Wissenschaftliche Forschung stellt an sich selbst den Anspruch objektiv, valide und reliabel zu sein. Dementsprechend wurden zahlreiche Methoden entwickelt, um zu messen, wie gut Messmodelle diesem Anspruch gerecht werden. Diesen Messmodellen muss auch die konfirmatorische Faktorenanalyse (im Folgenden kurz: KFA) zugeordnet werden. Nicht zuletzt die mathematische Komplexität der KFA lässt immer wieder Forscher vor ihr zurückschrecken. Die KFA wird nur selten angemessen durchgeführt und anschließend in übersichtlicher Weise ausführlich in den Forschungsbericht eingebunden. Weder Quantität noch Qualität der Einbindung der KFA in die Forschung spiegelt ihren eigentlichen Wert und Relevanz für die Wissenschaft wider.
Daher hat sich diese Seminararbeit zum Ziel gesetzt die konfirmatorische Faktorenanalyse, sowie ihre Hintergründe zu erläutern und so die Wichtigkeit vorliegender Analysemethode wieder hervor zu heben. Chronologisch wird hierbei wie folgt vorgegangen:
Zu Beginn sehen wir uns den aktuellen Stand der Forschung an und werden hier unter anderem erst einmal kurz erläutern worum es sich bei der KFA überhaupt handelt. Später schauen wir uns den Ablauf einer KFA grob an und werfen hier einen intensiveren Blick auf – für das Verständnis der KFA – wichtige Teilprozesse und Bestandteile der KFA, wie die Messgleichung oder die Parameterschätzung. Abschließend wird in der Conclusio noch ein kurzes Fazit zum Umgang mit der KFA gegeben.
Die konfirmatorische Faktorenanalyse ist ein deutlich umfangreicheres Thema als sie auf den ersten Blick scheint. Diese Seminararbeit wird spezifischere Aspekte der KFA sowie ihren Einsatz unter besonderen Umständen kaum betrachten, sondern versucht eher die KFA in ihrem Grundgedanken zu vermitteln.
Inhaltsverzeichnis
Problemstellung
1 Stand der Forschung
1.1 Definition und Einbettung in den Forschungsablauf
1.2 Abgrenzung zur explorativen Faktorenanalyse
2 Ablauf einer konfirmatorischen Faktorenanalyse
2.1 Messgleichung
2.2 Identifizierung
2.3 Die Parameterschätzung
2.4 Fit Indices zur Beurteilung der Schätzergebnisse
3 Conclusio
4 Quellen
Zielsetzung & Themen
Diese Arbeit zielt darauf ab, die konfirmatorische Faktorenanalyse (KFA) als wissenschaftliche Methode verständlich zu machen, ihre theoretischen Hintergründe zu beleuchten und ihre Relevanz für die objektive und valide Forschung hervorzuheben.
- Grundlagen und Definition der konfirmatorischen Faktorenanalyse
- Abgrenzung zwischen KFA und explorativer Faktorenanalyse
- Prozessschritte der KFA: von der Modellierung bis zur Parameterschätzung
- Bedeutung von Messmodellen und Identifizierbarkeit
- Methoden zur Beurteilung von Schätzergebnissen durch Fit-Indices
Auszug aus dem Buch
1.2 Abgrenzung zur explorativen Faktorenanalyse
Die konfirmatorische Faktorenanalyse, wie auch die explorative Faktorenanalyse bedienen sich beide in ihrer Vorgehensweise der mathematischen Grundlage von Strukturgleichungsmodellen. Dies ist – neben der Bezeichnung selbst – nicht zuletzt ein Grund für die hohe Verwechslungsgefahr beider Analysemethoden (Anm. d. Verf.). In ihren Anwendungsbereichen sind sich beide allerdings keineswegs ähnlich. So unterscheidet Reinecke (2014) beide Faktorenanalysen in folgenden fünf Punkten:
Während bei der KFA ein theoretisches Modell gegeben sein muss, wird bei der explorativen Faktorenanalyse (folgend als EFA bezeichnet) kein theoretisches Modell vorausgesetzt, sondern nach eben diesem gesucht.
Daraus erschließt sich auch bereits automatisch der zweite Unterschied der Analysemethoden. Bei der KFA sind nämlich somit auch die Menge der Faktoren vorher festgesetzt. Innerhalb der EFA müssen diese anhand statistischer Kriterien erst bestimmt werden.
Als dritten Unterscheidungspunkt nennt Reinecke (2014) die Faktorkorrelationen. Bei der KFA geht man meist von korrelierten Faktoren aus. Bei der EFA sind die Grundlage unkorrelierte Faktoren, deren Korrelation erst durch schiefwinklige Rotation berechnet werden kann.
Vierter Abgrenzungspunkt ist das verwendete Rotationverfahren. Die Wahl dieses Verfahrens bestimmt bei der EFA den Zusammenhang zwischen latenten und manifesten Variablen. Bei der KFA hingegen kommt dieses Verfahren nicht zum Einsatz.
Hier wird der Zusammenhang durch vorher getroffene Restriktionen bestimmt. Dabei handelt es sich auch schon um das fünfte und letzte Abgrenzungsmerkmal, denn bei der EFA werden keine Restriktionen eingesetzt (Reinecke, 2014).
Zusammenfassung der Kapitel
Problemstellung: Einführung in die Thematik der Messmodellbewertung und Begründung, warum die KFA trotz ihrer mathematischen Komplexität ein unverzichtbares Werkzeug der empirischen Forschung darstellt.
1 Stand der Forschung: Definition der KFA im Kontext der Strukturgleichungsmodelle sowie eine detaillierte Abgrenzung zur explorativen Faktorenanalyse anhand von fünf zentralen Kriterien.
2 Ablauf einer konfirmatorischen Faktorenanalyse: Darstellung des methodischen Prozesses, inklusive der Bedeutung von Pfaddiagrammen, der Spezifikation von Messmodellen und der Identifizierbarkeit.
2.1 Messgleichung: Erläuterung der mathematischen Formalisierung von Messmodellen, insbesondere der Unterscheidung zwischen der "latent Y" und "latent X" Schreibweise.
2.2 Identifizierung: Diskussion der notwendigen Bedingungen für die Berechenbarkeit eines Modells, einschließlich der Anwendung der T-Regel und der Bedeutung von Restriktionen für die Skalierung.
2.3 Die Parameterschätzung: Beschreibung iterativer Algorithmen wie der Maximum-Likelihood-Schätzung, die darauf abzielen, die Differenz zwischen empirischer und theoretischer Varianz-Kovarianz-Matrix zu minimieren.
2.4 Fit Indices zur Beurteilung der Schätzergebnisse: Klassifikation von Gütekriterien in drei Ebenen und Erläuterung verschiedener Indices zur Bewertung der Modellpassung, wie z.B. Chi-Quadrat, SRMR und RMSEA.
3 Conclusio: Abschließende Zusammenfassung über die Notwendigkeit einer korrekten, reflektiven Modellformulierung und die Bedeutung der Vorannahmen bei der Durchführung einer KFA.
4 Quellen: Auflistung der verwendeten Literatur zur Erstellung der Seminararbeit.
Schlüsselwörter
Konfirmatorische Faktorenanalyse, KFA, Strukturgleichungsmodelle, Messmodell, Latente Variablen, Faktorladung, Identifizierung, Parameterschätzung, Maximum-Likelihood, Fit-Indices, Explorative Faktorenanalyse, EFA, Validität, Reliabilität, Modellgüte
Häufig gestellte Fragen
Worum geht es in dieser Arbeit grundsätzlich?
Die Arbeit bietet eine fundierte Einführung in die konfirmatorische Faktorenanalyse als Methode der Datenanalyse, wobei der Fokus auf dem Verständnis ihrer Funktionsweise und ihrer theoretischen Einbettung liegt.
Was sind die zentralen Themenfelder der Arbeit?
Zu den Kernpunkten gehören die begriffliche Definition der KFA, deren Abgrenzung zur EFA sowie die technischen Anforderungen an ein Modell, insbesondere Identifizierung und Parameterschätzung.
Was ist das primäre Ziel der Arbeit?
Das Ziel ist es, Forschern die Relevanz der KFA näherzubringen, Vorbehalte gegenüber ihrer mathematischen Komplexität abzubauen und eine Hilfestellung für die korrekte Durchführung zu bieten.
Welche wissenschaftliche Methode wird primär erläutert?
Die Arbeit behandelt ausschließlich die konfirmatorische Faktorenanalyse (KFA) als spezifischen Typ der Strukturgleichungsmodelle.
Was wird im Hauptteil der Arbeit behandelt?
Der Hauptteil gliedert sich in die methodischen Schritte: von der theoretischen Modellierung, der mathematischen Messgleichung und der Sicherstellung der Identifizierbarkeit bis hin zur Parameterschätzung und Qualitätsprüfung durch Fit-Indices.
Welche Schlüsselwörter charakterisieren diese Arbeit am besten?
Die Arbeit wird durch Begriffe wie KFA, latente Variablen, Messmodell, Parameterschätzung und Gütekriterien (Fit-Indices) definiert.
Warum ist die Unterscheidung zwischen reflektiven und formativen Modellen so wichtig?
Weil die KFA spezifisch auf reflektive Modelle ausgelegt ist, bei denen die latente Variable die beobachteten Indikatoren beeinflusst. Bei formativen Modellen wäre die Anwendung der KFA methodisch nicht korrekt.
Was ist der Zweck der Identifizierung in einem KFA-Modell?
Ohne Identifizierung kann das Modell mathematisch nicht berechnet werden. Das Modell muss so spezifiziert sein, dass genügend Informationen (Varianzen/Kovarianzen) vorliegen, um die unbekannten Parameter eindeutig zu schätzen.
Warum werden bei der KFA "Fit-Indices" verwendet?
Fit-Indices messen, wie gut die vom Forscher theoretisch angenommene Struktur (das Modell) zu den tatsächlich erhobenen empirischen Daten passt, was eine objektive Beurteilung der Modellqualität ermöglicht.
Wie unterscheiden sich KFA und EFA in Bezug auf die theoretische Vorannahme?
Bei der KFA wird ein Modell aus der Theorie heraus vorgegeben, welches dann konfirmiert (bestätigt) werden soll. Bei der EFA hingegen existiert kein solches Modell; die Struktur der Faktoren wird erst explorativ aus den Daten abgeleitet.
- Arbeit zitieren
- Sebastian Gründig (Autor:in), 2019, Einführung in die Konfirmatorische Faktorenanalyse, München, GRIN Verlag, https://www.grin.com/document/489584
