13

Testtheorie und Testkonstruktion (Fach) / 13) konfirmatorische Faktorenanalyse (Lektion)

Diese Lektion wurde von Eidechse erstellt.

Lektion lernen

zurück  |  weiter 1 / 1

• Was sind die Ziele der CFA? Übertragung psychologischer Annahmen in psychometrische Modelle --> hypothesenprüfend Prüfung, ob eine hinreichende Übereinstimmung zwischen den empirischen Daten und dem theoretischen Modell besteht oder ob das Modell verworfen werden muss
• Welche Schritte werden bei der CFA durchlaufen? 1.      Modellspezifikation 2.      Prüfung der Identifikation des Modells 3.    Beurteilung der Güte des Modells
• Was wird bei der Modellspezifikation gemacht? Umsetzen aller Hypothesen in Gleichung und Darstellung als Pfadmodell
• Worauf bezogen müssen die Hypothesen formuliert werden? Anzahl der Faktoren Beziehung zwischen den Variablen und den Faktoren (Wo sind Ladungen?) Beziehung zwischen den Faktoren untereinander (Unidimensional?)
• Welche Frage steht bei der Prüfung der Identifikation des Modells im Vordergrund? Können die Modellparameter anhand der verfügbaren Information geschätzt werden?
• Welche Informationen sind verfügbar? -          Varianz-Kovarianz-Matrix der manifesten Variablen -        Erwartungswerte der manifesten Variablen 
• Welche Modellparameter werden gesucht? -          Ladungen -          Intercepts -          Erwartungswerte & Varianzen der latenten Variablen -       Fehlervarianzen (Erwartungswerte der Fehler = 0)
• Welche Identifikationsregeln gelten? mindestens so viele Informationen haben, wie im Modell geschätzt werden müssen Definition der Metrik der latenten Variablen: Ladung oder Varianz auf einen Wert >0 (ideal: 1) festlegen Evtl. Modellierung der Erwartungswerte der latenten Variablen: Erwartungswert oder einen Intercept auf einen Wert (ideal: 0) festlegen
• Welchen Identifikationsstatus kann ein Modell haben? Unteridentifiziert: Modellparameter nicht eindeutig bestimmbar Identifziert: Modellparameter sind eindeutig bestimmbar Überidentifiziert: Modellparameter sind eindeutig bestimmbar (mehr Informationen als unbekannte Parameter)
• Welche Frage steht bei der Beurteilung der Modellgüte im Vordergrund? Passt das Modell zur Realität?
• Anzeige
• Wie äußert es sich, wenn ein Modell korrekt ist oder auch nicht? Modell korrekt: nahezu perfekte Reproduktion der Populationskovarianzmatrix Modell nicht korrekt: bedeutsame Diskrepanz zwischen beobachtbarer und modellimplizierter Kovarianzmatrix
• Welcher Test zur Modellgüte kann verwendet werden? Test of exact fit (X²-Test) à sollte nicht signifikant sein, damit das Modell passt
• Welche Modellgütekriterien gibt es des Weiteren? Residuen (möglichst klein) Closeness-of-fit Indices (Nähe des Modells an den Daten) Modellvergleiche mit X²-Tests oder Informationskriterien

zurück  |  weiter 1 / 1