Konzeptuelles und prozedurales Wissen als latente Variablen: Ihre ...
Konzeptuelles und prozedurales Wissen als latente Variablen: Ihre ...
Konzeptuelles und prozedurales Wissen als latente Variablen: Ihre ...
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
Studie 1: Interrelationen der <strong>Wissen</strong>sarten 163<br />
9.3.4 Divergente Validitäten<br />
Hypothesentestende Analysen<br />
Zur Überprüfung der divergenten Validitäten der Maße wurde zunächst pro Messzeitpunkt<br />
getestet, ob ein Zweifaktormodell mit einem konzeptuellen <strong>und</strong> einem prozeduralen<br />
<strong>Wissen</strong>sfaktor (Modell Z1, Z2 <strong>und</strong> Z3 mit Z für Zweifaktormodell) die Daten signifikant<br />
besser fittet <strong>als</strong> ein Einfaktormodell (Modell E1, E2 <strong>und</strong> E3 mit E für Einfaktormodell).<br />
Die Ergebnisse der Analysen geben die ersten sechs Zeilen von Tabelle 19 wieder. Die<br />
zugehörigen Dateien befinden sich in Anhang D.8.1. Gemessen an CFI, WRMR <strong>und</strong><br />
RMSEA haben alle sechs Modelle einen guten oder akzeptablen Fit. Die Koeffizienten<br />
lassen keine klare Entscheidung zwischen den Ein- <strong>und</strong> den Zweifaktormodellen zu.<br />
Tabelle 19: Fit der Modelle zur Überprüfung der divergenten Validitäten.<br />
Faktorenanzahl<br />
Modell χ 2 df p CFI WRMR RMSEA<br />
Mzp 1<br />
1 Faktor E1 16,976 18 ,525 1,000 0,680 0,000 a<br />
2 Faktoren Z1 13,406 17 ,709 1,000 0,633 0,000 a<br />
Mzp 2<br />
1 Faktor E2 29,526 18 ,042 0,960 0,899 0,056<br />
2 Faktoren<br />
Mzp 3<br />
Z2 29,095 17 ,034 0,958 0,910 0,059<br />
1 Faktor E3 31,265 18 ,027 0,962 0,768 0,060<br />
2 Faktoren Z3 30,738 17 ,022 0,961 0,797 0,063<br />
Anmerkung. a Koeffizient manuell auf null gesetzt, da df > χ 2 (s. S. 123).<br />
Um zu testen, ob die Unterschiede im Modellfit überhaupt von Zufallsschwankungen zu<br />
unterscheiden sind, wurden für die drei Messzeitpunkte Chi-Quadrat-Differenz-Tests für<br />
sb-skalierte Werte gerechnet. Diese Tests wurden in Unterkapitel 7.4 vorgestellt. Die<br />
Testparameter sind in Tabelle 20 aufgeführt. Die erste wertegefüllte Spalte in der Tabelle<br />
gibt die unskalierten, <strong>als</strong>o durch den normalen maximum-likelihood-Schätzalgorithmus<br />
bestimmten, Chi-Quadrat-Werte an (siehe Anhang D.8.2), die darauf folgende Spalte die<br />
sb-skalierten Chi-Quadrat-Werte (siehe Anhang D.8.1). Die Spalte Skalierungsfaktor gibt<br />
das Verhältnis von unskalierten <strong>und</strong> skalierten Werten zueinander an. Dieser Wert kann<br />
direkt aus den MPlus-Output-Dateien abgelesen werden.<br />
In den mit Differenz beschrifteten Zeilen sind die Differenz der unskalierten Chi-<br />
Quadrat-Werte sowie die Differenz der Freiheitsgrade der beiden gegeneinander zu<br />
testenden Modelle aufgeführt. Weiter rechts steht der Korrekturfaktor, der aus den<br />
Freiheitsgraden <strong>und</strong> den Skalierungsfaktoren der beiden Modelle errechnet wurde. Die<br />
entsprechende Formel ist dem Internet-Tutorial der offiziellen Homepage des SEM-<br />
Programms MPlus entnommen (MPlus-Homepage, 2005) <strong>und</strong> stellt eine vereinfachende<br />
Umformulierung der von Satorra <strong>und</strong> Bentler (1999, S. 7) entwickelten Formel dar. Die