Der Begriff Strukturgleichungsmodelle (englisch structural equation modelling, SEM) bezeichnet ein kausalanalytisches Verfahren zum Testen und Schätzen korrelativer Zusammenhänge zwischen messbaren Variablen wie Einkommen und latente (verborgene) Variablen wie Einstellungen oder Kaufverhalten sowie den Strukturen dazwischen. Dabei kann überprüft werden, ob die vor der Anwendung des Verfahrens angenommenen Hypothesen mit den gegebenen Variablen übereinstimmen, dass beispielsweise bestimmte Marketingmaßnahmen oder Produktausgestaltungen die Vorgabe hinsichtlich einer Zielgröße erreichen. Es wird den strukturprüfenden multivariaten Verfahren zugerechnet und besitzt einen konfirmatorischen (bestätigenden) Charakter. Strukturgleichungsmodelle spielen unter anderem in der empirischen Sozialforschung und der Marktforschung eine wichtige Rolle, aber auch in der klinischen Forschung beispielsweise zur Untersuchung der subjektiven Verträglichkeit von Medikamenten. Eine Besonderheit von Strukturgleichungsmodellen ist das Überprüfen nicht direkt beobachtbarer Variablen.

In neuester Zeit liegen Strukturgleichungsmodelle (SEM) vor, die Variablen auf mehreren Ebenen und deren Interaktion untersuchen können. Damit sind sie allen bisherigen Verfahren überlegen, in denen die Daten systematisch gruppiert sind, so dass innerhalb einer Gruppe die Messwerte ähnlicher sind als zwischen den Gruppen. Dies trifft bei allen Produktbewertungen zu, bei denen jeder Proband mehrere Produkte beurteilen soll (messwiederholte Daten), Arzneimittelprüfungen, bei denen für jeden Proband eine Reihe von Messwerten im zeitlichen Verlauf erhoben wird (Messzeitreihen), oder Marktanalysen, in denen Daten aus verschiedenen Marktsegmenten miteinander verglichen werden sollen (Daten aus Stichproben unterschiedlicher Herkunft). Das Verfahren ist dabei nicht wie herkömmliche Verfahren auf lückenlose Datensätze angewiesen und kommt mit unvollständigen Datensätzen sehr gut zurecht. Damit ist die Anwendung von Strukturgleichungsmodellen (SEM) in Mehrebenenanalysen für die Marktforschung und die klinische Forschung nicht nur das neueste, sondern vor allem das zur Zeit interessanteste und präziseste statistische Verfahren.

Zielgruppe

Anwender aus den Bereichen der Sozial- und Marktforschung und der psychologischen, pädagogischen, soziologischen und klinischen Forschung

Voraussetzungen

die Inhalte der Seminare Grundlagen der Statistik mit R, Multivariate Datenanalyse mit R, Regressions- und Mehrebenenanalysen mit R und Mplus und Praxiserfahrungen mit der statistischen Programmiersprache R und der grafischen Benutzeroberfläche RStudio

Lernziele

theoretischen Hintergrund von Strukturgleichungsmodellen verstehen, verschiedene Arten von Strukturgleichungsmodellen unterscheiden können, selbständig eigene Strukturgleichungsmodelle planen, modellieren und auf ihre Güte und Qualität überprüfen können, eigene Daten mit Strukturgleichungsmodellen analysieren können. Es wird Wert auf den Anwendungsbezug gelegt, die Praxisbeispiele und Übungsaufgaben für SEM erfolgen mit den Statistikprogrammen R und Mplus.

Strukturgleichungsmodelle mit R und Mplus