Vorbereitungen für die konfirmatorische Faktorenanalyse

Tabelle 25: Faktorenmatrix für das Modellkonstrukt Leistungsindikatoren.

Faktorenmatrix^a

Faktor 1

Reißleine 0,787

LINDIKAT 0,572

Fehlerhäufigkeit 0,484 Extraktionsmethode: Maximum-Likelihood.

a. 1 Faktor extrahiert. Es werden 4 Iterationen benötigt.

Nach der Analyse der Cronbachs-Alpha-Werte ergibt sich für das Modellkonstrukt Zufriedenheit nur ein Item-Parcel. Die Prüfung auf Eindimensionalität des ausgewählten Item-Parcels kann in diesem Zusammenhang nicht mittels einer isolierten explorativen Faktorenanalyse für das Konstrukt Zufriedenheit erfolgen, da es sich um nur ein Item-Parcel handelt. Des Weiteren wurde das Modellkonstrukt aus dem Modell ausgeschlossen und wird nicht weiter betrachtet.

werden. Nach der Reliabilitätsprüfung in Kapitel 8.3.1 ergab sich für das Modellkonstrukt Zufriedenheit im Ausgangsmodell nur ein reliables Item-Parcel als manifester Indikator, was nach Weiber und Mühlhaus (2010) als nicht ausreichend zu bewerten ist. Für alle anderen Modellkonstrukte konnte die Prämisse von mindestens zwei Indikatoren pro Modellkonstrukt, nach der Entfernung des Modellkonstrukts Zufriedenheit, im Ausgangsmodell erfüllt werden.

Als nächster Schritt erfolgt die Festlegung von Parametertypen. Um die Identifizierung der latenten Modellvariable zu erreichen, muss für jede latente Variable die Ladung eines manifesten Indikators fixiert werden. Zusätzlich dazu müssen die Fehlervarianzen der Indikatoren auf eins festgesetzt werden. Die Fixierung der Varianz der Fehlervariablen besagt, dass diese Indikatoren das Konstrukt nicht fehlerfrei messen können (Weiber & Mühlhaus, 2010). Durch diese Vorgehensweise erreicht man, dass mindestens so viele bekannte wie unbekannte Größen vorhanden sind, was allerdings nicht zwingend dazu führen muss, dass ein Modell identifizierbar ist, da eine Reihe von weiteren Kriterien einen Einfluss auf die Identifizierbarkeit eines Modells haben. Bollen (1989) fasst in seiner Arbeit verschiedene Kriterien zur Identifizierbarkeit von Modellen ausführlich zusammen.

Der Wert eins am jeweiligen Pfad kennzeichnet den fixierten manifesten Indikator, die so genannte Referenzvariable. Die Wahl dieser Referenzvariable hat einen entscheidenden Einfluss auf die Parameterschätzungen und einen Einfluss auf die Identifizierbarkeit eines Modells (Steiger, 2002). Die Referenzvariablen sind feste Parameter und sollten Variablen sein, die das Konstrukt gut widerspiegeln und reliabel sind (Byrne, 2010). Im vorliegenden Modell wurden die Variablen Zeitdruck, Repetitive Motion Injury, Psychische Ermüdung, Arbeitszufriedenheit und Reißleine als Referenzvariablen gewählt. Die Fixierung der Variablen hat zur Folge, dass die eindeutige Schätzung der übrigen Parameter erleichtert wird. Alle übrigen, nicht fixierten Parameter stellen freie Parameter dar und sollen im Modell geschätzt werden.

8.4 Konfirmatorische Faktorenanalyse und Evaluation des Gesamtmodells

Im nächsten Schritt kann die Durchführung der konfirmatorischen Faktorenanalyse erfolgen. Die Modellschätzung erfolgt mit der Maximum-Likelihood-Methode, welche bereits in Kapitel 6.5.1 erläutert worden ist. Das Ausgangsmodell ist in Abbildung 24 dargestellt.

Abbildung 23: Ausgangsmodell.

Die Modellschätzung des Ausgangsmodells ergibt eine zulässige Lösung, allerdings deuten die Gütekriterien auf keine gute Passung des Modells hin, da die Kriterien in keinem akzeptablen Bereich liegen. Aus diesem Grund sollte das vorliegende Modell verworfen bzw. angepasst werden.

Tabelle 26: Modellfit für das Ausgangsmodell.

Gütekriterium Chi² Chi²/df RMR SRMR IFI CFI TLI RMSEA AIC Ergebnisse

Ausgangs-modell

216,07 2,183 0,077 0,088 0,859 0,855 0,824 0,111 290,073

Wenn man bei der Berechnung des Ausgangsmodells das Modellkonstrukt Zufriedenheit wieder in das Modell integriert, wird deutlich, dass das Modell unteridentifiziert ist, da die Fehlermeldung „The model is probably unidentified. In order to achieve identifiability, it will probably be necessary to impose 1 additional constraint” erscheint. Der Grund für die Unteridentifikation liegt darin, dass das

Modellkonstrukt Zufriedenheit nur aus einem Indikator besteht, da nach der Prüfung auf Reliabilität mittels Cronbachs Alpha die beiden Indikatoren Aversionstendenzen und Engagement aus dem Modell entfernt worden sind. Zum einem wird damit die Forderung von Weiber und Mühlhaus (2010) nach mindestens zwei Indikatoren pro Modellkonstrukt nicht erfüllt und zum anderen kommt es zu dieser Unteridentifikation des Modells. Dieses Ergebnis bestätigt die Entscheidung der Eliminierung des Modellkonstrukts Zufriedenheit.

Eine erste Anpassung kann durch die Betrachtung der Schiefe- und Wölbungskoeffizienten erfolgen. Bei der Analyse dieser Werte wird deutlich, dass die Indikatoren Regeneration, Ergonomie und Fehler_1 einen betragsmäßigen Wert über 1 annehmen. Das spricht für eine substantielle Abweichung von der univariaten Normalverteilung. Aus diesem Grund werden diese drei Indikatoren aus dem Modell entfernt. Alle anderen Indikatoren weisen Schiefe- und Wölbungskoeffizienten im guten Bereich an. Des Weiteren können die C.R.-Werte zur Analyse herangezogen werden, welche auch auf eine Abweichung von der Normalverteilung hinweisen können. Für die drei zuvor genannten Indikatoren liegen die C.R.-Werte betragsmäßig über dem konservativ ausgelegten Wert von 1,96, was die Abweichung von der Normalverteilung bestätigt. Zusätzlich liegen die C.R.-Werte für die Indikatoren Arbeitsvarietät, Zeitdruck und Tempo betragsmäßig knapp über dem streng ausgelegten Wert von 1,96. Bei der Anwendung des moderat ausgelegten Werts von 2,57 liegen diese Indikatoren in einem guten Bereich. Die Indikatoren werden im nächsten Schritt vorläufig beibehalten.

Tabelle 27: Prüfung auf Normalverteilung für das Ausgangsmodell.

Variable

min max skew c.r. kurtosis c.r.

LINDIKAT 1 5 0,248 0,997 -0,424 -0,852

Fehler_1 1 5 1,66 6,676 2,49 5,006

Regenerationszeit 1 5 -1,078 -4,333 1,194 2,4

Ergonomie 1,2 5 -0,885 -3,557 1,236 2,485

Arbeitsfähigkeit 1 4,6 0,178 0,715 -0,574 -1,154

Arbeitsvarietät 1 5 -0,565 -2,271 0,131 0,263

RL_1 1 5 0,507 2,04 -0,502 -1,01

Psychische Ermüdung 1 4,625 -0,196 -0,788 -0,474 -0,952

Monotonie 1,5 4,625 0,039 0,156 -0,235 -0,472

Stress 1 4,5 0,137 0,551 -0,631 -1,269

RMI 1 5 -0,211 -0,848 -0,837 -1,682

Leistungsfähigkeit 2 1 5 0,307 1,236 -0,89 -1,789 Muskuloskelettale Erkrankungen 2 1 5 -0,444 -1,785 -0,726 -1,459

Zeitdruck 1 5 -0,497 -1,997 0,15 0,302

Intensivierung 1 5 0,187 0,751 -0,671 -1,348

Tempo 1 5 -0,491 -1,974 0,017 0,035

Multivariate 17,372 3,564

Das modifizierte Modell (Modell 1) ist in Abbildung 25 dargestellt. Diese Modifikationen ergeben eine zulässige Lösung, allerdings deuten die Gütekriterien weiterhin auf keine gute Passung des Modells hin (vgl. Tabelle 28), da die Kriterien in keinem akzeptablen Bereich liegen. Aus diesem Grund sollte das vorliegende Modell verworfen bzw. angepasst werden.

Tabelle 28: Modellfit für das Modell 1.

Gütekriterium Chi² Chi²/df RMR SRMR IFI CFI TLI RMSEA AIC Ergebnisse

Modell 1 144,442 2,407 0,074 0,0867 0,879 0,876 0,839 0,121 206,442

Abbildung 24: Modell 1.

Als nächstes wurde dem Modellkonstrukt Austaktung und dem Konstrukt psychische Reaktionen der jeweils am wenigsten zuverlässigste Indikator aus dem Modell entfernt. Bei dem Konstrukt Austaktung wurde der Indikator Arbeitsvarietät (Cronbachs Alpha = 0,771) und bei dem Konstrukt psychische Reaktionen der Indikator Arbeitsfähigkeit (Cronbachs Alpha = 0,701) entfernt. Ebenso wiesen diese beiden Indikatoren die geringsten Ladungen auf dem extrahierten Faktor auf.

Die Modellschätzung für das modifizierte Modell (Modell 2) ergibt eine zulässige Lösung. Ebenso ergeben sich für dieses Modell erstmals Gütekriterien, welche die gängigen Cutoff-Werte aus der Literatur überschreiten. Aus diesem Grund wird das Modell 2 im nachfolgenden Abschnitt ausführlich analysiert.

Abbildung 25: Modell 2.

Tabelle 29: Modellfit für das Modell 2.

Gütekriterium Chi² Chi²/df RMR SRMR IFI CFI TLI RMSEA AIC Ergebnisse

Modell 2 84,037 2,155 0,064 0,066 0,927 0,925 0,894 0,11 138,037