Zufriedenheit ist eine latente Variable, die nicht unmittelbar beobachtbar ist. Sie wird beeinflusst von beobachtbaren Merkmalen. Diese Merkmale werden aber ihrerseits auch beeinflusst. Eine solche Multikollinearität ist bei Treiberanalysen jedoch problematisch, sie verzerrt die Analyseergebnisse. Im Online-Tool RALV lässt sich diese Multikollinearität durch die Orthogonalisierung der Merkmale mit einem Klick eliminieren.
IfaD stellt RALV anhand einer Zufriedenheitsanalyse im kompakten 20-Minuten-Webinar vor. Mit RALV (Relationships Among Latent Variables) können Sie Kausalanalysen durchführen und – auch komplexe – Strukturgleichungs-Modelle ganz einfach per Drag and Drop grafisch erstellen, variieren und blitzschnell schätzen.
Abbildung: RALV-Oberfläche zum Aufbau eines Strukturgleichungs-Modells
Das bietet Ihnen RALV:
- Analysiert Wirkungsbeziehungen zwischen latenten Variablen
- Komfortable grafische Modellkonstruktion
- Schnelles, sicheres Durchspielen vieler Modellvarianten ohne lange Einarbeitung und spezielle Methodenkenntnis
- Orthogonalisierung als effektive Lösung zur Vermeidung von Verzerrungen geschätzter Pfadkoeffizienten aufgrund von Multikollinearität
- Nutzt die Informationen aus Missing Values, um die Qualität der Ergebnisse zu verbessern
Jetzt ab dem 17.08.2020 täglich im IfaD-Webinar von Dr. Heiko Schimmelpfennig und Peter Sonneck.
Hier Termin aussuchen und anmelden: https://www.ifad.de/webinare