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.
Download Info
To download:
If you experience problems downloading a file, check if you have the
proper application to
view it first. Information about this may be contained
in the File-Format links below. In case of further problems read
the IDEAS help
page. Note that these files are not on the IDEAS
site. Please be patient as the files may be large.
Find related papers by JEL classification: M31 - Business Administration and Business Economics; Marketing; Accounting - - Marketing and Advertising - - - Marketing C39 - Mathematical and Quantitative Methods - - Multiple or Simultaneous Equation Models; Multiple Variables - - - Other
References listed on IDEAS Please report citation or reference errors to , or , if you are the registered author of the cited work, log in to your RePEc Author Service profile, click on "citations" and make appropriate adjustments.: