Pfadanalyse
In diesem Beitrag
Was versteht man unter Pfadanalyse?
Die Pfadanalyse ist ein statistisches Verfahren zur Untersuchung von gerichteten Kausalbeziehungen zwischen mehreren beobachteten Variablen. Sie ist eine Erweiterung der multiplen Regressionsanalyse und erlaubt es, gleichzeitig direkte und indirekte Effekte in einem theoretisch begründeten Modell zu schätzen und zu testen. Die Pfadanalyse gehört zur Familie der Strukturgleichungsmodelle (SEM), arbeitet jedoch ausschließlich mit manifesten (direkt gemessenen) Variablen – im Gegensatz zu vollständigen SEM, die auch latente Variablen einbeziehen können.
Die Beziehungen zwischen den Variablen werden grafisch in einem Pfaddiagramm dargestellt. Dabei gilt folgende Konvention:
- Einseitige Pfeile (→) repräsentieren gerichtete, kausale Effekte (Regressionskoeffizienten).
- Doppelseitige Pfeile (↔) repräsentieren ungerichtete Korrelationen oder Kovarianzen.
- Rechtecke stehen für beobachtete Variablen.
Die Stärke jedes Pfades wird durch einen Pfadkoeffizienten ausgedrückt, der dem standardisierten Regressionskoeffizienten (β) aus der multiplen Regression entspricht. Ein Gesamteffekt einer Variable X auf eine Variable Y setzt sich dabei additiv zusammen:
Gesamteffekt
Warum ist Pfadanalyse für statistische Analysen wichtig?
Die Pfadanalyse bietet gegenüber einer einzelnen Regressionsanalyse entscheidende Vorteile: Sie erlaubt es, komplexe Wirkungsketten zu modellieren und dabei zwischen direkten und indirekten Effekten zu unterscheiden. Gerade in der sozialwissenschaftlichen, psychologischen und erziehungswissenschaftlichen Forschung sind solche vermittelten Zusammenhänge – sogenannte Mediationen – von zentralem theoretischem Interesse.
Ein weiterer Vorteil ist die Möglichkeit, das Gesamtmodell anhand von Modell-Fit-Indizes zu bewerten. Gebräuchliche Kennwerte sind etwa der Chi-Quadrat-Test, der CFI (Comparative Fit Index) oder der RMSEA (Root Mean Square Error of Approximation). So lässt sich beurteilen, wie gut das theoretische Modell mit den beobachteten Daten übereinstimmt.
Außerdem ist die Pfadanalyse sensibel gegenüber Modellspezifikationsfehlern: Fehlt ein theoretisch relevanter Pfad oder wird ein nicht vorhandener Pfad aufgenommen, können die geschätzten Koeffizienten verzerrt sein. Eine sorgfältige theoretische Fundierung des Modells ist deshalb unerlässlich.
Praxisbeispiel zu Pfadanalyse
Eine Bildungsforscherin möchte untersuchen, wie sozioökonomischer Status (SES) die Schulleistung beeinflusst. Sie vermutet, dass dieser Effekt nicht nur direkt wirkt, sondern auch über die Variable elterliche Unterstützung vermittelt wird.
Ihr Pfadmodell sieht wie folgt aus:
| Pfad | Pfadkoeffizient (β) | Interpretation |
|---|---|---|
| SES → Schulleistung (direkt) | .18 | Schwacher direkter Effekt |
| SES → Elterliche Unterstützung | .45 | Mittlerer bis starker Effekt |
| Elterliche Unterstützung → Schulleistung | .38 | Mittlerer Effekt |
| SES → Schulleistung (indirekt) | .45 × .38 = .17 | Vermittelter Effekt über Unterstützung |
Der Gesamteffekt des SES auf die Schulleistung beträgt demnach .18 + .17 = .35. Die Analyse zeigt: Fast die Hälfte des Gesamteffekts läuft über den indirekten Pfad – elterliche Unterstützung fungiert als Mediatorvariable. Ohne die Pfadanalyse wäre dieser Mechanismus im Verborgenen geblieben.
