Dokument 3.pdf
Dokument 3.pdf
Dokument 3.pdf
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
Folgende Formel dient der Berechnung :<br />
t ≤ 1 (p + q) · (p + q +1)<br />
2<br />
dabei ist : t = Anzahl der zu schätzenden Parameter, p = Anzahl der y-Variablen und p = Anzahl der x-Variablen<br />
Damit ist das Modell seitens dieses Kriteriums identifiziert, es erfüllt jedoch noch nicht alle Bedingungen zur<br />
Durchführung weiterer empirischer Tests. Eine weitere Voraussetzung ist die Sicherstellung der linearen<br />
Unabhängigkeit der zu schätzenden Gleichungen im Strukturgleichungsmodell. Die lineare Unabhängigkeit der<br />
Gleichungen ist dann gegeben, wenn alle Matrizen invertierbar sind, d.h. alle Werte in jeder acht<br />
Korrelationsmatrizen positiv definit sind (BACKHAUS et al 2003, S. 361). LISREL gibt entsprechende<br />
Hinweise, wenn Matrizen nicht positiv definit sind. Durch Elimination oder Restringierung sogenannter<br />
„entarteter Schätzer“, also fehlspezifizierter Indikatorvariablen kann zumindest im Hinblick auf die Korrektur<br />
einzelner Matrizen das Problem meist gelöst werden. Tritt das Problem nicht positiv definiter Matrizen in<br />
mehreren Matrizen auf und/oder ist mit Korrekturen an den Indikatorspezifikationen einer Matrix keine<br />
Fehlerbehebung möglich, weist das Gesamtmodell erhebliche Mängel auf und muss gegebenenfalls in seiner<br />
Grundstruktur überdacht werden.<br />
6.6.5. Schätzung der Parameter<br />
Nach der Identifikation des Strukturgleichungsmodells ist der nächste Schritt, der zur Annahme oder Ablehnung<br />
eines postulierten Hypothesensystems führt, die Schätzung der Parameter, d.h. die Überprüfung, ob die vom<br />
Modell generierte Kovarianzmatrix der empirisch ermittelten Kovarianzmatrix möglichst nahe kommt<br />
(HOMBURG/BAUMGARTNER 1995, S. 165). Es gilt folgende Minimierungsfunktion<br />
f S (α) = F (S, Σ (α)) min<br />
F bezeichnet die sogenannte Diskrepanzfunktion, die die „Unterschiedlichkeit zweier symmetrischer Matrizen<br />
misst“ (HOMBURG/BAUMGARTNER 1995, S. 165).<br />
Die Matrizen in der Funktionsgleichung sind die empirisch ermittelte Kovarianzmatrix S und die auf Basis der<br />
Modellgleichungen erzeugte Kovarianzmatrix Σ(α). Σ(α) steht dabei für die Summe der aus dem<br />
Parametervektor zu schätzenden Parameter (aus dem Beispielmodell Abbildung 51, S. 234)<br />
• des Strukturgleichungsmodells γ 11 und β 21<br />
• den Fakorladungen λ y 11, λ y 22 und λ y 32 sowie λ x 11 und λ x 21<br />
• den Varianzen der exogenen latenten Variablen Φ 1 (eine latent exogene Variable „Dauerhaftes<br />
Preisinvolvement)<br />
• den Varianzen der Fehlervariablen der latent endogenen Variablen Ψ 1 und Ψ 2<br />
• den Varianzen der Messfehlervariablen Θ δ x1 und Θ δ x2 sowie Θ ε y1, Θ ε y2 und Θ ε y3<br />
Die Diskrepanzfunktion kann nun mit Hilfe unterschiedlicher Schätzverfahren berechnet werden. Die<br />
gängigsten, auch in LISREL zur Auswahl stehenden Schätzverfahren sind u.a. die Maximum-Likelihood-<br />
Methode (ML), die Methode der ungewichteten kleinsten Quadrate (ULS = unweighted least-squares) und die<br />
Methode der verallgemeinerten kleinsten Quadrate (GLS = generalized least-squares). Die Kritereien zur<br />
Auswahl des Schätzverfahrens sind 15<br />
• Verteilung der Messvariablen in der Grundgesamtheit (multinormalverteilt vs. nichtmultinormalverteilt)<br />
15 an dieser Stelle soll auf die einzelnen Schätzverfahren und ihre Besonderheiten nicht weiter eingegangen werden. Es sei dazu auf die<br />
Ausführungen in BACKHAUS et al 2003, S. 362 – 365 und den dort enthaltenen Angaben zur weiterführenden Literatur verwiesen.<br />
236