ausgeprägte Ergebnisse in Bezug auf die Reduktion von Standardfehlerverzerrungen. Die beiliegende Arbeit ist wie folgt gegliedert: Im ersten Teil der Arbeit wird eine generelle Einführung zum Thema MTMM-Analysen gegeben, wobei die zentralen Vorteile von Strukturgleichungsmodellen für die Analyse von MTMM-Daten hervorgehoben werden. Ferner werden die längschnittlichen MTMM-Modelle von Geiser (2008) sowie von (Courvoisier, 2006) vorgestellt, da diese als Spezialfälle aus den vorgestellten Modellen hervorgehen. Im zweiten Teil der Arbeit werden die neu vorgestellten Modelle in einzelnen Kapiteln formal definiert und deren psychometrischen Eigenschaften mathematisch bewiesen. Im dritten Teil der Arbeit werden die Ergebnisse der Monte-Carlo- Simulationsstudien vorgestellt. Abschließend werden die Ergebnisse dieser Arbeit im vierten Teil nochmals zusammengefasst und diskutiert.
Titel in ÜbersetzungMehrebenen-Strukturgleichungsmodelle für die multimethodale Veränderungsmessung
OriginalspracheEnglisch
ErscheinungsortBerlin
Anzahl der Seiten244
DOIs
PublikationsstatusErschienen - 2013
Extern publiziertJa

Anmerkung

Doctoral Dissertation, Freie Universität Berlin, Berlin, 2013