Strukturgleichungsmodell

Grundlegende Überlegungen gehen auf Sewall Wright (1921 bzw. 1923),^[3] Trygve Haavelmo (1943)^[4] und Herbert Simon (1977) zurück. Der Ansatz der Kovarianzstrukturanalyse geht im Wesentlichen auf Karl G. Jöreskog (1973)^[5] zurück. Der partielle Kleinste-Quadrate-Ansatz zur Schätzung von sogenannten Kausalmodellen wurde ursprünglich von Herman Wold (1982)^[6] entwickelt. Die kovarianzbasierte Strukturgleichungsmodellierung war über viele Jahre das etablierte und damit dominante Verfahren. In den letzten Jahren ist der Einsatz der varianzbasierten Strukturgleichungsmodellierung immer beliebter geworden, was zahlreiche Studien zu dem Einsatz des Verfahrens in verschiedenen Disziplinen zeigen.^[7][8][9]

• Indikator (Item): Hierbei handelt es sich um beobachtete Variablen. Beispielsweise sind Indikatoren für „Intelligenz“ die „Abschlussnote im Abitur“, der „Intelligenzquotient“ und die „Anzahl der Sprachen, die eine Person beherrscht“. Üblicherweise wird im Modell die Verwendung von mindestens vier Indikatoren empfohlen.
• Latente Variable (Faktor): Hierbei handelt es sich um die unbeobachtete Variable, die erst durch ihre Indikatoren gemessen wird. Im Beispiel ist „Intelligenz“ die latente Variable. Es wird zwischen unabhängigen latenten (= exogenen) und abhängig latenten (= endogenen) Variablen unterschieden.
• Messmodell (measurement model): Hierbei handelt es sich um den Kern des Strukturgleichungsmodells. In ihm werden im Sinne einer konfirmatorischen Faktorenanalyse (confirmatory factor analysis) Verbindungen zwischen den Indikatoren und den latenten Variablen modelliert. Hierbei spielt die Kovarianz eine entscheidende Rolle.
• Strukturmodell (structural model): Hierbei handelt es sich um die Menge exogener und endogener Variablen und deren Verbindungen.

Strukturgleichungsmodelle spielen unter anderem in der empirischen Sozialforschung und der Psychologie eine wichtige Rolle. Eine Besonderheit von Strukturgleichungsmodellen ist das Überprüfen latenter (nicht direkt beobachtbarer) Variablen. Pfadanalyse, Faktorenanalyse und Regressionsanalyse können als Spezialfälle von Strukturgleichungsmodellen angesehen werden.^[13] Ein Strukturgleichungsmodell stellt wiederum einen Spezialfall eines sogenannten Kausalmodells dar.^[14]

Strukturgleichungsmodelle werden von vielen gängigen Statistikprogrammen unterstützt. Daneben gibt es eine Reihe spezialisierter Software, die entweder als Standalone-Programm ausführbar ist oder bestehende Software ergänzt.^[15] Da die unterschiedlichen Programme häufig unterschiedliche Fähigkeiten haben und unterschiedliche Algorithmen verwenden, um ähnliche genannte Analysen durchzuführen, ist es gute Praxis, sowohl den Namen als auch die Version des Programms zu nennen, mit dem gearbeitet wird.^[16]

• K. Arzheimer: Strukturgleichungsmodelle für Politikwissenschaftler. Eine anwendungsorientierte Einführung. Springer, Wiesbaden 2015, ISBN 978-3-658-09608-3.
• R. Bagozzi, Y. Yi: Specification, evaluation, and interpretation of structural equation models. In: Journal of the Academy of Marketing Science. Band 40, Nr. 1, 2012, S. 8–34, doi:10.1007/s11747-011-0278-x.
• B. M. Byrne: Structural Equation Modeling with AMOS: Basic Concepts, Applications, and Programming (Multivariate Applications). Routledge, New York, NY 2016, ISBN 978-1-138-79703-1.
• O. Christ, E. Schlüter: Strukturgleichungsmodelle mit Mplus. Eine praktische Einführung. Oldenbourg, München 2012, ISBN 978-3-486-59046-3.
• J. F. Hair, G. T. M. Hult, C. M. Ringle, M. Sarstedt: A Primer on Partial Least Squares Structural Equation Modeling (PLS-SEM). 3. Auflage. Sage, Thousand Oaks, CA 2022, ISBN 978-1-4833-7744-5 (pls-sem.com).
• J. F. Hair, G. T. M. Hult, C. M. Ringle, M. Sarstedt, N. F. Richter, S. Hauff: Partial Least Squares Strukturgleichungsmodellierung (PLS-SEM). Eine anwendungsorientierte Einführung. Vahlen, München 2017, ISBN 978-1-5443-9640-8.
• J. F. Hair, M. Sarstedt, C. M. Ringle, S. P. Gudergan: Advanced Issues in Partial Least Squares Structural Equation Modeling. 2. Auflage. Sage, Thousand Oaks, CA 2024, ISBN 978-1-07-186252-0 (pls-sem.com).
• R. H. Hoyle (Hrsg.): Handbook of Structural Equation Modeling. Guilford, New York, NY 2012, ISBN 978-1-4625-1679-7.
• J.-B. Lohmöller: Latent Variable Path Modeling with Partial Least Squares. Physica, Heidelberg 1989, ISBN 3-7908-0437-1.
• E. E. Rigdon, M. Sarstedt, C. M. Ringle: On Comparing Results from CB-SEM and PLS-SEM. Five Perspectives and Five Recommendations. Band 39, Nr. 3, 2017, S. 4–16.
• R. Weiber, M. Sarstedt: Strukturgleichungsmodellierung: Eine anwendungsorientierte Einführung in die Kausalanalyse mit Hilfe von AMOS, SmartPLS und SPSS. 3. Auflage. Springer, Berlin / Heidelberg 2021, ISBN 978-3-658-32659-3.

• Bayessches Netz

Commons: Strukturgleichungsmodell – Sammlung von Bildern, Videos und Audiodateien

• Politikwissenschaftliche Beispieldaten und Skripte für LISREL, Stata und MPlus
• Handbook of Management Scales, enthält eine Reihe von Skalen zur Messung von Konstrukten, die in der betriebswirtschaftlichen Forschung (u. a. für Strukturgleichungsmodelle) verwendet werden können.