In `lavaan`, einem R-Paket zur Strukturgleichungsmodellierung, gibt es mehrere Schätzer, die für Daten geeignet sind, die nicht normalverteilt sind. Hier sind einige Optionen: 1. **Robust Maximum Likelihood (MLR)**: Dies ist eine robuste Version des Maximum-Likelihood-Schätzers, die Standardfehler und Chi-Quadrat-Statistiken korrigiert, um die Nicht-Normalität der Daten zu berücksichtigen. ```R fit <- sem(model, data = yourData, estimator = "MLR") ``` 2. **Weighted Least Squares Mean and Variance adjusted (WLSMV)**: Dieser Schätzer ist besonders geeignet für kategoriale Daten und berücksichtigt die Nicht-Normalität. ```R fit <- sem(model, data = yourData, estimator = "WLSMV") ``` 3. **Diagonally Weighted Least Squares (DWLS)**: Ein weiterer Schätzer, der für kategoriale Daten verwendet werden kann und robust gegenüber Nicht-Normalität ist. ```R fit <- sem(model, data = yourData, estimator = "DWLS") ``` 4. **Unweighted Least Squares (ULS)**: Dieser Schätzer kann ebenfalls verwendet werden, ist jedoch weniger robust als die oben genannten Optionen. ```R fit <- sem(model, data = yourData, estimator = "ULS") ``` Die Wahl des Schätzers hängt von der Art der Daten und der spezifischen Analyse ab. Für detaillierte Informationen und Beispiele zur Verwendung dieser Schätzer in `lavaan`, siehe die offizielle Dokumentation: [lavaan Documentation](https://lavaan.ugent.be/).