Hi Moro,
du musst nicht von einer CFA gleich zu einer EFA wechseln. Man kann auch eine Diagnostik in Modellen betreiben, die
- in Addition zur Analyse der item-Bezeichnungen - zu einer Re-Spezifikation des Modells führen. Eine EFA wird dir einfach
ähnliche items zusammengruppieren. Das kann - muss aber nicht korrekt sein. V.a. wird es dann inkorrekt sein, wenn du
einzelne items hast, die eine eigene latente Variable messen (was m.E. häufig vorkommt).
Ich hatte mal ein Modell, in dem ich 3 items, die goal commitment messen und 1, dass die Intention, ein Verhalten auszuführen
maß. Wenn man diese jetzt (mit ein paar anderen) in eine EFA wirfst, wird das intentions-Item den goal-comm. items zugeordnet
mit einer geringeren Ladung. Folglich wäre es ein schlechtes item und würde entfernt werden. Das wäre ein fataler Fehler gewesen
weil eine Intention eine wichtige zentrale Variable ist.
Schau dir mal die standardsierten Residuen an und versuch rauszubekommen, wo das Modell Probleme hat, die empirischen
Kovarianzen zu replizieren. Das wie gesagt immer in Kombi mit den Item-Formulierungen.
Grüße
Holger
P.S. das Argument, es sei ja "nur" eine Entwicklung - und deshalb könne man eine EFA machen, zieht nicht. Häufig geht damit ein
Kreuzvalidierungsgedanke einher, dass man in einer späteren Analyse ja das explorierte Modell noch mal testen könnte. Dazu
gibt es eine ausführliche Diskussion unter
faktorenanalyse-f13/efa-cfa-validierung-der-faktorenstruktur-t3099.html
