Konfirmatorische Faktorenanalyse (CFA II) PDF

Konfirmatorische Faktorenanalyse (CFA II) Psychologische Diagnostik 21.11.2024 (version 3.0.0) Prof. Dr. Ulrich Schroeders Gliederung CFA II Definition und Anwendungsgebiete Modellparameter und df Berechnung Inte...

Konfirmatorische Faktorenanalyse (CFA II) Psychologische Diagnostik 21.11.2024 (version 3.0.0) Prof. Dr. Ulrich Schroeders Gliederung CFA II Definition und Anwendungsgebiete Modellparameter und df Berechnung Interpretieren des Outputs Modellpassung Modellverbesserung Modellvergleich RSES Anwendungsbeispiele Multidimensionales Selbstkonzept Modellierung von kognitiven Leistungen Schätzer Reliabilität Messinvarianz Degrees of freedom Folie 2 Psychologische Diagnostik (Vl-MSc) | WiSe 24/25 Literatur zur Faktorenanalyse (zum Nachlesen) Kapitel zur Konfirmatorischen Faktorenanalyse Gäde, J. C., Schermelleh-Engel, K., & Brandt, H. (2020). Konfirmatorische Faktorenanalyse (CFA). In H. Moosbrugger & A. Kelava (Hrsg.) Testtheorie und Fragebogenkonstruktion (S. 615- 659). Springer. [online verfügbar] Kapitel zu Modellbasierten Methoden der Reliabilitätsschätzung Schermelleh-Engel, K., & Gäde, J. C. (2020). Modellbasierte Methoden der Reliabilitätsschätzung. In H. Moosbrugger & A. Kelava (Hrsg.) Testtheorie und Fragebogenkonstruktion (S. 335- 368). Springer. [online verfügbar] Folie 3 Psychologische Diagnostik (Vl-MSc) | WiSe 24/25  Akademisches Selbstkonzept in den Naturwissenschaften Anwendungsbeispiel CFA Folie 4 Psychologische Diagnostik (Vl-MSc) | WiSe 24/25 Akademisches Selbstkonzept Wahrnehmung und das Wissen um die eigene Person. Dazu gehört das Wissen über persönliche Eigenschaften, Fähigkeiten, Vorlieben, Gefühle und Verhalten. https://doi.org/10.3102/00346543046003407 Educational Research, 46(3), 407–441. concept: Validation of construct interpretations. Review of Shavelson, R. J., Hubner, J. J., & Stanton, G. C. (1976). Self- Shavelson-Modell Folie 5 Psychologische Diagnostik (Vl-MSc) | WiSe 24/25 Prüfen der Voraussetzungen Univariate Statistiken (Mittelwert, Schiefe, Exzess) vars n mean sd median trimmed mad min max range skew kurtosis se skb01 1 1224 3.69 0.97 4 3.76 1.48 1 5 4 -0.50 0.01 0.03 skb02 2 1220 3.62 0.95 4 3.68 1.48 1 5 4 -0.37 -0.07 0.03 skb03 3 1221 3.52 0.97 3 3.56 1.48 1 5 4 -0.22 -0.32 0.03 skb04 4 1217 3.54 0.97 4 3.59 1.48 1 5 4 -0.32 -0.20 0.03 skc01 5 1225 3.12 1.23 3 3.15 1.48 1 5 4 -0.15 -0.90 0.04 skc02 6 1225 3.04 1.24 3 3.04 1.48 1 5 4 -0.06 -0.91 0.04 skc03 7 1224 2.95 1.22 3 2.93 1.48 1 5 4 0.03 -0.88 0.03 skc04 8 1221 3.00 1.24 3 2.99 1.48 1 5 4 0.02 -0.93 0.04 skp01 9 2289 3.07 1.20 3 3.08 1.48 1 5 4 -0.05 -0.86 0.03 skp02 10 2286 2.97 1.20 3 2.97 1.48 1 5 4 0.01 -0.79 0.03 skp03 11 2288 2.91 1.18 3 2.89 1.48 1 5 4 0.09 -0.75 0.02 skp04 12 2284 2.97 1.22 3 2.96 1.48 1 5 4 0.04 -0.89 0.03 Multivariate Normalverteilung Ausreißerwerte Genestete Strukturen (ICC) Schätzer – kategorial vs. Kontinuierlicher Schätzer, hier nach Rhemtulla et al. (2012) oder Beauducel & Herzberg (2006) ML-Schätzer bei fünf Antwortkategorien möglich Folie 6 Psychologische Diagnostik (Vl-MSc) | WiSe 24/25 Schritte eines SEM in lavaan Modell via Modellsyntax spezifizieren Schritt 1 Modell mit cfa(), sem() oder growth() schätzen Schritt 2 Modell mit summary() ausgeben und interpretieren Schritt 3 Folie 7 Psychologische Diagnostik (Vl-MSc) | WiSe 24/25 Schritt 1: Modell spezifizieren Formeltyp Operator ausformuliert Definition der latenten Variable =~ Wird gemessen durch Regression ~ Wird regrediert auf (residuale) (Ko)varianz ~~ wird korreliert mit a~~a Varianz a~~b Kovarianz Intercept ~1 Intercept (Leichtigkeitsparameter) # Uni-dimensional model mod_1dim