STATISTIK-FORUM.de

[Stephan88]

Hi,

ich habe das Problem, dass ich bei einer konfirmatorischen Faktorenanalyse mit 3 Indikatoren (Items) bei einem Residuum eine negative Varianz erhalte. Habe mit standardisierten Schätzern gerechnet. F1 bezeichnet hier das theoretische Konstrukt des "Involvements". e3 wird im Modell negativ. e3 bezeichnet das Residuum des Items Risk.
Wie geht man mit negativen Varianzen um? Ich habe bereits versucht lediglich mit 2 Items zu rechnen und die Schätzmethode zu ändern. Hat leider nicht geholfen. Kann mir jemand weiterhelfen?

Anbei noch der Output:

Regression Weights:

Estimate S.E. C.R. P Label
Q2import <--- F1 1,000
Q3Though <--- F1 3,468 ,249 13,949 *** par_1
Q4Risk <--- F1 3,799 ,266 14,276 *** par_2

Standardized Regression Weights
Estimate
Q2import <--- F1 ,813
Q3Though <--- F1 ,975
Q4Risk <--- F1 1,000

Besten Dank
Stephan

[strukturmarionette]

Hi,

Hat leider nicht geholfen. Kann mir jemand weiterhelfen?

- negative Varianzschätzungen sind m.W. auf unzureichende Modellspezifiakationen zurückzuführen
- du könntest versuchen, die Anzahl der Items zu erhöhen

Gruß
S.

[Semson]

Da stimme ich zu. Negative Varianzen sind theoretisch nicht möglich, können aber bei der Schätzung in der Software entstehen. Das nennt sich Heywood Case.

Bei einem Faktor mit 2 Indikatoritems lässt sich kein Fit schätzen, da das Modell nicht identifiziert ist. Dafür würdest du einen zweiten Faktor mit 2 Indikatoritems benötigen, der mit dem ersten Faktor eine signifikante Korrelation aufweist. Ein zweiter Faktor könnte sich generell als hilfreich erweisen.

Bei der drei-Indikatoren Lösung: wenn das negative Residuum sehr Nahe bei Null liegt (und nicht signifikant ist), kann man es auf Null fixieren, glaube ich. Ich habe auch mal gelesen, dass eine andere Schätzmethode (ULS statt ML) eine negative Varianz beseitigen kann. Überprüfe auch nochmal, ob du fehlende Werte richtig kodiert hast. Ich hatte mal bei nem fünfstufigen Item die 99 nicht als Missing kodiert So ein Ausreißer zerstört jedes Messinstrument.