<div dir="ltr"><div>Dear all,</div><div><br></div><div>For a project, I'm examining the bidirectional self-esteem and satisfaction with social contacts. Now, for a robustness check I wanted to see if my findings also (generally) hold for a more specific kind of satisfaction -- romantic satisfaction. For this, I could use the same dataset, the same self-esteem data, and only the satisfaction variable (which is on the same scale as the original and also has a similar mean and variance) is different.</div><div><br></div><div>However, when running my models on this new variable, I get unlikely estimates for the random intercept model (the model with no random intercept, so basically the "CLPM" model, seems fine). Specifically, in the drift matrix the autoregressive effect of self-esteem and, to a lesser extent satisfaction, is much lower. The cross-lagged effects seem to be inflated (to .3 and .5 where they were < .05 in the original model). Finally, the manifest variance for satisfaction is much smaller than it was in reality (now only < .001). No error messages are produced.</div><div><br></div><div>In short, I expected this model to run pretty similar to the original model as only one variable is different, but ended up with a model that does not seem to fit at all. I have examined my data several times, but cannot detect what might be the cause of this weird fit. Therefore, I was wondering if any of you have any ideas on where the problem may be located or what I could do to identify the problem.</div><div><br></div><div>Many thanks in advance!</div><div><br></div><div>Best,</div><div>Lisanne de Moor</div><div class="gmail_signature" dir="ltr" data-smartmail="gmail_signature"><div dir="ltr"><div><div dir="ltr"><div><div dir="ltr"><div><div dir="ltr"><p style="margin:0px"></p></div></div></div></div></div></div></div></div></div>