bekannte und unbekannte Parameter bei einem LST Modell
Verfasst: Di 17. Apr 2018, 11:52Hallo zusammen,
Ich versuche gerade bei meinem Modell zu überprüfen wie viele Freiheitsgrade das hat, um daraus abzuleiten ob das Modell identifizierbar wird durch Fixieren oder ob das unrealistisch ist.
Folgendes: Ich habe zu zwei Messzeitpunkten jeweils 24 Items (also insgesamt 48).
Diese 24 Items liefern 8 Subskalen (also je Messzeitpunkt 8 Faktoren = 16 Faktoren). Davon sind jeweils vier wiederum einem Superfaktor zugeordnet (2 Superfaktoren je Messzeitpunkt, insgesamt 4). Dazu kommen dann die beiden State Faktoren (Messzeitpunkt 1 und 2, 2 Faktoren) und diese sollen einem Trait Faktor zugeordnet werden.
Also: 48 Items/manifeste Variablen.
16 + 4 + 2 + 1 = 23 Faktoren.
Bekannte Größen: 48*49/2 = 1176
Unbekannte Größen: 70 Ladungen (48 von den Items auf die Faktoren, 16 auf die Superfaktoren, 4 auf die State Faktoren, 2 auf den Trait Faktor), 70 Fehlervarianzen.
Dann kommen noch die Faktorkovarianzen dazu. Da man die Eigenschaft als stabil annimmt müsste man ja theoretisch auch Kovarianzen zwischen den Faktoren unterschiedlicher Messzeitpunkte annehmen. Daher müsste man ebenfalls nach der Gaußschen Formel auf 150 Faktorvarianzen und Faktorkovarianzen kommen.
140 + 150 = 290 unbekannte Größen.
Ergibt das Sinn oder habe ich da einen Denkfehler noch drin? Ich habe leider keine Abbildung die das Ganze einleuchtender machen würde.
Ich versuche gerade bei meinem Modell zu überprüfen wie viele Freiheitsgrade das hat, um daraus abzuleiten ob das Modell identifizierbar wird durch Fixieren oder ob das unrealistisch ist.
Folgendes: Ich habe zu zwei Messzeitpunkten jeweils 24 Items (also insgesamt 48).
Diese 24 Items liefern 8 Subskalen (also je Messzeitpunkt 8 Faktoren = 16 Faktoren). Davon sind jeweils vier wiederum einem Superfaktor zugeordnet (2 Superfaktoren je Messzeitpunkt, insgesamt 4). Dazu kommen dann die beiden State Faktoren (Messzeitpunkt 1 und 2, 2 Faktoren) und diese sollen einem Trait Faktor zugeordnet werden.
Also: 48 Items/manifeste Variablen.
16 + 4 + 2 + 1 = 23 Faktoren.
Bekannte Größen: 48*49/2 = 1176
Unbekannte Größen: 70 Ladungen (48 von den Items auf die Faktoren, 16 auf die Superfaktoren, 4 auf die State Faktoren, 2 auf den Trait Faktor), 70 Fehlervarianzen.
Dann kommen noch die Faktorkovarianzen dazu. Da man die Eigenschaft als stabil annimmt müsste man ja theoretisch auch Kovarianzen zwischen den Faktoren unterschiedlicher Messzeitpunkte annehmen. Daher müsste man ebenfalls nach der Gaußschen Formel auf 150 Faktorvarianzen und Faktorkovarianzen kommen.
140 + 150 = 290 unbekannte Größen.
Ergibt das Sinn oder habe ich da einen Denkfehler noch drin? Ich habe leider keine Abbildung die das Ganze einleuchtender machen würde.