Modellselektion in Finite Mixture PLS-Modellen

Marko Sarstedt and André Salcher

Discussion Papers in Business Administration from University of Munich, Munich School of Management

Abstract: 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.

Keywords: FIMIX PLS; Model Selection; Finite Mixture; Partial Least Squares; PLS; Information Criteria (search for similar items in EconPapers)
JEL-codes: C39 M31 (search for similar items in EconPapers)
Date: 2007-03
References: View references in EconPapers View complete reference list from CitEc
Citations: View citations in EconPapers (1)

Downloads: (external link)
https://epub.ub.uni-muenchen.de/1394/1/2007-06-05_FIMIX_Working_Paper_final.pdf (application/pdf)

Related works:
This item may be available elsewhere in EconPapers: Search for items with the same title.

Export reference: BibTeX RIS (EndNote, ProCite, RefMan) HTML/Text

Persistent link: https://EconPapers.repec.org/RePEc:lmu:msmdpa:1394

Access Statistics for this paper

More papers in Discussion Papers in Business Administration from University of Munich, Munich School of Management Ludwigstr. 28,80539 Munich, Germany. Contact information at EDIRC.
Bibliographic data for series maintained by Mareike Seifried ( this e-mail address is bad, please contact ).