Lavaan Fehlermeldungen / CFA / SEM
Verfasst: Sa Dez 09, 2017 10:56 pm
Hallo ihr Lieben,
ich bin gerade dabei einen Datensatz auszuwerten. Ich habe bereits eine CFA und ein SEM gerechnet. Die CFA bisher leider mit unzureichendem Fit.
Weil mir das komisch vorkommt (die Items / Skala wurde in der Literatur schon genutzt und berichtet einen sehr guten Fit), habe ich alles noch mal von vorne aufgerollt und bin auf einige Fehlermeldungen getroffen.
Ich habe die Daten in SPSS aufbereitet und diese dann mit read.spss in R importiert.
1) Wenn ich mir names(dataset) ausgeben lasse, sehe ich, dass die meisten Variablen nur verkürzt dargestellt sind, oder sogar komplett abgeändert (zB V93_A (R) statt Anstrengung2 (in spss)). Und das obwohl ich eindeutige Beschriftungen in SPSS habe. Ist das ein Problem für das weitere Rechnen (aber trotzdem konnte ich ja Modelle erstellen, CFAs rechnen etc.. -> nur halt mit schlechter Passung) ? Sollte names mir nicht die exakten Variablennamen ausgeben? Es scheinen ja nur 8 Zeichen möglich zu sein..
Bei Erstellung eines FitModells: FitModell1 <- cfa(Modell1, data = dataset, estimator = "ml", missing = "fiml") bekomme ich 3 Fehlermeldungen
2) unordered factor(s) with more than 2 levels detected in data
-> Ich habe jetzt gut 3 Stunden gegoogelt und verstehe einfach nicht was das bedeutet. Hab einiges mit order() oder sort() ausprobiert - immer ohne Erfolg. Was bedeutet diese Warnmeldung und wie behebe ich sie?
3) some cases are empty and will be ignored:
-> Weil einige Versuchsteilnehmer nicht alles angekreuzt haben - schätze ich. Ist doch in Ordnung, oder? Diese Meldung würde ich also ignorieren?
4) lavaan ERROR: missing observed variables in dataset: Auch hier: Was will R mir damit sagen? Liegt das vielleicht an 1) (siehe oben) -> Dass die Variablennamen irgendwie nicht passen? Aber ich kann doch nun unmöglich jede einzelne Variable verändern? (sind sehr viele)
5) Wenn ich dann ein Modell habe, wie kann ich den FIT verbessern, ohne Items rauszuschmeißen?
Mit Modification Indices habe ich es versucht -> Aber um weitere Entscheidungen zu treffen, braucht man ja eine theoretische Grundlage. Was bedeutet das für das Vorgehen konkret? Ich habe MI > 10 als Fehlerterme korrelieren lassen (dann aber negative Kovarianzmatrix)
Aber vielleicht hat hier ja noch jemand eine bessere Idee um den Fit zu verbessern.
So, das war es erstmal. Ich freue mich auf Antworten von Euch Profis (bitte nicht zu kompliziert erklären)!
Viele liebe Grüße und natürlich DANKE!
Fröhlich_Bell
ich bin gerade dabei einen Datensatz auszuwerten. Ich habe bereits eine CFA und ein SEM gerechnet. Die CFA bisher leider mit unzureichendem Fit.
Weil mir das komisch vorkommt (die Items / Skala wurde in der Literatur schon genutzt und berichtet einen sehr guten Fit), habe ich alles noch mal von vorne aufgerollt und bin auf einige Fehlermeldungen getroffen.
Ich habe die Daten in SPSS aufbereitet und diese dann mit read.spss in R importiert.
1) Wenn ich mir names(dataset) ausgeben lasse, sehe ich, dass die meisten Variablen nur verkürzt dargestellt sind, oder sogar komplett abgeändert (zB V93_A (R) statt Anstrengung2 (in spss)). Und das obwohl ich eindeutige Beschriftungen in SPSS habe. Ist das ein Problem für das weitere Rechnen (aber trotzdem konnte ich ja Modelle erstellen, CFAs rechnen etc.. -> nur halt mit schlechter Passung) ? Sollte names mir nicht die exakten Variablennamen ausgeben? Es scheinen ja nur 8 Zeichen möglich zu sein..
Bei Erstellung eines FitModells: FitModell1 <- cfa(Modell1, data = dataset, estimator = "ml", missing = "fiml") bekomme ich 3 Fehlermeldungen
2) unordered factor(s) with more than 2 levels detected in data
-> Ich habe jetzt gut 3 Stunden gegoogelt und verstehe einfach nicht was das bedeutet. Hab einiges mit order() oder sort() ausprobiert - immer ohne Erfolg. Was bedeutet diese Warnmeldung und wie behebe ich sie?
3) some cases are empty and will be ignored:
-> Weil einige Versuchsteilnehmer nicht alles angekreuzt haben - schätze ich. Ist doch in Ordnung, oder? Diese Meldung würde ich also ignorieren?
4) lavaan ERROR: missing observed variables in dataset: Auch hier: Was will R mir damit sagen? Liegt das vielleicht an 1) (siehe oben) -> Dass die Variablennamen irgendwie nicht passen? Aber ich kann doch nun unmöglich jede einzelne Variable verändern? (sind sehr viele)
5) Wenn ich dann ein Modell habe, wie kann ich den FIT verbessern, ohne Items rauszuschmeißen?
Mit Modification Indices habe ich es versucht -> Aber um weitere Entscheidungen zu treffen, braucht man ja eine theoretische Grundlage. Was bedeutet das für das Vorgehen konkret? Ich habe MI > 10 als Fehlerterme korrelieren lassen (dann aber negative Kovarianzmatrix)
Aber vielleicht hat hier ja noch jemand eine bessere Idee um den Fit zu verbessern.
So, das war es erstmal. Ich freue mich auf Antworten von Euch Profis (bitte nicht zu kompliziert erklären)!
Viele liebe Grüße und natürlich DANKE!
Fröhlich_Bell