GESIS Training Courses
user_jsdisabled
Search

Scientific Coordination

André Ernst
Tel: +49 221 4703736

Administrative Coordination

Janina Götsche

Please wait...

Einführung in Strukturgleichungsmodellierung

About
Location:
Cologne / Unter Sachsenhausen 6-8
Additional links
Lecturer(s): Marie-Ann Sengewald

About the lecturer - Marie-Ann Sengewald

Course description

Strukturgleichungsmodelle (Structural Equation Models, SEM) und deren Darstellung als Pfaddiagramme sind ein Framework für unterschiedliche multivariate Analysen. Es können komplexe Zusammenhänge abgebildet und spezifische Hypothesen getestet werden. Eine besondere Stärke ist zudem die Modellierung und Berücksichtigung von nicht direkt beobachtbaren, latenten Variablen.
 
Der dreitägige Workshop behandelt die Vorteile von SEM und zeigt verschiedene Anwendungsmöglichkeiten auf. Im ersten Teil werden theoretische Grundlagen für die Modellierung latenter Variablen vermittelt, sowie deren Anwendung mit dem R Paket lavaan (latent variable analysis). Der zweite Teil erweitert die Kenntnisse in Bezug auf mehrdimensionale Modelle und stellt die Vorteile von Pfadanalysen mit latenten Variablen heraus. Praktische Übungen umfassen multiple Regressionsanalysen und Mediationsanalysen mit und ohne latenten Variablen. Die dritte Workshopeinheit illustriert Erweiterung für den Vergleich von Gruppen. Schwerpunkte sind die Untersuchung von Messinvarianz und die Schätzung von Gruppenunterschieden mit der Bereinigung für Störvariablen. Für die Implementierung von Gruppenvergleichen mit latenten Variablen wird das R Paket EffectLiteR vorgestellt, welches auf lavaan basiert und die Spezifikation von Mehrgruppen SEM mithilfe einer grafischen Benutzeroberfläche ermöglicht.


Target group

Teilnehmer*innen werden den Kurs als nützlich erachten:
  • Wenn Fragebogen oder Testdaten in der Forschung verwendet werden und eine Korrektur für Messfehler angestrebt wird.
  • Wenn multivariate Beziehungen mit metrischen und kategorialen Variablen von Interesse sind (z.B.: multiple Regression, adjustierte Gruppenvergleiche, Mediations- oder Moderationsanalysen).


    • Learning objectives

    Bis zum Ende des Kurses werden Teilnehmer*innen:
  • verschiedene Messmodelle für latente Variablen aufstellen, schätzen, überprüfen und interpretieren
  • verschiedene Beziehungen zwischen latenten Variablen modellieren, schätzen und interpretieren
  • den Einfluss des Messfehlers auf Analyseergebnisse beurteilen und dafür korrigieren
  • Visualisierungen von SEM (Pfaddiagramme) und lavaan Code rezipieren und selbst erstellen
    •  
    Organizational structure of the course
  • Ausführliche Folien und zusätzliche Dokumentationen führen in den theoretischen Rahmen und jeweiligen Anwendungskontext ein - Gruppendiskussionen und Vertiefungsaufgaben dienen zum Hinterfragen des theoretischen Inputs
  • Kommentierte Syntaxskripte ermöglichen die Softwareanwendung zu erlernen - Verschiedene Beispielanwendungen ermöglichen es die Kenntnisse zu festigen und auf andere Kontexte zu übertragen
  • Die Übungen sind mit unterschiedlichem Schwierigkeitsgrad gestalten und Hilfestellungen sind jederzeit durch vorgefertigte Lösungen, den Austausch in der Gruppe oder mit der Dozentin gegeben
  • Es wird ausreichend Zeit für Nachfragen eingeplant und das Einbringen eigener Beispiele und Erfahrungen ist ausdrücklich erwünscht


    • Prerequisites

  • Erfahrungen in multivariater Regressionsanalyse
  • Grundlegende Kenntnisse der Software R und R Studio
    •  
    Software and hardware requirements
    Die Teilnehmer*innen werden gebeten ihren eigenen Laptop mit einer aktuellen R Version und einen Editor (z.B. RStudio) mitzubringen. Zusätzlich sollten die Pakete lavaan und EffectLiteR bereits vor dem Workshop auf dem Endgerät installieren werden.


    Schedule

    Recommended readings