Please use this identifier to cite or link to this item: http://dx.doi.org/10.18419/opus-10599
Authors: Krause, Thomas
Title: Informationskriterien zur latenten Klassenidentifikation für Multiple Indicator Growth Mixture Models
Other Titles: Information criteria for latent class identification in multiple indicator growth mixture models
Issue Date: 2019
Publisher: Stuttgart : Universität Stuttgart, Institut für Sozialwissenschaften, Abt. f. Soziologie u. empirische Sozialforschung
metadata.ubs.publikation.typ: Arbeitspapier
metadata.ubs.publikation.seiten: 20
Series/Report no.: SISS: Schriftenreihe des Instituts für Sozialwissenschaften der Universität Stuttgart;46
URI: http://elib.uni-stuttgart.de/handle/11682/10616
http://nbn-resolving.de/urn:nbn:de:bsz:93-opus-ds-106160
http://dx.doi.org/10.18419/opus-10599
ISSN: 2199-7780
Abstract: In dieser Arbeit werden Informationskriterien für die Klassenidentifikation im Rahmen von Multiple Indicator Growth Mixture Modellen evaluiert. Diese Identifikation von latenten Verlaufsklassen wird unter den Simulationsbedingungen von fehlender Invarianz der Messung und unterschiedlichen Klassendistanzen bewertet. Die dabei verwendeten Daten basieren auf einer Monte-Carlo-Simulationsstudie. Dieses Paper erweitert bisherige Ergebnisse dahingehend, dass ein breiteres Spektrum an IC-Indizes evaluiert wird. Dabei werden alle bisher vorgeschlagenen IC-Maße auf ihre Fähigkeit zur Klassenidentifikation untersucht und mit neueren Vorschlägen in Bezug gesetzt. Darunter auch der Hierarchical BIC, welcher die latente Klassenstruktur explizit bei seiner Berechnung berücksichtigt. Die Auswertungen der Simulationsergebnisse zeigen, dass der Hierarchical BIC eine gänzlich andere Indentifikationsstruktur aufweist als alle anderen betrachten IC-Indizes und besonders bei geringer Distanz zwischen den Verlaufsklassen vergleichsweise gute Ergebnisse liefert.
This paper evaluates information criteria for class identification in multiple indicator growth mixture models. This identification of latent classes is evaluated under the simulation conditions of missing invariance of the measurement and different class distances. The data of this assessment is based on a Monte Carlo simulation study. This paper extends previous results by evaluating a broader range of IC-Indices. All previously proposed IC measures are examined for their ability to identify latent classes and compared with more recent proposals. These include the Hierarchical BIC, which explicitly takes the latent class structure into account. The evaluations of the simulation results show that the Hierarchical BIC has a completely different identification structure than all other IC-Indices and provides comparatively good results with small distances between the latent classes.
Appears in Collections:10 Fakultät Wirtschafts- und Sozialwissenschaften

Files in This Item:
File Description SizeFormat 
SISS46.pdf818,45 kBAdobe PDFView/Open


Items in OPUS are protected by copyright, with all rights reserved, unless otherwise indicated.