1 / 16

Konfirmatorische Faktorenanalyse

Gliederung. 1.) Einleitung2.) KFA Standardmodelle und ihre Spezifikation3.) Anforderungen an die Identifizierung von KFA Modellen4.) Interpretation der geschtzten Parameter5.) Test von KFA Modellen 5.1.) Modellfit des gesamten Modells 5.2.) Beurteilung einzelner Indikatoren 5.3.) Te

daktari
Download Presentation

Konfirmatorische Faktorenanalyse

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

    1. Konfirmatorische Faktorenanalyse Seminar: Anwendungsorientierte Einführung in Strukturgleichungsmodelle Dozent: Tilo Görl Referent: Daniel Porep 24.11.06

    2. Gliederung 1.) Einleitung 2.) KFA Standardmodelle und ihre Spezifikation 3.) Anforderungen an die Identifizierung von KFA Modellen 4.) Interpretation der geschätzten Parameter 5.) Test von KFA Modellen 5.1.) Modellfit des gesamten Modells 5.2.) Beurteilung einzelner Indikatoren 5.3.) Test hierarchischer Modelle 6.) Äquivalente Modelle

    3. 1.) Einleitung Explorative Faktorenanalyse: keine konkreten Vorstellungen über den Zusammenhang/ Struktur der Variablen --> Erkennung von Strukturen im empirischen Datensatz, Suche nach Faktoren, die Korrelationen der beobachteten Variablen beeinflussen --> explorativ( strukturentdeckend)

    4. 1.) Einleitung konfirmative Faktorenanalyse: theoretische Vorstellungen über die Struktur von manifesten und latenten Variablen --> Festlegung der Struktur vor Anwendung der Faktorenanalyse, Überprüfung am empirischen Datensatz --> Spezialfall von Strukturgleichungsmodellen Ziel: Überprüfung der Beziehung zwischen manifesten und latenten Variablen

    5. 2.) KFA Standardmodelle und ihre Spezifikation Jeder Indikator(manifeste Variable) hat 2 Ursachen: Faktor Messfehlerterm (Quelle der restlichen Varianz) Messfehlerterme unabhängig voneinander Beziehungen zwischen den Faktoren nicht analysiert direkte kausale Effekte vom Faktor auf Indikator --> statistischer Schätzer: Faktorladung Indikator --> endogene Variable Faktor --> exogene Variable

    6. 2.) KFA Standardmodelle und ihre Spezifikation Messfehlerterm spiegelt alle anderen Quellen(außer Faktor) für die Varianz des Indikators wieder --> Interpretation als nicht gemessene exogene Variable Messfehlerterm erfasst 2 Arten von Varianz: Zufallsfehler systematische Fehler

    7. 2.) KFA Standardmodelle und ihre Spezifikation unidimensionale Messung: keine Bezeihung zwischen den Fehlertermen Indikatoren laden nur auf einem Faktor multidimensionale Messung: Korrelationen zwischen Fehlertermen Indikatoren laden auf mehreren Faktoren --> Erhöhung der Zahl zu schätzenden Parameter, Einfluss auf Identifikation des Modells --> entscheidend für Spezifikation: inhaltliche Gründe

    8. 3.) Anforderungen an die Identifizierung eines KFA Modells 2 notwendige Anforderungen an Identifizierbarkeit (Schätzung der Parameter möglich): (1)Zahl der freien Parameter ? Zahl der beobachteten Korrelationen bzw. Varianzen/Kovarianzen (2)jeder Faktor muss eine Skala haben

    9. 3.) Anforderungen an die Identifizierung eines KFA Modells zu (1) Varianzen+ Kovarianzen: v(v+1)/2 - v Zahl der beobachteten Variablen Parameter: Varianzen/Kovarianzen der Faktoren, Messfehlerterme, direkte Effekte von Faktoren auf Indikatoren zu (2) latente Variablen, nicht direkt gemessen --> Messskala nötig um Effekte schätzen zu können

    10. 3.) Anforderungen an die Identifizierung eines KFA Modells 2 Wege um latente Variablen zu skalieren: Festlegung der Varianz der Faktoren auf eine Konstante (oft 1) --> Standardisierung Festlegung der Faktorladung eines Indikators je Faktor auf 1 --> Reduzierung der Zahl der Parameter in vielen Computerprogrammen Effekt des Messfehlerterms auf 1 festgelegt

    11. 3.) Anforderungen an die Identifizierung eines KFA Modells nicht alle Modelle identifiziert, die beide Mindestanforderungen erfüllen --> minimale Zahl von Indikatoren je Faktor: 1 Faktor-Modell: 3 Indikatoren 2 oder mehr Faktoren-Modell: 2 Indikatoren je Faktor(Probleme: empirische Unteridentifizierung, kleine Stichproben) --> empfohlen min. 3 Indikatoren je Faktor

    12. 4.) Interpretation der Parameter unstandardisierte Lösung: nicht analysierte Beziehungen zwischen Faktoren oder Messfehlertermen --> Kovarianzen Faktorladungen --> nichtstandardisierte Regressionskoeffizienten standardisierte Lösung: nicht analysierte Beziehungen zwischen Faktoren oder Messfehlertermen --> Korrelationen Faktorladung(Indikator lädt nur auf einem Faktor) --> Korrelation Faktorladung(Indikator lädt auf mehreren Faktoren) --> standardisierter Regressionskoeffizient

    13. 5.) Test von KFA Modellen 5.1) Modellfit des gesamten Modells Beurteilung des Modellfits anhand der Fit-Indexe für Strukturgleichungsmodelle Likelihood-Ratio-Test(Chi-Quadrat-Anpassungstest) --> problematisch, besser Verhältnis Chi-Quadrat-Wert und Freiheitsgrade GFI, AGFI, NFI, CFI

    14. 5.) Test von KFA Modellen 5.2.) Beurteilung einzelner Indikatoren Beurteilung anhand: Residuen Critical Ratio R-Quadrat der einzelnen Indikatoren

    15. 5.) Test von KFA Modellen 5.3.) Test hierarchischer Modelle Testwert: Chi-Quadrat-Differenzwert zweier hierarchischer Modelle Test für kongenerik Test für tau-äquivalenz Test für Parallelität Test für Redundanz Test für Orthogonalität

    16. 6.) Äquivalente Modelle gleiche Ausgangsinformationen Spezifizierung unterschiedlicher Modelle --> gleiche Fit-Indexe

More Related