Konzeptuelles und prozedurales Wissen als latente Variablen: Ihre ...

Validierung kognitiver Modelle mittels Strukturgleichungsmodellen 121
kann ebenfalls ursächlich sein. Bei Konvergenzproblemen sollte ein Modell verworfen
werden, sofern konvergierende Alternativmodelle zur Verfügung stehen.
Insgesamt empfiehlt es sich, nie gleich ein komplexes Modell auf einmal zu schätzen,
da dann ein eventueller schlechter Modellfit nicht eindeutig Teilen des Mess- oder des
Regressionsmodells zugeschrieben werden kann. Es ist sinnvoll, zuerst das Messmodell
alleine zu überprüfen und dann, wenn die Operationalisierbarkeit der latenten Variablen
nachgewiesen wurde, das Regressions- beziehungsweise das Gesamtmodell zu testen.
Weitere ergänzende Analysen, wie explorative Faktoranalysen über die manifesten
Variablen, können sinnvoll sein, weil sie helfen modellinterne Spezifikationsfehler
aufzudecken.
Der letzte Arbeitsschritt ist die Interpretation der Ergebnisse, der bei einer
modellgenerierenden Vorgehensweise erneute Modellierungszyklen folgen können.
7.5 Modellgütebeurteilung und Modellinterpretation
Bei der Beurteilung und Interpretation der Ergebnisse der Parameterschätzung sind zwei
Gruppen von Informationsquellen zu berücksichtigen: die geschätzten Ausprägungen der
Modellkoeffizienten und die Modellfitindizes.
Die Modellkoeffizienten geben Aufschluss über spezifische Relationen zwischen den
Variablen im Modell. Sie sind auf ihre Augenscheinvalidität und ihre theoretischen
Implikationen hin zu interpretieren. Die meisten Programme geben sowohl standardisierte
als auch unstandardisierte Koeffizienten aus. Die Unstandardisierten beziehen sich auf die
manifesten Variablen in ihrer ursprünglichen Skalierung, die Standardisierten auf alle
Variablen in ihrer z-standardisierten Form. Um eine Vergleichbarkeit von Koeffizienten
zwischen Studien mit unterschiedlich skalierten Variablen zu gewährleisten, werden
meistens die standardisierten Koeffizienten berichtet und interpretiert. Standardisierte
Pfadkoeffizienten können wie standardisierte Regressionskoeffizienten interpretiert
werden: Sie geben an, um wie viele Standardabweichungen sich die Ausprägungen der
abhängigen Variable verändern, wenn die Ausprägungen der unabhängigen Variable um
eine Standardabweichung zunehmen. Daher liegen standardisierte Pfadkoeffizienten
normalerweise zwischen minus eins und plus eins, können jedoch auch größere und
kleinere Werte annehmen.
Die Modellfitindizes (für einen ausführlichen Überblick siehe Yu, 2002) geben an, wie
gut das vorgegebene Modell zu den empirisch gefundenen Daten passt. Allerdings ist gute
Passung ein Begriff, der sich auf viele unterschiedliche Weisen konzeptualisieren und
quantifizieren lässt. Dementsprechend gibt es nicht einen Fitindex, sondern eine ganze
Reihe von ihnen. Jeder hat unterschiedliche Vor- und Nachteile und keiner kann als der