Wie man die lokale Anpassung (Residuen) in großen strukturellen Gleichungsmodellen bewertet

Im Einklang mit den Berichtstandards für strukturelle Gleichungsmodellierung (SEM) sollte die Modellanpassung auf zwei verschiedenen Ebenen bewertet werden: global und lokal. Die globale Anpassung betrifft die allgemeine oder durchschnittliche Übereinstimmung zwischen der gesamten Datenmatrix und dem Modell, basierend auf den Parameterschätzungen für das Modell. Die lokale Anpassung wird auf der Ebene der Residuen oder Unterschiede zwischen beobachteten und vorhergesagten Assoziationen für jedes Paar gemessener Variablen im Modell bewertet. Es kann vorkommen, dass Modelle mit scheinbar zufriedenstellender globaler Anpassung dennoch problematische lokale Anpassung aufweisen. Dies kann insbesondere für relativ große Modelle mit vielen Variablen zutreffen, bei denen schwerwiegende Fehlanpassungen durch einige größere Residuen angezeigt werden, deren Beitrag zur globalen Anpassung jedoch verwässert wird, wenn sie zusammen mit all den anderen kleineren Residuen gemittelt werden. Es kann herausfordernd sein, die lokale Anpassung in großen Modellen mit Dutzenden oder sogar Hunderten von Variablen und entsprechenden Residuen zu bewerten. Daher ist das Hauptziel dieses Tutorials, Vorschläge zu unterbreiten, wie man die lokale Anpassung für große strukturelle Gleichungsmodelle effizient bewerten und beschreiben kann. Ein empirisches Beispiel wird beschrieben, bei dem alle Daten, Syntax und Ausgabedateien den Lesern kostenlos zur Verfügung stehen.