Brainscape's Knowledge GenomeTM

Browse over 1 million classes created by top students, professors, publishers, and experts.


See full index

Testtheorie > 4. Exploratorische Faktorenanalyse > Flashcards

4. Exploratorische Faktorenanalyse Flashcards

1
Q

Nenne die Ziele einer Faktorenanalyse

A
  • möglichst viel Information
  • möglichst wenige latente Faktoren

–> Hypothesengenerierung

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
2
Q

Korrelationen zwischen Items geben Aufschluss über __________

A

Homogenität

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
3
Q

wieso werden Faktorenanalysen eingesetzt?

A

EFFEKTIV

weniger auwändig als einzelne Korrelationen zu beurteilen

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
4
Q

Definiere “Faktorenanalyse”

A

heuristisches Instrument zur Identifizierung homogener Itemgruppen

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
5
Q

Im Gegensatz zur Konfirmatorischen Faktorenanalyse dient die Exploratorischen Faktorenanalyse der…

A
  • erstmaligen Datenreduktion
  • Überprüfung der Daten
  • Hypothesengenerierung
    => Möglichmachen der konfirmatorischen Testung
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
6
Q

Wieso sollte die EFA nicht Ende des Forschungsprozesses sein?

A

Gefahr: “Overfitting”

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
7
Q

Faktorstruktur kein Beleg dafür, dass Faktorwert __________________ ist

A

Ausdruck des latenten Konstrukts

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
8
Q

Nenne die Voraussetzungen einer exploratorischen Faktorenanalyse

A

Substanzielle Korrelationen
Unverzerrte und lineare Zusammenhänge
Hinreichend große Itemanzahl und Stichprobe
intervallskalierte Variablen

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
9
Q

Wie kann geprüft werden, dass “Substanzielle Korrelationen” vorliegen?

A
  • KMO-Kriterium

- Bartlett-Test

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
10
Q

Nenne die Nullhypothese des Bartlett-Tests.

A

H0 = alle Korrelationen sind null

also Signifikanz –> es liegt mind. eine Korrelation vor

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
11
Q

Was für einen KMO-Koeffizienten kann man erwarten bei großer Partialkoeffizienten?

A

kleiner KMO-Koeffizient

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
12
Q

Was ist eine “hinreichend große Itemanzahl und Stichprobe”?

A

Items x 5 = Minimum
N>100
Pro Faktor mind. 4 Items

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
13
Q

Nenne die Ausnahmen für “Linearität”

A

nicht adäquat:

schwach monotone und kurvilineare Verläufe

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
14
Q

Nenne eine Alternative (statt Faktorenanalyse) für kategorial-geordnete Daten.

A

Mplus

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
15
Q

Wie kann man “unverzerrte Zusammenhänge” als Voraussetzung überprüfen?

A
  • Identifikation von Ausreißern (inhaltlich und statistisch)
  • Prüfung der Histogramme jeder Variablen (Unterschiedliche Itemverteilungen?)
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
16
Q

Was ist bei unterschiedlichen Itemverteilungen sinnvoll?

A

Logarithmierung

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
17
Q

Nenne die zwei Arten von geometrischen Modellen

A

Personenraum

Faktorenraum

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
18
Q

Beschreibe die Achsen und Punkte im Personenraum

A

Achsen: n Versuchspersonen
Punkte: m items

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
19
Q

Beschreibe die Achsen und Punkte im Faktorenraum

A

Achsen: q Faktoren
Punkte: m Items

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
20
Q

Personenraum: Der ___________ (von beiden Probanden) bestimmt die Lage der Punkte im Personenraum

A

Schnittpunkt der Werte

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
21
Q

Faktorenraum: nenne die zwei Arten der Rotation

A

Orthogonale Rotation

Oblique Rotation

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
22
Q

Faktorenraum: Orthogonale Rotation

A

Winkel zwischen Itemvektoren und einer Achse möglichst gering, mit anderen Achsen (möglichst) im 90° Winkel (Einfachstruktur)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
23
Q

Faktorenraum: Oblique Rotation

A

Faktoren dürfen korrelieren (Winkel ungleich 90°)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
24
Q

Definiere die “Faktorladung” bei einer orthogonalen Rotation

A

Korrelation zwischen einem Item und einem Faktor

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
25
Q

Definiere die “Faktorladung” bei einer obliquen Rotation

A

Partielle standardisierte Regressionsgewichte

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
26
Q

Definiere “Kommunalität” (orthogonale Rotation)

A

aufgeklärte Varianz (quadrierte Ladungen) eines Items über alle extrahierten Faktoren

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
27
Q

Definiere “Kommunalität” (oblique Rotation)

A

aufgeklärte Varianz (quadrierte Ladungen) eines Items über alle extrahierten Faktoren

inkl. Faktorinterkorrelation

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
28
Q

Je höher die __________ eines Items, desto besser wird ein Item durch die Faktoren repräsentiert

A

Kommunalität

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
29
Q

Worauf bezieht sich der Begriff “Einfachstruktur”?

A

Struktur der Faktorladungsmatrix

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
30
Q

Definiere “Einfachstruktur”

A

Partielle standardisierte Regressionsgewichte eines Items…

  • auf einem Faktor sehr hoch
  • auf den restlichen Faktoren nahe 0
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
31
Q

Definiere “Eigenwert”

A

wieviel Varianz ein Faktor an allen Items aufklärt

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
32
Q

Was ändert sich durch Rotation?

A

Die eigenwerte der einzelnen Faktoren

NICHT die Gesamtvarianz aller Items

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
33
Q

Definiere “Faktorwert”

A

Wert einer Person auf einem Faktor

34
Q

Definiere “Spezifizität”

A

systematische Varianz eines Items, die durch nur einen Faktor erklärt wird

35
Q

Varianz eines Items in der Faktorenanalyse =

A

Kommunalität + Spezifität + Messfehler

36
Q

Was verursacht das Kommunalitätsproblem?

A

Die EINZIGARTIGKEIT der Items

  • -> Faktorenmodell kann Korrelationsmatrix nicht perfekt replizieren
  • -> Kommunalitäten müssen geschätzt werden
37
Q

Wo findet man die Kommunalitäten?

A

Replizierte Werte der Hauptdiagonalen

38
Q

Welche Methode?

Ziel: reine Dimensionsreduktion

A

Hauptkomponentenanalyse

39
Q

Welche Methode?

Ziel: Beziehungsmuster zwischen Variablen erklären

A

Hauptachsenanalyse

Maximum-Likelihood-Verfahren

40
Q

Hauptachsen- und Hauptkomponentenanalyse :

Beschreibe den Rechenvorgang

A

RECHNERISCH GLEICH

  1. Einsetzen der Anfangskommunalitäten in die Diagonale der Korrelationsmatrix
  2. Extraktion der voreingestellten Faktorenanzahl
  3. Kommunalität wird über Summation der quadrierten Ladungen neu ermittelt. (Diese Schätzung sei näher an der „wahren“ Kommunalität)
  4. Dieser Prozess wird wiederholt bis der Unterschied zwischen zwei aufeinander folgenden Kommunalitätsschätzungen gering ist
  5. Abbruchkriterium
41
Q

Hauptachsenanalyse: Ziel?

A

Zusammenhänge zwischen Items auf latente Variable zurückführen

42
Q

Hauptkomponentenanalyse: Ziel?

A

viel Information, wenige Faktoren

43
Q

Wie unterscheidet sich die Hauptachsenanalyse von der Hauptkomponentenanalyse?

A

Hauptachsenanalyse: gemeinsame Varianz
Hauptkomponentenanalyse: GESAMTVARIANZ

44
Q

Hauptachsenanalyse: ANFANGSKOMMUNALITÄTEN?

A

quadrierte multiple Korrelation

45
Q

Hauptkomponentenanalyse: ANFANGSKOMMUNALITÄTEN?

A

1

46
Q

Hauptachsenanalyse: PROBLEM?

A

Unterschätzung der Reliabilität

47
Q

Hauptkomponentenanalyse: PROBLEM?

A

Überschätzung der Reliabilität

48
Q

Hauptkomponentenanalyse: ANWENDUNG?

A

nur bei Tests mit hoher Reliabilität

49
Q

Hauptkomponenten sind keine _________________

A

latenten Variablen

50
Q

Hauptkomponentenanalyse: Vorteil?

A

unkomplizierte Methode, die immer Lösung herbeiführt

51
Q

Maximum-Likelihood-Verfahren: Interpretation?

A

Wie lässt sich die „Ursache“ in der Grundgesamtheit bezeichnen, die für die Korrelationen zwischen den Items verantwortlich ist?

52
Q

Nenne die Voraussetzungen des Maximum-Likelihood-Verfahrens?

A
  • Ausreichend große Stichproben

* Multivariate Normalverteilung (AMOS)

53
Q

Wie heißt der Modelltest des MLV?

A

χ 2 -Test:

das angenommene Modell anzunehmen oder zu verwerfen

54
Q

Maximum-Likelihood-Verfahren:

auf was wird die Anfangskommunalität gesetzt?

A

Quadrierte multiple Korrelation des Items mit allen anderen Items

55
Q

MAXIMUM-LIKELIHOOD-VERFAHREN:

Wie wird die Anzahl der Faktoren bestimmt?

A

Goodness-of-Fit-Test (significant  Extraktion eines weiteren Faktors)

56
Q

MAXIMUM-LIKELIHOOD-VERFAHREN:

Anwendung?

A
  • Bei Normalverteilung

* Wenn Rückschlüsse auf die Struktur in einer Population gezogen werden sollen

57
Q

Wie viele Faktoren sollen extrahiert werden?

Nenne die zwei Aspekte die hier berücksichtigt werden sollen.

A
  • Inhaltliche Plausibilität der Faktoren

* Wie gut reproduzieren die Ladungen der Faktoren die beobachtete Korrelationsmatrix?

58
Q

Nenne die 2 A PRIORI Methoden die zur Bestimmung der Faktorenanzahl zur Verfügung stehen

A
  1. hypothetisches Modell

2. Ausmaß der Varianzaufklärung

59
Q

Nenne die 4 A POSTERIORI Methoden die zur Bestimmung der Faktorenanzahl zur Verfügung stehen

A
  1. Eigenwert >1
  2. Scree-Plot
  3. Parallelanalyse
  4. MAP-Test
60
Q

Scree-Plot nach…

A

Cattell

61
Q

Parallelanalyse nach…

A

Horn

62
Q

Erfasse kurz die Methode “Hypothetisches Modell” zur Faktorenbestimmung

A

theoriegeleitet

begründung, warum nicht KFA berechnet wird???

63
Q

Erfasse kurz die Methode “Ausmaß der Varianzaufklärung” zur Faktorenbestimmung

A

a priori festlegung wie viel Gesamtvarianz mind. aufgeklärt werden soll

64
Q

Erfasse kurz die Probleme die bei der Methode “Eigenwert > 1” zur Faktorenbestimmung, auftreten können

A
  • Kommunalität eines Items kann niedrig sein, obwohl Fragebogen-Item reliabel ist
  • Eher Überschätzung
65
Q

Erfasse kurz die Methode “Scree-Plot”

A

– Knick im Scree-Plot (von links nach rechts)
– Eigenwerte VOR dem Knick = mitgezählt
– Knickpunkt selber nicht
(vor Rotation)

66
Q

Nenne das Problem mit der Scree-Plot Methode

A

Subjektivität

67
Q

Erfasse kurz die Methode “Parallelanalyse”

A

Simulation von Eigenwerten aus normalverteilten Zufallsvariablen.

Extraktion: Faktoren, mit Eigenwerten über den zufällig erzeugten Eigenwert

68
Q

Besschreibe den Vorgang des MAP-Tests

A
  1. Auspartialisieren der ersten Komponente aus den Korrelationen zwischen den Items.
  2. Ermittlung der mittleren quadrierten Partialkorrelation der Residualmatrix.
  3. Auspartialisierung der 2. Komponente aus der Residualkorrelationsmatrix.
  4. Wiederholung, bis keine weitere Reduktion
  5. Anzahl = wo sich die niedrigste mittlere quadrierte Partialkorrelation ergibt
69
Q

Welche Methoden zur Bestimmung der Faktorenanzahl sind EMPFOHLEN?

A

MAP-Test
Parallel-Analyse

(mehrere Extraktionskriterien sinnvoll)

70
Q

Faktorenanzahl:

______________ ist problematischer als ______________

A
  1. Unterfaktorisierung

2. Überfaktorisierung

71
Q

Was ist das Ziel der Rotation?

A

möglichst eindeutige Beschreibung der Items durch die Faktoren
= EINFACHSTRUKTUR

72
Q

Wie unterscheiden sich oblique und orthogonale Rotationen?

A

orthogonal: Unkorreliertheit der faktoren bleibt erhalten (rechtwinklig)
oblique: Korreliertheit der Faktoren bleibt erhalten
(schiefwinklig)

73
Q

Nenne die drei Methoden zur orthogonalen Rotation

A

VARIMAX
QUARTIMAX
EQUIMAX

74
Q

Nenne die drei Methoden zur obliquen Rotation

A

DIRECT OBLIMIN
DIRECT QUARTIMIN
PROMAX

75
Q

Welche der orthogonalen Rotationstechniken wird am häufigsten angwandt?

A

VARIMAX

76
Q

Welche der obliquen Rotationstechniken wird am häufigsten angwandt?

A

DIRECT QUARTIMIN

77
Q

Für oblique Rotationen werden zwei unterschiedliche Matrizen angegeben:
Nennen Sie sie

A

Mustermatrix

Strukturmatrix

78
Q

Erfasse den Unterschied zwischen Mustermatrix und Strukturmatrix

A

Mustermatrix: partielle standardisierte Regressionsgewichte der Items auf den Faktoren

Strukturmatrix: Korrelationen zwischen Items und den Faktoren

79
Q

Welche Faktorenlösung ist leichter zu interpretieren?

Orthogonal oder Oblique?

A

Orthogonal

80
Q

wieso würde eine oblique rotation manchmal zwingend sein?

A

theorie

korrelierte Faktoren angenommen

Testtheorie (13 decks)

Brainscape helps you reach your goals faster, through stronger study habits.
© 2024 Bold Learning Solutions. Terms and Conditions