Random Intercept Cross Lagged Panel ModelHallo,
Ich versuche, ein Cross-Lagged-Panel-Modell mit zufälligem Achsenabschnitt unter Verwendung von Längsschnittdaten mit drei Messwellen durchzuführen. Im Handbuch zu multivariaten Methoden, Kapitel 8, Seite 212, steht:
Cross-Lagged-Panel-Modell: Diese Kurzform ermöglicht es Ihnen, Messfehler durch die Angabe latenter Variablen zu berücksichtigen, wenn das Modell mindestens drei Messzeitpunkte umfasst. Zusätzlich können Sie einen Zufallsintercept hinzufügen, um Effekte zwischen Personen von Effekten innerhalb von Personen zu unterscheiden. Dies führt bei Vorliegen von Trends zu genaueren autoregressiven und Cross-Lagged-Schätzungen.
Ich weiß jedoch nicht, wie ich einen zufälligen Achsenabschnitt hinzufügen kann. Wie geht das? Vielen Dank für Ihre Hilfe.
Fortgeschrittene statistische ModellierungBetreff: Cross-Lagged-Panel-Modell mit zufälligem AchsenabschnittHallo @OmegaOkapi125
Ausgezeichnete Frage! Ein paar Details sind noch zu klären … Erstens: Je nach verwendeter Version von JMP Pro gibt es verschiedene Wege, dies zu erreichen. Version 19.0 macht es einfacher (die kommende Version 19.1 ist jedoch noch einfacher – laden Sie sie also unbedingt herunter, sobald sie veröffentlicht ist).
Ich sehe, dass Ihre Variablennamen „Zeitwerte“ enthalten. Diese Werte lassen mich jedoch vermuten, dass Sie unterschiedliche Zeitabstände zwischen den wiederholten Messungen verwenden. Dies macht die Modellspezifikation etwas komplexer.
Fürs Erste füge ich hier ein Video des einfachsten Falls (gleichmäßig verteilte wiederholte Takte) bei, aber bitte teilen Sie mir mit, welche Version Sie verwenden und wie groß der zeitliche Abstand ist, damit ich Ihnen eine bessere Antwort geben kann.
Betreff: Cross-Lagged-Panel-Modell mit zufälligem AchsenabschnittHallo Laura,
Vielen Dank für die prompte Antwort und vielen Dank für das Video, das war ungemein hilfreich!
Version - Du hast es erraten, ich hatte Version 18.2, habe aber gerade auf 19.0.4 aktualisiert. (Ich warte schon gespannt auf 19.1)
Zeitliche Abstände – Sie haben Recht, die Zeitabstände zwischen den Messungen sind nicht einheitlich. Ausgehend von der Ausgangsmessung erfolgt die nächste Messung 3 Jahre später und die darauffolgende 2 Jahre später (5 Jahre nach der Ausgangsmessung).
Leider erhalte ich eine Fehlermeldung, wenn ich das Modell mit aktiviertem Zufallsintercept ausführe. Nach dem Ersetzen der Zufallsintercepts (für Version 19.0.4) stürzt das Programm beim Ausführen des Modells ab. Hier sind Screenshots:
Betreff: Cross-Lagged-Panel-Modell mit zufälligem AchsenabschnittAh! Vielen Dank für den Tipp! Ich werde mir das auf jeden Fall ansehen. Am einfachsten lässt sich dieser Fehler vorerst vermeiden, indem Sie Ihre Variablen so umbenennen, dass die Zeitcodes am Ende jedes Variablennamens stehen, zum Beispiel „EB Klasse 5“. Sie können zwar per Doppelklick auf die Namen klicken, um sie zu bearbeiten, aber am schnellsten geht es über das Menü „Spalten“ und dann „Spaltennamen“ > „Spaltennamen neu codieren“.
Bezüglich der ungleichen Zeitabstände: Beabsichtigen Sie, die Gleichheit der autoregressiven und kreuzverzögerten Effekte im Zeitverlauf zu testen? Falls ja, empfehle ich die Angabe von „Phantomvariablen“. Ich schreibe gerade einen Blogbeitrag, in dem ich genauer erkläre, wie diese Variablen in unserer SEM-Plattform spezifiziert werden – ich sollte ihn in ein bis zwei Tagen veröffentlichen können (ich werde ihn hier verlinken). Wenn Sie keine Gleichheitsbedingungen im Modell festlegen, erhalten Sie Schätzwerte, die die Effekte vom Ausgangswert bis drei Jahre später und anschließend bis fünf Jahre später beschreiben.
Betreff: Cross-Lagged-Panel-Modell mit zufälligem AchsenabschnittHallo Laura,
Es hat funktioniert!! Vielen herzlichen Dank, ich weiß das wirklich sehr zu schätzen!
Ja, ich verstehe, das würde die Aussagekraft meiner Analyse verbessern, und ich warte gespannt (geduldig) auf Ihren Blogbeitrag.
Betreff: Cross-Lagged-Panel-Modell mit zufälligem AchsenabschnittHallo @OmegaOkapi125 ,
Entschuldigung für die Verzögerung des Blogbeitrags… er sollte bald verfügbar sein! In der Zwischenzeit habe ich ein weiteres Video erstellt, das die Spezifikation des RI-CLPM mit Phantomvariablen für Ihr konkretes Beispiel veranschaulicht. Der Blogbeitrag wird weitere Erläuterungen liefern, aber dieses Video sollte Ihnen fürs Erste helfen. Beachten Sie, dass ich das Modell von Grund auf neu spezifiziere, ohne das Menü „Modell-Shortcuts“. Zukünftig sollen die Modell-Shortcuts dies automatisch für unsere Nutzer erledigen. Phantomvariablen haben üblicherweise eine feste Varianz von eins, diese kann aber auch null sein. Experimentieren Sie mit beiden Spezifikationen, um die passende Lösung zu finden.
Betreff: Cross-Lagged-Panel-Modell mit zufälligem AchsenabschnittDen Blogbeitrag, der Phantomvariablen im Kontext autoregressiver Modelle beschreibt, finden Sie hier:
https://community.jmp.com/t5/JMPer-Cable/Phantom-Variables-in-the-Structural-Equation-Models-Platform/ba-p/930693
Betreff: Cross-Lagged-Panel-Modell mit zufälligem AchsenabschnittDas ist wirklich sehr hilfreich, vielen Dank dafür! Das Video war auch informativ, und ich konnte das Modell problemlos mit meinen eigenen Daten anwenden. Danke, dass Sie sich die Zeit zum Posten genommen haben!
