12
Multivariate Verfahren (Fach) / CFA (Lektion)
CFA
Diese Lektion wurde von Sebbie91 erstellt.
Diese Lektion ist leider nicht zum lernen freigegeben.
Anzeige
- Nenne die Ziele der CFA. 1. Die freien Faktorladungen schätzen 2. Nur bei überindentifizierten Modellen : Modellevaluation vornehmen (in wie fern sind die Restriktionen zulässig) 3. Bereitstellung von Faktoren, um sich Effekte zwischen Faktoren auf latenter Ebene anzusehen
- Was bedeutet konfirmatorisch hinsichtlich des Ablaufschemas? Wir geben ein Modell vor und prüfen ob dieses auf die erhobenen Daten passt
- Welche Werte stehen im Gleichungssystem Dadurch das die Daten unstandardisiert, aber zentriert sind, ergibt sich ein Gleichungssystem mit Varianzen und Kovarianzen
- Wie lassen sich die Varianzen und Kovarianzen gemäß der Modellvorgaben und Modellparameter rekonstruieren? Konkret ergeben sich daraus wieder drei Fragen: 1. Wie lassen sich die Varianzen der p manifesten Variablen rekonstruieren? 2. Wie lassen sich die Kovarianzen von je zwei manifesten Variablen rekonstruieren, die auf dem selben Faktor laden? 3. Wie lassen sich die Kovarianzen zwischen zwei manifesten Variablen rekonstruieren, die auf auf seperaten Faktoren laden?
- Was versteht man in CFA unter den Residualvariablen? Der Anteil einer manifesten Variablen, der nicht durch den Faktor erklärt werden kann. Die Messfehler stecken dort auch drinne. Der Faktor selbst, ist also Messfehler frei
- Was trifft bei den Faktoren bezüglich des Antwortverhaltens in den Items zu? Die Faktoren generieren das Antwortverhalten, werden aber selbst durch die manifesten Variablen erfasst.
- Was versteht man unter einem kongenerischen Modell? In einem kongenerischen Modell gibt es keine Kreuzprodukte.
- Welche zwei Gleichungssysteme sind voneinander abzugrenzen?! 1. Modellgleichung 2. Gleichungssystem zum Nachbau der Varianzen und Kovarianzen
- Wie werden die q freien Modellparameter geschätzt Sie werden simultan und interativ (ML-Methode) geschätzt so das: 1. Die Modellvorgaben eingehalten werden 2. die empirsche Kovarianz-Varianz-Matrix so gering wie möglich von der Modelltheoretisch implizereten Kovarianz-Varianz Matrix abweicht
- Was gilt hinsichtlich der Modellevaluation bei df=0 Modell wird perfekt nachgebaut.
- Anzeige
- Nenne die Fit Indizes Chi² - ANpassungstest: soll nicht sig werden Chi²-Wert als deskriptives Maß -Chi² <gleich 2x df - gutes Modell -Chi² <gleich 3x df - aktzeptables Modell RMSEA - <.05 gut <.08 aktzeptabel CFI - >.97 gut >.95 aktzeptabel
- Mit welchem Test kann man ein gegebenes Modell mit einem Alternativmodell vergleichen? 1. direkter Modellvergleich mit Chi²-Differenztest