Exploratorische Faktorenanalyse Flashcards
Wozu dienen Multivariate Analyseverfahren?
- Datenreduktion
- Prüfung der Konstruktvalidität
- > exploratorische FA für Hypothesengenerierung
Was ist die Grundidee der Exploratorischen Faktorenanalyse?
- Items werden latenten Dimensionen anhand ihrer Antwortähnlichkeit (Korrelation) zugeordnet
- d.h. Iteminformationen mit weniger Faktoren beschrieben
Was ist der Eigenwert eines Faktors?
- Hinweis auf die Wichtigkeit eine Faktors
-
Was ist die Kommunalität einer Variablen?
Die durch alle Faktoren aufgekärte Varianz einer Variablen.
Was bedeutet die Einzigartigkeit eines Items?
- 1-h2
- Varianz eines Items, die das Item mit keinem anderen teilt
- Setzt sich aus Spezifität (systematischer Varianzanteil, der nicht durch andere Faktoren erklärt werden kann) und Messfehler des Items zusammen
Welche Extraktionsmethoden gibt es?
- Hauptkomponentenanalyse
- Hauptachsenanalyse
- Maximum-Likelihood-Faktorenanalyse
Was ist die Hauptkomponentenanalyse?
• Annahme: messfehlerfreie Erhebung
• Ziel: Dimensionsreduktion
-> Entstehung von nicht erklärter Varianz (Uniqueness)
• Hauptkomponenten enthalten aber tatsächlich Messfehler
Was ist die Hauptachsenanalyse?
• Annahme: Variablen enthalten auch Varianz durch Messfehler
• Ziel: Identifikation latenter Konstrukte
• Faktoren erklären Beziehung der Variablen („wahre Varianz“)
• Schätzung der wahren Varianz (= Reliabilität) einer
Variable
• unerklärter Varianzanteil enthält systematische und
unsystematische Varianz
Was ist Maximum-Likelihood?
- Ziel: latente Faktoren als Ursache für Korrelation in der Population aufdecken
- Schätzt aus Stichprobenkorrelationsmatrix Populationsmatrix
- Erfordert große Stichprobe undnmultivariate Normalverteilung der Variablen
- Möglichkeit zu Modelltest (χ2-Test)
Welche Abbruchkrieterien gibt es?
- Kaiser- Kriterium
- Scree-Test/ Screeplot
- Parallelanalyse
- MAP Test
- Modelltest der ML-Faktorenanalyse
Warum werden Faktorenrotationen durchgeführt?
Der Faktorraum wird so gedreht, dass eine Einfachheitstruktur entsteht, dann laden Faktoren nur euf einem Faktor hoch und auf anderen niedrig.
Was ist orthogonale Rotation?
- rechtwinklig
- Faktoren bleiben unkorelliert
- bekannteste Variante: Varimax Rotation
Was ist oblique Rotation?
- schiefwinklig
- Faktoren korreliren untereinander
- z.B. Promax, Quartimin, Oblimin-Rotation
- zu bevorzugen
Wonach fragt die Hauptkomponentenanalyse?
„Wie lassen sich die auf einen Faktor hoch ladenden Variablen durch einen Sammelbegriff (Komponente) zusammenfassen?“
Wonach fragt die Hauptachsenanalyse?
„Wie lässt sich die Ursache bezeichnen, die für die hohen Ladungen der Variablen auf diesen Faktor verantwortlich ist?“
