Multivariate Verfahren - PsychJOB · Modell (als Prädiktor) indirekt über die vermittelnden Schutz- bzw. ... AMOS stellt den Fit-Index SRMR nicht automatisch im Ausgabefenster dar

Analyse linearer Strukturgleichungsmodelle

1

Rudolf & Müller (2011): Multivariate Verfahren (2. Auflage). Göttingen: Hogrefe

Matthias Rudolf & Johannes Müller

Multivariate Verfahren Eine praxisorientierte Einführung mit Anwendungsbeispielen in SPSS

Praxisbeispiel zur Analyse linearer Strukturgleichungsmodelle:

Ressourcen

Inhalt:

1 Beschreibung der Untersuchung 2

2 Beschreibung der Daten 2

3 Auswertung 4

3.1 Zeichnen des Pfaddiagramms 4

3.2 Berechnung des Strukturgleichungsmodells 8

4 Literatur 13

Ressourcen

2


Ressourcen

Das nachfolgende Praxisbeispiel dient zur Illustration der Analyse linearer Strukturgleichungsmodelle, deren Grundlagen ausführlich im Kapitel 10 des Buches Multivariate Verfahren beschrieben sind.

1 Beschreibung der Untersuchung

Der Beispieldatensatz enthält die Daten von 198 Teilnehmerinnen des Forschungsprojekts „Psychosoziale Ressourcen und kardiovaskuläres Risiko bei Frauen im mittleren Lebensalter“ von Bergmann et al. (2000). In diesem vom Bundesministerium für Bildung, Wissenschaft, Forschung und Technologie (BMBF, Public Health Sachsen, DLR 01 EG 9410) geförderten Projekt wurden Dresdner Frauen im Alter von 40 bis 60 Jahren untersucht. Dabei wurde eine große Anzahl medizinischer wie psychologischer Risiko- und Schutzfaktoren bezüglich Herzkreislauferkrankungen erhoben. Ziel war u.a. die Suche nach Schutzfaktoren, die das kardiovaskuläre Risiko vermindern. Hierzu wurden die Frauen sowohl einem klinischen Interview als auch einer medizinischen Untersuchung unterzogen. Außerdem bearbeiteten die Frauen eine Reihe von Fragebögen. Der Datensatz enthält einen kleinen Ausschnitt der erhobenen psychologischen Variablen. Im vorliegenden Text soll mittels Strukturgleichungsmodellen untersucht werden, inwieweit sich Belastungen im Alltag und im Beruf auf das Befinden der Frauen im mittleren Lebensalter auswirken. Dabei soll zusätzlich der moderierende Einfluss des Schutzfaktors (der Ressource) Selbstwirksamkeit und des Risikofaktors Ärger-Ausdruck berücksichtigt werden. Die genannten vier Variablen gehen als latente Variablen in das Strukturgleichungsmodell ein. Die zugehörigen Messmodelle, also die Operationalisierungen der latenten Variablen, werden im nächsten Abschnitt dargestellt.

2 Beschreibung der Daten

Tabelle 1 enthält die Variablen des Beispieldatensatzes. In dem Datensatz sind jeweils die z-standardisierten Werte angegeben. Hohe Werte repräsentieren dabei den im Label angegebenen Pol der Variablen. So bedeuten z.B. hohe z-Werte in der Variable Stressoren am Arbeitsplatz, dass viele solcher Stressoren berichtet werden.

Das Messmodell des latenten Prädiktors Belastung ist durch zwei beobachtete Variablen repräsentiert. Bei der ersten Variablen handelt es sich um die bereits erwähnte Variable Stressoren am Arbeitsplatz, sie wird über die Skala zur Erfassung sozialer Stressoren am Arbeitsplatz von Frese und Zapf (1987) erhoben. Die zweite Variable erfasst die alltäglichen Belastungen anhand der gleichnamigen Skala zur Erfassung alltäglicher Belastungen von Kaluza (1996).


3


Das Messmodell der Ressource Selbstwirksamkeit besteht aus den zwei Variablen Kohärenzgefühl und Selbstkonzept eigener Fähigkeiten. Ein hohes Kohärenzgefühl drückt sich darin aus, dass innere und äußere Reize in einem sinnvollen Zusammenhang verstanden werden und Anforderungen als bewältigbar und sinnhaft erlebt werden. Das Kohärenzgefühl wirkt als zentrale Kraft, als Widerstandsressource. Es wird hier mit dem Fragebogen zum Kohärenzgefühl (Noack et al., 1991) erfasst. Personen mit einem ausgebildeten Selbstkonzept eigener Fähigkeiten verfügen über die generalisierte Erwartung, dass ihnen in Anforderungssituationen ausreichend Handlungsmöglichkeiten zur Verfügung stehen. Es handelt sich hierbei um eine Subskala des Fragebogens zu Kompetenz- und Kontrollüberzeugung (FKK) von Krampen (1991).

Der Risikofaktor Ärger-Ausdruck wird im Rahmen der vorliegenden Untersuchung u.a. durch die Subskala Anger-out des State-Trait-Ärger-Ausdrucks-Inventars (STAXI) von Schwenkmezger, Hodapp und Spielberger (1992) erfasst. Diese Skala erfasst die Häufigkeit, mit der eine Person Ärger nach außen, also gegen andere Personen oder Objekte in der Umgebung richtet. Die zweite beobachtete Variable des Messmodells von Ärger-Ausdruck ist die Subskala Ungeduld des Fragebogens zur Analyse belastungsrelevanter Anforderungsbewältigung (FABA) von Richter, Rudolf und Schmidt (1996, siehe hierzu auch das Praxisbeispiel „FABA“ im Ordner Faktorenanalyse auf der Website zum Buch).

Das latente Kriterium Befinden wird anhand von drei Variablen gemessen. Mit der Variable Depressive Verstimmtheit wird die emotionale Grundstimmung der Probandinnen erfasst (Frese, 1991). Die Variable klimakterische Beschwerden beschreibt das Ausmaß der Beschwerden in der Menopause. Die Variable setzt sich zusammen aus zehn Items der Menopause-Bewertungsskala (MRS) von Hauser (1993) und acht Items der Klimakterischen Beschwerdeliste (Frick-Bruder, 1983). Als dritte Variable für das Befinden wurde das psychosoziale Wohlbefinden nach Rimann und Udris (1993) erfasst. Hierbei werden sechs Items zu Aspekten der seelischen Gesundheit und zwei Piktogramme zur körperlichen und seelischen Verfassung eingesetzt. Tabelle 1: Liste der Variablen zum Beispiel Depression

Variablen Label Bemerkungen

Messmodell der latenten Variable Belastung stresarb Stressoren am Arbeitsplatz alltbela alltägliche Belastungen

Messmodell der latenten Variable Selbstwirksamkeit selbskf Selbstkonzept eigener Fähigkeiten Subskala des FKK kohärenz Kohärenzgefühl Verstehbar-, Bewältigbar- und Sinhaftigkeit

Messmodell der latenten Variable Ärger-Ausdruck ungeduld Ungeduld Subskala des FABA angeout Anger-out Subskala des STAXI

Ressourcen

4


Messmodell der latenten Variable Befinden deprvers depressive Verstimmtheit klimabes klimakterische Beschwerden psywohl psychosoziales Wohlbefinden

3 Auswertung

3.1 Zeichnen des Pfaddiagramms Um die Zusammenhänge zwischen den latenten Variablen Belastung, Selbstwirksamkeit, Ärger-Ausdruck und Befinden modellieren zu können, müssen zunächst die zugehörigen Messmodelle erstellt werden. Die Zeichnung von Pfaddiagrammen wurde in Kapitel 10 des Buches Multivariate Verfahren ausführlich beschrieben. Im vorliegenden Text wird die Zeichnung des Strukturgleichungsmodells nicht erläutert. Es werden hierzu lediglich ausgewählte Hinweise gegeben. Falls Sie das Strukturgleichungsmodell nicht zeichnen wollen, können sie alternativ die Datei Ressourcen.amw öffnen. Ein komplettes Messmodell lässt sich relativ zügig mit dem Werkzeug latente Variable Zeichnen erstellen. Abbildung 1 zeigt ein mit diesem Befehl erzeugtes Messmodell. Wählen Sie in der Werkzeugleiste die entsprechende Schaltfläche [1] (abweichend von den Textdateien der übrigen Praxisbeispiele werden in diesem Kapitel vereinzelt zur Vereinfachung der Kommunikation Hinweispfeile wie im Buch eingesetzt). Nach Aktivierung des Befehls kann eine Ellipse und somit die latente Variable gezeichnet werden. Danach können per Mausklick auf die Ellipse beobachtete Variablen inklusive Fehlervariablen und zugehöriger Pfade hinzugefügt werden. Die Größe der Rechtecke der beobachteten Variablen variiert dabei je nach Größe der latenten Variablen. Im Trial and Error-Verfahren kann so ein Messmodell geeigneter Größe erstellt werden. Nach Aktivierung des Befehls Indikator rotieren [2] können die beobachteten Variablen des Messmodells per Mausklick auf die latente Variable im Uhrzeigersinn um die latente Variable gedreht werden. Um ein Messmodell zu verschieben, kann bei aktiviertem Befehl Symmetrien erhalten [3] über den Befehl Verschieben [4] das gesamte Messmodell verschoben werden. Angriffspunkt der Maus muss dabei die Ellipse der latenten Variablen sein.

Zeichnen Sie auf diese Weise die vier Messmodelle der latenten Variablen. Die beobachteten Variablen der vier latenten entsprechen den in Tabelle 1 dargestellten. Ordnen Sie die Ellipsen der latenten Variablen so an, dass zwischen allen latenten Variablen Pfade gezeichnet werden können. Zeichnen Sie ein Pfaddiagramm, das dem in Abbildung 2 ähnelt. Da wir uns auf der exploratorischen Ebene befinden, können verschiedene Modelle für mögliche Zusammenhänge zwischen den latenten Variablen entwickelt werden.


5


Abbildung 1: AMOS Zeichenfläche (Zeichnen eines Messmodells) Abbildung 2 zeigt ein mögliches Strukturmodell. Belastung wirkt sich in diesem Modell (als Prädiktor) indirekt über die vermittelnden Schutz- bzw. Risikofaktoren Selbstwirksamkeit und Ärger-Ausdruck auf die latente Variable Befinden aus. Dementsprechend gehen zwei Pfade von der Variablen Belastung aus. Einer zeigt auf die Variable Selbstwirksamkeit, der andere auf die Variable Ärger-Ausdruck. Diese beiden latenten Variablen werden somit zu Kriterien. Dementsprechend müssen für diese Variablen Fehlervariablen in das Modell aufgenommen werden. Die Fehlervariablen können zum Beispiel gemäß den Anfangsbuchstaben der zugehörigen Variablen s und a genannt werden. Zwei weitere Pfade zeigen von den (somit auch als Prädiktoren fungierenden) Variablen Selbstwirksamkeit und Ärger-Ausdruck auf das latente Kriterium Befinden.

3

1

2 4

6

5

7

Ressourcen

6


Abbildung 2: AMOS Zeichenfläche (Strukturgleichungsmodell, Modus Input) Dementsprechend ist eine dritte Fehlervariable für das Kriterium Befinden zu erstellen, die zum Beispiel bef genannt werden kann (nur b als Name wäre hier ungünstig, da die latente Variable Belastung ebenfalls mit einem B beginnt). Links unter dem Strukturgleichungsmodell ist eine Legende mit Platzhaltern für einige wichtige Parameter der Modellgüte (zum Beispiel den χ2-Wert, CFI, RMSEA) eingezeichnet. Anstelle der Platzhalter erscheinen nach Berechnung des Modells im Modus Output die berechneten Werte der Parameter. Wählen Sie, um die Legende zu erstellen, den Befehl Title (vgl. Abbildung 1 [5]) und klicken Sie auf die Position der Zeichenfläche, an der die Schrift erscheinen soll.

Es erscheint das in Abbildung 3 gezeigte Dialogfenster. Mit diesem Befehl kann Text (z.B. Bildüberschriften, Legenden usw.) in das Pfaddiagramm eingefügt werden. Wählen Sie als Ausrichtung für den Text linksbündig (Left align). Geben Sie dann in das freie Feld den Text aus Abbildung 2 ein. Parameterbezeichnungen, denen ein Backslash vorangestellt ist, stehen dabei für AMOS-Befehle: Nach


7


Berechnung des Modells erscheint hier jeweils anstelle des Schriftzugs der entsprechende Parameter.

Abbildung 3: Dialogfenster Abbildungsüberschrift

So erscheint zum Beispiel später an der Stelle des Begriffs „\cfi“ der CFI-Wert des Modells (siehe Abbildung 8). Bestätigen Sie anschließend die Eingabe über OK.

Nachdem die Variablen gezeichnet wurden, können sie benannt werden. Klicken Sie hierzu doppelt auf eine Variable, um das in Abbildung 4 gezeigte Dialogfenster Objekteigenschaften zu öffnen. Wählen Sie hier die Registerkarte Text und geben Sie im Feld Variablenname den Namen der entsprechenden Variablen ein, wie hier für das Beispiel stresarb für die Variable Stressoren am Arbeitsplatz gezeigt. Wählen Sie als Schriftgröße (Font size) eine für ihr Pfaddiagramm geeignete Schriftgröße. In der vorliegenden Datei wurde eine Schriftgröße von 14 pt gewählt. Benennen Sie auf diese Weise alle Variablen. Dabei kann das Dialogfenster ständig geöffnet bleiben. Die jeweils zu benennende Variable kann per Mausklick angewählt werden. Falls das Dialogfenster einige Variablen verdeckt, kann es über die (hier blau dargestellte) Titelleiste des Dialogfensters verschoben werden.

Abbildung 4: Dialogfenster Objekteigenschaften (Re-

gisterkarte Text)

Ressourcen

8


Für die Pfade der Fehlervariablen der latenten Variablen müssen nun noch die Pfadkoeffizienten auf 1 festgesetzt werden. Klicken Sie hierzu, wie in Abbildung 5 für das Beispiel der Fehlervariablen der latenten Variablen Ärger-Ausdruck gezeigt, auf den Pfad der Fehlervariablen und wählen Sie im Dialogfenster Objekteigenschaften die Registerkarte Parameter. Geben Sie in das Feld Pfadkoeffizient (Regression weight) den Wert 1 ein und wählen Sie gegebenenfalls eine geeignete Schriftgröße.

Abbildung 5: Dialogfenster Objekteigenschaften (Registerkarte

Parameter) Die Koeffizienten der vorliegenden Datei haben alle die Größe 12 pt. Wiederholen Sie den Vorgang für die Fehlervariablen der latenten Variablen Selbstwirksamkeit und Befinden. Passen Sie außerdem gegebenenfalls die Schriftgrößen der Parameter sämtlicher Pfade und Variablen an. Bei geöffnetem und günstig positioniertem Dialogfenster Objekteigenschaften ist diese zunächst lang und lästig erscheinende Aufgabe relativ schnell zu bewältigen. Schließen Sie das Fenster. Sie haben nun das Pfadmodell aus Abbildung 2 erzeugt. 3.2 Berechnung des Strukturgleichungsmodells Nun soll die SPSS-Datendatei Ressourcen.sav als Datendatei für die Berechnung des linearen Strukturgleichungsmodells definiert werden. Wählen Sie hierzu im Hauptmenü unter File die Option Data Files. Es öffnet sich das Dialogfenster aus Abbildung 6. Wählen Sie hier die Schaltfläche File Name, suchen Sie in dem sich öffnenden Fenster die Datei Ressourcen.sav und wählen Sie die Datei aus. Sie


9


erscheint nun in dem (untersten) freien Feld in Abbildung 8. Bestätigen Sie die Auswahl über die Schaltfläche OK.

Abbildung 6: Dialogfenster Datendateien

Vor den ersten Berechnungen mit AMOS muss eine Besonderheit beachtet werden. AMOS stellt den Fit-Index SRMR nicht automatisch im Ausgabefenster dar. Um ihn später angezeigt zu bekommen, muss vor der ersten Berechnung in der Me-nüleiste zuerst Plugins angeklickt werden und danach Standardized RMR. Darauf-hin erscheint das in Abbildung 7 dargestellte Fenster, in dem nach erfolgter Be-rechnung vom Programm der SRMR-Wert eingetragen wird.

Abbildung 7: Dialogfenster Standardisierte RMR

Berechnen Sie anschließend das Modell (vgl. Abbildung 1 [6]). Wählen Sie nach der Berechnung des Modells, wie in Abbildung 8 dargestellt, den Modus Output [1] und die standardisierten Parameter [2]. An den Variablen und Pfaden des Strukturgleichungsmodells erscheinen die Werte der Parameter. Falls einzelne Parameter von Pfeilen verdeckt werden, können sie über den Befehl Parameter verschieben geeigneter positioniert werden (vgl. Abbildung 1 [7]). In der Legende des Modells erscheinen die berechneten Parameter der Modellgüte. Mit dem χ2-Test

Ressourcen

10


wird geprüft, ob die innerhalb des Modells berechneten Parameter signifikant von den beobachteten Werten abweichen. Der χ2-Wert beträgt χ2 = 36.7, der p-Wert p = .04, was zu einer Ablehnung des Modells führen könnte. Dagegen ist der χ2-Wert kleiner als die mit 2.5 multiplizierte Anzahl der Freiheitsgrade (df = 23), was für eine zufriedenstellende Anpassung des Modells spricht. Der CFI des Modells (CFI = .90) liegt jedoch unter 0.95 und somit im nicht akzeptablen Bereich. Der RMSEA hingegen liegt zwar über 0.05, jedoch noch unter 0.08 (RMSEA = .055) und kann als akzeptabel bewertet werden. Der SRMR, welcher im separaten Ausgabefenster dargestellt wird (vgl. Abb. 7), ist mit 0.06 kleiner als 0.10. Da nicht alle Modellparameter gleichermaßen im zufriedenstellenden Bereich liegen, ist es sinnvoll nach inhaltlich begründeten Modellmodifikationen zu suchen.

Die Pfadkoeffizienten der Messmodelle bewegen sich zwischen pstresarb,Belastung = .46 und pdeprvers,Befinden = .85. Dementsprechend liegen die Anteile der aufgeklärten Varianz der beobachteten Variablen zwischen 21% und 72% (.462 = .21 und .852 = .72). Die Pfadkoeffizienten der Messmodelle von Belastung, Selbstwirksamkeit und Ärger-Ausdruck sind jeweils alle positiv. Die positiven Vorzeichen entsprechen jeweils den aufgrund der Kodierung der beobachteten Variablen getroffenen Erwartung. Latente Variablen und zugehörige beobachtete Variablen sind jeweils gleichsinnig kodiert. Der Pfadkoeffizient der latenten Variablen zur beobachteten Variablen psywohl ist dagegen negativ (ppsywohl,Befinden = −.79). Die beiden anderen Pfadkoeffizienten sind positiv (pdeprvers,Befinden = .85. und pklimabes,Befinden = .57). Eine hohe depressive Verstimmung und viele klimakterische Beschwerden gehen also mit hohen Werten in der latenten Variablen Befinden einher. Hohe Werte in dieser latenten Variablen stehen demnach für ein schlechtes Befinden. Diese Beobachtung steht in Einklang mit dem negativen Pfadkoeffizienten ppsywohl,Befinden: Ein hohes psychosoziales Wohlbefinden hängt mit niedrigen Werten in Befinden, also einem niedrigen schlechten Befinden, zusammen. Die Vorzeichen der Pfade sämtlicher Messmodelle entsprechen also den Erwartungen.

Die Pfadkoeffizienten des Pfads von der latenten Variablen Belastung über die Selbstwirksamkeit hin zum Befinden sind mit pSelbstwirksamkeit,Belastung = −.92. und pBefinden,Selbstwirksamkeit = −.95 höher als die des Pfades von Belastung über den Ärger-Ausdruck zu Befinden. Insbesondere scheint sich der Ärger-Ausdruck in diesem Modell nicht direkt auf das Befinden auszuwirken, der Pfadkoeffizient beträgt nur pBefinden,Ärger-Ausdruck = .04.

Es wäre zum Beispiel auch denkbar, dass sich ein hoher Ärgerausdruck nicht direkt in einem schlechten Befinden ausdrückt, sondern negativ auf die Selbstwirksamkeitserwartung wirkt. Diese wirkt dann wiederum hemmend auf das schlechte Befinden. Ärger-Ausdruck hätte nach diesem Modell also nur einen indirekten Einfluss auf das Befinden.


11


Abbildung 8: AMOS Zeichenfläche (Strukturgleichungsmodell, Modus Output, standardi-

sierte Parameter)

Abbildung 9 zeigt das entsprechende Modell im Modus Output mit standardisierten Parametern. Die Parameter der Modellgüte sind besser als die des vorherigen Modells (vgl. Abbildung 8). Den 23 Freiheitsgraden steht nun ein χ2-Wert von χ2 = 29.6 gegenüber. Dieser Wert ist deutlich kleiner als die mit 2.5 multiplizierte Anzahl der Freiheitsgrade. Der p-Wert des χ2-Tests beträgt p = .16, das Modell wird also nicht signifikant abgelehnt. Der CFI liegt nun über 0.95 (CFI = 0.951), der RMSEA mit 0.038 deutlich unter 0.05, was auf eine gute Modellanpassung hindeutet. Auch der im separaten Ausgabefenster dargestellte SRMR liegt unter der festgesetzten Obergrenze von 0.10 (SRMR = 0.05). Somit kann die statistische Modellgüte als zufriedenstellend eingeschätzt werden.

Die Pfadkoeffizienten der Messmodelle sind überwiegend vergleichbar mit denen des vorherigen Modells aus Abbildung 8. Lediglich die Pfadkoeffizienten des Messmodells der latenten Variablen Belastung sind gestiegen (pstresarb,Belastung = .51 und palltbela,Belastung = .83).

Die Pfadkoeffizienten zwischen den latenten Variablen haben sich teilweise deutlich verändert. Der Einfluss der Belastung auf die Selbstwirksamkeit hat in diesem Modell deutlich an Gewicht verloren, der Pfadkoeffizient beträgt nun pSelbstwirksamkeit,Belastung = −.50 (gegenüber −.92 in Abbildung 8).

1

2

Ressourcen

12


Abbildung 9: AMOS Zeichenfläche (modifiziertes Strukturgleichungsmodell,

Modus Output, standardisierte Parameter) Der Einfluss der Belastung auf den Ärger-Ausdruck ist laut diesem modifizierten Modell ebenfalls geringer, der entsprechende Pfadkoeffizient beträgt nur noch pÄrger-Ausdruck,Belastung = .49. Der Einfluss der Belastung auf die beiden vermittelnden Faktoren wird also in etwa gleich gewichtet. Der Ärger-Ausdruck scheint sich wiederum tatsächlich eher auf die Selbstwirksamkeit als auf das Befinden auszuwirken. In diesem Modell (dessen Gütekriterien besser sind als die des vorherigen) beträgt der Pfadkoeffizient pSelbstwirksamkeit,Ärger-Ausdruck = −.47. Je mehr Ärger eine Person nach außen hin zeigt und je ungeduldiger sie bei der Arbeit ist, desto geringer ist also die Selbstwirksamkeit dieser Person.

Anhand dieses Praxisbeispiels ist ein exploratorisches Vorgehen bei der Analyse linearer Strukturgleichungsmodelle durchgeführt worden. Es wurden zwei inhaltlich unterschiedlich begründete Modelle berechnet. Weitere mögliche Modelle diskutieren Mix et al. (2000). Die Entscheidung für Modelle, die als Hypothesen in weitere Untersuchungen eingehen sollen, muss in solchen Anwendungssituationen bei gleichzeitiger Betrachtung von statistischen und inhaltlichen Aspekten erfolgen.


13


4 Literatur

Bergmann, S., Mix, C., Kocis, K., Uhlig, K., Richter, P. & Jaroß, W. (2000). Psychosocial resources and cardiovascular health in middle aged women: The PSYRECA-study. In R. Manz & W. Kirch (Hrsg.). Public Health Research and Practice 1998-2000. Vol. II. Regensburg: Roderer.

Mix, C., Kocis, K., Mühlfordt, S., Stoll, A., Jaroß, W., Bergmann, S., & Richter, P., (2000). Psychosoziale Ressourcen und kardiovaskuläres Risiko bei Frauen im mittleren Lebensalter. Abschlussbericht des Sächsischen Public Health Forschungverbundes (BMW+F) (A 5). Dresden: Eigenverlag.

Frese, M. (1991). Aktives Handeln in einer Umbruchsituation: Aktive Handlungsstrategien der Arbeitenden in der DDR nach Einführung der D-Mark. Pilotuntersuchung. Bericht. Gießen: Institut für Psychologie der Ludwig-Maximilian-Universität.

Frese, M. & Zapf, D. (1987). Eine Skala zur Erfassung von sozialen Stressoren am Arbeitsplatz. Zeitschrift für Arbeitswissenschaft, 41, 134-141.

Frick-Bruder, V. (1983). Das Klimakterium der Frau. In: H. P. G. Schneider (Hrsg.) Klimakterium der Frau. Berlin: Schering AG.

Hauser, G. A. (1993). Auch im Alter mehr Lebensqualität. Sexualmedizin, 22 (11), 368-370.

Kaluza, G. (1996). Gelassen und Sicher im Stress. Berlin: Springer. Krampen, G. (1991). Fragebogen zu Kompetenz- und Kontrollüberzeugung (FKK). Göttingen: Hogrefe. Noack, H., Bachmann, N. Olivieri, M. Kopp, H. G. & Udris, I. (1991). Fragebogen zum

Kohärenzgefühl. Autorisierte Übersetzung des Sense of Coherence Questionnaire von Antonovsky. Bern: Universität, Institut für Sozial- und Präventivmedizin.

Richter, P., Rudolf, M. & Schmidt, F.C. (1996). Fragebogen zur Analyse belastungsrelevanter Anforderungsbewältigung (FABA). Frankfurt a.M.: Swets & Zeitlinger.

Rimann, M. & Udris, I.(1993). Belastungen und Gesundheitsressourcen im Berufs- und Privatleben. Eine quantitative Studie. Forschungsprojekt SALUTE, Bericht Nr. 3. Zürich: Institut für Arbeitspsychologie (unveröffentlicht).

Schwenkmezger, P., Hodapp, V. & Spielberger, C. D. (1992). Das State-Trait-Ärger-Ausdrucks-Inventar (STAXI). Bern: Hans Huber.

Documents

Multivariate Verfahren - PsychJOB · Modell (als Prädiktor) indirekt über die vermittelnden Schutz- bzw. ... AMOS stellt den Fit-Index SRMR nicht automatisch im Ausgabefenster dar