Lernkarten

Karten 30 Karten
Lernende 1 Lernende
Sprache Deutsch
Stufe Grundschule
Erstellt / Aktualisiert 24.01.2019 / 23.08.2019
Lizenzierung Keine Angabe
Weblink
Einbinden
0 Exakte Antworten 0 Text Antworten 30 Multiple Choice Antworten
Fenster schliessen

V1 EFA -

was ist richtig?

 

Mit der EFA werden üblicherweise Hypothesen überprüft.

Für die Hypothesenprüfung wird üblicherweise die konfirmatorische Faktorenanalyse angewendet.

Typischerweise dient als Datengrundlage und Ausgangspunt der EFA eine Kovariations-Matrix der manifesten Variablen.

Typischerweise dient als Datengrundlage und Ausgangspunt der EFA eine Korrelations-Matrix der manifesten Variablen.

die Variablen werden z-transformiert, bevor sie in die Matrix aufgenommen werden

Fenster schliessen

V1 EFA -

was ist richtig?

die latente Variable wird auch synthetische Variable genannt

Partialisiert man den Faktor aus den Variablen heraus, verringern sich die wechselseitigen Korrelationen bedeutsam

Die Faktorenanalyse ist ein Daten reduzierendes Verfahren.

Zuerst wird eine angemessene Rotationstechnik ausgewählt, dann wird eine angemessene Anzahl an Faktoren extrahiert.

Die Definitionsgleichung der Faktorenanalyse wird häufig auch als Fundamenthaltheorem der EFA bezeichnet.

Fenster schliessen

V1 EFA -

was ist richtig?

Bei der Definitionsgleichung handelt es sich um eine linear gewichtete Summe

die Ladung und der Faktorwert sind beobachtete Parameter

die Ladung und der Faktorwert sind unbekannte Parameter

Faktorladung = Messwerte der Person auf den latenten Variablen

Im Falle korrelierter Faktoren handelt es sich bei den Faktorladungen um partielle standardisierte Regressionsgewichte

Fenster schliessen

V1 EFA -

was ist richtig?

Im Falle korrelierter Faktoren handelt es sich bei den Faktorladungen um semipartielle standardisierte Regressionsgewichte

Eine Faktorladung entspricht der Korrelation einer Variablen i und einem Faktor q im Falle korrelierter Faktoren

Eine Faktorladung entspricht der Korrelation einer Variablen i und einem Faktor q im Falle unkorrelierter Faktoren

Faktorwerte = Messwerte der Person auf den latenten Variablen

Faktorwerte = Messwerte der Person auf den manifesten Variablen

Fenster schliessen

V1 EFA -

was ist richtig?

Der Faktorwert einer Person v kennzeichnet die Position dieser Person auf dem Faktor q.

Die Kommunalität h-Quadrat einer Variablen i gibt an, in welchem Ausmaß die Varianz dieser Variablen durch die Faktoren aufgeklärt wird

Kommunalität bei unkorrelierten Faktoren = das Produkt der quadrierten Ladungen

Kommunalität bei unkorrelierten Faktoren = die Summe der quadrierten Ladungen

Der Eigenwert zeigt an wie bedeutsam ein Faktor ist.

Fenster schliessen

V1 EFA -

was ist richtig?

Der Eigenwert eines Faktors q gibt an, wie viel von der Varianz aller Variablen durch diesen Faktor erfasst wird.

Die Hauptachsenanalyse stellt keine EFA dar.

Die Hauptkomponentenanalyse stellt keine EFA dar.

Ziel der Hauptachsenanalyse ist nur die Datenreduktion (keine Modellannahmen, rein deskriptiv).

Ziel der Hauptkomponentenanalyse ist nur die Datenreduktion (keine Modellannahmen, rein deskriptiv).

Fenster schliessen

V1 EFA -

Methoden der Faktorenanalyse - was ist richtig?

Die PCA (Hauptkomponentenanalyse) wird in der Praixs eingesetzt, dies ist jedoch nicht empfehlenswert

theoretisch sind unendlich viele Lösungen möglich, weshalb Restriktionen eingeführt werden

Bei der Hauptkomponentenanalyse wird die gesamte Varianz verwendet.

Bei der Hauptachensanalyse wird die gesamte Varianz verwendet.

Bei der Maximum-Likelihood-Faktorenanalyse wird nur die gemeinsame (wahre) Varianz verwendet.

Fenster schliessen

V1 EFA -

Methoden der Faktorenanalyse - was ist richtig?

Bei der Hauptachsenanalyse wird nur die gemeinsame (wahre) Varianz verwendet.

Vorgaben der Extraktion: die Faktoren sind unkorreliert, also wechselseitig unabhängig voneinander

Vorgaben der Extraktion: die Faktoren sind korreliert, also wechselseitig abhängig voneinander

Vorgaben der Extraktion: die Faktoren klären sukzessiv die maximale Varianz auf (von dem was je noch übrig bleibt)

In der Hauptkomponentenanalyse werden die beiden Hauptkomponenten so bestimmt, dass sie sukzessive maximal Varianz erklären und unabhängig voneinander (also orthogonal) sind