Das stimmt aber nicht. Das N fungiert wie eine Lupe, die Probleme deutlich macht.
Wie gesagt, dass du das Modell mit Modifikationsindizes zurechtbiegen musst, damit es überhaupt einigermaßen fittet (und selbst dann noch nicht),
ist ein Problem. Jede Fehlerkovarianz signalisiert, dass die Kovarianz zwischen den beiden items nicht vollständig durch die latente Variable erklärt werden kann.
Ich würde das Modell aufspalten und sukzessive Teilmodelle testen.
ich weiß nämlich nicht, was sich noch verbessern/verändern ließe, wenn die Theorie weiter so bestehen bleiben soll.
Das ist das Problem. Vielleicht wäre das ein Anlass zu erkennen, dass die Theorie falsch ist? DAS wäre auch übrigens ein add-on value Deiner Arbeit
Literatur:
Burnham, K. P., & Anderson, D. R. (2004). Multimodel inference: Understanding AIC and BIC in model selection. Sociological Methods & Research, 33(2), 261–304.
Das ist der klassische Artikel. Wie gesagt, ich teile diese Aufassung nicht mehr. Man kann die relativen Höhe der Fitindizes zweier Modelle nicht auf relative kausale Korrektheit übertragen.
Grüße
Holger
