Wie zuvor gezeigt, besteht das Anliegen der explorativen Faktorenanalyse darin, einen großen Datensatz mit vielen manifesten Variablen zu wenigen latenten Variablen zu reduzieren. Explorativ bedeutet dabei, dass wenige oder keine Vorannahmen darüber bestehen, wie der Satz aus latenten Variablen aussehen wird. Oft sind StudentInnen und Ghostwriter in der Forschung aber mit dem gegenteiligen Problem konfrontiert: In vielen Fällen existieren aufgrund von theoretischen Überlegungen ausgereifte Überlegungen, wie sich die manifesten Variablen eines Systems verhalten müssten. Die Aufgabe besteht hier darin, zu überprüfen, ob sich die hypothetischen Konstrukte so verhalten, wie das auf Basis der Überlegungen vorhergesagt wird. Um dies zu ermitteln, wird in Doktorarbeiten der Psychologie und Dissertationen in den Sozialwissenschaften oft die konfirmatorische Faktorenanalyse eingesetzt.
In der universitären Forschung sind StudentInnen und Ghostwriter für Statistik häufig mit theoretischen Konstrukten konfrontiert, die sich nicht direkt messen oder quantifizieren lassen: Psychisches Wohlbefinden, Arbeitsplatzzufriedenheit, konservative Grundeinstellungen oder Stress sind solche hypothetischen Konstrukte, die zwar für die Wissenschaft sehr wichtig und interessant, aber eben auch schwer fassbar sind. Zwar wäre es möglich, solche hypothetischen Konstrukte einzeln abzufragen ("Wie gestresst fühlen Sie sich aktuell auf einer Skala von 1 bis 10?"), jedoch treffen ForscherInnen dabei immer auf das Problem, dass ProbandInnen individuell verschiedene Auffassungen des Konstrukts haben und die Antworten deshalb schwer miteinander vergleichbar sind. Weiterhin haben hypothetische Konstrukte die Eigenschaft, in Einzeldimensionen zu zerfallen: So wäre es möglich, dass das Konstrukt "Arbeitsplatzzufriedenheit" (Faktor) in die Dimensionen "betriebliches Gesundheitsmanagement", "wertschätzender Umgang der Vorgesetzten" und "Karrieremotivation" zerfällt. Das Prinzip der konfirmatorischen Faktorenanalyse besteht nun darin, den Faktoren manifeste Indikatorvariablen mit einer Gewichtung zuzuweisen und so das Konstrukt "Arbeitsplatzzufriedenheit" messbar zu machen.
StudentInnen und Ghostwriter der Statistik stehen dabei vor der Herausforderung, die manifesten Indikatorvariablen so auszuwählen, dass sie bestmöglich das mit dem Konstrukt erwartete Verhalten widerspiegeln. Gerade bei größeren Forschungsarbeiten wie Master- oder Doktorarbeiten ist die Auswahl der entsprechenden Indikatorvariablen keineswegs trivial: Will ein Betrieb untersuchen, wie es um die Arbeitsplatzzufriedenheit (Faktor) der MitarbeiterInnen bestellt ist und erhebt dazu deren Karrieremotivation als eine Indikatorvariable, so kann über eine unpassende Fragestellung unter "Karrieremotivation im Kontext der aktuellen Arbeitsplatzzufriedenheit" auch die Wechselbereitschaft in ein anderes Unternehmen mit besseren Aufstiegschancen verstanden werden. Beispiele für andere Anwendungsmöglichkeiten der konfirmatorischen Faktorenanalyse sind:
Auch wenn die Durchführung einer konfirmatorischen Faktorenanalyse in SPSS, Stata oder RStudio StudentInnen und Ghostwriter der Statistik nur wenige Sekunden Zeit kostet, sind die Vorbereitungen für diese statistische Analyse und auch die Nachbereitung in Form der Auswertung keineswegs zu unterschätzen. Deshalb spielt die konfirmatorische Faktorenanalyse auch eher im Kontext von Doktorarbeiten und Dissertationen eine Rolle, da die theoretische Problemaufarbeitung, Operationalisierung der Indikatorvariablen und die Datenerhebung allein oft monatelange Arbeit bedeuten. Writing Science steht Ihnen hier zur Seite und unterstützt Sie in allen Aspekten der Vor- und Nachbereitung einer konfirmatorischen Faktorenanalyse. Senden Sie uns dazu einfach eine unverbindliche Anfrage mit einem kurzen Abriss Ihres Forschungsprojektes – wir freuen uns auf die Zusammenarbeit!
Nächstes Thema (Strukturgleichungsmodelle)
