Dringend! konfirmatorische Faktorenanalyse CFA

[amohamud]

Hallo, ich brauche dringend eure Hilfe.

Ich habe für meine BA eine Skala entworfen und für diese eine Dimension/Datenstruktur Annahme getroffen.
Für meine Datenauswertung habe ich zwei Ideen, die auf dieser Skala bewertet wurden.
Die angenommen Datenstruktur wollte ich nun anhand einer konfirmatorischen Faktorenanalyse überprüfen.

Problem: Bei der CFA kommen für beide ideen unterschiedliche Fit-indices raus.(idee1 ist angemessen, idee2 noch nicht)
Außerdem gibt es verschiedene Vorschläge zu der Modellverbesserung (Modell-indizes)

Wie kann ich weiter vorgehen um meine Datenstruktur zu überprüfen oder diesbezüglich annahmen zu treffen?

(Nach dem die datenstruktur fertiggestellt ist will ich die Mittelwerte der Subskalen bestimmen und auf diese eine Regression durchführen)

[dutchie]

Wie kann ich weiter vorgehen um meine Datenstruktur zu überprüfen oder diesbezüglich annahmen zu treffen?

ignoriere das!!
mach einfach weiter so als ob alles ok wäre...

wichtig !!!! du musst für deine Arbeit Inhalt produzieren, aussagen wie
"je mehr Znsen desto mehr krypto"
und keine Statistiken!!!

korreliere alle Items mit allen items und schau dir an was da wie korreliert!
interpretiere das ...jedes Item bringt seinen eigenen Inhalt mit!!
den nehmen und nicht eine FA machen mit offenen ausgang...

gruß
dutchie

[amohamud]

Danke erstmal für die schnelle Antwort

Ich habe noch leider wenig mit der Korrelation gearbeitet, welche Infos kann ich denn daraus ziehen?
Und wie genau soll denn dann die Korrelationsüberprüfung sein wenn ich eine Skala (Kundenorientierung) mit 3 Unterskalen (Markterfordernis, Bedürfniserfüllung, Kundenüberzeugung) habe, und 2 Ideen mit unterschiedlichem Innovationsgrad.

-> Bei beiden Fragebögen also zu beiden Ideen sind alle Werte in der Korrelationsmatrix postiv, mal weniger stark und mal sehr stark. Da bei mir die Überprüfung anhand der beiden Gruppen erst später bei der Regressionsanalyse genutzt wird, sollte ich nicht hier die Gesamte Stichprobe nutzen?

Ich habe den Vorschlag bekommen für die Überprüfung der Datenstruktur den gesamten Datensatz zu nutzen und somit nicht nur jeweils einzeln für Idee1 und Idee2, da diese Überprüfung stattfindet bevor ich die verschiedenen Gruppen betrachte.

Diese CFA habe ich nun durchgeführt und meine Fit-Indices sind leider noch nicht angemessen. Diesbezüglich habe ich mir die Modifikationsvorschläge angeschaut, nur leider verstehe ich den Sinn dahinter nicht. Was bringt es hier nun eine weitere Korrelation zwischen zwei Items zu betrachten oder ein Item auch bei einer weiteren latenten Variable zu beschreiben.
Was würde hier denn z.B. die Modifikationen bedeuten?
lhs op rhs mi epc sepc.lv sepc.all sepc.nox
61 markterfordernis =~ I2_KUE_Beliebtheit 11.367 0.918 0.918 0.964 0.964
190 I2_ME_Marktforschung ~~ I2_ME_Markttrends 10.726 0.275 0.275 0.348 0.348

[amohamud]

.

[dutchie]

Hallo

Ich habe noch leider wenig mit der Korrelation gearbeitet, welche Infos kann ich denn daraus ziehen?

das ist der bivariate zusammenhang, wenn ich das richtig verstehe fasst du ja alles per CFA zusammen
somit fasst du ja auch Inhalte zusammen, dieser zusammengefasste Inhalt muß nicht unbedingt der sein
der jedes Item für sich beinhaltet. Als müssen der score und auch die Item aus denen er besteht auf Korrelation geprüft werden.
Stell dir vor Item 1 korreliert negativ mit y, item2 positiv mit y, dann korrleliert der score als Zusammenfassung gar nicht.
Würdest du das nicht bivariat prüfen könntest du das übersehen.

Diese CFA habe ich nun durchgeführt und meine Fit-Indices sind leider noch nicht angemessen.

nicht leider, it is what it is,... ein Indiz aber dafür, dass die Items eventuell einzeln und
nicht zusammengefasst zu analysieren sind.

man nutzt normal immer die größt mögliche Stichprobe.

lhs op rhs mi epc sepc.lv sepc.all sepc.nox
61 markterfordernis =~ I2_KUE_Beliebtheit 11.367 0.918 0.918 0.964 0.964
190 I2_ME_Marktforschung ~~ I2_ME_Markttrends 10.726 0.275 0.275 0.348 0.348

Modifikation sind Vorschläge die den fit erhöhen würden.

wenn 61 markterfordernis (latent?) durch 2_KUE_Beliebtheit gemessen werden würde, würde sich chi2 um 11.367 reduzieren
glaube ich (bin mir nicht sicher). Macht das inhaltlich Sinn?

190 I2_ME_Marktforschung sollte man mit I2_ME_Markttrends durch eine Kovarianz darstellen, das will korrelieren
möglich, dass die Kovarianz da auf Null gesetzt ist?

ich kann nicht zu viel raten, ohne ein Bild des Ganzen.

gruß
dutchie

[amohamud]

Hallo dutchie Vielen Dank für die Antworten.

Ich hätte noch eine weitere Frage, wie genau würdest du denn bei der Korrelationsanalyse vorgehen? Mein gesamter Datensatz besteht ja aus Items wie z.B. Marktforschung_Idee1 und Marktforschung_Idee2, so geht da mit allen Items weiter. Sollte ich dann für jedes einzelne Items die Korrelation zu einem weiteren prüfen und schauen ob dieser negativ ist, und somit vlt verwerfen? Und wie würde das aussehen mit den Items die eigentlich das selbe messen nur die Ausprägung auf grund der Idee 1 oder 2 anderst ist?

Und genau das selbe für die CFA, dann müsste ja als latente variable für MArkterfordernis dann sowohl die Items bezogen auf Markterfordernis von Idee1 und Idee2 betrachtet werden oder?

[dutchie]

Hallo,

ich würde erstmal alles mit allen korrelieren,
jeder mit jedem
dabei gibt es natürlich Gruppen von Kokos
z.B Konstrukt inter versus extern

dann einfach mal gucken..
das ist eher so eine Art screening!!

Weil wenn du einzelne Items zusammfasst, um diesen score zu korrelieren
mit anderern scores, müsste die Korrelation mit dem score "reliabler" sein
als die der einzelnen Items und auch höher!

aber der score ist eventeull weniger valide, weil er ja eine Zusammenfassung eventuell
von nicht gleichem ist

Das Problem ist: die Facetten (items) ein Konstrukts müssen nicht unbedingt korreliert sein!!
kommt drauf an wie du dein Konstrukt definierst.
Und ich befürchte, dass du dir eventuell darüber nicht genug Gedanken gemacht hast, alles gut
das ist immer so,..aber alles immer selbstkritisch diskutieren.

Und wie würde das aussehen mit den Items die eigentlich das selbe messen nur die Ausprägung auf grund der Idee 1 oder 2 anderst ist?

das erstmal feststelln, dann differenziert diskuieren..
und auch Widersprüchliches nicht unter dem Teppich kehren!

Dein Vorstellung dieser "Prüfen der Güte" quasi durch abhaken gibt es so nicht.

diese Ideen sind doch selber latent mit messmodell oder?
dann korrelier doch im Strukturglichungsmodell die latenten dinger miteinander,
jedes Messmodell ist ja ein CFA für sich, insofern weiß nihct wie dein Modell ausschaut,
du sagst immer CFA, aber ich würde das nutzen um die Hypos zu testen?

ich weiß letztlich nicht wie du vorgehts. "CFA" sagen und denkes alles ist klar, is nich.

gruß
dutchie