STATISTIK-FORUM.de

[Bremerin]

Hallo.

Im Rahmen meiner Masterarbeit führe ich eine KFA durch. Ich möchte gerne den Modell-Fit von einem hierarchischen Modell überprüfen: Ein G-Faktor mit zwei latenten Variablen, zu denen jeweils 13 bzw 12 manifeste Variablen gehören. Ich habe pro latenter Variable die Ladung des reliabelsten Items auf 1 und jede Fehlervariable auf 1 gesetzt. Bezüglich des G-Factors habe ich die Ladung der einen latenten Variable auf 1 gesetzt (s. Anhang). Leider sagt AMOS mir, dass eine Beschränkung fehlt. Als Alternative habe ich die Varianz der G-Faktors auf 1 gesetzt und dafür keine der Ladungen der latenten Variablen festgelegt. Dann fehlt mir ebenfalls eine Beschränkung. Die Varianz der beiden latenten Variablen kann ich nicht auf 1 setzen, weil sie ja noch auf den G-Faktor laden.

Wenn ich z. B. beide Ladungen der latenten Variable bezüglich des G-Faktors auf 1 setzen, kann es berechnet werden. Aber das hat ja nichts mit einem übergeordneten G-Faktor zu tun, wenn ich beide Ladungen auf 1 setze. Was habe ich falsch gemacht?

Es wäre super, wenn mir da jemand weiterhelfen könnte.

[Semson]

Das Problem könnte sein, dass ein Faktor mit nur zwei Messvariablen (wie PTC ja einer ist) nur dann identifiziert sind, wenn er noch mit weiteren Variablen korreliert oder wenn du beide Faktorladungen auf Gleichheit fixierst. Guck mal hier:

2. The construct has at least two indicators whose errors are uncorrelated and either
a. both the indicators of the construct correlate with a third indicator of another construct but neither of the two indicators' errors is correlated with the error of that third indicator, or
b. the two indicators' loadings are set equal to each other.

http://davidakenny.net/cm/identify_formal.htm#B2a Vielleicht findest Du da ja ne Lösung.

[Bremerin]

Vielen Dank! Dann ist es ja richtig beide Ladungen auf 1 zu setzen bzw. nicht anders möglich.

[Bremerin]

Habe nun beide Ladungen auf 1 gesetzt. Dann wird die Varianz von eSW negativ (-0.02). Habe nun gelesen, dass man dann bei einer nichtsignifikanten negativen Varianz, die ja fast 0 ist, diese auf 0 setzen soll. Dann kann man das Modell trotzdem berechnen. Macht das Sinn oder sollte man das Modell dann ganz verwerfen? Vielen Dank schonmal.

[Semson]

Es ist ein Unterschied, ob man beide Ladungen auf 1 fixiert, oder ob man die Ladungen auf Gleichheit fixiert.

[Bremerin]

Ich habe beide Ladungen auf a fixiert, weshalb ich dann die Varianz des Second-Order-Factors auf 1 setzen musste, um ein identifizierbares Modell zu haben. Dann erhalte ich auch eine negative Fehlervarianz des einen First-Order-Factors. Alternativ habe ich anstatt die Ladungen auf 1 zu setzen mal eine 2 für beide genommen (nun brauchte ich die Varianz des Second-Order-Factors wiederum nicht festgelegen) und habe auch eine negative Fehlervarianz bekommen. Oder habe ich das Prinzip der "Fixierung auf Gleichheit" falsch verstanden?

[Semson]

Lass doch einfach mal den Faktor zweiter Ordnung weg und korreliere die beiden latenten Variablen mal miteinander (dann aber ohne Fehlerterme für die latenten - also epc und esw) und schau doch erstmal, ob das halbwegs fitted und wie hoch die Items auf die Faktoren laden und wie hoch die Faktoren miteinander korrelieren. Soweit ich weiß, ist es nur sinnvoll einen 2nd order Faktor zu modellieren, wenn es auch gemeinsame Varianz gibt.

[Bremerin]

Die beiden Faktoren korrelieren zu 0.91 miteinander. Deshalb die Idee mit dem Second-Order-Faktor. Der Modell-Fit mit nur einem Faktor ist nämlich erstaunlicherweise nicht so toll.