Arbeitspapier
Modellselektion in Finite Mixture PLS-Modellen. Eine Simulationsstudie zur Messung der Performanz von Informationskriterien
Der folgende Beitrag befasst sich mit dem Problem der Modellselektion im Finite Mixture Partial Least Squares (FIMIX-PLS)-Ansatz. Dieser Ansatz, welcher der Methodengruppe der Mischverteilungsmodelle zuzuordnen ist, ermöglicht eine simultane Schätzung der Modellparameter bei gleichzeitiger Ermittlung von Heterogenität in der Datenstruktur. Ein wesentliches Problem bei der Anwendung ist die Bestimmung der Anzahl der zugrunde liegenden Segmente, welche a priori unbekannt ist. Neben diversen statistischen Testverfahren wird zur Handhabung dieser Modellselektionsproblematik häufig auf so genannte Informationskriterien zurückgegriffen. Ziel des vorliegenden Beitrags ist es herauszuarbeiten, welches Informationskriterium für die Modellselektion in FIMIX-PLS besonders geeignet ist. Hierzu wurde eine Simulationsstudie initiiert, welche die Performanz gebräuchlicher Kriterien vor dem Hintergrund diverser Einflussfaktoren untersucht. Im Rahmen der Studie konnte mit dem Consistent Akaike’s Information Criterion (CAIC) ein Kriterium identifiziert werden, das die übrigen Kriterien in nahezu allen Faktorstufenkombinationen dominiert.
- Sprache
-
Deutsch
- Erschienen in
-
Series: Discussion Paper ; No. 2007-02
- Klassifikation
-
Management
Marketing
Multiple or Simultaneous Equation Models; Multiple Variables: Other
- Thema
-
FIMIX PLS
Model Selection
Finite Mixture
Partial Least Squares
PLS
Information Criteria
- Ereignis
-
Geistige Schöpfung
- (wer)
-
Sarstedt, Marko
Salcher, André
- Ereignis
-
Veröffentlichung
- (wer)
-
Ludwig-Maximilians-Universität München, Fakultät für Betriebswirtschaft
- (wo)
-
München
- (wann)
-
2007
- DOI
-
doi:10.5282/ubm/epub.1394
- Handle
- URN
-
urn:nbn:de:bvb:19-epub-1394-8
- Letzte Aktualisierung
-
10.03.2025, 11:43 MEZ
Datenpartner
ZBW - Deutsche Zentralbibliothek für Wirtschaftswissenschaften - Leibniz-Informationszentrum Wirtschaft. Bei Fragen zum Objekt wenden Sie sich bitte an den Datenpartner.
Objekttyp
- Arbeitspapier
Beteiligte
- Sarstedt, Marko
- Salcher, André
- Ludwig-Maximilians-Universität München, Fakultät für Betriebswirtschaft
Entstanden
- 2007
Ähnliche Objekte (12)
Medical applications of finite mixture models
Likelihood inference in some finite mixture models
Exact fit of simple finite mixture models
Finite mixture multinomiales Probitmodell : Konzeption und Umsetzung
Performanz
Nonparametric estimation of multivariate elliptic densities via finite mixture sieves
Nonparametric estimation of multivariate elliptic densities via finite mixture sieves
Modelling unobserved heterogeneity in claim counts using finite mixture models
Mixture
Performanz/Repräsentation
Performanz / Repräsentation
Sammelrezension: Performanz
Medical applications of finite mixture models
Likelihood inference in some finite mixture models
Exact fit of simple finite mixture models
Finite mixture multinomiales Probitmodell : Konzeption und Umsetzung
Performanz
Nonparametric estimation of multivariate elliptic densities via finite mixture sieves
Nonparametric estimation of multivariate elliptic densities via finite mixture sieves
Modelling unobserved heterogeneity in claim counts using finite mixture models
Mixture
Performanz/Repräsentation
Performanz / Repräsentation
Sammelrezension: Performanz
Medical applications of finite mixture models
Likelihood inference in some finite mixture models
Exact fit of simple finite mixture models
Finite mixture multinomiales Probitmodell : Konzeption und Umsetzung
Performanz
Nonparametric estimation of multivariate elliptic densities via finite mixture sieves
Nonparametric estimation of multivariate elliptic densities via finite mixture sieves
Modelling unobserved heterogeneity in claim counts using finite mixture models
Mixture
Performanz/Repräsentation
Performanz / Repräsentation