Amos Heywood Case/ negative Varianz

[Juliano]

Hallo zusammen,

für die Auswertung eines Datensatzes zur Wirkung von Sport-Sponsoring habe ich zur Prüfung der Dimensionaliät eine Konfirmatorische Faktorenanalyse mit AMOS gerechnet.
(Ja, mir hätte auch eine EFA zur Dimensionalitätsprüfung gereicht, war eher die Idee meines betreuenden Profs )
Es wurden 3 Konstrukte gestestet. Eins mit 6 reflektiven Indikatoren, eins mit 8 und eines mit 2. n=250.
Ich habe nun das Problem dass AMOS angibt "Solution not admissible" und dass eine negative Varianz für einen Indikator des Konstrukts mit zwei Indikatoren vorliegt. Das ist theoretisch ja ohnehin nicht möglich. Nach etwas Recherche stellte sich heraus, dass dieses Problem öfter auftritt, wenn mit wenigen Items operationalisiert wird.
Ich bin nun nach der Anleitung in folgendem Video vorgegangen um das Problem zu lösen. D.h. ich habe die Varianz der latenten Variable auf 1 festgelegt und zudem festgelegt, dass die Varianz beider Indikatoren gleich groß ist.:
https://www.youtube.com/watch?v=Vx24KFf-rAo

Die negativen Varianzen sind verschwunden, die Fehlermeldung "not admissible" auch.
Ist dieses Vorgehen so ohne weiteres zulässig? Falls nein, wie kann ich mit dem Problem umgehen?

Noch eine weitere Frage: Es gibt ja eine Vielzahl von Kriterien im Rahmen der KFA, ob das Modell passt. Global/ Indikatorebene usw.. Wenn sich mein Modell nun als passend herausstellt, ist dann gleichzeitig auch meine vermutete Dimensionalität (also die Eindimensionalität der drei Konstrukte) bestätigt? Oder erhält man dieses Ergebnis über andere Prüfgrößen?

Vielen Dank für jede Hilfe und viele Grüße,
Juliano

[dutchie]

Hallo mein Lieber

Das haste jetzt davon, da kannste dich jetzt beim Prof bedanken

Hast du alle drei Konstrukte in einem Modell, oder hast du drei Modell gerechnet?
mit zwei manifesten und einen Faktor ist das Modell nicht identifizierbar, oder?
Wer mißt ein Konstrukt mit nur zwei Items und tut dann so, als ob ihn die Dimensionalität wichtig ist?
versteh mich bitte nicht falsch, aber...
das mit den zwei Items braucht dann infos aus den anderen manifesten Variablen...um identifizierbar zu sein..also infos die es auf grund der eindimensionalität
oder der Nullkorreliertheit der Konstrukte nicht gibt.
Das Konstrukt mit zwei Items kannst du so nicht testen...
Wenn du machst was du beschrieben hast, ist df=0 für das Konstrukt mit den zwei items.

Wie korrelieren denn die Konstrukte? hast die Korrelation der Konstrukte auf null gesetzt?
oder interessieren die korrelation der Konstrukte?

also die Eindimensionalität der drei Konstrukte

Ja Die Konstrukte sind eindimensional, es geht doch eher darum, ob die Item des Konstruktes
nur das Konstrukt messen, das sie messen sollen, oder noch auf anderen Konstrukte laden.
Korrelieren die Konstrukte oder korrelieren die items verschiedener Konstrukte?
Außerdem ist Eindimensionalität gefordert als Rechtfertigung der Aggregation der Items zu einem Gesamtscore?
Homogenität ist da das Kriterium, eindimensional müssen die gar nicht sein!

Und.. wenn dann das Modell durchgeht, CHI2 und die fits im Rahmen sind, und es jenseits der Korrelationen zwischen den Konstrukten
keine sig Koko gibt (dabei auch in den Modifikation index schauen ob das SEM dort welche feststellen will) gibt, ist eindimensionaltät festgestellt.

so weit, und...frag doch den Prof

gruß
dutchie

[Juliano]

Hallo Duchie,

vielen Dank schon mal für deine Hilfe....

so weit, und...frag doch den Prof

der ist leider noch eine Weile auf Dienstreise und erst in zwei Wochen wieder zu erwischen ...

Hast du alle drei Konstrukte in einem Modell, oder hast du drei Modell gerechnet?
mit zwei manifesten und einen Faktor ist das Modell nicht identifizierbar, oder?

Habe alles in einem Pfaddiagramm dargestellt und auch berechnet. Auf deine Anmerkung hin habe ich nochmal isoliert für das Konstrukt mit 2 Indikatoren ein Diagramm erstellt. RIchtig, die Zahl der Freiheitsgrade ist dann 0. Allerdings ist das Modell in diesem Fall noch identifizierbar. AMOS liefert Ergebnisse, die interpretiert werden könnten. Das Modell wäre "unidentified", wenn die Zahl für df<0 wäre...

wenn dann das Modell durchgeht, CHI2 und die fits im Rahmen sind, und es jenseits der Korrelationen zwischen den Konstrukten
keine sig Koko gibt (dabei auch in den Modifikation index schauen ob das SEM dort welche feststellen will) gibt

was meinst du mit Koko?

Wie korrelieren denn die Konstrukte? hast die Korrelation der Konstrukte auf null gesetzt?
oder interessieren die korrelation der Konstrukte?

Die Konstrukte korrelieren mit ca. 0,67, 0,44 und 0,55. Habe die Werte mal berechnen lassen. Eigentlich ist das aber nicht von großem Interesse für mich, weil ich die Konstrukte zunächst nur unabhängig voneinander betrachten will und einen signifinkanten Unterschied zwischen zwei Gruppen (treatment vs kein treatment) testen möchte.

Außerdem ist Eindimensionalität gefordert als Rechtfertigung der Aggregation der Items zu einem Gesamtscore?
Homogenität ist da das Kriterium, eindimensional müssen die gar nicht sein!

Genau, ich wollte die Eindimensionalität bestätigen, und mittels der Faktorladungen aus der KFA einen gewichteten Summenscore für die Skala errechnen. Falls keine Eindimensionalität vorliegt, müssten doch die Subskalen berücksichtigt werden?! Muss ich da wirklich nur die Homogenität berücksichtigen? hast du da eine zitierfähige Quelle vielleicht?

Beste Grüße und noch einen schönen Tag,

Juliano

[dutchie]

Hallo

was ist denn für dich Homogentität...man kanns auch übertreiben..
Zähl die Items zusammen und fertig, wenn du über die ladungen gehst mag der Fehler kleiner sein,
aber bei einer replikation deiner Ergebnisse in einer anderen stichproben sind die Ladungen auch andere,
und die Methoden unterscheiden sich dann...

gruß
dutchie