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
- UV & AV = nominal: logistische Regression & Kontingenzanalyse
- UV = nominal
AV = metrisch: multiple Varianzanalyse - UV = metrisch
AV = nominal: Diskriminanzanalyse & logistische Regression - 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?
- Strukturierungsfunktion: Entdeckung von Beschreibungsvariablen
- Datenreduktion durch latente Variablen
- Überprüfung der Dimensionalität komplexer Merkmale (Fragebogenkonstruktion)
- Hypothesengenerierung
Welche Schritte durchläuft eine Faktorenanalyse?
- Variablenauswahl und Errechnung der Korrelationsmatrix
- Voraussetzungen
- Korrelationskoeffizienz, Bartlett-Test, Kaiser-Meyer-Olkin Kriterium (KMO)
- Extraktion der Faktoren
- Fundamentaltheorem
- Hauptkomponentenanalyse vs. Faktorenanalyse
- Bestimmung der Kommunalitäten
- Zahl der Faktoren
- Kaiser-Kriterium (Eigenwert), Scree-Kriterium, Parallelanalyse nach Horn
- Faktoreninterpretation
- orthogonale oder oblique Rotation
- Bestimmung Faktorenwerte
Was sind Voraussetzungen der Variablenauswahl?
- Zuverlässigkeit/Reliabilität der Ausgangsdaten beeinflussen Güte der Ergebnisse der FA
- Relevanz der erhobenen Merkmale für Untersuchungsgegenstand
- homogene Stichprobe (bzgl. Kriterium)
- Unabhängigkeit der Beurteilung
- Normalverteilung der Merkmale (Residuen)
- intervallskalierte Daten
- Stichprobengröße ausreichend
Welche AUssagen in der Literatur gibt es bzgl. der Stichprobengröße?
- Backhaus:
- Anzahl Fälle ≥ Anzahl Variablen
Anzahl Fälle ≥ 3* Anzahl Variablen
- Anzahl Fälle ≥ Anzahl Variablen
- Nunally: 10-15 Fälle pro Variable
- Tabachnik & Fidell: mind. 300 Fälle
- Comrey & Lee:
- 100 = armselig
- 300 = gut
- 1000 = exzellent
- Guadagnoli und Velicer
- Abhängigkeit der Faktorladungsgröße
- Faktoren ≥ 4 Ladungen, die > .6 sind: Stichprobengröße egal
- Faktoren mit ≥ 10 Ladungen mit > .4: mind. 150 Fälle
- wenige, geringe Ladungen: mind. 300 Fälle
- MacCallum:
- Kommunalitäten
- alle Kommunalitäten > 0.6: < 100
- Komunalitäten ± 0.5: 100-200 Fälle
- 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