Hallo Nanina et al.
Die primäre Frage, die bei der Verwendung der verschiedenen Methoden beantwortet werden muss, ist, was EURE Vorstellung von den Konstrukten und vom Verhältnis von Konstrukten und ihren Indikatoren ist.
Eine PCA ist ein rein technisches Datenreduktionsverfahren, bei dem aus vielen items wenige Komponenten gemacht werden sollen. Das "Sortierungskriterium" ist dabei die Inter-Korrelation der items - d.h. items werden dann auf einen Haufen geworfen, wenn sie hoch inter-korrelieren und so mit irgendwelche Informationen teilen. Wenn Eure Skala also lediglich ein Haufen von items sein soll, ohne jegliche Existenzannahme, dann ist die PCA eine praktische Möglichkeit, diesen Haufen zu bilden.Genauso gut (ich plädiere bei solchen "composites" eher dafür) könnte / sollte man items auf theoretischer Basis zusammenwürfeln.
Da diese composites - wie gesagt - aus den items zusammengewürfelt wurden und damit auch keine Existenz außerhalb dieses Zusammenwürfel-Prozesses haben, ist der Begriff "Validität" und "Messung" schlicht nicht anwendbar. Validität bedeutet, dass a) das Attribut existiert und b) einen kausalen Effekt auf seine Indikatoren hat. Das Impliziert das "Messung" nicht zusammenwürfeln ist, siehe
Borsboom, Denny, Mellenbergh, Gideon J., & van Heerden, Jaap. (2004). The concept of validity. Psychological Review, 111(4), 1061-1071.
Faktormodelle - im Gegensatz, wie sie exploratorisch der EFA oder konformatorisch der CFA unterliegen, implizieren die Annahme von latenten Variablen, die den Indikatoren kausal zugrundeliegen. Es ist also eine Frage der Konstruktdefinition.
DARÜBER gibt es keine zwei Lager! Es ist einfach so (wie Albrecht sagt), dass die Psychologie seit Hundert Jahren häufig ziemlichen Käse veranstaltet und auch vor kurzem Leute dachten, eine PCA ist eine Faktorenanalyse, weil sie in SPSS im selben Menü ist! Daher ist es nicht verwunderlich, dass da auch eine Menge Literatur existiert. Hier ein sehr schöner Artikel, der diesbezüglich die Big 5 kritisiert:
Borsboom, Denny. (2006). The attack of the psychometricians. Psychometrika, 71(3), 425-440.
Wenn du also eine Skala validieren willst und eine Vorstellung von "Messen", hast, hast du ein latentes Faktorenmodell. Wenn du keine Vorstellung hast, welche Faktoren gemessen werden sollen, dann mach eine PAF. Wenn du eine Vorstellung von den Faktoren hast (was ebenso wiederum der Begriff Validität impiziert), dann mach ein latentes Variablenmodell und TESTE es.
Ein latentes Variablenmodell muss aber hier nicht unbedingt ein Faktormodell sein. Die Möglichkeiten für die Beziehung zwischen latenten Variablen und ihren Indikatoren sieht weitreichender und mannifaltiger, als ein simples und etwas stupdies Faktorenmodell annimmt.Hier ist ein sehr schöner Artikel, der a) erläutert, dass ein Faktorenmodell ein Kausalmodell ist, dass Aussagen darüber macht, dass latente Variablen die Itemantwort verursachen und nicht diese theoretisch unklaren Modelle, wie sie in der EFA/PCA behandelt werden, wo es um solche Begriffe wie Datenreduktion, Ladungen, Kommunalitäten etc. geht (wie du sie ja auch leider gebrauchst) und b) Beispiele für multi-Variabeln bringt, die alle in einer EFA als Ein-Faktorenmodell auftauchen würden.
Hayduk, Leslie A. (in press). Seeing perfectly fitting factor models that are causally misspecified: Understanding that close-fitting models can be worse. Educational and Psychological Measurement
http://www.sociology.ualberta.ca/Facult ... 281%29.pdfWenn du also a) ein latentes Variablenmodell vor Augen hast und b) Annahmen, was die Variablen inhaltlich sein könnten, mach eine CFA und teste das Modell mit dem Chi-Quadrat-Test (aber sei open-minded bzgl. anderer Strukturen).
Ich weiß, dass ist ein unangehmer Rat, genauso wie die Kritik des Reviewers unangenehm ist. Aber oft ist es im Nachhinein so (wenn das Paper draußen ist), dass solche unangenehmen Ratschläge das paper besser gemacht haben. Reih dich nicht ein, in die Riege sogenannter "Validierungsstudien", die allerdings nichts zur Validierung beitragen.
Viele Grüße
Holger