Key points are not available for this paper at this time.
Die Strukturgleichungsmodellierung (SEM) ist ein weit verbreiteter und häufig verwendeter Ansatz zur Prüfung substanzieller Hypothesen in den Sozial- und Verhaltenswissenschaften. Bei der Durchführung von Hypothesenprüfungen ist es entscheidend, auf eine ausreichend große Stichprobengröße zurückzugreifen, um einen angemessenen Grad an statistischer Power zu erreichen, um den hypothesisierten Effekt nachzuweisen. Allerdings berücksichtigen Anwendungen von SEM selten die statistische Power bei der Festlegung von Überlegungen zur Stichprobengröße oder bestimmen die statistische Power für die zentralen Hypothesentests. Ein Grund dafür ist die Schwierigkeit, substanziellen Hypothesen in spezifische Effektgr Größen zu übersetzen, die erforderlich sind, um Power-Analysen durchzuführen, sowie das Fehlen benutzerfreundlicher Software zur Automatisierung dieses Prozesses. Der vorliegende Artikel präsentiert die zweite Version des R-Pakets semPower, das umfassende Funktionalitäten für verschiedene Arten von Power-Analysen in SEM umfasst. Insbesondere erlaubt semPower 2 die Durchführung sowohl analytischer als auch simulierter a priori, post hoc und Kompromiss-Power-Analysen für Strukturgleichungsmodelle mit oder ohne latente Variablen und unterstützt auch Multigruppe-Settings und bietet benutzerfreundliche Komfortfunktionen für viele gängige Modelltypen (z.B. Standard-Bestätigungsfaktorenanalysen CFA-Modelle, Regressionsmodelle, autoregressive gleitende Durchschnitts ARMA-Modelle, Querschnitts-Lagged-Panels-Modelle), um Power-Analysen zu vereinfachen, wenn eine modellbasierte Definition des Effekts in Bezug auf Modellparameter gewünscht wird.
Moshagen et al. (Freitag) haben diese Frage untersucht.