Modifikationsindex
In diesem Beitrag
Was versteht man unter Modifikationsindex?
Der Modifikationsindex (MI) ist ein diagnostisches Maß in der Strukturgleichungsmodellierung (SEM) und in der konfirmatorischen Faktorenanalyse (CFA). Er schätzt, um wie viel sich der Modell-Chi-Quadrat-Wert () mindestens reduzieren würde, wenn ein bisher fixierter Parameter – zum Beispiel ein Pfad oder eine Residualkovarianz – frei geschätzt würde.
Technisch gesprochen ist der Modifikationsindex ein univariater Lagrange-Multiplikator-Test. Er gibt für jeden fixierten Parameter im Modell (in der Regel auf null gesetzt) an, wie stark sich die Modellpassung verbessern würde, wenn dieser Parameter freigesetzt wird. Der MI folgt asymptotisch einer Chi-Quadrat-Verteilung mit einem Freiheitsgrad. Ein gebräuchlicher Schwellenwert ist:
Daumenregel: Modifikationsindex
Werte ab 10 gelten häufig als Hinweis auf eine relevante Modellfehlspezifikation, ab 3,84 als statistisch signifikant (entspricht dem kritischen Chi-Quadrat-Wert bei α = .05 und df = 1). Zusätzlich zum MI wird in der Regel der Expected Parameter Change (EPC) berichtet – er gibt an, in welche Richtung und wie stark sich der betreffende Parameter verändern würde.
Warum ist der Modifikationsindex für statistische Analysen wichtig?
In der konfirmatorischen Faktorenanalyse und in Strukturgleichungsmodellen setzt man ein Modell auf Basis theoretischer Überlegungen auf. In der Praxis stimmt dieses theoretische Modell jedoch selten perfekt mit den Daten überein. Der Modifikationsindex hilft dabei, systematische Fehlspezifikationen aufzudecken – also Stellen im Modell, an denen Zusammenhänge existieren, die im ursprünglichen Modell nicht abgebildet wurden.
Typische Anwendungsfälle sind:
- Querladungen: Ein Indikator lädt nicht nur auf den vorgesehenen Faktor, sondern auch auf einen weiteren.
- Residualkovarianzen: Zwei Indikatoren teilen systematische Varianz, die nicht durch den gemeinsamen Faktor erklärt wird (z. B. weil sie ähnlich formuliert sind oder denselben Methodeneffekt aufweisen).
- Fehlende Pfade: Im Strukturmodell fehlt ein direkter Zusammenhang zwischen zwei Variablen.
Praxisbeispiel zu Modifikationsindex
Eine Psychologiestudentin überprüft in ihrer Masterarbeit ein CFA-Modell zur Messung von Burnout mit drei Faktoren: Erschöpfung, Depersonalisierung und Leistungserleben. Jeder Faktor wird durch vier Items gemessen. Ihr Modell zeigt einen unbefriedigenden Fit:
| Kennwert | Ausgangsmodell | Modifiziertes Modell | Richtwert (guter Fit) |
|---|---|---|---|
| CFI | 0.91 | 0.96 | ≥ .95 |
| RMSEA | 0.08 | 0.05 | ≤ .06 |
| SRMR | 0.07 | 0.04 | ≤ .08 |
Die Software (z. B. R mit lavaan oder Mplus) gibt aus, dass zwei Items des Erschöpfungs-Faktors eine Residualkovarianz von MI = 18.4 aufweisen. Die Studentin prüft die Formulierungen: Beide Items beschreiben körperliche Erschöpfung nach der Arbeit und sind nahezu wortgleich. Die Residualkovarianz ist inhaltlich plausibel – sie lässt sich durch einen gemeinsamen Formulierungseffekt erklären. Sie setzt die Kovarianz frei, begründet dies im Methodenteil und berichtet beide Modellversionen. Der Fit verbessert sich deutlich, wie die Tabelle zeigt.
Dieses Vorgehen ist methodisch korrekt, weil die Modifikation vor der Entscheidung inhaltlich nachvollziehbar war – und nicht nur weil der MI-Wert hoch war.
