5.2 Modellierung des Messfehlers

Ein großer Vorteil der kovarianz-basierten KFA ist, neben der Modellschätzung von nicht-beobachtbaren latenten Variablen, das man den Messfehler im spezifizierten Modell abbilden lassen und schätzen lassen kann. Bei der Datenanalyse mit SPSS geht das Auswertungsmodell bspw. immer davon aus (zumindest ist das bei der Berechnung von Mittelwert- oder Summenindizes der Fall), dass die Indikatoren perfekt, also ohne Messfehler gemessen wurden.

Der Messfehler, den man bei der KFA im Modell abbildet, kann dabei systematisch oder zufällig sein. Ein systematischer Messfehler besteht, wenn bspw. zwei Indikatoren, denen ein latentes Konstrukt zugrunde liegt, über das Konstrukt hinaus miteinander kovariieren, was im ursprünglich spezifizierten Modell nicht vorgesehen ist.⁷ Aber auch einzelne Indikatoren können einen systematischen Messfehler aufweisen, etwa wenn eine bestimmte Befragtengruppe ein Item aus irgendeinem Grund nicht richtig versteht.

Ansonsten kann der Messfehler auch durch Unachtsamkeit der Befragten, wie bspw. ein Klick auf die falsche Antwort entstanden sein. Dann ist der Messfehler zufällig.