LISREL / SIMPLIS: Strategien zur Beurteilung der Modellanpassung ...
LISREL / SIMPLIS: Strategien zur Beurteilung der Modellanpassung ...
LISREL / SIMPLIS: Strategien zur Beurteilung der Modellanpassung ...
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
Dr. Wolfgang Langer - Methoden VI: Aufbaukurs <strong>LISREL</strong> - WiSe 1999/2000 - 10<br />
ten Index, welchen Bentler&Bonnett (1980) später als Non-Normed-Fit-Index bezeichneten.<br />
Bollen (1989) führte für ihn in seinem <strong>LISREL</strong>-Buch die Bezeichnung !2 ein. Ihres Erachtens<br />
verfügt <strong>der</strong> NNFI o<strong>der</strong> TLI über folgende Vorteile, die seine beson<strong>der</strong>e Eignung für die <strong>Beurteilung</strong><br />
<strong>der</strong> <strong>Modellanpassung</strong> rechtfertigen:<br />
1. Er ist unabhängig von <strong>der</strong> Stichprobengröße.<br />
2. Er berücksichtigt adäquat die Modellkomplexität als Manus.<br />
3. Er erfaßt systematisch Unterschiede <strong>der</strong> Fehlspezifikation des Modells.<br />
4. Ausreißer mit Indexwerten über 1.0 treten in <strong>der</strong> praktischen Datenanalyse sehr selten<br />
auf.<br />
Um diese Ausreißer zu eliminieren, empfehlen Marsh, Balla & Hau (1996, S.331) daher die<br />
folgende Normierung für den Tucker-Lewis-Index (TLI):<br />
Normierungsvorschrift für den Tucker Lewis Index (TLI o<strong>der</strong> NNFI)<br />
<strong>zur</strong> Berechnung des Normed Tucker Lewis Index (NTLI):<br />
1. Fall NNFI 1o<strong>der</strong> NCP A<br />
0 ist (auch D.F. A<br />
0,<br />
sowie NCP A<br />
und NCP 0<br />
0), dann setze NTLI1.0;<br />
3. Ansonsten gilt: NTLI NNFI<br />
Berechnung <strong>der</strong> Nichtzentralitätsparameter <strong>der</strong> Population(NCP):<br />
Nullmodell: NCP 0<br />
(L.R.$2 M 0<br />
D.F. M0<br />
)<br />
n<br />
Alternativmodell: NCP A<br />
(L.R.$2 M A<br />
D.F. MA<br />
)<br />
n<br />
„Except for this possible limitation that was not evident in our research and may not be typical<br />
in practice, the NNFI was the most successful index consi<strong>der</strong>ed here in relation to the criteria<br />
typically used to evaluate incremental fit indices. For these reasons we recommand the routine<br />
use of the NNFI (or, perhaps, its normed counterpart, the NTLI).“ (Dies 1996, S. 347)