STATISTIK-FORUM.de

[ralf92]

Hi zusammen,

habe zwei Fragen.
Erstens:

Hab zuerst eine EFA durchgeführt und gemäß Kommunalitäten die ich als zu gering eingestuft habe Items eliminiert. Die anschließende EFA hat eine plausible Faktorenverteilung ergeben.

Daraufhin habe ich mit den übrig gebliebenen Konstrukten (und den dazugehörigen Items) eine CFA durchgeführt. Auch dabei wurden verschiedene Items eliminiert (anhand von zu geringer Indikatorreliabilität und Fornell Larcker Kriterium).
Nun ist meine Frage: Muss ich nach der Eliminierung von Items in der CFA erneut eine EFA durchführen, um zu prüfen ob die Faktorenstruktur noch gegeben ist?

Die zweite Frage ist:

Nach dem Kaiser-Guttman-Kriterium werden nur Faktoren mit einem Eigenwert >1 extrahiert. Gibt es Ausnahmen bei denen auch Eigenwerte >0,95 extrahiert werden dürfen? Falls ja, mit welcher Begründung und lässt sich das irgendwo in der Literatur begründen?

Grüße und bereits im Vorfeld danke für eure Hilfe
Ralf

[strukturmarionette]

Hi,

habe zwei Fragen.

Erstens:

Nein, wenn dann erneut eine CFA.
(wobei mir Dein generelles Verfahren /Procedere für die Itemselektion unbekannt ist. Wo wird das gelehrt?)

Die zweite Frage:

- Du könntest schauen, wieviele Faktoren sich beim Scree-Test oder der Paralleanalyse ergeben.

Gruß
S.

[ralf92]

Hey,
danke fürs Feedback.

Mein Verfahren ist. Fragebogen erstellen mit Items die zu einem zuvor überlegten Konstrukt passen.
Bereinigung des Datensatzes etc. Anschließendes EFA als strukturentdeckendes Verfahren verwenden, um zu sehen, ob die Items zu dem zuvor überlegten Konstrukt passen.
Dazu KMO, Bartlett etc mit einbeziehen. Kommunalitäten beachten. Möglicherweise Elimination gemäß Kommunalitäten und neue EFA.

Anschließend CFA mit der zuvor entdeckten Modellstruktur.
Prüfung der Güte anhand von verschiedenen Kriterien: CFI, RMSEA, SRMR... Faktorreliabiltität, Fornell Larcker, Indikatorreliabilität. Mögliche Eliminationen vornehmen.

Anschließend SEM Modellschätzung.

Uni Manniheim.
Scree gibt mir die selben Faktoren. Die Frage war ja auch nur, ob Eigenwerte <1 Sinn machen können und ob es dazu Literatur gibt, wo dies so steht.

Grüße
Ralf

[strukturmarionette]

HI,

ob Eigenwerte <1 Sinn machen können

Ich denke, grundsätzlich nein.

Welches Extraktionsverfahren hat Du denn durchgeführt?
Davon abhängig können unterschiedliche Eigenwerte (u.v.m.) resultieren.

Gruß
S.

[Holgonaut]

Hallo Ralf,

wenn du eine Vorstellung hast, welche Indikatoren welche latenten Variablen messen, mach eine CFA und teste die Struktur.

EFA, Fornell-Larcker, Indikatorreliabilität und Fit indizes sind schwache Evaluationskriterien. Nimm den Chi-Quadrat-Test ernst und modifiziere das Modell, wenn es nicht fittet.
Ein Misfit mag dadurch begründet sein, dass die Anzahl der latenten Variablen zwar korrekt ist, aber items entweder völlig falsch oder doppelt laden, oder die Anzahl der latenten
Variablen bereits falsch ist. Wenn es also nicht fittet, schau dir die "standardisierten Residuen" an (Differenzen zwischen empirischen und modellimpliziten Kovarianzen) in Kombination
mit den Item-Formulierungen und entwickele neue Überlegungen, wie die Struktur aussehen könnte. Items zu eliminieren kann eine Lösung sein, aber die Gefahr besteht, dass man
gute items wegwirft. Wenn du z.B. ein Item hast, dass als einziges eine latente Variable "A" misst (vielleicht die wichtigste), dann wird das item zwangsläufig auf der latenten Variable ("B") laden, die
mit A am höchsten korreliert. Diese Ladung wird aber nicht hoch sein (sie ergibt sich aus der Ladung auf A - die nicht im Modell möglich ist - und der Korrelation zwischen A und B). So kann es schnell sein, dass du dieses item wegen der niedrigen Ladung rauswirfst. Schau dir also die Formulierung dieses/dieser items an: Sind sie klar und deutlich (geringer Messfehler?) und
betreffen sie etwas was nicht in den "Themenkreis" der anderen Variablen passt?

Fragebogen erstellen mit Items die zu einem zuvor überlegten Konstrukt passen.

Diese Formulierung ist problematisch. Items, die in einem faktoranalytischen Ansatz modelliert werden, müssen nicht nur zu einem "Konstrukt" passen. Das Faktormodell postuliert, dass das/die Item(s) durch eine *zugrundeliegende unbeobachtete empirische Variable verursacht* wurden. Zentrale Begriffe sind hier:
a) (unbeobachtete) empirische Variable (also ein in der Natur existierendes variierendes Phänomen) vs. "Konstrukt" (was ein unglaublich vager Begriff ist).
b) zugrundeliegend/verursacht vs. "zu...passen".

Überprüf Dein Verständnis Deiner items bzgl. dieser Kriterien, sonst wird das mit der CFA nix


Grüße
Holger

[ralf92]

Hey zusammen,

danke für die Antworten.
Ihr habt mir eigentlich schon damit geholfen, dass ich keine erneute EFA durchführen muss und das Eigenwerte <1 sinnfrei sind.

Meine CFA liefert gute bis akzeptable Werte, weshalb eine weitere Korrektur nicht notwendig ist. Mit Konstrukt meine ich übrigens exo- bzw endogene latente Variablen. War nur zu faul das so auszuschreiben.

Danke für die Hilfe.

Gruß
Ralf