Wiederholte Indikatoren
Das Konstrukt höherer Ordnung wird auf einmal durch alle Indikatoren seiner Komponenten niedrigerer Ordnung gemessen. Einfach, kann aber zu Verzerrungen führen, wenn die Zahl der Indikatoren ungleich ist.
PLS-SEM-METHODE
Konstrukte höherer Ordnung in PLS-SEM
Ein Konstrukt höherer Ordnung erfasst ein abstraktes Konzept über mehrere konkretere Teilkonstrukte und fügt dem Messmodell eine zweite Ebene hinzu. Diese Seite erklärt die Typen, die Schätzansätze, wie man sie validiert, ein durchgerechnetes Beispiel und die häufigen Fehler.
Was ein Konstrukt höherer Ordnung ist
Die meisten Konstrukte werden direkt durch ihre Indikatoren gemessen. Ein Konstrukt höherer Ordnung (auch hierarchisches Komponentenmodell genannt) liegt eine Ebene darüber: Es wird durch mehrere Konstrukte niedrigerer Ordnung gemessen, die jeweils eigene Indikatoren haben. Zum Beispiel könnten Arbeitsressourcen ein Konstrukt höherer Ordnung sein, das sich aus Autonomie, Unterstützung und Feedback zusammensetzt.
Konstrukte höherer Ordnung verringern die Zahl der Strukturpfade und bilden ein abstraktes Konzept auf der passenden Ebene ab, solange die zusätzliche Ebene theoretisch gerechtfertigt ist.
Ein durchgerechnetes Beispiel
Arbeitsressourcen werden als Konstrukt höherer Ordnung mit drei Komponenten niedrigerer Ordnung modelliert: Autonomie, Unterstützung und Feedback, die jeweils durch eigene Items gemessen werden. Das Konstrukt höherer Ordnung geht dann als ein einzelner Treiber ins Strukturmodell ein, statt als drei getrennte Pfade.
So bleibt das Strukturmodell einfach und behält zugleich die Details der drei Komponenten darunter.
Die vier Typen
Konstrukte höherer Ordnung werden danach eingeteilt, ob jede Ebene reflektiv oder formativ ist. Der Typ bestimmt, wie man das Modell spezifiziert und validiert.
- Reflektiv-reflektiv
- Beide Ebenen reflektiv: Das Konstrukt höherer Ordnung spiegelt korrelierte Komponenten niedrigerer Ordnung wider, die jeweils ihre Items widerspiegeln.
- Reflektiv-formativ
- Reflektive Konstrukte niedrigerer Ordnung bilden das Konstrukt höherer Ordnung. Der in der Praxis häufigste Typ.
- Formativ-reflektiv
- Das Konstrukt höherer Ordnung spiegelt formativ gemessene Konstrukte niedrigerer Ordnung wider.
- Formativ-formativ
- Beide Ebenen formativ: Formative Komponenten bilden das Konstrukt höherer Ordnung.
Wähle den Typ aus der Theorie und der Richtung der Indikatorbeziehungen, bevor du schätzt. Der Typ gibt vor, welche Validitätsprüfungen auf jeder Ebene gelten.
Schätzansätze
Zweistufig
In Stufe eins schätzt man die Werte der Konstrukte niedrigerer Ordnung; in Stufe zwei nutzt man diese Werte als Indikatoren des Konstrukts höherer Ordnung. Robust und flexibel.
Erweitert zweistufig
Eine zweistufige Variante, die die latenten Werte weiterträgt. OpenPLS unterstützt das, indem es die Werte latenter Variablen zu einem Datensatz hinzufügt, sodass du die nächste Ebene darauf aufbauen kannst.
Disjunkt zweistufig
Eine zweistufige Variante, die die Teile höherer und niedrigerer Ordnung über die beiden Stufen hinweg in getrennten Modellen hält.
Ein Konstrukt höherer Ordnung Schritt für Schritt aufbauen
- Entscheide aus der Theorie, welche Konstrukte niedrigerer Ordnung das Konstrukt höherer Ordnung bilden und ob jede Ebene reflektiv oder formativ ist.
- Schätze die Konstrukte niedrigerer Ordnung und validiere sie wie jedes Konstrukt (Reliabilität und Validität auf dieser Ebene).
- Füge die Werte der latenten Variablen zu deinem Datensatz hinzu, damit sie als Indikatoren des Konstrukts höherer Ordnung dienen können.
- Baue das Konstrukt höherer Ordnung auf diesen Werten auf und schätze das Strukturmodell (der erweitert zweistufige Ansatz).
- Validiere die höhere Ebene je nach ihrem Typ und deute dann die Strukturpfade.
Häufige Fehler
- Eine Ebene höherer Ordnung ohne theoretische Begründung hinzufügen, nur um das Diagramm zu vereinfachen.
- Wiederholte Indikatoren nutzen, wenn die Komponenten niedrigerer Ordnung sehr ungleich viele Indikatoren haben, was die Gewichte verzerrt.
- Reflektive Validitätsprüfungen (wie HTMT) auf eine formative Ebene anwenden oder umgekehrt. Der Typ entscheidet, welche Prüfungen gelten.
- Vergessen, die Konstrukte niedrigerer Ordnung zu validieren, bevor man die Ebene darüber aufbaut.
Konstrukte höherer Ordnung in OpenPLS
OpenPLS unterstützt Konstrukte höherer Ordnung. Ein eigener Helfer richtet die Hierarchie ein, und die Aktion „Werte latenter Variablen zu einem Datensatz hinzufügen“ lässt dich die Werte für den erweitert zweistufigen Ansatz weitertragen, was auch Modelle dritter Ordnung möglich macht. Kostenlos und direkt im Browser.
Baue ein Konstrukt höherer Ordnung in deinem eigenen Modell
Modelliere die Konstrukte niedrigerer Ordnung im visuellen Editor, trage ihre Werte weiter und baue die Ebene darüber in wenigen Klicks. Kostenlos, ohne Installation.
Häufige Fragen
- Was ist ein Konstrukt höherer Ordnung?
- Ein Konstrukt, das nicht direkt durch Items gemessen wird, sondern durch mehrere Konstrukte niedrigerer Ordnung mit jeweils eigenen Items. Es bildet ein abstraktes Konzept über konkretere Teildimensionen ab und fügt dem Messmodell eine zweite Ebene hinzu.
- Welchen Schätzansatz soll ich nutzen?
- Der zweistufige Ansatz, und besonders der erweitert zweistufige Ansatz, ist robust und flexibel und funktioniert mit reflektiven und formativen Ebenen. Wiederholte Indikatoren sind einfacher, können aber Ergebnisse verzerren, wenn die Zahl der Indikatoren ungleich ist.
- Wie validiere ich ein Konstrukt höherer Ordnung?
- Validiere jede Ebene je nach ihrem Typ: reflektive Ebenen mit Reliabilitäts- und Diskriminanzvaliditätsprüfungen, formative Ebenen mit Prüfungen der Gewichtssignifikanz und der Kollinearität. Validiere immer die Konstrukte niedrigerer Ordnung, bevor du die Ebene darüber prüfst.
Weiterführende Literatur
Die wichtigsten Referenzen sind Sarstedt, M., Hair, J. F., Cheah, J.-H., Becker, J.-M., & Ringle, C. M. (2019). How to specify, estimate, and validate higher-order constructs in PLS-SEM. Australasian Marketing Journal, 27(3), 197-211, und Becker, J.-M., Klein, K., & Wetzels, M. (2012). Hierarchical latent variable models in PLS-SEM. Long Range Planning, 45(5-6), 359-394. Eine praxisnahe Behandlung in Hair, J. F., Hult, G. T. M., Ringle, C. M., & Sarstedt, M. (2022). A Primer on Partial Least Squares Structural Equation Modeling, 3. Aufl., Sage.