Schlechte Modelfit bei konfirmatorischer Faktorenanalyse

[Kalu]

Hallo,

ich schreibe gerade meine Masterarbeit und wollte dabei ein Strukturgleichungsmodell berechnen.
Das habe ich auch gemacht und den Modelfit würde ich als eher schlecht bewerten (X²(689, N=175) = 1450.986 (p<.001); CFI = .825; RMSEA = .079; SRMR = .070).
Also habe ich mir meine Skalen nochmal mit einer konfirmatorischen Faktorenanalyse angeschaut und für 2 meiner 4 Skalen bekomme ich einen schlechten Fit (X²(27, N=175) = 183.241 (p<.001); CFI = .773; RMSEA = .210; SRMR = .089), obwohl das etablierte Skalen sind.
Hat jemand eine Idee woran mein schlechter Fit liegen kann?

Entferne ich ein Item ändert das leider auch nicht viel am Fit und ich bin völlig ratlos wie ich weiter vorgehen kann.
Kann ich den Fit irgendwie verbessern?

Vielleicht habt ihr auch eine Idee wie ich generell weiter vorgehen sollte? Ich kann ja schlecht nach Beschreibung meiner Skalen meine Masterarbeit beenden, weil der Fit so schlecht ist, oder muss ich schreiben, dass ich meine Hypothesen nicht prüfen kann weil die Daten nicht zu den Skalen passen ?

Vielen Dank vorab für eure Antwort.

Viele Grüße
Kalu

[dutchie]

Hallo Kalu

Im Ergebnisteil ignorierts du das, und machst erstmal weiter, als ob nichts wäre.
In der Diskussion musst du das ansprechen.
Und es kann dir niemand vorwerfen, dass die Leute nicht nach Theorie antworten!

Das liegt daran, dass die Item nicht hoch korrelieren!
Sollen sie das denn? nicht jeder Fragebogen ist so gebaut!!!

Und normal würde man die Items summieren und in eine Pfadanalyse stecken als manifeste Variablen.
Und nicht unbedingt ein SEM machen mit Items!
Das hieße aber du würdest die Methode ändern, mit der Betreuung abspechen!

Schau dir die Trennschärfen, Mittelwert, Varianzen und Korrelationen der Items an!
Wenn das etablierte Verfahren sind ist es problematisch an den Skalen rumzubasten!
wegen der Vergleichbarkeit!, du müsstest alles doppelt rechnen...
einmal unberührt und einmal modifiziert um des fit zu steigern, z.B nur mit den 5 trennschärfsten Item..
aber dann bastelst du auch an der Validität der Skalen rum!!!

Und es kann sein, dass dein Modell zu groß (df = 689 ) ist und die Stichprobe zu klein, dann schlägt jeder Quatsch durch! 3 bis 5 Items pro latenter Variable wären gut.
Sanity check? Ausreißer, Verteilung, Lage, fehlende Werte....

Und es zählen die Werte in deinem SEM, da ist die KonFA schon enthalten als Messmodell, sonst macht du zweimal eine
Konfirmatorischen, die Ladungen ändern sich!

Es kann z.B. sein, dass der Fragebogen für deine Stichproben zu "leicht" oder zu "schwer" ist
dadurch ist die Verteilung der Antworten schief und die Korrelation klein!!

In SPSS gibt es Modifikation Index, der sagt dir was den fit erhöhen würde.
Und der fit ist sekundär wichtiger ist R.

gruß
dutchie

[Kalu]

Hallo dutchie,
vielen Dank für deine Antwort.
Das hilft mir sehr und nimmt mir den Druck noch rumbasteln zu müssen.
Viele Grüße
Kalu