Volltext herunterladen
(externe Quelle)
Zitationshinweis
Bitte beziehen Sie sich beim Zitieren dieses Dokumentes immer auf folgenden Persistent Identifier (PID):
https://nbn-resolving.org/urn:nbn:de:bsz:93-opus-ds-106160
Export für Ihre Literaturverwaltung
Informationskriterien zur latenten Klassenidentifikation für Multiple Indicator Growth Mixture Models
Information criteria for latent class identification in multiple indicator growth mixture models
[Arbeitspapier]
Körperschaftlicher Herausgeber
Universität Stuttgart, Fak. 10 Wirtschafts- und Sozialwissenschaften, Institut für Sozialwissenschaften
Abstract In dieser Arbeit werden Informationskriterien für die Klassenidentifikation im Rahmen von Multiple Indicator Growth Mixture Modellen evaluiert. Diese Identifikation von latenten Verlaufsklassen wird unter den Simulationsbedingungen von fehlender Invarianz der Messung und unterschiedlichen Klassendis... mehr
In dieser Arbeit werden Informationskriterien für die Klassenidentifikation im Rahmen von Multiple Indicator Growth Mixture Modellen evaluiert. Diese Identifikation von latenten Verlaufsklassen wird unter den Simulationsbedingungen von fehlender Invarianz der Messung und unterschiedlichen Klassendistanzen bewertet. Die dabei verwendeten Daten basieren auf einer Monte-Carlo-Simulationsstudie. Dieses Paper erweitert bisherige Ergebnisse dahingehend, dass ein breiteres Spektrum an IC-Indizes evaluiert wird. Dabei werden alle bisher vorgeschlagenen IC-Maße auf ihre Fähigkeit zur Klassenidentifikation untersucht und mit neueren Vorschlägen in Bezug gesetzt. Darunter auch der Hierarchical BIC, welcher die latente Klassenstruktur explizit bei seiner Berechnung berücksichtigt. Die Auswertungen der Simulationsergebnisse zeigen, dass der Hierarchical BIC eine gänzlich andere Indentifikationsstruktur aufweist als alle anderen betrachten IC-Indizes und besonders bei geringer Distanz zwischen den Verlaufsklassen vergleichsweise gute Ergebnisse liefert.... weniger
This paper evaluates information criteria for class identification in multiple indicator growth mixture models. This identification of latent classes is evaluated under the simulation conditions of missing invariance of the measurement and different class distances. The data of this assessment is ba... mehr
This paper evaluates information criteria for class identification in multiple indicator growth mixture models. This identification of latent classes is evaluated under the simulation conditions of missing invariance of the measurement and different class distances. The data of this assessment is based on a Monte Carlo simulation study. This paper extends previous results by evaluating a broader range of IC-Indices. All previously proposed IC measures are examined for their ability to identify latent classes and compared with more recent proposals. These include the Hierarchical BIC, which explicitly takes the latent class structure into account. The evaluations of the simulation results show that the Hierarchical BIC has a completely different identification structure than all other IC-Indices and provides comparatively good results with small distances between the latent classes.... weniger
Klassifikation
Erhebungstechniken und Analysetechniken der Sozialwissenschaften
Freie Schlagwörter
Growth Mixture Model; multiple indicator; measurement invariance; Monte Carlo simulation; Hierachical BIC
Sprache Dokument
Deutsch
Publikationsjahr
2019
Erscheinungsort
Stuttgart
Seitenangabe
20 S.
Schriftenreihe
Schriftenreihe des Instituts für Sozialwissenschaften der Universität Stuttgart -SISS-, 46
DOI
https://doi.org/10.18419/opus-10599
ISSN
2199-7780
Status
Veröffentlichungsversion; begutachtet