Unterschied zwischen explorativer und bestätigender Faktorenanalyse bei der Bestimmung der Konstruktunabhängigkeit

12

Forscher verwenden häufig zwei Messmethoden mit sehr ähnlichen Elementen und argumentieren, dass sie unterschiedliche Dinge messen (z. B. "Ich mache mir immer Sorgen, wenn ich in der Nähe von Autos bin"; "Ich habe Angst vor Autos"). Nennen wir die hypothetischen Maße das Maß für die Angst vor Autos und die Angst vor Autos. Ich bin daran interessiert, empirisch zu testen, ob sie tatsächlich verschiedene latente Konstrukte bewerten oder ob sie dasselbe messen.

Die zwei besten Möglichkeiten, dies zu tun, sind explorative Fabrikanalysen (EFA) oder Bestätigungsfaktoranalysen (CFA). Ich denke, EFA wäre gut, weil es ermöglicht, alle Elemente ohne Einschränkungen frei zu laden. Wenn Elemente aus den beiden Skalen dieselben Faktoren berücksichtigen, kann ich den Schluss ziehen, dass die Maßnahmen wahrscheinlich unterschiedliche Aspekte nicht sehr gut bewerten. Ich kann jedoch auch die Vorteile in CFA erkennen, da ich vordefinierte Modelle testen werde. Zum Beispiel könnte ich die Anpassung eines Modells vergleichen, bei dem alle Elemente auf einen einzelnen Faktor geladen werden (dh sie bewerten keine unterschiedlichen Konstrukte) oder die Elemente in die erwarteten Kennzahlen unterteilt werden. Ein Problem mit CFA ist vermutlich, dass alternative Modelle (z. B. ein Drei-Faktor-Modell) nicht wirklich in Betracht gezogen werden.

Lassen Sie uns zum Zwecke der Diskussion auch in Betracht ziehen, dass es möglicherweise zwei andere sehr ähnliche Maßnahmen gibt (z. B. den Fragebogen zur Autoangst und die Skala für die Bewertung von Autoängsten), die ich in die Mischung einfließen lassen möchte!

Wie kann ich statistisch am besten feststellen, ob zwei Kennzahlen unterschiedliche Konstrukte bewerten?

Behacad
quelle
2
Eine Alternative zu {E | C} FA ist der Multi-Trait-Multi-Methoden-Ansatz . Dies basiert im Wesentlichen auf einem Korrelationsansatz - mit seinen Vor- und Nachteilen (in Bezug auf latente Merkmale) - und wurde unter anderem in den folgenden Threads erörtert: stats.stackexchange.com/a/9944/930 ; stats.stackexchange.com/q/24418/930 .
Chl
Ja, das wäre ein interessanter Ansatz! Leider wenden wir in diesem Bereich in der Regel nur eine Methode an (z. B. individuelle Fragebögen zur Selbstmeldung).
Behacad
2
Die MTMM-Technik kann mit selbstberichteten Messungen verwendet werden, die an zwei verschiedenen Instrumenten zur Bewertung eng verwandter oder ähnlicher Konstrukte erhoben wurden. Alternative Ansätze umfassen detailliertere faktoranalytische Methoden und die Modellierung von Strukturgleichungen.
CHL
1
Es sind viele Artikel verfügbar, darunter dieser Aufsatz Strukturgleichungsmodellierung von Multitrait-Multimethodendaten: Verschiedene Modelle für verschiedene Methodentypen oder dieser Aufsatz Analysieren von Multitrait-Multimethodendaten mit Strukturgleichungsmodellen für Ordinalvariablen unter Verwendung des WLSMV-Schätzers, der die allgemeine Idee zeigt . Ich kann jedoch versuchen, eine bessere Referenz für den Kontext Ihrer Studie zu finden. Können Sie uns mitteilen, ob es sich um ordinale (z. B. Likert-Typ) oder binäre Elemente handelt, wie groß die Stichprobe ist und wie viele Facetten Sie bewerten möchten?
CHL
1
Danke für deine Antwort! Die Fragebögen sind vom Likert-Typ (normalerweise 5 Optionen, aber vielleicht haben einige 4). Es gibt wahrscheinlich 4 oder 5 Fragebögen, die das Gleiche beurteilen oder nicht, und ich bin gespannt darauf, dies empirisch zu testen. Ich habe jetzt eine Probe von vielleicht 300. Was die Anzahl der Facetten angeht, bin ich mir nicht sicher, was Sie genau bedeuten (Faktoren?), Aber jede Kennzahl könnte theoretisch verschiedene Dinge bewerten (also 4-5 verschiedene Faktoren), oder sie bewerten dasselbe (1 Faktor) oder irgendetwas in zwischen! Wäre MTMM ein guter Weg, um festzustellen, ob sie verschiedene latente Konstrukte bewerten?
Behacad

Antworten:

2

Diese Methoden sind Beispiele für die Anwendung explorativer und bestätigender Datenanalysen. Die explorative Datenanalyse sucht nach Mustern, während die konfirmatorische Datenanalyse statistische Hypothesentests für vorgeschlagene Modelle durchführt. Es sollte wirklich nicht dahingehend gesehen werden, welche Methode verwendet werden soll, sondern in welchem ​​Stadium der Datenanalyse Sie sich befinden. Wenn Sie sich nicht sicher sind, welche Faktoren in Ihr Modell einbezogen werden sollen, wenden Sie EFA an. Nachdem Sie einige Faktoren eliminiert und festgelegt haben, was in Ihr Modell aufgenommen werden soll, führen Sie eine CFA durch, um das Modell formal zu testen und festzustellen, ob die ausgewählten Faktoren von Bedeutung sind.

Michael R. Chernick
quelle
5
Vielen Dank für die Antwort, obwohl ich der Meinung bin, dass Sie die Frage nicht ganz beantwortet haben. Ich schätze die Unterschiede zwischen EFA und CFA und wie sie unterschiedliche Fragen beantworten. Ich frage mich nur, welche in diesem Zusammenhang am besten geeignet sind. Wenn Sie antworten, bin ich geneigt zu glauben, dass Sie EFA vorschlagen.
Behacad
Haben Sie für jedes eine Punktzahl und geben Sie beide Umfragen an dieselbe Person weiter? Ich denke, Sie könnten die Scores koppeln und prüfen, ob eine hohe Korrelation besteht.
Michael R. Chernick
Alle Teilnehmer füllen alle Fragebögen aus. Ich bin mir nicht sicher, was Sie unter einer "Punktzahl" verstehen. Ich werde einfach die Ergebnisse aller Fragen im Fragebogen zusammenfassen.
Behacad
1

Wenn ich Ihre Frage richtig verstehe, handelt es sich um eine Frage zum Testen . Dann erfordert ein einfaches Testen eine Art Bestätigungsfaktor-Analyse, genau wie die Frage: "Unterscheiden sich die Mittelwerte in den Untergruppen wirklich?" erfordert einen T-Test.

Unglücklicherweise (?) Wird bei der Auswahl des allgemeinen Ansatzes der geeigneten Methode zur Faktorenanalyse häufig auch auf verschiedene mathematische (und statistische) Modelle verwiesen. Wenn Sie beispielsweise in SPSS "CFA" auswählen, wird impliziert, dass Sie nicht korrelierte Fehler annehmen und dass unkorrelierte Fehler geschätzt werden und die Schätzung aus dem Modell ausgeschlossen wird - aus meiner Sicht wird die anfängliche Auswahl des richtigen faktoranalytischen Ansatzes aufgrund der weiteren Implikationen häufig durch diese mathematisch / statistischen Implikationen beeinträchtigt.

Kurz gesagt: Ihre Frage ist eine der Art "Testen der Null", daher benötigen Sie CFA oder besser: die im Rahmen von SEM (Structural Equation Modeling) entwickelten Methoden. Beachten Sie, dass es eine freundliche und hilfreiche Mailingliste mit Experten für SEM gibt, die sich "SEMNET" nennt. Da ich kein echter Experte bin, können Sie Ihr Feedback verfeinern, indem Sie dort nachfragen ...

Gottfried Helms
quelle
Danke für Ihre Antwort. Ich bin mit CFA, EFA und SEM vertraut, weiß aber nicht genau, wie ich untersuchen soll, ob zwei Fragebögen im Wesentlichen dasselbe messen. Wie würden Sie vorschlagen, dass ich dies in SEM mache?
Behacad
@Behacad: Ich würde in SEMNET nachfragen :-) Nun, tatsächlich habe ich keine Erfahrung mit den Koeffizienten zum Testen latenter Strukturen. Möglicherweise gibt ein Buch von James Steiger, auf das SEMNETter häufig verweisen, eine gute Einführung. (Entschuldigung, ich kann hier nicht weiterhelfen)
Gottfried Helms