Structural Equation Modeling (Master, Research Master, GMMSGE06)




LISREL Kenneth A. Bollen





    Actueel Huiswerk

    Data Files voor Covariantiestructuuranalyse

    Gerelateerde Internetsites

    Back to Homepage of Anne Boomsma



     


Announcement
This course is part of the Research Master program Human Behaviour in Social Contexts. As courses then have to be taught in English, if necessary, and there need to be an option to study course material from books written in English, as an alternative to our own Dutch manuscript Covariantiestructuuranalyse. If there is enough interest the course will be lectured using Brown (2006) as a reference text. If there are less than four students, they will be encouraged to study parts from either Boomsma (2008) or Brown (2006), under our guidence of course. For advanced students Bollen (1989) is an option to be discussed for individual study.

This course will be given in semester 1a of the academic year 2008–2009. The course fits for both master and research master students.



Algemene Mededelingen

Plaats en tijd
Semester 1a, 2008 – twee colleges per week, telkens aan de Grote Kruisstraat 2/1.


Inhoud en werkwijze
In dit college wordt een inleiding gegeven in de analyse van covariantiestructuren (CSA). Daarbij gaat het ruwweg om het volgende. Om onderlinge relaties tussen meerdere variabelen te beschrijven kunnen inhoudelijk gefundeerde modellen worden gemaakt, die vaak in de vorm van schema's met `paden' worden weergegeven. De doelstelling van onderzoekers daarbij is om vanuit theoretische overwegingen een onderliggende structuur van gerichte relaties tussen variabelen – vaak latente variabelen of hypothetische constructen – te formuleren. Daarna wordt aan de hand van een steekproef van covarianties tussen geobserveerde variabelen nagegaan in welke mate het gepostuleerde model bij die steekproefgegevens past. Het geheel van relaties tussen de variabelen in zo'n model, ook wel covariantiestructuur genoemd, kan worden opgevat als een complex `regressie-analytisch model' waarin zowel de respons- als de verklarende variabelen aan meetfouten onderhevig kunnen zijn. De laatste jaren wordt dit soort modellen door sociaal-wetenschappelijke onderzoekers in toenemende mate gehanteerd. Het programma LISREL (LIneaire Structurele RELaties), samen met de preprocessor PRELIS, ondersteunt dit soort analyses.

In Figuur 1 staat een eenvoudig LISREL-model met een gerichte relatie tussen twee latente variabelen die elk door twee geobserveerde variabelen worden gemeten. Het paddiagram laat zien dat het model rekening houdt met mogeljke meetfouten in de geobserveerde variabelen.


        Een eenvoudig LISREL-model
Figuur 1. Een eenvoudige LISREL-model.


De cursus geeft een inleiding in de theoretische achtergronden van deze vorm van statistische analyse. Praktische oefeningen hebben tot doel het leren maken van modellen voor covariantiestructuren en het leren werken met het LISREL- en het PRELIS-programma. Kortom, de nadruk ligt in het college op theoretische inzichten en praktische richtlijnen voor onderzoekers die LISREL of een ander programma voor de analyse van structurele modellen willen gebruiken.


Literatuur
De literatuur die in de cursus wordt besproken beslaat de hoofdzaken uit een viertal handboeken, een persoonlijk manuscript, en een leerboek, te weten:


De handboeken van Jöreskog et al. hoeven niet noodzakelijkerwijs te worden aangeschaft. Het college wordt vooral gegeven aan de hand van het manuscript van Boomsma (2006), dat verkrijgbaar is bij de Klapperwinkel. De hoofdzaken daaruit worden in zeven weken behandeld. Een gedetailleerd overzicht van de inhoud wordt verderop gegeven.


Toetsing
De toetsing van de cursus valt uiteen in twee delen:

  1. Wekelijks enkele schriftelijke opgaven (analytische en praktische).
  2. Een schriftelijke toets, mogelijk in de vorm van een praktische opdracht, aan het eind van de cursus. Tijdstip en plaats worden nader bekend gemaakt.
Bij een voldoend eindresultaat (het rekenkundige gemiddelde van de uitkomsten behaald voor opgaven en toets, maar minstens het cijfer vijf voor de toets) is de honorering voor psychologiestudenten drie studiepunten.


Vragen en opmerkingen
Voor vragen en opmerkingen kan contact worden opgenomen met de docent A. Boomsma, Grote Rozenstraat 15, kamer 221, telefoon (363)6187, e-mail a.boomsma@ppsw.rug.nl


Programmatuur


Huiswerk

 Periode  Stof  Opgaven
 Week 45  (02/11)  Hoofdstuk 1  
 Week 45  (05/11)  Hoofdstuk 2  Ex. 1, 2
 Week 46  (09/11)  Hoofdstuk 4 tot 4.3  Ex. 3, 4a
 Week 46  (12/11)  Rest hoofdstuk 4  Ex. 4c
 Week 47  (16/11)  Hoofdstuk 5  Ex. 4b
 Week 47  (19/11)  Hoofdstuk 6  Ex 11
 Week 48  (23/11)  Hoofdstuk 7  Ex. 14b
 Week 49  (30/11)  Hoofdstuk 8  Ex. 5
 Week 49  (03/12)  Hoofdstuk 9  Ex. –
 Week 50  (07/12)  Hoofdstuk 12  Ex. 12
 Week 51  (13/12)  Hoofdstuk 13  Ex. 20, 23
 Week 51  (17/12)  Hoofdstuk 15  
   Goto top


Data Files voor Covariantiestructuuranalyse



Inhoud Covariantiestructuuranalyse

Wat volgt is een overzicht van de inhoud van een boekmanuscript over de analyse van covariantiestructuren. Het manuscript wordt onder meer gebruikt bij de cursus M-332.


Hoofdstuk 1.  Inleiding in de analyse van covariantiestructuren
1.1  Gerichte samenhang tussen verschijnselen
1.2  Het structurele model
1.3  Het meetmodel
1.4  LISREL: een structureel model met meetfouten
1.5  Belangrijke onderzoeksvragen
1.6  Programmatuur en toepassingen
Referenties
Bijlage A. Literatuur


Hoofdstuk 2.  Enige waarschijnlijkheidsrekening
2.1  Inleiding
2.2  Verdelingsaspecten van stochastische variabelen
2.3  De kansverdeling van een stochastische variabele
2.4  Stochastische onafhankelijkheid
2.5  Verwachtingswaarde
2.6  Momenten
2.7  Spreiding
2.8  Samenhang
Referenties


Hoofdstuk 3.  Lineaire regressie-analyse
3.1    Het lineaire regressiemodel
3.2    De methode van de kleinste kwadraten
3.3    De geschatte regressiefunctie
3.4    Residuen
3.5    De steekproevenverdeling van b1
3.6    Inferentiële statistiek rond b1
3.7    De ANOVA-aanpak van regressie-analyse
3.8    Het multipele regressiemodel
3.9    De multipele correlatiecoëfficiënt
3.10  Regressiediagnostiek
3.11  Latente variabelen en meetfouten
Referenties


Hoofdstuk 4.  Het LISREL-model
4.1  Het LISREL-model en zijn assumpties
4.2  Soorten parameters
4.3  De meeteenheid van latente variabelen
    4.3.1  Illustratie van het schaalprobleem
    4.3.2  Oplossingen van het schaalprobleem
    4.3.3  Relatie met het identificatieprobleem
    4.3.4  Gestandaardiseerde oplossingen
    4.3.5  Waarschuwingen bij het schaalprobleem
Referenties
Bijlage B. Het Griekse alfabet en notaties


Hoofdstuk 5.  Het identificatieprobleem
5.1  Kan het model uniek worden geschat?
5.2  Identificatievoorwaarden
5.3  Algebraïsch identificatie-onderzoek
5.4  LISREL en het identificatieprobleem
5.5  Empirische identificatie
    5.5.1  Een factormodel
    5.5.2  Identificatie van het model
    5.5.3  Parameterschattingen
    5.5.4  Empirische problemen
Referenties


Hoofdstuk 6.  Klassieke schattingsmethoden
6.1    Het LISREL-model
6.2    Het schatten van het model
6.3    Schattingsmethoden
6.4    IV- en TSLS-schatters
6.5    Doelfuncties voor ULS, GLS en ML
6.6    ULS-schatters
6.7    GLS-schatters
6.8    ML-schatters
      6.8.1  De aannemelijkheidsfunctie
      6.8.2  De doelfunctie
      6.8.3  Eigenschappen van ML-schatters
6.9    ULS-, GLS- en ML-schatters en normaliteit
6.10  Niet-normaliteit
Referenties


Hoofdstuk 7.  Verdelingsvrije schattingsmethoden
7.1  Een algemene doelfunctie
7.2  Eigenschappen van schatters
7.3  De klassieke theorie: GLS en ML
7.4  De niet-klassieke theorie: WLS of ADF
7.5  Praktische problemen met WLS
7.6  DWLS-schatters
7.7  Andere schattingsmethoden
7.8  Analyse van correlatiestructuren
Referenties


Hoofdstuk 8.  De passing van het model
8.1  Drie statistische onderzoeksvragen
8.2  Past het model?
8.3  Het onderzoeken van de oplossing van de analyse
8.4  Algemene, globale passingsmaten
8.5  Gedetailleerde informatie over modelpassing
8.6  Aanbevelingen bij modelmodificatie
8.7  Nieuwe chi-kwadraat-maten in LISREL
8.8  Toetsingsgrootheden van Yuan en Bentler
Referenties


Hoofdstuk 9.  Modelselectie: een overzicht van maten en indexen
9.1    Inleiding
9.2    Het probleem van modelselectie
9.3    Is het gepostuleerde model geldig? Een toets voor exacte passing
9.4    De rol en de plaats van het ware populatiemodel
9.5    Soorten fouten en discrepanties
9.6    De niet-centraliteitsparameter en de benaderingsfout
9.7    De RMSEA als functie van de benaderingsfout
9.8    Een toets voor nabije passing
9.9    Kruisvalidatie en de ECVI als schatting van de totale fout
9.10  Informatiecriteria
9.11  Globale passingsindexen
9.12  Indexen voor modelvergelijking: incrementele passingsmaten
9.13  Hoe te kiezen?
9.14  Een empirisch voorbeeld
Referenties


Hoofdstuk 10.  Hypothesetoetsing en onderscheidingsvermogen
10.1  Het toetsen van modelhypothesen
10.2  Robuustheidsonderzoek
10.3  Het toetsen van specifieke nulhypothesen
10.4  Onderscheidingsvermogen
    10.4.1  Theoretische inleiding
    10.4.2  Berekening van het onderscheidingsvermogen
    10.4.3  Een concreet voorbeeld
10.5  Beslissingsstrategieën bij modeltoetsen
Referenties
Bijlage C. Onderscheidingsvermogen bij een factormodel


Hoofdstuk 11.  Effecten en modelmodificatie
11.1  Effecten
11.2  Effecten in een schoolloopbaanmodel
11.3  Berekening van effectgrootte: nog een voorbeeld
11.4  Een voorbeeld van modelmodificatie
11.5  Een lokaal minimum
11.6  Wanneer stoppen met modificeren?
11.7  Modelspecificaties en analysestrategieën
Referenties
Bijlage D. Een basismodel voor de schoolloopbaan


Hoofdstuk 12.  Schaalinvariantie en de analyse van correlatiematrices
12.1  Schaalinvariantie en schaalvrijheid
    12.1.1  Schaalinvariantie van een model
    12.1.2  Schaalinvariantie van een doelfunctie
    12.1.3  Schaalvrijheid van parameters
12.2  Vier mogelijke schaalkeuzen
12.3  De analyse van correlatiematrices
12.4  Samenvatting en stellingnames
Referenties
Bijlage E. Een hypothetisch model


Hoofdstuk 13.  Analyse van ordinale en niet-normale continue variabelen
13.1  Het normale verleden
13.2  Kenmerken van empirische variabelen
13.3  Twee gevallen van niet-normaliteit
13.4  Soorten variabelen
13.5  Soorten correlatiecoëfficiënten
13.6  De geanalyseerde correlatiematrix
13.7  Een Monte Carlo-onderzoek
13.8  De analyse van ordinale met andere variabelen
13.9  Samenvatting en conclusies
Referenties


Hoofdstuk 14.  Iteratieve optimaliseringsprocedures
14.1  Een algemeen iteratief algoritme voor optimaliseringsproblemen
14.2  Convergentie- en stopcriteria
14.3  Het schattingsalgoritme van LISREL
Referenties


Hoofdstuk 15.  De rapportage van empirische studies
Proloog
15.1    De introductie van het probleem
15.2    De theorie
15.3    De verzameling potentiële modellen
15.4    Het structurele en het meetgedeelte van het model
15.5    De populatie en de steekproef
15.6    Kenmerken van de observaties
15.7    De te analyseren momentenmatrix
15.8    De schattingsprocedure
15.9    De modelschattingen
15.10  Evaluatie en modificatie van modellen
15.11  Discussie
Referenties

Register

Goto top

Back to Homepage of Anne Boomsma


Internet Sites for Structural Equation Modeling



Goto top

Back to Homepage of Anne Boomsma


Update:  January 22, 2008
Copyright © 2008 Anne Boomsma, University of Groningen, The Netherlands.
All rights reserved.