Schätzung nichtlinearer Effekte in latenten Variablenmodellen bei nicht-normalverteilten Daten

• Antragsteller: Professor Dr. Augustin Kelava, seit 8/2016
• Fachliche Zuordnung: Persönlichkeitspsychologie, Klinische und Medizinische Psychologie, Methoden
• Förderung: Förderung von 2012 bis 2018
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 230533471

In den vergangenen Jahren zeigte sich, dass die Verwendung von latenten Variablenmodellen, die ausschließlich lineare Zusammenhänge modellieren, weder der Komplexität von Forschungsfragen noch der empirischen Realität angemessen ist. Als Herausforderungen lassen sich Daten mit Mehrebenenstrukturen, nicht-normalverteilte Daten und nichtlineare Zusammenhänge zwischen Variablen benennen. In diesem Projekt sollen für (nichtlineare) latente Variablenmodelle folgende substantielle Erweiterungen vorgenommen werden: Ein in der ersten Förderphase entwickeltes allgemeines, nichtlineares Mischverteilungsmehrebenenstrukturgleichungsmodell soll für die Analyse von längsschnittlichen Daten erweitert und als package in der Statistik-Software R einer breiten Öffentlichkeit zur Verfügung gestellt werden. Die bisherigen Entwicklungen von semiparametrischen Strukturgleichungsmodellen sollen auf echte nichtparametrische, verteilungsfreie Strukturgleichungsmodelle verallgemeinert werden, die in einem nicht-Bayesschen Rahmen schätzbar sind. Sowohl die semi- als auch die nichtparametrischen Verfahren sollen in einer Simulationsstudie hinsichtlich ihrer Performanz untersucht werden. Zuletzt sollen das nicht- bzw. semiparametrische Verfahren auf multidimensionale Item-Response-Modelle generalisiert werden.

• DFG-Verfahren: Sachbeihilfen
• Ehemaliger Antragsteller: Professor Dr. Holger Brandt, bis 7/2016