Lernkarten
0 Exakte Antworten
0 Text Antworten
68 Multiple Choice Antworten
1
1.) Welche der folgenden Aussagen zu Kennwerten in der EFA sind richtig?
A) Im Fall unkorrelierter Faktoren kennzeichnet die Kommunalität das Ausmaß, in dem die Varianz einer Variablen durch die Faktoren aufgeklärt wird
B) Im Falle korrelierter Faktoren enthält die Mustermatrix die Korrelation zwischen Faktoren und Items
C) Im Falle korrelierter Faktoren kennzeichnet der Eigenwert das Ausmaß in dem die Varianz einer Variablen durch die Faktoren aufgeklärt wird
D) Im Falle unkorrelierter Faktoren entsprechen Faktorladungen Korrelationen zwischen der jeweiligen manifesten Variablen und dem jeweiligen latenten Faktor
E) Bei einer EFA werden die Faktoren nicht nur daran bemessen, wieviel Varianz sie erklären, sondern auch daran, in welchem Maße sie beitragen, das Muster an Zusammenhängen zwischen den manifesten Variablen zu erklären.
1
2.) Welche der folgenden Aussagen zu Kennwerten in der EFA sind richtig?
E) Werden im Falle korrelierter Faktoren die quadrierten Korrelationen eines Items mit den Faktoren aufsummiert, erhält man die Kommunalität des Items
F) Faktorwerte sind die Ausprägung einer Person auf der latenten Variablen (Faktor)
G) Eigenwerte entsprechen den quadrierten Korrelationen zwischen den jeweiligen manifesten Variablen und latenten Faktoren.
H) Das Kommunalitätenproblem entsteht, wenn der Anteil an der Gesamtvarianz aller manifesten Variablen, die durch latenten Faktor aufgeklärt wird, geringer ist als der Anteil der Fehlervarianz an der Gesamtvarianz aller manifesten Variablen.
I) Bei einer Faktorenanalyse, in der die extrahierten Faktoren sukzessive maximale Varianz aufklären sollen, kann es oft vorkommen, dass in der Anfangslösung viele Items hoch auf dem ersten Faktor laden und niedriger auf allen anderen Faktoren.
3.) Welche der folgenden Aussagen zu Kennwerten in der EFA sind richtig? (WS18/19)
A) Im Falle unkorrelierter Faktoren entsprechen Faktorladungen Korrelationen zwischen den jeweiligen manifesten Variablen und latenten Faktoren
B) Im Falle unkorrelierter Faktoren kennzeichnet die Kommunalität das Ausmaß, in dem die Varianz einer Variablen durch die Faktoren aufgeklärt wird.
C) Korrelierte Faktoren; Eigenwert- Ausmaß, in dem Varianz einer Variablen durch die Faktoren aufgeklärt wird.
D) Korrelierte Faktoren. Faktorladungen = Semipartielle Regressionsgewichte--> Mustermatrix
E) Im Falle korrelierter Faktoren enthält die Strukturmatrix die Korrelation zwischen Faktoren und Items
1
4.) Kennwerte EFA
a) bei unkorrelierten Faktoren entsprechen Faktorladungen den Korrelationen zwischen jeweils manifesten Variablen und latenten Variablen
b) bei unkorrelierten Faktoren ist die Kommunalität das Ausmaß, indem Varianz einer Variablen durch Faktoren aufgeklärt wird
c) bei korrelierten Faktoren ist der Eigenwert das Ausmaß, in dem Varianz einer Variablen durch Faktoren aufgeklärt wird
d) bei korrelierten Faktoren enthält die Mustermatrix Korrelationen zwischen Faktoren + Items
e) wenn bei korrelierten Faktoren die quadrierten Korrelationen eines Items aufsummiert werden, erhält man die Kommunalitäten
1
5.) Welche Aussagen zu Kennwerten einer EFA mit unkorrelierten Faktoren sind korrekt?
a) Faktorladungen entsprechen den Korrelationen zwischen den jeweiligen manifesten Variablen und den jeweiligen latenten Faktoren.
b) Kommunalität ist das Ausmaß, in dem die Varianz einer Variable durch Faktoren aufgeklärt wird.
c) Eigenwerte entsprechen den quadrierten Korrelationen zwischen den jeweiligen manifesten Variablen und latenten Faktoren.
d) Das Kommunalitätenproblem entsteht, wenn der Anteil an der Gesamtvarianz aller manifesten Variablen, die durch latenten Faktor aufgeklärt wird, geringer ist als der Anteil der Fehlervarianz an der Gesamtvarianz aller manifesten Variablen.
e) Faktorwerte sind Ausprägungen einer Person auf latenten Variablen (Faktoren).
1
6.) PCA vs. PAF
a) PCA eignet sich dafür, Beziehungen zwischen latenten Variablen aufzudecken
c) In der PCA wird die Varianz zerlegt in gemeinsame Varianz, spezifische Varianz und Fehlervarianz.
d) In der PCA sind die Faktoren voneinander unabhängig und klären sukzessive Varianz auf
e) PAF: Ziel ist Datenreduktion
2
7.) PCA + PAF
a) Ziel der PCA Datenreduktion
b) PCA Zusammenhang zw. manifesten Variablen mittels kleiner Anzahl latenter Variablen
c) PCA sukzessive Varianzaufklärung und unabhängige Komponenten
d) PAF sukzessive Varianzaufklärung und unabhängige Komponenten
e) PCA Gesamtvarianz = gemeinsame + spezielle + Fehler
1
8.) Welche Aussagen zur EFA treffen zu?
a) Ziel der orthogonalen Rotation ist die Einfachstruktur
b) Ziel der obliquen Rotation ist die Maximierung der Korrelationen.
c) Varimax ist die gebräuchlichste oblique Rotationstechnik
d) Ladungen ändern sich bei beiden Rotationsverfahren, die Gesamtvarianz nur bei der obliquen Rotation.
e) Die Kommunalitäten der unrotierten Anfangsmatrix entsprechen den Kommunalitäten der rotierten Matrix.
1 Kommentare
zu C) Ebenfalls im unkorrelierten Fall. Siehe VL Seite 17
Missbrauch melden
Danke
Wir werden deine Meldung so rasch als möglich behandeln und die Kartei gegebenenfalls sperren.