Messmodell

Was versteht man unter einem Messmodell?

Ein Messmodell beschreibt, wie beobachtbare Variablen – also konkret messbare Größen wie Fragebogenitems oder Testergebnisse – mit nicht direkt messbaren, theoretischen Konstrukten zusammenhängen. Solche theoretischen Konstrukte werden in der Statistik als latente Variablen bezeichnet, zum Beispiel Intelligenz, Zufriedenheit oder Ängstlichkeit.

Das Messmodell ist ein zentraler Bestandteil von Strukturgleichungsmodellen (SEM) und der konfirmatorischen Faktorenanalyse (CFA). Es legt formal fest, welche Indikatoren (beobachtbare Variablen) welche latenten Variablen repräsentieren sollen und wie stark diese Zusammenhänge sind.

Dabei unterscheidet man grundsätzlich zwei Typen:

• Reflektives Messmodell: Die latente Variable wird als Ursache der Indikatoren betrachtet. Verändert sich das Konstrukt, verändern sich alle Indikatoren gleichermaßen. Typisches Beispiel: Extraversion als Persönlichkeitsmerkmal, gemessen durch mehrere Items.
• Formatives Messmodell: Die Indikatoren bilden gemeinsam das Konstrukt. Sie sind also die Ursache, nicht die Wirkung der latenten Variable. Typisches Beispiel: Sozioökonomischer Status, der sich aus Einkommen, Bildung und Beruf zusammensetzt.

Warum ist das Messmodell für statistische Analysen wichtig?

Bevor man Zusammenhänge zwischen Konstrukten untersuchen kann – etwa ob Arbeitszufriedenheit die Leistung beeinflusst – muss man sicherstellen, dass die verwendeten Indikatoren die Konstrukte überhaupt zuverlässig und valide messen. Genau das leistet das Messmodell. Es ist gewissermaßen die Grundlage, auf der alle weiteren Analysen aufbauen.

In der Praxis wird ein Messmodell anhand mehrerer Gütekriterien bewertet:

• Faktorladungen: Sie geben an, wie stark jeder Indikator mit dem Konstrukt zusammenhängt. Hohe Ladungen (üblicherweise ≥ 0,70) zeigen eine gute Messung.
• Reliabilität: Maße wie Cronbachs Alpha oder die Composite Reliability prüfen, ob die Indikatoren ein Konstrukt konsistent erfassen.
• Konvergente Validität: Indikatoren desselben Konstrukts sollten stark miteinander korrelieren.
• Diskriminante Validität: Verschiedene Konstrukte sollten sich klar voneinander unterscheiden lassen.

Praxisbeispiel zum Messmodell

Eine Forscherin untersucht in ihrer Masterarbeit, ob Burnout die Jobzufriedenheit von Lehrkräften beeinflusst. Da beide Konzepte nicht direkt messbar sind, setzt sie ein Messmodell ein.

Für das Konstrukt Burnout nutzt sie vier Items aus einem validierten Fragebogen, zum Beispiel:

• „Ich fühle mich nach der Arbeit völlig erschöpft.“
• „Ich habe das Gefühl, nichts mehr geben zu können.“
• „Ich distanziere mich innerlich von meiner Arbeit.“
• „Ich zweifle zunehmend daran, ob meine Arbeit sinnvoll ist.“

Sie entscheidet sich für ein reflektives Messmodell, weil die latente Variable Burnout als gemeinsame Ursache aller vier Antworten gilt: Je höher der Burnout, desto höher sollten alle vier Werte ausfallen.

In der konfirmatorischen Faktorenanalyse zeigt sich, dass alle vier Items Faktorladungen zwischen 0,72 und 0,84 aufweisen. Die Composite Reliability liegt bei 0,88 und der durchschnittlich extrahierte Varianzanteil (AVE) bei 0,65 – beides akzeptable Werte. Damit kann die Forscherin davon ausgehen, dass ihr Messmodell das Konstrukt Burnout zuverlässig abbildet, und mit der Analyse des eigentlichen Zusammenhangs zwischen Burnout und Jobzufriedenheit fortfahren.