STATISTIK-FORUM.de

[nemo]

Mal angenommen ich würde im Rahmen einer CFA verschiedene Modelle testen und folgendes Ergebnisse erhalten:



Wie könnte ich dann daraus schließen, dass sich letzteres Modell signifikant von dem Vorletzten unterscheidet? Wir das augenscheinlich überprüft oder gibt es dafür eine konkrete Rechenmethode?

In Journals lese ich dazu des Öfteren folgende Angaben: (ΔChi² = 185.90, p < .001), bin mir dabei aber nicht sicher, wie die Signifikanz bestimmt wurde, wenn man lediglich die oben stehenden Daten zur Verfügung hat ...

(Für meine Berechnungen verwende ich übrigens AMOS, falls es für den Rechenweg relevant ist)

[nemo]

Okay, die Lösung von mir selbst - Ich nehme mein DeltaChi² sowie den Unterschied in den Freiheitsgraden (Delta-df) und schaue einfach in einer Tabelle der Chi²-Verteilung nach den kritischen Werten!

Eigentlich ziemlich einfach...

[Holgonaut]

Hi Jörg,

also erst mal bleibt festzuhalten, dass alle Modelle nicht fitten, weil sie hoch-sign. sind. Das ein misspezifiziertes Modell "besser" fittet als ein anderes misspezifiziertes Modell, ist nicht unbedingt
ein Hinweis, dass "weniger" misspezifiziert ist.

In dem Beispiel hat das alles damit zu tun, dass die Autoren das ganze auf coping anwenden und coping-Skalen Listen von coping-Verhaltensweisen sind. Das coping - Konstrukt ist daher meist ein Aggregatskonstrukt (Gesamt-coping ist die Summe vieler coping -Verhaltensweisen) und nicht ein latentes Variablen-Modell.

Grundsätzlich zum Vergleich: Wenn zwei Modelle genestet sind, kannst du die Differenz der Chi-Quadrat-Werte und df selbst bzgl. ihrer Sign. beurteilen. Wenn also z.B. Modell b und c genestet sind, ist die Differenz 311.50 - 125.60 = 185.9 mit 2df. Also ein hoch-sign. Verbesserung in der Vorhersage der empirischen Kovarianzen durch die modellimpliziten.

Streng genommen ist die Differenz zweier Chi-Quadrat-Werte allerdings selbst nur dann Chi-Quadrat-verteilt, wenn das Ausgangsmodell sauber fittet, siehe

Yuan, K.-H., & Bentler, P. M. (2004). On chi-square difference and z tests in mean and covariance structure analysis when the base model is misspecified. Educational and Psychological Measurement, 64(5), 737-757.

Grüße
Holger