Lernkarten

Karten 68 Karten
Lernende 6 Lernende
Sprache Deutsch
Stufe Universität
Erstellt / Aktualisiert 01.02.2020 / 12.08.2020
Lizenzierung Keine Angabe
Weblink
Einbinden
0 Exakte Antworten 0 Text Antworten 68 Multiple Choice Antworten

1/68

Fenster schliessen

54.) Welcher der folgenden Aussagen bezogen auf den Vergleich genesteter Modelle im Rahmen von SEM sind richtig?

D) Genestete Modelle ergeben sich durch Respezifikationen von Modellparametern.

E) Mit dem Vergleich von genesteten Modellen kann die statistische Bedeutsamkeit von spezifischen Modellparametern geprüft werden

F) Genestete Modelle ergeben sich, indem die Richtung von gerichteten Beziehungen umgekehrt wird

Fenster schliessen

55.) Welche der folgenden Aussagen zu Kennwerten in der EFA sind richtig? (SS19)

A) Im Falle unkorrelierter Faktoren entsprechen Faktorladungen Korrelationen zwischen der jeweiligen manifesten Variablen und dem jeweiligen latenten Faktor

B) Im Fall unkorrelierter Faktoren kennzeichnet die Kommunalität das Ausmaß, in dem die Varianz einer Variablen durch die Faktoren aufgeklärt wird

C) Im Falle korrelierter Faktoren kennzeichnet der Eigenwert das Ausmaß in dem die Varianz einer Variablen durch die Faktoren aufgeklärt wird

D) Im Falle korrelierter Faktoren stellen sind Faktorladungen semipartielle standardisierte Regressionsgewichte.

E) Im Falle korrelierter Faktoren enthält die Mustermatrix die Korrelation zw. Faktoren u Items

Fenster schliessen

56.) Welche der folgenden Aussagen zur EFA sind richtig? (SS19)

A) Die ML-FA im Zusammenhang mit metrischen manifesten Variablen setzt voraus, dass die manifesten Variablen einer multivariaten Normalverteilung folgen

B) In einer ML-FA darf der Messfehler eines Items nicht die Kommunalität eines Items übersteigen

C) Ein Vorteil der ML-FA besteht darin, dass die Stabilität ihrer Ergebnisse im Vergleich zu anderen Verfahren der EFA nicht stark von der Kommunalität der Items abhängt.

D) Bei einer ML-FA sind im Gegensatz zu einer Hauptkomponentenanalyse die Ladungen der Faktoren auf den Items eindeutig bestimmt

E) Die ML-FA im Zusammenhang mit metrischen manifesten Variablen setzt voraus, dass die latenten Faktoren eine ausreichende Korrelation aufweisen

Fenster schliessen

57.) Welche der folgenden Aussagen zur EFA sind richtig? (SS19)

A) Das sogenannte Kommunalitätenproblem entsteht, wenn der Anteil an der Gesamtvarianz aller manifesten Variablen, der durch die latenten Faktoren aufgeklärt wird, geringer ist als der Anteil der Fehlervarianz an der Gesamtvarianz aller manifester Variablen.

B) Als Anfangsschätzer für die Kommunalitäten bei der Durchführung einer PAF wird unter anderem das Quadrat der multiplen Korrelation der Variablen mit allen anderen Variablen eingesetzt.

C) Bei einer Hauptachsen-FA entsprechen die anfänglichen Schätzer für die Kommunalitäten immer dann denjenigen, die man nach der Extraktion der festgelegten Faktoren erhält, falls für die Anfangsschätzer der Kommunalitäten das Quadrat der multiplen Korrelation der Variablen mit allen andern Variablen benutzt wurde

D) Die Kommunalität stellt eine Mindestschätzung der Reliabilität eines Items dar.

E) Bei einer Hauptkomponentenanalyse wird oft die höchste bivariate Korrelation mit einer anderen Variablen als Schätzer für die Kommunalitäten der Variablen benutzt.

Fenster schliessen

58.) Welche der folgen den Aussagen zur EFA sind korrekt? (SS19)

A) Die Parallelanalyse nach Horn eignet sich insbesondere auch dazu, eine angenommene Faktorenstruktur zu überprüfen

B) Eine Rotation nach der Varimax-Methode sollte nur in Verbindung mit dem MAP-Test durchgeführt werden.

C) Ein Einwand hinsichtlich der Parallelanalyse anch Horn besteht darin, dass Faktoren, deren Eigenwerte knapp über dem Schnittpunkt der beiden Eigenwertverläufe liegen, extrahiert werden und diejenigen, deren Eigenwerte knapp unter dem Schnittpunkt der beiden Eigenwertverl. liegen, nicht.

D) Der MAP-Test und/oder die Paralelanalyse nach Horn sind zur Bestimmung der Anzahl der zu extrahierenden Faktoren dem sogenannten Eigenwerte größer eins Kriterium (Kaiser-Guttman-Kriterium) in der Regel vorzuziehen

E) Nach einer Faustregel sollte bei Vorliegen niedriger Kommunalitäten und weniger Ind... Faktor für die Durchführung einer Parallelanalyse nach Horn eine Stichprobengröße von mindestens 400 Beobachtungen benutzt werden

Fenster schliessen

59.) Welche Aussagen treffen im Kontext linearer Strukturgleichungsmodelle zu? (SS19)

A) Exogene Variablen sind Variablen in einem Strukturgleichungsmodell, die von keiner der im Modell thematisierten Größen beeinflusst werden..

B) Für die Identifizierung eines Messmodells sind drei manifeste Indikatoren ausreichend

C) CFI, RMSEA und SRMR als deskriptive Fit-Maße basieren alle auf dem model chi square.

D) Strukturmodelle beinhalten immer auch Messmodelle.

E) In reflexiven Messmodellen sind die beobachteten Indikatoren immer endogene Variablen.

Fenster schliessen

60.) Ein Forscher interessiert sich für ein komplexes SEM mit einer Reihe gerichteter Beziehungen zwischen einer Reihe von latenten Variablen, von denen er annimmt, dass sie alle bedeutsam.... Erüberprüft das Modell auf Basis von querschnittlichen Umfragedaten und erhält folgende Fit-Maße: X^2=455.87, df=133, p<.001, CFI=.95, RMSEA=.024, SRMR=.043. Welche der folgenden Aussagen sind richtig?

A) Die kausalen Annahmen können als belegt gelten.

B) Der Modell-Fit deutet darauf hin, dass es keine vergleichbar guten Alternativmodelle (im Sinne genesteter Modelle) gibt.

C) Der Modell-Fit kann insgesamt als zufriedenstellend bezeichnet werden, wenn man die Kriterien zur Bewertung des Modell-Fits heranzieht.

D) Der Modell-Fit deutet darauf hin, dass sich auch in weiteren, unabhängigen Stichproben bestätigen lassen wird (hier fehlt evlt. noch ein Wort nach Stichproben?)

E) Der Forscher sollte pausible äquivalente Modelle diskutieren

Fenster schliessen

61.) Welche der folgenden Aussagen bezogen auf unterschiedliche Varianten der lngsschnittlichen SEM sind richtig? (SS19)

A) Cross-lagged-Modelle eignen sich besonders für die Untersuchung der zeitlichen Beziehung zwischen Variablen.

B) Absolute Veränderungen in den Variablen werden in Cross-lagges-Modellen nicht berücksichtigt

C) Latente Wachstumskurvenmodelle und Latent-Change-Modelle eignen sich besonders für die Untersuchung interindividueller Unterschiede in der Veränderung einer Variablen.

D) Im Rahmen von Latent-Change-Modellen können keine Aussagen über die genaue Form der Veränderungen getroffen werden

E) Für die Indentifikation von Latent-Change-Modellen sind mindestens drei Messzeitpunkte notwendig.

Fenster schliessen

62.) Altfrage:
Stürmer und Simon (2004) haben den Zusammenhang zwischen kollektiver Identifikation mit einer sozialen Bewegung (identification with the social movement organisation) und kollektivem Verhalten (participation in collective protest bzw. organisational partizipation) untersucht. Die Annahme war, dass Identifikation mit der sozialen Bewegung die Beteiligung am kollektiven Verhalten vorhersagt: Je höher die Identifikation, desto ausgeprägter das kollektive Verhalten. Sie haben zwei kleine Stichproben (N=125 und N=74) zu zwei Messzeitpunkten in ein CLM aufgenommen. Höhere Werte in den Skalen, gehen mit höheren Ausprägungen in den Merkmalen einher. (SS19)

A) Kollektives Verhalten hat einen Einfluss auf Identifikation mit sozialen Bewegungen.

B) Identifikation mit sozialen Bewegungen zum 1. MZP ist höher als das Ausmaß an kollektivem Verh. zum 2. MZP

C) Kausaler Effekt von Identifikation auf kollektives Verhalten wurde bestätigt.

D) Schätzer für Cross Lagged Effekte von Verhalten auf Identifikation ist signifikant kleiner als der Schätzer des Effekts von Identifikation auf Verhalten.

E) Der Schätzer des Cross Lagged Effekts für Verhalten auf Identifikation in der Stichprobe kollektive Partizipation ist .13.

Fenster schliessen
1

1 Kommentare

  • 02.02.2020
    E) soll hier auch noch richtig gewesen sein, aber da konnte ich keine Angaben in der Gedächtnisklausur vom SS19 finden
1

63.) Eine Forscherin interessiert sich für die Veränderung im Wohlbefinden (gemessen mit einer Skala, die 10 Items umfasst) um Verlauf des Studiengangs M.Sc. Psychologie an der FernUni. Hierzu befragt sie eine Stichprobe von N=2000 Sudierenden jeweils am Ende des Semesters über die gesamte Studienzeit (Vollzeit) hinweg (insgesamt 4 Messzeitpunkte). Sie wendet ein latentes Wachstumskurvenmodell bei der Datenanalyse an. Welche der folgenden Aussagen sind richtig?

A) Die Ergebnisse ergeben einen signifikant von Null abweichenden positiven Wert (latenter Mittelwert) für den Slope- Faktor. Auch die Varianz in dem Slope-Faktor weicht signifikant von Null ab. Somit nimmt bei einigen Studierenden das Wohlbefinden im Laufe des Studiums zu, bei einigen anderen hingegen ab.

B) Bedeutsame Varianz in dem Latenten Intercept-Faktor zeigt interindividuelle Unterschiede im mittleren Ausmaß an Wohlbefinden über die Studienzeit hinweg.

C) Für die Ladungen der Indikatoren auf dem latenten Slope-Faktor wählt die Forscherin die Werte 0 für den Indikator (I) zum ersten Messzeitpunkt (MZP), 1 für den I zum zweiten MZP und 3 für den I zum vierten MZP. Sie hat somit ein lineares Wachstum spezifiziert.

D) Kovarianz zwischen Intercept und Slope-Faktor ist Null. Wird die in der Antwortoption C verwendeten (Rechtschreibfehler) Parametrisierung für den Slope-Faktor verwendet, zeigt diese Kovarianz an, Dass die Veränderung im Wohlbefinden unabhängig von dem Ausmaß an Wohlbefinden zum ersten Messzeitpunkt ist.

Fenster schliessen

64.) Welche Aussagen in Bezug auf Verfahren zum Umgang mit fehlenden Werten sind richtig?

A) Missing at random (MAR) bedeutet, dass nach Kontrolle von zusätzlichen beobachteten Variablen das Auftreten von fehlenden Werten weder von der Ausprägung der Variablen selbst noch der Ausprägung anderer Variablen im Datensatz abhängt.

B) Fehlende Werte führen alleine zu einer verzerrten Schätzung der Standardfehler.

C) Von den klassischen Verfahren zur Behandlung fehlender Werte sollte allein der paarweise Ausschluss zur Anwendung kommen.

D) Imputationsbasierte Verfahren zur Behandlung fehlender Werte sind generell zu empfehlen.

E) Fallweiser und paarweiser Ausschluss setzen Missing Completely at Random (MCAR) voraus.

Fenster schliessen

65.) Welche Aussagen in Bezug auf Verfahren zum Umgang mit fehlenden Werten sind richtig?

A) Bei einem kleinen Anteil an fehlenden Werten (< 5%) ist der listenweise Ausschluss akzeptabel.

B) Das Ersetzen fehlender Werte durch den Stichprobenmittelwert führt zu einer Vergrößerung der Varianz in der Variablen

C) Single-Imputation-Verfahren berücksichtigen nicht die Unsicherheit in der Schätzung fehlender Werte

D) Bei der Full-Information-Maximum_likelihood-Methode werden fehlende Werte durch einen Maximum-Likelihood-Schätzer ersetzt.

E) Die Multipe Imputation erfordert sehr große Stichproben.

Fenster schliessen

66.) Welche der folgenden Aussagen zu Kennwerten in der EFA sind richtig?

F) Falle korrelierter Faktoren enthält die Mustermatrix die Korrelation zw. Faktoren u Items

G) Nur im Falle korrelierter Faktoren kann auch die Korrelation zwischen den Items vollständig erklärt werden.

H) Im Falle korrelierter Faktoren handelt es sich um handelt es sich um semipartielle standardisierte Regressionsgewichte

I) Summiert man die korrelierten Faktoren die quadrierten Ladungen pro Faktor auf erhält man erhält man die durch den Faktor erklärte Varianz

Fenster schliessen

67.) Welche der folgenden Aussagen zu Verfahren in der EFA sind korrekt?

A) Die Hauptkomponentenanalyse (PCA) versucht auf der Grundlage eines Faktormodells Zusammenhänge zwischen einer Reihe von beobachteten (manifesten) Variablen mittels einer möglichst kleinen Anzahl an Faktoren (latenten Variablen) zu erklären.

B) Die Hauptachsenanalyse (PAF) ist iteratives Verfahren, das endet, wenn der Unterschied in den Kommunalitätsschätzungen zwischen 2 aufeinanderfolgenden iterationsschritten kleiner als ein Konvergenzkriterium ist

C) Bei der Hauptkomponentenanalyse (PCA) wird die Gesamtvarianz zerlegt in a) einen varianzteil, den sich die manifesten Variablen teilen, b) die spezifische Varianz und c) die Fehlervarianz

D) Bei einer Maximum-Likelihood Faktoranalyse sind im Gegensatz zu einer HKA/PCA die Ladung der Faktoren auf den Items eindeutig bestimmt

E) Bei der HAA (PAF) werden die Faktoren so bestimmt, dass sie sukzessiv maximal Varianz erklären und unabhängig sind

Fenster schliessen

68.) EFA

A) Der Anfangsschätzer für die Kommunalität in der PAF ist das Quadrat der multiplen Korrelationen einer Variablen mit allen anderen Variablen

B) Die Kommunalität ist die Mindestschätzung für Reliabilität

C) Mit dem Bartlett-Test kann die H_0 überprüft werden, dass alle Variablen unkorreliert sind

D) Faktorwerte sind Ausprägungen einer Person auf latenten Variablen

E) Nach einer EFA laden die Items häufig hoch auf dem 1. Faktor und niedrig auf allen anderen ("deshalb wird eine Rotation vorgenommen")

Fenster schliessen
1

1 Kommentare

  • 01.02.2020
    zu B) Nein, nur im unkorrelierten Fall. Siehe VL EFA 1 -Folie 15
    zu C) Ebenfalls im unkorrelierten Fall. Siehe VL Seite 17
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.

Fenster schliessen
1

1 Kommentare

  • 01.02.2020
    zu E) wieder UNkorreliert
    zu G) hier fehlt mir der Zusatz "unkorreliert"
    zu H) Kommunalitätenproblem entsteht doch, weil wir die Kommunalitäten schätzen müssen, weil diese nicht bekannt sind. Hat nix mit dem Verhältnis von Fehler- zu Gesamtvarianz zu tun,
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.

Fenster schliessen

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

Fenster schliessen
1

1 Kommentare

  • 01.02.2020
    AB (VL1, Folien: 9, 10, 15, 16, 17; Bühner, S. 299 – 302, 321; VL2, Folien: 5, 24)
    D als Sonderpunkt
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

Fenster schliessen
1

1 Kommentare

  • 01.02.2020
    A B E (VL1, Folien: 9, 10, 15, 16, 17, 29; Bühner, S. 299 – 302, 310 – 313, 321)
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).

Fenster schliessen
1

1 Kommentare

  • 01.02.2020
    D ( VL1, Folien: 20, 21, 27, 28)
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

Fenster schliessen
2

2 Kommentare

  • 02.03.2020
    Bei D) müsste richtiger Weise statt Komponenten "Faktoren" heißen, DANN ist es total richtig.
  • 01.02.2020
    A C (VL1, Folien: 20, 21, 27, 28; Bühner, S. 314, 315)
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

Fenster schliessen
1

1 Kommentare

  • 01.02.2020
    A E (VL2, Folien: 16, 17, 21, 22, 23,24, 25, 26, 27; Bühner, S. 329 – 339)
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.

Fenster schliessen
1

1 Kommentare

  • 01.02.2020
    A wurde diskutiert- können wir noch klären
    (VL2, Folien: 5, 6, 7, 8, 9, 10, 11; Bühner, S. 326, 327, 348 - 350)
1

9.) Welche Aussagen zur EFA treffen zu?

a) Bei der Hauptachsenanalyse können inhaltliche Überlegung die Anzahl der Extraktion beeinflussen

b) Hier stand etwas zum Paralleltest, allerdings mit der Definition von MAP

c) Bei der Extraktion nach dem Eigenwertkriterium kann es sein, dass zu wenige Faktoren extrahiert werden.

d) Bei der ML-Faktorenanalyse werden Faktoren anhand eines Likelihood-Quotienten-Tests berechnet.

e) Hier MAP mit Definition von Paralleltest.

Fenster schliessen
1

1 Kommentare

  • 01.02.2020
    A D (VL1, Folien: 15, 16, 17; VL2, Folie: 6, 24; Bühner, S. 300, 310, 311, 321)
1

10.) Welche der Aussagen zu Kennwerten in der explorativen Faktorenanalyse sind richtig?

a) Bei unkorrelierten Faktoren entspricht die Kommunalität dem Ausmaß, in dem Varianz einer Variablen durch die Faktoren aufgeklärt wird.

b) Bei korrelierten Faktoren enthält die Mustermatrix die Korrelationen zwischen Faktoren und Items

c) Unter Uniqueness (Einzigartigkeit) wird die um den Messfehler bereinigte Varianz eines Items verstanden

d) Faktorwerte sind die Ausprägung einer Person auf der latenten Variablen (Faktor).

e) Bei korrelierten Faktoren entspricht der Eigenwert dem Ausmaß, in dem die Varianz einer Variablen durch Faktoren aufgeklärt wird.

Fenster schliessen
1

1 Kommentare

  • 01.02.2020
    B (VL1, Folie: 27, 29; Bühner, S. 310, 313, 314
1

11.) Welche der folgenden Aussagen zu Verfahren in der EFA sind korrekt?

a) Die Hauptkomponentenanalyse versucht auf der Grundlage eines Faktormodells Zusammenhänge zwischen einer Reihe von beobachteten (manifesten) Variablen mittels einer möglichst kleinen Anzahl an Faktoren (latenten Variablen) zu erklären.

b) Die Hauptachsenanalyse (PAF) ist iteratives Verfahren, das endet, wenn der Unterschied in den Kommunalitätsschätzungen zwischen 2 aufeinanderfolgenden Iterationsschritten kleiner als ein Konvergenzkriterium ist

c) Bei der Hauptkomponentenanalyse wird die Gesamtvarianz zerlegt in a) einen varianzteil, den sich die manifesten Variablen teilen, b) die spezifische Varianz und c) die Fehlervarianz

d) Bei einer Maximum-Likelihood Faktoranalyse sind im Gegensatz zu einer PCA die Ladung der Faktoren auf den Items eindeutig bestimmt

e) Bei der PAF werden die Faktoren so bestimmt, dass sie sukzessiv maximal Varianz erklären und unabhängig sind

Fenster schliessen
1

1 Kommentare

  • 01.02.2020
    E (VL2, Folie: 21, 24, 27, 29)
1

12.) Welche der folgenden Aussagen zur explorativen Faktorenanalyse sind richtig?

a) Sowohl bei der obliquen als auch bei der orthogonalen Rotation einer Anfangslösung ändern sich die Ladungen, im Gegensatz zu einer obliquen Rotation ändert sich jedoch bei einer orthogonalen Rotation die erklärte Gesamtvarianz nicht.

b) Das Ziel einer obliquen Rotation einer Anfangslösung in der explorativen Faktorenanalyse ist die Maximierung der Korrelation zwischen den Faktoren

c) Die sogenannte Varimax-Rotation ist die gebräuchlichste oblique Rotationstechnik einer Anfangslösung in der explorativen Faktorenanalyse.

d) Um einer explorative Faktorenanalyse durchzuführen, sollte eine ausreichende Korrelation der latenten Variablen vorliegen

e) Ziel einer orthogonalen Rotation einer Anfangslösung in der explorativen Faktorenanalyse ist die sog. Einfachstruktur."

Fenster schliessen
1

1 Kommentare

  • 01.02.2020
    B D (VL1, Folie: 16, 17; VL2, Folien: 27, 33, 34; Bühner, S. 310)
1

13.) EFA:

a) Werden im Fall korrelierter Faktoren die quadratischen Korrelationen eines Items mit dem Faktor aufsummiert, erhält man die Kommunalität der Items

b) Je Geringer die Kommunalität bei gleicher Anzahl von Items pro Faktor, umso größer sollte die Stichprobe ausfallen

c) Kommunalitätsproblem entsteht, wenn die Anteile der Gesamtvarianz aller manifester Variablen, die durch latente Faktoren aufgeklärt werden, geringer ist als der Anteil der Fehlervarianz an der Gesamtvarianz aller manifester Variablen

d) Kommunalität der manifesten Variablen (Items) in der unrotierten Anfangslösung sind identisch mit der Kommunalität der manifesten Variablen (Items) in der orthogonal rotierten Lösung.

e) Bei der Bestimmung der Anzahl der zu extrahierenden Faktoren in der EFA sollten inhaltliche Überlegungen nur bei der Verwendung der ML-faktorenanalyse eine Rolle spielen."

Fenster schliessen
1

1 Kommentare

  • 01.02.2020
    (VL EFA1 Folien: 5, 32; VL EFA2, Folie: 33; VLSEM1, Folie: 32)
1

14.) EFA:

a) ML im Sinne metrischer manifester Variablen setzt multivariate Normalverteilung voraus

b) In der EFA werden die Faktoren daran bemessen in welchem Maße sie das Muster an Zusammenhängen der manifesten Variablen erklären

c) Bei der PCA wird die höchste bivariate Korrelation der Variablen mit einer anderen Variablen als Schätzer für die Kommunalität der Variablen benutzt

d) Der geeignete Stichprobenumfang bei der EFA hängt von der Kommunalität, Anzahl der Faktoren & Anzahl der manifesten Variablen pro Faktor ab

e) Nach aktuellem Stand der Forschung wird empfohlen je ein Faktor 4 Items zu extrahieren

Fenster schliessen
1

1 Kommentare

  • 10.02.2020
    Ich habe die Antworten mir jetzt selbst mal ausgedacht. Die aus den Gedächtnisklausuren waren eher dürftig
1

15.) Welche Aussage zu den Extraktionskriterien bei der EFA sind richtig?

a) Bei der Parallelanalyse nach Horn werden substantielle Faktoren extrahiert, deren Eigenwerte sich deutlich von denen der anderen unterscheiden

b) Vorteil der Maximum-Likelihood-FA besteht darin, Stabilität der Ergebnisse im Vergleich zur EFA nicht stark von Kommunalität abhängt

c) Am aussagekräftigsten sind Minimum-Averange-Test und/oder Parallelanalyse nach Horn

d) Der MAP-test orientiert sich am Eigenwertkriterium größer Eins

e) Scree-Test nach Catell: Nach Durchführung einer PCA wird die erste Hauptkomponente herausparialisiert und die mittleren quadrierte Partialkorrelationen errechnet. Danach gleicher Vorgang wieder, bis die mittlere quatrierte PArtialkorrelation ein Minimum erreicht hat