STATISTIK-FORUM.de

[strukturmarionette]

Hi,

bei einer CFA rechne ich mit 6 Faktoren erster Ordnung (jeweils 3 Indikatoren) und einem Faktor zweiter Ordnung, der zwei der Faktoren erster Ordnung erklären soll.

Die ResidualVarianz einer dieser zwei Faktoren erster Ordnung -mit AMOS- wird negativ.

Einige ´Help´-Strategien z.B. aus Kline (2011) versagen oder ich übersehe etwas.

Hat diesbezüglich vielleicht jemand eine Idee?

[strukturmarionette]

Hi nochmal:

hier noch etwas ergänzendes zu meiner Frage (negative Varianzschätzung) oben. Vielleicht ist es nützlich für eine Antwort:

(Outputausschnitt von AMOS V. 19)

The model is recursive.
Sample size = 657

The following variances are negative. (Group number 1 - Default model)
res1 -,180

Number of distinct sample moments: 190
Number of distinct parameters to be estimated: 50
Degrees of freedom (190 - 50): 140

Chi-square = 541,904
Degrees of freedom = 140
Probability level = ,000

CFI = ,942
RMSEA = ,066

und natürlich:

--> This solution is not admissible.

OKI?

[Holgonaut]

Hi,

ein second-order Faktor ist erst dann identifiziert, wenn er mind. 3 Primärfaktoren hat. Da könnte also ein Problem liegen.

Frage: Wie sieht denn die Struktur der Kovarianzen der latenten Variablen aus? In dem Moment, wo der second - order Faktor
im Spiel ist, können seine Primärfaktoren mit den restlichen latenten Variablen nicht mehr korreliert sein, weil sie endogen sind.

Gruß
Holger

[strukturmarionette]

Hallo,

drei latente Primärfakoren hat mein second-order Faktor nicht, nur zwei.
Leider ist das seitens der Theorie und den Daten -bislang- auch anders nicht möglich.
Werd mich demnach morgen mal an die ´Mathematik´ der Angelegenheit setzten.

zur Frage:
Es sind insgesamt zehn Kovarianzen modelliert, die zwischen -,979 und 1,181 streuen.
Eine Korrelation der zwei latenten Primärfaktoren mit den restlichen Primärfaktoren ist allerdings ausgeschlossen.

Gruß

[Holgonaut]

Hi,

das heißt, die Faktoren korrelieren mit der second-order-Variable, aber nicht mit dessen beiden Primärfaktoren?

Und: korrelieren die Faktoren mit dem Second-order - Faktor signifikant?

Das Problem ist, dass die Regeln der Identifikation für second-order - Faktoren genauso gelten, wie für Primärfaktoren. In Deinem
Fall hast du 3 empirische Elemente (2 Varianzen und 1 Kovarianz der Primärfaktoren) -du aber 4 Parameter schätzen willst (2 Ladungen, 2
disturbances der Primärfaktoren, 1 Varianz des second-order - Faktors). Wenn der second-order faktor mit den anderen Faktoren korreliert,
kommen allerdings weitere empirische Elemente hinzu.

Was du probieren kann, ist die Ladungen der Primärfaktoren gleichzzusetzen.

In jedem Fall ist die second-order-Struktur nicht testbar! D.h. du kannst aus dem Fit des Modells nicht schließen, ob das Modell korrekt ist. Du kannst zwei
beliebige korrelierte Faktoren nehmen und deren Kovarianz durch einen second-order-Faktor ersetzen.

Gruß
Holgerr

[strukturmarionette]

Hallo nochmal,

hierzu:

-->das heißt, die Faktoren korrelieren mit der second-order-Variable, aber nicht mit dessen beiden Primärfaktoren?

Ja, so hab ich das modelliert -über das AMOS-´Malprogramm´.
(und berechnet werden diese Faktorkorrelationen mit den Primärfaktoren somit auch nicht, ob eine Berechnung auch dieser Korrelationen Sinn macht? Ich denke nicht.)

Würde das Sinn machen?

-->Und: korrelieren die Faktoren mit dem Second-order - Faktor signifikant?

Zwei korrelieren nicht (siginifikant) miteinander, die anderen acht korrelieren signifikant.

VG

[JRzumMaster]

Ich habe ein ähnliches Problem bei einer CFA 2. Ordnung...

Ich habe 8 Faktoren von denen jeweils 4 auf auf einem Faktor 2. Ordnung laden (also insgesamt zwei Faktoren zweiter Ordnung)
Es kommt zu einer negativen Varianz einer latenten Variable. Kann das daran liegen, dass die Faktoren 1. Ordnung teilweise korreliert sind?