Skala mit zwei Items

Skala mit zwei Items

Beitragvon josora » Sa 22. Mai 2021, 17:40

Hallo zusammen,

in Vorbereitung für meine Forschungsarbeiten (Sekundärdatenanalyse) bin ich auf zwei Probleme/Fragen gestoßen.

Ich möchte gerne für meine abhängige Variable ein Konstrukt verwenden, das lediglich aus zwei Items besteht (leider nicht änderbar, weil es sich um einen bereits vorhandenen Datensatz handelt und Items nicht mehr hinzugefügt werden können :-( ). Bei der Faktoren- und Reliabilitätsanalyse erhielt ich soeben ein Cronbach's Alpha von nur 0,620 (alternativ: Spearman-Brown von 0,631). Inter-Item-Korrelationen/Item, Trennschärfe und Faktorladungen der beiden Items sind überall relativ hoch und als gut zu bewerten. Kann ich trotz des fragwürdigen Cronbach's Alpha Wertes den Skalenwert verwenden?

Sofern es nicht akzeptabel ist, müsste ich eine "Single-Item-Skala" heranziehen, d. h. nur eins der beiden Items für die Messung heranziehen. Da ich Strukturgleichungsmodelle berechnen möchte (damit aber noch nicht gänzlich vertraut bin) meine laienhafte Frage: Kann ich Strukturgleichungsmodelle auch dann berechnen, wenn ich eine manifeste Variable als Outcome und latente Konstrukte als UVs habe?

Über jegliche Tipps und Hinweise wäre ich sehr dankbar. :-)
josora
Grünschnabel
Grünschnabel
 
Beiträge: 2
Registriert: Sa 22. Mai 2021, 17:31
Danke gegeben: 0
Danke bekommen: 0 mal in 0 Post

Re: Skala mit zwei Items

Beitragvon strukturmarionette » So 23. Mai 2021, 10:53

Hi,

- wie lauten die zwei Item, wie werden die abgefragt bei wem wie oft?
- Ergebis CFA?

Gruß
S.
strukturmarionette
Schlaflos in Seattle
Schlaflos in Seattle
 
Beiträge: 4132
Registriert: Fr 17. Jun 2011, 22:15
Danke gegeben: 31
Danke bekommen: 553 mal in 550 Posts

Re: Skala mit zwei Items

Beitragvon josora » So 23. Mai 2021, 14:17

Hallo,

danke für die Rückmeldung!

Die Items lauten:
1) Ich bin gerne für XX tätig.
2) Mir ist es egal, ob ich hier oder woanders arbeite. (Dieses Item habe ich bereits rekodiert).

Mit der CFA kämpfe ich noch und bekomme immer wieder Fehlermeldungen, daher habe ich die Ladungen jetzt gleichgesetzt und den folgenden Befehl verwendet:
model <- 'bind =~ a*I_a + a*I_b'
fit <- cfa(model, data=data, meanstructure=TRUE)
summary(fit, fit.measures=TRUE, standardized=TRUE)


Der Output dazu:

Model Test User Model:

Test statistic 0.000
Degrees of freedom 0

Model Test Baseline Model:

Test statistic 3608.067
Degrees of freedom 1
P-value 0.000

User Model versus Baseline Model:

Comparative Fit Index (CFI) 1.000
Tucker-Lewis Index (TLI) 1.000

Loglikelihood and Information Criteria:

Loglikelihood user model (H0) -41462.210
Loglikelihood unrestricted model (H1) NA

Akaike (AIC) 82934.420
Bayesian (BIC) 82972.538
Sample-size adjusted Bayesian (BIC) 82956.648

Root Mean Square Error of Approximation:

RMSEA 0.000
90 Percent confidence interval - lower 0.000
90 Percent confidence interval - upper 0.000
P-value RMSEA <= 0.05 NA

Standardized Root Mean Square Residual:

SRMR 0.000

Parameter Estimates:

Standard errors Standard
Information Expected
Information saturated (h1) model Structured

Latent Variables:
Estimate Std.Err z-value P(>|z|) Std.lv Std.all
bind =~
I_a (a) 1.000 0.687 0.759
I_b (a) 1.000 0.687 0.607

Intercepts:
Estimate Std.Err z-value P(>|z|) Std.lv Std.all
.I_a 4.077 0.007 553.844 0.000 4.077 4.505
.I_b 3.648 0.009 396.010 0.000 3.648 3.221
bind 0.000 0.000 0.000

Variances:
Estimate Std.Err z-value P(>|z|) Std.lv Std.all
.I_a 0.347 0.008 41.266 0.000 0.347 0.423
.I_b 0.810 0.012 68.081 0.000 0.810 0.632
bind 0.472 0.009 51.454 0.000 1.000 1.000

Viele Grüße und Danke!!
josora
Grünschnabel
Grünschnabel
 
Beiträge: 2
Registriert: Sa 22. Mai 2021, 17:31
Danke gegeben: 0
Danke bekommen: 0 mal in 0 Post


Zurück zu Reliabilitätsanalyse

Wer ist online?

Mitglieder in diesem Forum: 0 Mitglieder und 0 Gäste

cron