< Zurück   INHALT   Weiter >

4.2 Messinvarianz

Faktorielle Struktur

Die Erklärung der Items durch drei latente Konstrukte, nämlich „Anstreben eines idealen Berufs“, „Entscheidungsverzögerung“ und „Informationen sammeln“ konnte, wie konfirmatorische Faktorenanalysen zeigten, in allen drei Gruppen nachgewiesen werden [Kohorte 1: χ2 (48) = 68.4, p <.05, CFI = .98, RMSEA = .03

/ Kohorte 2: χ2 (48) = 96, p <.001, CFI = .98, RMSEA = .04 / Kohorte 3: χ2 (48) =

54.3, p = .24, CFI = .99, RMSEA = .03]. Zusätzlich passte ein dreifaktorielles Modell – gerechnet über alle drei Kohorten hinweg – besser auf die Daten χ2 (142) = 218.7, p <.001, CFI = .98, RMSEA = .03, als ein einfaktorielles Modell; χ2 (159) = 1970.6, p<.001, CFI = .68, RMSEA = .16 (vgl. Tab. 3). Damit wird eine dreifaktorielle Lösung als Basismodell angenommen (sog. dreifaktoriell konfigurales Modell). In diesem Modell werden die Items je durch eine latente Variable und durch einen Messfehler erklärt (vier Messmodelle). Die Fehler zwischen den Items sind nicht korreliert und alle Pfade zwischen den 3 Kohorten konnten frei variieren. Dieses Basismodell bildet die Referenz für die Modellvergleiche bei der Klärung der Frage, ob die Zusammenhänge zwischen den drei Kohorten gleich sind.

4.3 Messinvarianz der Merkmale

Nach der Klärung der Faktorenstruktur wurden im nächsten Schritt zur Prüfung der Messinvarianz die Faktorladungen zwischen den Kohorten gleich gesetzt (schwache faktorielle Invarianz). Im Vergleich zum Basismodell, in dem die Ladungen zwischen den Kohorten frei variieren konnten, zeigten sich gute Passungswerte, obwohl der χ2-Test signifikant wird. Diese Signifikanz legt nahe, das Modell mit den fixierten Faktorladungen nicht anzunehmen, es also zugunsten des Basismodells zu verwerfen. Allerdings reagiert bei grösseren Stichproben der χ2-Test auf sehr kleine Modellabweichungen sensibel und kann deshalb zu falsch signifikanten Ergebnissen führen (Schulte, Nonte & Schwippert, 2013). Deshalb wurden für die Entscheidung, ob das Modell angenommen werden kann, weitere Anpassungsmasse (CFI, RMSEA, BIC) herangezogen und auch entsprechende Cut-Off Grenzen berücksichtigt (Hu & Bentler, 1999). Auf Grund der erwähnten Problematik mit dem χ2-Test wurde zur Entscheidung, welches Modell dem anderen vorzuziehen ist, in Anlehnung an Meade, Johnson & Braddy (2008), nicht der Δχ2-Differenztest, sondern der CFI-Differenzwert herangezogen (ΔCFI). Dieser liegt im vorliegenden Fall mit 0.004 unter dem von Meade et al. (2008) berichteten Grenzwert von .02. Damit kann davon ausgegangen werden, dass für die Praxis keine bedeutsam signifikante Abweichung vom Basismodell vorliegt (Schulte et al., 2013) und deshalb schwache faktorielle Messinvarianz zwischen den Gruppen angenommen werden konnte (vgl. Tab. 4). In einem weiteren Schritt wurde geprüft, ob auch starke Messinvarianz angenommen werden kann.

Dies erforderte, nicht nur die Faktorladungen sondern auch die Intercepts zwischen den Gruppen gleich zu setzen. Hierzu zeigte der Vergleich mit dem Basismodell wiederum einen signifikanten χ2 -Test. Ebenfalls liegen die anderen Anpassungsmasse teilweise am Grenzwert [RMSEA = .05, ΔCFI = .017]. Aus diesem Grund wurde stark-faktorielle Invarianz abgelehnt. Daher vergleichen wir die Mittelwerte zwischen den Kohorten nicht.

Tabelle 4 Ergebnisse der multiplen Gruppenvergleiche zu den Merkmalen der Entscheidungsfindung über die drei Kohorten Übergang Schule-Berufsausbildung, Übergang Berufsausbildung-Erwerbsleben, Übergang Erwerbsleben-Weiterbildung.

χ2 Chi-Quadrat; df Freiheitsgrade; p Signifikanzniveau des χ2-Tests; CFI Comparative-FitIndex; BIC Bayesian-Information-Criterion; RMSEA Root-Mean-Square-Error of Approximation; ΔCFI CFI-Differenztest; Δχ2 Chi-Quadrat-Differenztest

4.4 Der Zusammenhang von Merkmalen der Entscheidungsfindung mit der Passungswahrnehmung

Die Bearbeitung der Frage, wie die Merkmale der Entscheidungsfindung mit der Passungswahrnehmung in Beziehung stehen, erforderte zunächst die Prüfung, ob sich das Strukturmodell, d. h. die Zusammenhänge zwischen den latenten Variablen, zwischen den Kohorten unterscheidet. In diesem waren die Faktorladungen, die Korrelationen zwischen den Merkmalen der Entscheidungsfindung untereinander und die gerichteten Pfadkoeffizienten zwischen den Merkmalen der Entscheidungsfindung und der Passungswahrnehmung gleich gesetzt. Die Anpassung dieses Modells ist akzeptabel χ2 (172) = 283.3, p <.001, CFI = .98, RMSEA = .04, BIC = 36895, ΔCFI = .006. Dies bedeutet, dass das restringierte Modell mit fixierten Ladungen zwischen den Kohorten nicht schlechter ist als das Modell mit freien Ladungen, aber sparsamer. Somit kann davon ausgegangen werden, dass die Pfade zwischen den Kohorten gleich sind. Die kohortenübergreifende Analyse zeigte, dass das Streben nach einem idealen Beruf [β = .27, p < .001], die Tendenz, die anstehende Entscheidung nicht hinauszuzögern [β = -.17, p < .001], und auch das Zusammentragen und Auswerten von Informationen [β= .21, p < .001] mit der Passungswahrnehmung in einem systematischen Zusammenhang stehen (vgl. Abb. 1).

Stehen Menschen vor berufsbiografischen Entscheidungen an der ersten oder zweiten Schwelle oder suchen sie eine Entscheidung für eine Weiterbildung, führt ihr Streben einen Beruf zu finden, der ihre Wünsche und Vorlieben erfüllen kann, eher dazu, dass sie den getroffenen Entscheid als zu ihnen passend einschätzen. In gleicher Weise unterstützt sie ihr stetes Vorangehen, also ihr Bestreben, den anstehenden Entscheid nicht aufzuschieben. Versuchen Individuen überdies, Informationen möglichst sorgfältig und umfassend zusammen zu tragen und diese in Bezug auf die Entscheidung zu prüfen, steht auch dies in einem positiven Zusammenhang mit der Passungswahrnehmung.

Abbildung 1 Kohortenübergreifende Zusammenhänge zwischen den Merkmalen der Entscheidungsfindung und der Passungswahrnehmung.

Diese Ergebnisse gilt es nun in einem weiterführenden, berufsbiografischen Horizont einzuordnen.

 
< Zurück   INHALT   Weiter >