Nieuwe mixture-SEM-methoden voor het vergelijken van structurele relations over veel groepen

Veel belangrijke vragen die onderzoekers willen beantwoorden hebben betrekking op relaties tussen niet-waarneembare of latente variabelen zoals overtuigingen, eigenschappen, attitudes. Welke factoren voorspellen bijvoorbeeld ouderlijke stress of naleving van sociale afstand tijdens een pandemie? Structurele vergelijkingsmodellen (SEM) zijn de state-of-the-art voor het correct modelleren van relaties tussen latente variabelen, ook wel structurele relaties genoemd. Voor het vergelijken van structurele relaties tussen een groot aantal groepen, zoals landen, schieten bestaande SEM-benaderingen tekort, vooral wanneer de meting van de latente variabelen niet perfect invariant is tussen de groepen. In dit project ontwikkelen we nieuwe, mixture-SEM-methoden die spaarzame benaderingen gebruiken voor het vatten van niet-invariantie van metingen, met als doel de groepen specifiek te clusteren op basis van hun structurele relaties. Aangezien spaarzaamheid overfitting tempert en de vereisten voor steekproefomvang verlaagt, kan het gebruik van een spaarzame benadering voor het vatten van gebrek aan meetinvariantie leiden tot een beter terugvinden van de clustering van de groepen op basis van hun structurele relaties dan het gebruik van groepsspecifieke parameters voor het vatten van verschillen in meting.