EFA
EFA
EFA
Kartei Details
Karten | 36 |
---|---|
Sprache | Italiano |
Kategorie | Landwirtschaft |
Stufe | Mittelschule |
Erstellt / Aktualisiert | 15.06.2020 / 15.06.2020 |
Lizenzierung | Kein Urheberrechtsschutz (CC0) |
Weblink |
https://card2brain.ch/box/20200615_efa
|
Einbinden |
<iframe src="https://card2brain.ch/box/20200615_efa/embed" width="780" height="150" scrolling="no" frameborder="0"></iframe>
|
Was ist das Ziel der EFA?
Wie werden die Faktoren konstruiert? D.h. was sollen die Faktoren gut repräsentieren?
- Ziel der explorativen/exploratorischen Faktorenanalyse (EFA) ist die Beschreibung der Zusammenhänge zwischen einer Reihe von beobachteten (manifesten) Variablen mittels einer möglichst kleinen Anzahl an Faktoren (latenten Variablen) --> Datenreduktion
- Faktoren werden mathematisch so konstruiert, dass sie die gemeinsame Varianz (Korrelationen zwischen) einer größeren Zahl an (beobachteten) Variablen gut repräsentieren
Die Bedeutung synthetischer Variablen:
- „Synthetische“ Variable = Variable, die wechselseitig korrelierten Variablen zugrunde liegt
- Partialisiert man den Faktor aus den Variablen heraus, verringern sich die wechselseitigen Korrelationen bedeutsam
- Der Faktor „erklärt“ also den wechselseitigen Zusammenhang zwischen Variablen (wobei die inhaltliche Interpretation der Faktoren dem/der ForscherIn --> im rein explorativen Fall
- Partialisiert man einen Faktor aus den Variablen heraus, bleibt (meist) Restvarianz übrig
- Diese Restvarianz kann wiederum durch einen neuen „synthetischen“ Faktor erklärt werden
- Faktorenanalyse ist ein Daten reduzierendes Verfahren Es werden weniger Faktoren als Variablen benötigt, um den wechselseitigen Zusammenhang der Variablen (ausreichend gut) zu erklären
Was bedeutet Faktorwert?
Was bedeutet Faktorladung?
Faktorwerte
- Der Faktorwert ������ einer Person v kennzeichnet die Position dieser Person auf dem Faktor q
- Messwerte der Personen auf den latenten Variablen
Faktorladung
- Eine Faktorladung ������ entspricht der Korrelation einer Variablen i und einem Faktor q im Falle unkorrelierter Faktoren
- Im Falle korrelierter Faktoren handelt es sich bei den Faktorladungen um semipartielle standardisierte Regressionsgewichte
Welche drei gängigen Methoden der Faktorenanalyse werden unterschieden? Was ist die Besonderheit der PCA?
- Hauptkomponentenanayse (PCA)
- Hauptachsenanaylse (PAF)
- Maximum-Likelihood-Faktorenanalyse
Was ist das Ziel der PCA? Kann man die Daten inhaltlich interpretieren?
Was ist das alleinige Ziel der PCA? Kann man die Daten nach der PCA inhaltlich interpretieren?
Ziel ist die reine Datenreduktion, man kann damit aber keine inhaltlich interpretierbaren latenten Variablen identifizieren, da immer die komplette Varianz (auch die Fehlervarianz) für die Schätzung der Ladungen verwendet wird
Man hat auch nicht das Ziel, das Ergebnis inhaltlich zu erklären, es geht rein um die Datenreduktion
Welche Varianz wird betrachtet
a) bei der Hauptkomponentenanalyse (PCA)?
b) bei der Hauptachsenanalyse und der Maximum-Likelihood-Schätzung?
a) Hauptkomponentenanalyse --> Gesamte Varianz wird verwendet
b) Hauptachsenanalyse und Maximum-Likelihood-Faktorenanalyse
--> Nur gemeinsame (wahre) Varianz wird verwendet