Konfigurale Invarianz
In diesem Beitrag
Was versteht man unter konfiguraler Invarianz?
Konfigurale Invarianz ist die schwächste und zugleich grundlegendste Stufe der Messinvarianz im Rahmen konfirmatorischer Faktorenanalysen (CFA). Sie besagt, dass ein Messmodell in zwei oder mehr Gruppen dieselbe Faktorstruktur aufweist – also dass die gleichen Items jeweils auf die gleichen latenten Faktoren laden und nicht auf andere.
Anders ausgedrückt: Konfigurale Invarianz liegt vor, wenn das Muster der Faktorladungen gruppenübergreifend identisch ist. Die konkreten Werte der Ladungen, Intercepts oder Residualvarianzen müssen dabei noch nicht übereinstimmen – nur die Grundstruktur (Konfiguration) muss gleich sein.
Formal wird in einem konfiguralen Modell für jede Gruppe g dasselbe Ladungsmuster vorgegeben, die Parameter aber frei geschätzt:
Dabei steht für die Faktorladungsmatrix der Gruppe g. Im konfiguralen Modell haben alle Gruppen dieselben Nullen und Nicht-Nullen in , die genauen Schätzwerte dürfen jedoch variieren.
Warum ist konfigurale Invarianz für statistische Analysen wichtig?
Konfigurale Invarianz ist der erste Schritt in einer mehrstufigen Testsequenz zur Überprüfung von Messinvarianz. Ohne sie lassen sich alle weiteren Invarianzstufen – metrische und skalare Invarianz – gar nicht sinnvoll prüfen. Sie dient als Basismodell, mit dem strengere Modelle verglichen werden.
Stufenmodell der Messinvarianz
| Stufe | Was wird gleichgesetzt? | Mögliche Aussage |
|---|---|---|
| Konfigurale Invarianz | Faktorstruktur (Muster) | Gleiches Konstrukt wird gemessen |
| Metrische Invarianz | Faktorladungen | Gleiches Gewicht der Items |
| Skalare Invarianz | Faktorladungen + Intercepts | Mittelwertvergleiche möglich |
Scheitert bereits die konfigurale Invarianz, bedeutet das: Die Gruppen interpretieren das Konstrukt grundlegend unterschiedlich. Jeder Gruppenvergleich wäre dann konzeptuell nicht gerechtfertigt – egal, welche statistische Methode verwendet wird.
Die konfigurale Invarianz wird üblicherweise anhand globaler Modellfit-Indizes bewertet: Chi-Quadrat-Test, CFI, RMSEA und SRMR. Ein akzeptabler Modellfit des konfiguralen Modells ist Voraussetzung für alle weiteren Schritte.
Praxisbeispiel zu konfiguraler Invarianz
Eine Bildungsforscherin möchte untersuchen, ob Schülerinnen und Schüler aus Deutschland und Spanien das Konstrukt „schulische Motivation“ gleich wahrnehmen. Sie setzt einen Fragebogen mit 12 Items ein, der drei latente Faktoren messen soll: intrinsische Motivation, extrinsische Motivation und Vermeidungsorientierung.
Im ersten Schritt prüft sie das konfigurale Modell: Für beide Länder wird dieselbe Faktorstruktur (welche Items laden auf welchen Faktor) vorgegeben, die Parameterwerte werden aber länderspezifisch frei geschätzt. Das Modell zeigt einen guten Fit (CFI = 0,96, RMSEA = 0,048). Damit ist konfigurale Invarianz belegt: Beide Gruppen verstehen die Fragebogenstruktur konzeptuell gleich.
Im nächsten Schritt testet sie metrische Invarianz, indem sie die Faktorladungen zwischen den Ländern gleichsetzt. Der Modellvergleich zeigt keine wesentliche Verschlechterung des Fits – ein gutes Zeichen für die Vergleichbarkeit.
