Faktorenanalytische Modelle

Anders als bei der EFA trifft man a priori Annahmen über die Faktorenstruktur

Anzahl an Faktoren

Zuordnung von Items zu Faktoren

Korrelationen zwischen Faktoren

Ziel: Prüfung, ob die Items eines Test faktoriell homogen sind, d.h. ob sich das Interkorrelationsmuster gut durch einen einzigen Faktor erklären lässt

Unter den Modellbedingungen können die Kovarianzen zwischen den Items allein von den Faktorladungen abhängen: Außer dem Faktor F trägt im Modell sonst nichts zur gemeinsamen Varianz der Items bei

Mit sogenannten Fit Indizes wird überprüft, wie hoch die Passung zwischen den modellimplizierten und empirisch beobachteten Parametern ist:

Chi-Quadrat-Test: Je kleiner der Wert, desto besser die Passung; ein signifikanter Parameter zeigt an, dass es Diskrepanzen gibt bzw., dass die Modellpassung nicht ideal ist. Nachteil: Stark abhängig von der Stichprobengröße; bei großen Stichproben gibt es auch signifikante Werte bei Modellen mit minimaler Abweichung

SRMR (Standardized Root Mean Square Residual)/RMSEA (Root Mean Square Error of Approximation): Je kleiner der Wert, desto besser die Passung; weniger abhängig von der Stichprobengröße (Richtwerte: < 0.08 beim SRMR und < 0.06 beim RMSEA)

Kommen zum Einsatz, wenn man ein breiteres Merkmal messen will, das sich in verschiedene Komponenten oder Facetten aufgliedern lässt

In diesem Fall spricht man von einer multifaktoriellen Struktur