Reflektives Messmodell
In diesem Beitrag
Was versteht man unter einem reflektiven Messmodell?
Ein reflektives Messmodell beschreibt die Beziehung zwischen einem latenten Konstrukt und seinen Indikatoren so, dass das Konstrukt als Ursache der beobachteten Indikatoren gilt. Die Indikatoren sind also Ausdruck oder Widerspiegelung des zugrunde liegenden Konstrukts – daher der Begriff „reflektiv“.
Formal gilt: Jeder Indikator wird durch das latente Konstrukt verursacht, zuzüglich eines Messfehlers :
Modellgleichung (reflektiv)
Dabei steht für die Faktorladung, die angibt, wie stark der Indikator mit dem Konstrukt zusammenhängt. Dieses Prinzip entspricht dem klassischen Faktoranalysemodell (z. B. konfirmatorische Faktoranalyse, CFA).
Kennzeichnend für ein reflektives Modell sind folgende Eigenschaften:
- Die Kausalrichtung verläuft vom Konstrukt zu den Indikatoren.
- Die Indikatoren sind grundsätzlich austauschbar – sie messen alle dasselbe Konstrukt und sollten daher untereinander korrelieren.
- Das Weglassen oder Hinzufügen einzelner Indikatoren verändert das Konstrukt inhaltlich nicht.
- Die Indikatoren sollten eine hohe interne Konsistenz aufweisen (z. B. Cronbachs Alpha, durchschnittlich extrahierte Varianz).
Warum ist das reflektive Messmodell für statistische Analysen wichtig?
Die Entscheidung, ob ein Messmodell reflektiv oder formativ spezifiziert wird, hat erhebliche Konsequenzen für die Modellbildung, die Wahl der Analysemethode und die Interpretation der Ergebnisse. Reflektive Messmodelle sind der Standardfall in vielen sozialwissenschaftlichen, psychologischen und betriebswirtschaftlichen Studien – insbesondere beim Einsatz von Strukturgleichungsmodellen (SEM).
Die Wahl des richtigen Messmodells ist aus mehreren Gründen entscheidend:
- Gütekriterien: Reflektive Modelle werden anhand von Reliabilitäts- und Validitätskriterien bewertet (z. B. Indikatorreliabilität, Konstruktreliabilität, konvergente und diskriminante Validität). Diese Kriterien gelten für formative Modelle nicht.
- Methodenwahl: Bei reflektiven Modellen können sowohl kovarianzbasierte SEM (CB-SEM, z. B. mit AMOS oder lavaan) als auch varianzbasierte Verfahren (PLS-SEM) eingesetzt werden.
- Inhaltliche Konsistenz: Nur wenn Indikatoren wirklich dasselbe Konstrukt widerspiegeln, sind Messungen über verschiedene Gruppen oder Zeitpunkte hinweg vergleichbar (Messinvarianz).
Praxisbeispiel zu reflektiven Messmodellen
Angenommen, du untersuchst in deiner Masterarbeit das latente Konstrukt „Arbeitszufriedenheit“ mit einem Fragebogen. Du verwendest vier Items:
| Indikator | Frageformulierung (Beispiel) |
|---|---|
| Item 1 | „Ich bin mit meiner Arbeit insgesamt zufrieden.“ |
| Item 2 | „Meine Arbeit bereitet mir Freude.“ |
| Item 3 | „Ich bin froh, diesen Job zu haben.“ |
| Item 4 | „Ich würde diesen Job weiterempfehlen.“ |
Da Arbeitszufriedenheit als innere Einstellung konzipiert ist, die alle vier Aussagen gleichermaßen beeinflusst, handelt es sich um ein reflektives Modell: Wer zufrieden ist, stimmt tendenziell allen vier Aussagen zu. Die Items korrelieren miteinander, weil sie dasselbe Konstrukt widerspiegeln – nicht weil sie sich gegenseitig bedingen.
Im Rahmen einer konfirmatorischen Faktoranalyse (CFA) würdest du nun prüfen, ob die Faktorladungen hoch genug sind (typischerweise ≥ 0,70), ob die interne Konsistenz stimmt (Cronbachs Alpha ≥ 0,70) und ob das Konstrukt diskriminante Validität gegenüber anderen Konstrukten besitzt. Sind diese Kriterien erfüllt, gilt das Messmodell als gut spezifiziert und du kannst es vertrauensvoll in ein Strukturmodell einbinden.
