EFA Extraktionsmethode Flashcards
was sind die häufigsten Extraktionsmethoden?
- Hauptkomponentenanalyse,
- Hauptachsenanalyse,
- Maximum-Likelihood-Faktorenanalyse
warum wir die Hauptkomponentenanalyse nicht so oft angewendet?
Die PCA geht davon aus dass es keine Messfehler gibt, darum wird sie nicht so häufig angewendet.
was bedeutet Hauptkomponente in Hauptkomponentenanalyse?
Hauptkomponente = Faktor
was ist das Ziel der PCA?
- man kürzt runter auf wenige aussagekräftige faktoren, statt alle items zu berichten
-
was ist nicht erklärte Varianz (Uniqueness)?
???
wie lässt sich der teil der PCA beschreiben der nicht zu den Wichtigsten Faktoren gehört? was ist dieser teil?
- generell lässt sich die gesammte varianz in faktoren einteilen. es gibt ja keine messfehler,
- aber es gibt dafür NICHT EXTRAHIERTE FAKTOREN (anteile) die nicht analysiert werden.
- ZIEL IST JA EINE REDUKTION der faktorenanzahl
was ist die Annahme der Hauptachsenanalyse? PFA
Die Items (Variablen) enthalten auch Varianz durch Messfehler.
was sit das Ziel der PFA?
Identifikation latenter Konstrukte
- latenter konstrukt = faktor (wie extraversion)
wie kann man die “Wahre Varianz” erklären?
Bsp: kontaktfreudigkeit, lebenslustigkeit
diese beiden items korrelieren mimteinander weil sie vom selben faktor (Extraversion) gesteuert werden.
woraus besteht die unerklärte Varianz bei der PFA?
- fehlervarianz = unsystematische varianz
2. nicht relevante Varianz = systematische Varianz
Verlgiech PCA und PFA
Welche der beiden hat mehr unerklärter Varianzanteil?
Die Hauptachsenanalyse, da zu der nicht erklärten Varianz auch die Fehlervarianz gehört.
wann ist der Eigenwert Groß?
Wenn der Faktor wichtig ist, also wenn das Tortenstück Groß ist.
was bedeutet es wenn der Eigenwert größer als 1 ist?
dann kann der Faktor mehr als ein Item erklären.
vergleich PFA/ PCA
wie viel Kommunalität kann jeweils über das item aufgeklärt werden?
PCA ( das erste)
wenn das item komplett durch die extrahierten faktoren aufgeklärt wird, ist seine kommunalität 1. das bedeutet 100% ist erklärt.
PFA:
kann immer nur weniger als 1 sein, da es die unerklärte fehlervarianz gibt.
erklären sie das Prinzip des
Maximum Likely hood
- ein AUSPROBIEREN VON MODELLEN bis es passt
- ich designe ein bestimmtes model mit verschiedenen faktoren und suche mir das model aus, was am besten zu den gefunden daten past
das „ausprobieren“ geht mit dem CHI 2 TEST
