Informationskriterien zur latenten Klassenidentifikation für Multiple Indicator Growth Mixture Models

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.