Loading [MathJax]/jax/output/HTML-CSS/fonts/TeX/fontdata.js

Faktorenanalyse

Description

Mind Map on Faktorenanalyse, created by marie.sonnenkind on 23/12/2013.
marie.sonnenkind
Mind Map by marie.sonnenkind, updated more than 1 year ago
marie.sonnenkind
Created by marie.sonnenkind about 11 years ago
260
0
1 2 3 4 5 (0)

Resource summary

Faktorenanalyse
  1. - Korrelationen zw. Variablen werden durch einen (latenten) Faktor erklärt, sind auf diesen zurückzuführen --> wird beschrieben durch Korrelationsmatrix
    1. - EFA
      1. - Modell-/Hypothesengenerierendes Verfahren: in den vielen beob. Variablen sollen wenige Faktoren aufgefunden werden, auf welche Zshg. zw. Variablen zurückzuführen sind
        1. - SPSS
          1. - helfen, Strukturen in Korrelationsmatrizen zu entdecken
          2. - KFA
            1. - Modell-/Hypothesenbestätigendes Verfahren: theoretisch erwartete Struktur wird vorgegeben und es wird überprüft, ob Struktur mit Daten vereinbar ist
              1. - Mplus
              2. Voraussetzungen
                1. - in den Variablen müssen systematische Zshg. stecken: Kaiser-Meyer-Olkin-Koeffizient (KMO): <.50: inkompatibel // .60-.69: mäßig// >.90: sehr gut
                  1. - von einer Personenstichprobe müssen Daten zu mehreren Variablen vorliegen
                  2. - Fragestellungen
                    1. 1. Wie sollen die Faktoren geschätzt werden? --> Hauptachsen- o. Hauptkomponentenanalyse
                      1. Faktor=Hauptkomponente // latente Variablen, die aus den Korrelationen der Variablen geschätzt werden
                        1. Faktorladung=Korrelation zw. Variable x u. Faktor F
                          1. ,,schön'': hohe Ladung einer Variable auf einem Faktor, niedrige Nebenladungen auf den anderen Faktoren
                            1. - Fürntratt-Kriterium: (a² / h² < .50)
                              1. - wie setzt sich Varianz einer Variablen zsm? --> bei unkorrelierten Faktoren: Summe der quadrierten Faktorladungen+Spezifität der Variablen+Messfehler (Messfehler=1-rtt x h²)
                              2. Kommunalität (h²)=Teil der Gesamtvarianz eines Items, der durch alle Faktoren aufgeklärt wird // Summe aller quadrierten Faktorenladungen einer Variablen
                                1. Eigenwert=Varianzaufklärung durch einen Faktor // Summe aller quadrierten Faktorenladungen eines Faktors
                                2. 2. Wie viele Faktoren sollen extrahiert werden?
                                  1. - Hypothetisches Modell: Anzahl d. Faktoren wird vorgegeben - theoriegeleitet
                                    1. - Kaiser-Kriterium (Eigenwert>1) --> ist Eigenwert <1, klärt dieser Faktor weniger als die Varianz einer einzigen Variablen auf
                                      1. - Scree-Test/Screeplot: Eigenwertverlauf: nach bedeutsamen Eigenwertabfall
                                        1. - Parallelanalyse: Vgl. d. empirischen Eigenwertverlauf mit Eigenwertverlauf von Zufallsvariablen
                                          1. - MPA-Test: Minimum-Average-Partial-Test
                                            1. - positive manifold=Annahme, dass es im kognitiven Bereich nur pos. Korrelat. gibt
                                            2. 3. Sollen die Faktoren unabhg. sein o. ist es angemessen, korrelierte Faktoren zuzulassen?
                                              1. - Bdtg. für Itemanalyse: bilden Items wie beabsichtigt ein (oder zwei...) Faktor(en)? - lädt ein Item hoch auf ,,seinem'' u. niedrig auf anderen Faktoren?
                                            3. - Rotationstechnik
                                              1. - erhöht nicht den aufgeklärten Varianzanteil!
                                                1. - hilft, extrahierte Faktoren besser zu interpretieren --> oft inhaltliche Gründe für eine bestimmte Rotation
                                                  1. - Orthogonale Rotation: - unkorrelierte Faktoren - u.a. Varimax
                                                    1. - Oblique (schiefwinklige) Rotation: - korrelierte Faktoren - u.a. Promax
                                                    2. Strukturmatrix: Ladungen=Korrelationen der Items auf den Faktoren
                                                      1. Mustermatrix: Ladungen=semipartielle standardisierte Regressionsgewichte der Items auf den Faktoren
                                                        Show full summary Hide full summary

                                                        Similar

                                                        Statistik_I
                                                        Nicole Rath
                                                        Explorative Faktorenanalyse
                                                        Inna Sh
                                                        SAT Vocabulary
                                                        Muffins31
                                                        Women in Nazi Germany - Flashcards
                                                        Louisa Wania
                                                        B7: Further Biology
                                                        Matthew Law
                                                        Advantages and Disadvantages of Parliamentary Law making
                                                        Sinead Gapp
                                                        John Montague
                                                        David Caprani
                                                        GCSE AQA Chemistry Atomic Structure and Bonding
                                                        mustafizk
                                                        Australia vs UK PE
                                                        Cal Jones
                                                        An Inspector Calls - Quotes
                                                        jaynejuby