Premium Partner
c2b_default

Methoden der Skalierung

VL22

VL22

162
0.0 (0)

Kartei Details

Karten 162
Sprache Deutsch
Kategorie Psychologie
Stufe Universität
Erstellt / Aktualisiert 10.07.2022 / 28.01.2024
Lizenzierung Keine Angabe
Weblink
https://card2brain.ch/box/20220710_methoden_der_skalierung
Einbinden
<iframe src="https://card2brain.ch/box/20220710_methoden_der_skalierung/embed" width="780" height="150" scrolling="no" frameborder="0"></iframe>

Was sind struktur-entdeckende Verfahren?

  • Interdependenzanalysen
  • Entdecken von Zusammenhängen
  • keine Einteilung in AV und UV
  • Variablen
    • nominal: Clusteranalyse
    • metrisch: Clusteranalyse und Faktorenanalyse

Was sind struktur-prüfende Verfahren?

  • Dependenzanalysen
  • Überprüfen von Zusammenhängen
  • Einteilung in AV und UV

 

  1. UV & AV = nominal: logistische Regression & Kontingenzanalyse
  2. UV = nominal
    AV = metrisch: multiple Varianzanalyse
  3. UV = metrisch
    AV = nominal: Diskriminanzanalyse & logistische Regression
  4. UV & AV = metrisch: multiple Regression

Was sind Fragen der Faktorenanalyse?

  • Gibt es eine begrenzte Anzahl von Dimensionen/Faktoren, auf denen sich Objekte/Personen beschreiben lassen?
    • Abbildung der Persönlichkeit des Menschen aufgrund welcher grundlegender Eigenschaften
    • Zusammenfassung der Aspekte der allgemeinen Intelligenz (z.B. kristallin, fluid)
  • Was liegt hinter den manifesten Variablen?
    • latente Variablen (Faktoren)

Welche Funktionen erfüllt die Faktorenanalyse?

  1. Strukturierungsfunktion: Entdeckung von Beschreibungsvariablen
  2. Datenreduktion durch latente Variablen
  3. Überprüfung der Dimensionalität komplexer Merkmale (Fragebogenkonstruktion)
  4. Hypothesengenerierung

Welche Schritte durchläuft eine Faktorenanalyse?

  1. Variablenauswahl und Errechnung der Korrelationsmatrix
    • Voraussetzungen
    • Korrelationskoeffizienz, Bartlett-Test, Kaiser-Meyer-Olkin Kriterium (KMO)
  2. Extraktion der Faktoren
    • Fundamentaltheorem
    • Hauptkomponentenanalyse vs. Faktorenanalyse
  3. Bestimmung der Kommunalitäten
  4. Zahl der Faktoren
    • Kaiser-Kriterium (Eigenwert), Scree-Kriterium, Parallelanalyse nach Horn
  5. Faktoreninterpretation
    • orthogonale oder oblique Rotation
  6. Bestimmung Faktorenwerte

Was sind Voraussetzungen der Variablenauswahl?

  1. Zuverlässigkeit/Reliabilität der Ausgangsdaten beeinflussen Güte der Ergebnisse der FA
  2. Relevanz der erhobenen Merkmale für Untersuchungsgegenstand
  3. homogene Stichprobe (bzgl. Kriterium)
  4. Unabhängigkeit der Beurteilung
  5. Normalverteilung der Merkmale (Residuen)
  6. intervallskalierte Daten
  7. Stichprobengröße ausreichend

Welche AUssagen in der Literatur gibt es bzgl. der Stichprobengröße?

  1. Backhaus:
    1. Anzahl Fälle ≥ Anzahl Variablen
      Anzahl Fälle ≥ 3* Anzahl Variablen
  2. Nunally: 10-15 Fälle pro Variable
  3. Tabachnik & Fidell: mind. 300 Fälle
  4. Comrey & Lee: 
    1. 100 = armselig
    2. 300 = gut
    3. 1000 = exzellent
  5. Guadagnoli und Velicer 
    1. Abhängigkeit der Faktorladungsgröße
    2. Faktoren ≥ 4 Ladungen, die > .6 sind: Stichprobengröße egal
    3. Faktoren mit ≥ 10 Ladungen mit > .4: mind. 150 Fälle
    4. wenige, geringe Ladungen: mind. 300 Fälle
  6. MacCallum:
    1. Kommunalitäten
    2. alle Kommunalitäten > 0.6: < 100 
    3. Komunalitäten ± 0.5: 100-200 Fälle
    4. Kommunalitäten < 0.5 und viele Faktoren: > 500 Fälle

Wie wird eine Datenmatrix dargestellt?

  • Personen/Objekte in Zeilen, Merkmale in Spalten
  • Ziel: Gruppierung der Merkmale (= Variablen)
    • Frage: Welche Merkmale sind sich ähnlich?
  • Über die VP hinweg Mittelwerte bilden und so eine Objekt x Merkmale - Matrix erstellen