STATISTIK-FORUM.de

[Mainstream]

Hallo,

ich habe bezüglich einer multigroup-CFA verschiedene Fragen, die ich mir leider selbst durch Lesen nicht beantworten konnte. Ich freue mich, wenn ihr euch das mal anhört.

Ich habe zwei parallele Fragebögen konstruiert mit 16 inhaltlichen Wissensgebieten. Nun möchte ich eine Itemselektion vornehmen und jeweils ein Item von den zwei parallelen Items auswählen. Dazu rechne ich eine multigroup CFA mit MPlus. Der grouping Faktor ist die Fragebogenversion (A und B). N ist ungefähr 220 pro Version. Der Faktor ist jeweils die inhaltliche Kategorie (z.B. Wissen über Suchterkrankungen). Dieser wird aus je 8 Items vorhergesagt, von denen 4 eher einfach zu beantworten waren und 4 eher schwer (nach vorherigem Rating, das natürlich empirisch nicht immer ganz bestätigt wurde). Die Items sind binär kodiert. Ich verwende sie als kategoriale Items und somit den WLSMV-Schätzer.

Bei einigen Faktoren erhalte ich ein plausibles Modell, bei anderen gibt es Auffälligkeiten:

1. Deutet ein RMSEA = 0 mit einem p = 1 sowie ein CFI = 1 auf ein Problem in der Schätzung hin, oder kommen solche Werte auch einfach mal vor?

2. Teilweise erhalte ich die Meldung, dass zwischen item X und Y eine „leere Zellen“ vorliegt, was laut Mplus-Forum eine Korrelation von 1 bedeutet. Diese verhindere eine Schätzung des Modells und somit müsse eins der Items entfernt werden aus der Berechnung. Seltsam dabei ist aber, dass die empirische Korrelation bei Inspektion via SPSS nicht mal in der Nähe von 1 liegt. Es könnte nun sein, dass damit die geschätzte Korrelation für das Modell gemeint ist. Der Versuch, diese Korrelation im Modell jedoch auf andere Werte zu spezifizieren, was das Problem in dem Fall ja beheben müsste, funktioniert nicht. Es funktioniert ebenso nicht, die Varianz dieser Items within groups oder between groups zu fixieren. Egal was ich sonst noch ausprobiert habe an Varianzfixierungen oder –befreiungen oder Gleichheitsbeschränkungen, ich habe das Problem nicht in den Griff bekommen.
Weiß jemand vielleicht den Grund und auch eine Lösung für dieses Problem? (Ich sach nur: Verzweiflung nach Tagen des Probierens, Recherchierens, Lesens)

3. Zu dem Chi-Quadrat Test. Eigentlich darf ich den Chi-Quadrat Wert bzw. Test nicht benutzen bzw. interpretieren, da ich mit dem WLSMV-Schätzer und kategorialen Items arbeite. MPlus sieht dafür die Möglichkeit vor, über die „DIFFTEST“ Option das errechnete Modell mit einem H0-Modell zu vergleichen und diesen Chi2-Test zu interpretieren. Dabei muss es sich aber um genestete Modelle handeln, wenn ich es richtig verstehe heißt das, dass das eine Modell zusätzliche Parameter zu dem anderen schätzt. Andererseits wird das Vergleichsmodell auch als „H0“ bezeichnet. Mir ist nicht ganz klar, wie ich mein Vergleichsmodell spezifizieren muss. Ich hätte gedacht, dass es so etwas wäre:
I. Modell:
Grouping = Gruppenvariable (1 = A 2 = B)
Sucht by i1* i2 i3 i4 i5 i6 i7 i8; (Faktor Sucht geschätzt aus den 8 Items)
Sucht @1; (Varianz des Faktors wird auf 1 gesetzt)
MODEL A: Sucht by i1* i12 i3 i4 i5 i6 i7 i8;
Haut by i8* (1);

MODEL B: Sucht by i1* i12 i3 i4 i5 i6 i7 i8;
Haut by i8* (1);

II. Vergleichsmodell (H0, wenn damit wirklich so eine Art H0 gemeint ist):
Sucht by i1* i2 i3 i4 i5 i6 i7 i8; (Faktor Sucht geschätzt aus den 8 Items)
Sucht @1; (Varianz des Faktors wird auf 1 gesetzt)
Das ist aber nicht genestet, sondern einfach nur ohne die Gruppenanalyse.

Da mein Doktorvater leider nicht vor Ort ist, und ich mich in das ganze Thema CFA und MPlus nun erst eingearbeitet habe, bin ich sehr, sehr, sehr froh über jeden sachdienlichen Hinweis, der zur Ermittlung des Täters..äh, schönen Modells führt. Danke im Voraus sagt Heidi.

[Holgonaut]

Hi Heidi,

erstmal glaub ich, dass eine CFA für dich nicht so geeignet ist, da Wissen (was du als Kategorie bezeichnest) womöglich keine latente Variable ist. Eine latente Variable ist die gemeinsame Ursache der indikatoren, genauso wie das Körpergewicht eine gemeinsame Ursache der Anzeige auf mehreren Körperwaagen wäre. Sie ist keine Kategorie.

Zu 1: Ein p = 1 ist sehr unwahrscheinlich, v.a. vor dem Hintergrund der o.g. Punkte

Generell versteh ich den Sinn des Gruppenvergleichs nicht. Gruppenvergleiche müssen sich auf die selben Messungen beziehen.

Zu 2: Versteh ich leider nicht. Missing data? Hast du mal die Kovarianzen berechnet?

Zu 3. Natürlich kannst und solltest du den Chi-Quadrat-Test berücksichtigen. Nur beim *Vergleich* zweier Chi-Quadrat-Werte musst du DIFFTEST benutzen. Aber wie gesagt: Ein Gruppenvergleich macht m.E. eh keinen Sinn.

Gruß
Holger

[Mainstream]

Hallo Holger,

und danke für deine Antwort.

"erstmal glaub ich, dass eine CFA für dich nicht so geeignet ist, da Wissen (was du als Kategorie bezeichnest) womöglich keine latente Variable ist. Eine latente Variable ist die gemeinsame Ursache der indikatoren, genauso wie das Körpergewicht eine gemeinsame Ursache der Anzeige auf mehreren Körperwaagen wäre. Sie ist keine Kategorie."

Das verstehe ich nicht. Ich kann doch, wenn ich einen Fragebogen über z. B. Allgemeinwissen konstruiere, Wissensfaktoren annehmen und diese anhand von CFAs überprüfen? Was genau spricht dagegen? Als Kategorie bezeichne ich das, weil ich Wissen unterteile in verschiedene inhaltliche Kategorien. Man könnte aber auch einfach bei Faktor bleiben, und mehrere Faktoren 1. Ordnung formulieren statt "Kategorie".

Den Gruppenvergleich mache ich, da nicht 1 VP beide Fragebögen, ergo beide Items des Paarlings, aus dem eins selektiert werden soll, bearbeitet hat, sondern: VP1 hat Fragebogen 1 und VP2 Fragebogen 2 beantwortet. Somit wäre eine "normale" CFA nicht möglich, da ich die Daten ja quasi aus 2 Gruppen stammen. Daher multiple group CFA. (Ist eigentlich ein ähnliches Vorgehen wie bei einem MIMIC Model und der Dummy-Codierung. Da hat man ja auch 2 Messungen, die man dann über die Dummy-Variable kodiert.)

Zu 2: Es geht nicht um missing data, sondern darum, dass angeblich leere Zellen (in der Kovarianz-Matrix) vorliegen durch Korrelation von 1. Das ist die Fehlermeldung, die Mplus ausgibt. Ja, wie ich geschrieben habe, ich habe die Korrelationen bzw. Kovarianzen gecheckt und sie sind weder = 1 noch = 0. Da ich ja auch wie gesagt versucht habe, die betreffenden Zusammenhänge zu modellieren, und sich aber nichts veränder hat, bin ich ratlos.

Zu 3. Natürlich brauche ich ein Chi-Quadrat bzw. einen Test. Aber beim WLSMV-Schätzer ist Chi-Q. anders verteilt, daher darf man den klassischen Test/den ausgegebenen Wert nicht interpretieren. Das sagt Mplus auch, als Meldung. Die Frage ist nun, welchen Chi-Q ich mit welchem vergleichen soll?

[Mainstream]

Gruß, Heidi.

[Holgonaut]

Moin Heidi

klar kannst du eine CFA machen, aber du solltest verstehen, was ein Faktormodell ist. Mit dem Faktormodell postulierst du ein Kausalmodell, dass sagt, dass Deine Sucht-Indikatoren verursacht sind von einer singulären latenten
Variable. Das kann natürlich korrekt sein - das wird dir der Test sagen. Aber eine Kategorie ist was völlig anderes. Hier sortierst du Variablen entlang eines theoretsichen Inklusionskriteriums rein, postulierst aber keine kausale Struktur.
So kann ich eine Kategorie "Sportliches Verhalten" haben, in der ich alle sportlichen Hobbies einsortiere. Aber ein Faktormodell, dass "joggen", "schwimmen", "radfahren", "Krafttraining" als Indikatoren auf eine latente Variable laden lässt,
würde wahrscheinlich scheitern, weil diese Indikatoren wohl auch nicht unbedingt korrelieren (Krafttraining und der Rest dürfte sogar negativ korrelieren).

Das mit dem WLSMV-Schätzer hätte ich gerne belegt. M.W. nimmt man ihn, DAMIT die Chi-Quadrat-Verteilung korrigiert wird und die p-Werte Sinn machen.

Wegen den leeren Zellen solltest du das Mplus-Forum kontaktieren. Scheint mir was software spezifisches zu sein. Hatte ich noch nie.

Grüße
Holger

[Holgonaut]

Hi Heidi,

bin bei der Beschäftigung mit den Schätzverfahren auf diesen Artikel gestoßen. Hab jetzt nicht reingeschaut, aber er spricht auch von empty cells - und zwar bei der Schätzung der polychorischen
Korrelationsmatrix, die der input bei den ordinalen Schätzverfahren wie DWLS oder WLSMV ist.

http://www.mat.ulaval.ca/fileadmin/Cour ... alei11.pdf

Und hier noch mal ein Artikel, der die Wirkung von DWLS (sehr ähnlich zu WLSMV) auf verschiedene AVs, unter anderem die chi-Quadrat-Statistik
behandelt:
http://prof.usb.ve/jjramirez/POSTGRADO/ ... lacion.pdf

Dies zeigt, dass man durch DWLS/WLSMV einen unverzerrten Chi-Quadrat-Wert bekommt, dessen p-Wert interpretierbar ist (s. v.a. S. 15, Tabelle 3).

Grüße
Holger