Please use this identifier to cite or link to this item: https://hdl.handle.net/10419/104485 
Year of Publication: 
2007
Series/Report no.: 
Discussion Paper No. 2007-02
Publisher: 
Ludwig-Maximilians-Universität München, Fakultät für Betriebswirtschaft, München
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.
Subjects: 
FIMIX PLS
Model Selection
Finite Mixture
Partial Least Squares
PLS
Information Criteria
JEL: 
M31
C39
Persistent Identifier of the first edition: 
Document Type: 
Working Paper

Files in This Item:
File
Size





Items in EconStor are protected by copyright, with all rights reserved, unless otherwise indicated.