Seite 1 von 1

Negatives TLI bei Pfadanalyse

BeitragVerfasst: Mi 24. Aug 2016, 14:40
von denitsa91
Hi all, kennt sich jemand mit dem Programm R und kann mir bei meiner Pfadanalyse helfen. Die Fits meines Modells sind wie folgt: CFI=0.035, TLI= -2.538, RMSEA = 1.903 also eigentlich ziemlich schlecht. Da TLI negativ ist, spricht das für einen Fehler im Modell? Ist es überhaupt noch zu retten? Ich habe eine moderierte Mediation gerechnet. Es wäre mir auch super helfen, wenn ihr gute Literatur empfehlen könntet, wie ich die Fits des Modell noch verbesser könnte...Ansonsten sind die Effekte signifikant.
Danke im Voraus!
Denitsa

Re: Negatives TLI bei Pfadanalyse

BeitragVerfasst: Do 25. Aug 2016, 14:46
von Semson
Ziemlich schlecht ist ziemlich untertrieben. Ich schätze mal, du arbeitest mit lavaan (wenn du R nutzt). Zeig mal dein Modell (also den R-Code). Da läuft irgendwas ganz grundlegend schief, das Modell ist nicht identifiziert, Heywood-Cases, oder sehr niedrige Korrelationen in den Daten. So schlecht wie dein Fit kann kein Modell sein.

Re: Negatives TLI bei Pfadanalyse

BeitragVerfasst: Mi 31. Aug 2016, 10:20
von denitsa91
insta$interaktion = insta$Zrzp_R * insta$ZKV
insta$interaktion1 = insta$ZSA01_R* as.numeric(insta$ZKV)

model1b <- '
ZSA01_R ~ Zrzp_R + ZKV + interaktion + sex_R
sd_R ~ ZSA01_R + Zrzp_R + ZKV + interaktion1 + sex_R
'
fit <- sem(model1b, data=insta)
summary(fit, fit.measures = TRUE, standardized = TRUE, modindices = F)

Kurz zu den Variablen:
Meine Mediation ist rzp_R (Rezeption auf Instagram) führt zu SA01_R (sportliche Aktivität) und das wiederum führt zu sd_R (Selbstdarstellung auf Instagram). Das ganze Modell soll durch die Variable KV (Körpervergleich) moderiert werden. Die Variablen mit Z sind die zentrierten.

Danke für Deine Hilfe!

Re: Negatives TLI bei Pfadanalyse

BeitragVerfasst: Mi 31. Aug 2016, 11:11
von Semson
Ist ZKV ein Faktor, oder warum "is.numeric()"? Und warum machst du das einmal und einmal nicht?

Hast Du mal den Output?

Re: Negatives TLI bei Pfadanalyse

BeitragVerfasst: Mi 31. Aug 2016, 14:58
von denitsa91
So, jetzt war ich beim Dozent....er meinte, dass mir in der zweiten Gleichung die "interaktion" fehlt. Ich habe es aber nicht verstanden warum. Wenn ich einen Moderator habe, moderiert dieser in Kombination mit der ersten V den ersten Pfad ("interaktion) und in Kombination mit der zweiten V den zweiten Pfad ("interaktion1"). Warum soll "interaktion" auch den zweiten Pfad moderieren? Kannst du mir das erklären? Jetzt sehen die FIts so aus:
> model1b <- '
+ ZSA01_R ~ Zrzp_R + ZKV + interaktion + sex_R #+ Zsa
+ sd_R ~ ZSA01_R + Zrzp_R + ZKV + interaktion + Zsa + interaktion1 + sex_R
+ '
> fit <- sem(model1b, data=insta)
> summary(fit, fit.measures = TRUE, standardized = TRUE, modindices = F)
lavaan (0.5-20) converged normally after 24 iterations

Number of observations 334

Estimator ML
Minimum Function Test Statistic 7.664
Degrees of freedom 2
P-value (Chi-square) 0.022

Model test baseline model:

Minimum Function Test Statistic 175.769
Degrees of freedom 13
P-value 0.000

User model versus baseline model:

Comparative Fit Index (CFI) 0.965
Tucker-Lewis Index (TLI) 0.774

Loglikelihood and Information Criteria:

Loglikelihood user model (H0) -3528.549
Loglikelihood unrestricted model (H1) -3524.717

Number of free parameters 13
Akaike (AIC) 7083.098
Bayesian (BIC) 7132.642
Sample-size adjusted Bayesian (BIC) 7091.405

Root Mean Square Error of Approximation:

RMSEA 0.092
90 Percent Confidence Interval 0.030 0.165
P-value RMSEA <= 0.05 0.114

Standardized Root Mean Square Residual:

SRMR 0.021

Parameter Estimates:

Information Expected
Standard Errors Standard

Regressions:
Estimate Std.Err Z-value P(>|z|) Std.lv Std.all
ZSA01_R ~
Zrzp_R 0.373 0.051 7.285 0.000 0.373 0.359
ZKV 0.114 0.051 2.240 0.025 0.114 0.114
interaktion -0.121 0.051 -2.364 0.018 -0.121 -0.118
Mann 0.421 0.107 3.925 0.000 0.421 0.197
sd_R ~
ZSA01_R 0.318 0.085 3.757 0.000 0.318 0.199
Zrzp_R 0.492 0.086 5.737 0.000 0.492 0.296
ZKV 0.193 0.080 2.426 0.015 0.193 0.121
interaktion -0.016 0.087 -0.181 0.857 -0.016 -0.010
Zsa -0.141 0.077 -1.827 0.068 -0.141 -0.088
interaktion1 0.086 0.085 1.014 0.311 0.086 0.053
Mann 0.510 0.171 2.989 0.003 0.510 0.149

Variances:
Estimate Std.Err Z-value P(>|z|) Std.lv Std.all
ZSA01_R 0.801 0.062 12.923 0.000 0.801 0.804
sd_R 1.913 0.148 12.923 0.000 1.913 0.750


P.S. die Variable sex_R hab ich als Mann reingeschrieben, damit ich direkt weiß um welches Geschlecht es geht. Hoffe du kannst meine Gedanken nachvollziehen?