STATISTIK-FORUM.de

[joscha]

Hallo,

ich habe einen Datensatz (n=234) mit 99 Fragebogen-Items (6-point Likert-scale) und 123 fehlende Werte. 70% (n=164) haben den Fragebogen komplett ausgefuellt und eine Person hat 7 fehlende Werte (der Rest liegt darunter).

Im Anhang seht ihr das Modell mit 6 Domaenen und 33 Facetten. Nun moechte ich jede Domaene mit einem SEM ueberpruefen. Fuer den Chi², CFI und RMSEA habe ich den FIML + "estimate means and intersepts" in Amos benutzt, was auch funktioniert.

Nun wuerde ich aber gerne fuer jedes Modell einem Bootstrap (Bolle-Stine) und dem Satorra-Bentler (mit lavaan in R) berechnen, da eine Verletzung der mv NV anzunehmen ist. Leider lassen sich beide Statistiken nicht mit fehlenden Werten berechnen, oder? Und daher braeuchte ich einen vollstaendigen Datensatz.

Die Herkunft der fehlenden Werte duerfte MCAR sein (Unaufmerksamkeit beim Ausfuellen) - die einfache Imputation in SPSS (EM) liefert seltsame Ergebnisse (mehrmals wird der Wert 7 imputiert, obwohl dieser theoretisch nicht moeglich ist) und wird allgemein eher kritisch gesehen.

Wie wuerdet ihr vorgehen: fallweiser Ausschluss waere moeglich, wuerde mich aber 60 Faelle kosten. Fehlende Werte durch Mittelwerte zu ersetzen koennte funktionieren, da jede Facette im Modell durch drei Items repsaesentiert wird und es gibt keinen Fall bei dem mehr als ein Item/Facette fehlt. Allerdings ist das kein validierter Fragebogen, d.h. ich kann nicht behaupten, dass alle drei Items definitiv die gleiche Facette erfassen.

Multiple Imputation ist zu aufwaendig (zusaetzlich bekomme ich bei AMOS und NORM immer Fehlermeldungen bzgl. des Datensatzes mit unerklaerter Herkunft).

Habe ich eine Moeglichkeit uebersehen?
Besten Dank!

[Michael]

1) kann man beim EM-Algorithmus nirgends maximal und minimal-Werte einstellen? Sollte mit NORM doch möglich sein. Der EM-Algorithmus wird meines Wissens nur mit SPSS als kritisch angesehen, mit NORM absolut ok.

2) Falls Du eine neuere SPSS-Version mit der Möglichkeit für multiple Imputation hast - das geht fast genauso einfach/schnell wie die Schätzung mittels EM

3) Kann es gerade nicht nachprüfen, aber ich dachte, dass in Lavaan der MLR-Schätzer für Daten mit fehlenden Werten benutzt werden kann (meiner Erinnerung nach habe ich das mal gemacht). Habe auch mal irgendwo gelesen, dass der MLR-Schätzer dem Bollen-Stine-Bootstrap i.d.R. vorzuziehen ist.

LG,
Michael

[joscha]

zu 1.) Ich habe eben nachgeschaut und keine derartige Moeglichkeit in NORM gefunden.
zu 2.) Das hatte ich mir auch ueberlegt: waere es denn vertretbar, von 5 Imputationen den MW zu uebernehmen?
zu 3.) In Mplus scheint der MLR tatsaechlich mit fehlenden Daten zu funktionieren, in der lavaan-Doku ist nichts in der Richtung vermerkt. Aber das auch das liesse sich probieren. Erinnerst du dich vielleicht daran, wo du ueber die Ueberlegenheit gegenueber dem Bollen-Stine gelesen hast?

Besten Dank!

[Michael]

zu 2) Du kannst auch die SEM über unterschiedliche Imputationsergebnisse drüber laufen lassen. Wenn sich die Ergebnissr nur marginalst unterscheiden, ist es m.E. auch gerechtfertigt, einfach eine der Imputationen zu nehmen. Aber besser wäre FIML.

zu 3) Die Literatur war Brown (2006) Confirmatory Factor Analysis for Applied Research.

LG,
Michael

[joscha]

Ich habe jetzt mit NORM und dem EM meinen Datensatz imputiert; die FIML-Ergebnisse sind zwar minimal besser, aber das muss ich wohl in Kauf nehmen.

Danke fuer die Literaturangabe. Den MLR werde ich nochmals ausprobieren.