M6 - Grundlagen der Testkonstruktion
Kapitel 4 - Skalenbildung: Faktorenanalyse, Aggregation von Items und Normierung
Kapitel 4 - Skalenbildung: Faktorenanalyse, Aggregation von Items und Normierung
Kartei Details
| Karten | 59 |
|---|---|
| Lernende | 13 |
| Sprache | Deutsch |
| Kategorie | Psychologie |
| Stufe | Grundschule |
| Erstellt / Aktualisiert | 11.12.2011 / 10.09.2017 |
| Weblink |
https://card2brain.ch/box/m6_grundlagen_der_testkonstruktion5
|
| Einbinden |
<iframe src="https://card2brain.ch/box/m6_grundlagen_der_testkonstruktion5/embed" width="780" height="150" scrolling="no" frameborder="0"></iframe>
|
Lernkarteien erstellen oder kopieren
Mit einem Upgrade kannst du unlimitiert Lernkarteien erstellen oder kopieren und viele Zusatzfunktionen mehr nutzen.
Melde dich an, um alle Karten zu sehen.
Was ist eine Strukturmatrix?
eine Matrix, in der Korrelationen zwischen Items und Faktoren stehen, allerdings jetzt mit den rotierten Faktoren
Was ist eine Mustermatrix?
eine Matrix, in der die partiellen standardisierten Regressionsgewichte des Items mit den rotierten Faktoren stehen
Was ist für die inhaltliche Interpretation bedeutsam?
vor allem das Muster der Ladungskoeffizienten
Wie lassen sich Faktorwerte berechnen?
durch Regressionsrechnung
Worin liegt der Kernbereich der Anwendung der CFA (konfirmatorischen Faktorenanalyse/Strukturgleichungsmodelle)?
in der Prüfung zuvor spezifizierter Modelle
Inwieweit gehen die SEM-Methoden über den traditionellen Ansatz der EFA hinaus?
indem sie die Modellierung sowohl der theoretischen
latenten Ebene als auch der manifesten Messebene, die Verbindung dieser
beiden Ebenen sowie die Prüfung der damit verbundenen Modellannahmen
gestatten.
Welche Aspekte nennt Kline als kennzeichnend für lineare Strukturgleichungsmodelle?
siehe Seite 130/131
Wie erfolgt die Darstellung von SEM?
mit Hilfe von Pfaddiagrammen s.S. 133
Wie sehen die Schritte einer SEM-Analyse aus?
1. Modellspezifikation
2. Bestimmung der Identifiziertheit des Modells
3. Design und Datenerhebung
4. Durchführung der SEM-Analyse
a. Festlegung von Datenmatrix und Schätzalgorithmus
b. Evaluation der Passung zwischen Daten und Modell (fit)
c. Berücksichtigung von und ggf. Vergleich mit alternativen Modellen
d. Interpretation der Parameter
5. Ggf. Modifikation und Respezifikation des Modells
6. Dokumentation der Analyse im schriftlichen Bericht
Was bedeutet es, wenn ein Modell unteridentifiziert ist?
z.B. a + b = 6
d.h. es gibt zwei Variablen und nur eine bekannte --> für die Variablen gitb es unendlich viele Lösungsmöglichkeiten
Was bedeutet es, wenn ein Modell gerade identifiziert ist?
z.B. a + b = 6 und 2a + b = 10
dieses Gleichungssystem ist eindeutig lösbar
Was bedeutet es, wenn ein Modell überidentifiziert ist?
z.B. a + b = 6 und 2a + b = 10 und 3a + b = 12
hier gibt es nur Näherungslösungen
da es hier mehr bekannte als Variablen gibt, hat dieses gleichungssystem einen Freiheitsgrad, den man später braucht um die Passung zwischen Modell und Daten zu prüfen
Welche Ausgangsmatrix sollte in der CFA verwendet werden?
Kovarianzmatrix
Welche Schätzalgorithmen sind gängig bei SEM-Analysen?
Maximum Likelihood
Generalized Least Squares
Unweighted Leat Squares
Asymptotically Distribution Free
Was sind Heywood Cases?
Lösungen, die eigentlich nicht zustande kommen können
Auf was kommt es bei der Wahl des faktorenanalytischen Verfahrens an?
ob über die interne Struktur präzise theoretische Vorstellungen exostieren oder nicht:
- falls nicht kommen Verfahren der explorativen Faktorenanalyse zum Einsatz (EFA)
- falls ja, ist die konfirmatorische Faktorenanalyse die Methode der Wahl (CFA)
Wozu dient die Faktorenanalyse?
- zur Untersuchung von Tests und anderen Diagnostika
- und sie besitzt eine Vielzahl sehr breiter Anwendungsgebiete
- dient zur Reduktion von vielen manifesten Variablen zu wenigen latenten Variablen
- Zusammenhänge zwischen Items auf latente Variablen zurückzuführen
- einen komplexen Merkmalsbereich in homogenere Teilbereiche zu untergliedern oder auszudifferenzieren
Wo hat die Faktorenanalyse ihren Ursprung?
in der theoretischen Intelligenzforschung
Was ist das Prinzip der Faktorenanalyse?
- das ist eine Gruppe statistischer Verfahren, mit denen die interne Struktur eines Satzes von Variablen auf deren nicht offen zutage tretende (latente) Zusammenhänge untersucht wird
- mit ihr kann man versuchen, viele manifeste Variablen (z.B. Items eines Tests) zu wenigen latenten Variablen (den diesen Items zugrunde liegenden Konstrukten) zusammenzufassen
Was hat Cattell unterschieden?
- unterschied zwischen drei Varinazquellen und sechs möglichen Arten von Korrelationsmatrizen
- R-Technik
Was ist die trimodale Faktorenanalyse?
- eine Variante der EFA, mit der sich drei Varianzquellen simultan berücksichtigen lassen
Welche drei zentralen Zwecke der Faktorenanalyse unterscheidet Thompson?
1. Prüfung der Gültigkeit (Validität) theoretischer Modellannahmen über die Struktur eines vorhandenen Variablensatzes oder Messinstruments
2. die Entwicklung von Theorien über die interne Struktur psychologischer Konstrukte bzw. deren messbare Manifestation
3. die Datenreduktion bzw. die vereinfachende Beschreibung eines Datensatzes durch Zusammenfassung von Variablen zu übergeordneten Faktoren
Wozu eignet sich die CFA besonders gut?
- zur Modellprüfung
Wozu eignet sich die EFA besonders gut?
- sie setzt keine theoretischen Modellvorstellungen voraus und eignet sich deshalb dazu, solche Modellvorstellungen im Rahmen eines theoriebildenden Vorgehens zu entdecken und den vorliegenden Datensatz entsprechend zu vereinfachen
Welches sind nach Thompson die am häufigsten verwendeten Varianten der EFA?
- Hauptachsenanalyse (principal axis factor analysis: PAF)
- Hauptkomponentenanalyse (principal components analysis: PCA)
Die PCA ist keine EFA i. e. S.. Was unterscheidet sie von den anderen faktorenanalytischen Modellen (wie z.B. PAF)?
- die PCA dient vorwiegend der Datenreduktion, während die PAF dem Ziel der Aufdeckung latenter Strukturen im Datensatz dient
Welche Schritte lassen sich im Rahmen einer EFA unterscheiden?
1. Prüfung der Voraussetzung einer EFA
2. Auswahl der faktorenanalytischen Methode und damit Festlegung der Methode der sog. Kommunalitätenschätzung und der Faktorextraktion
3. Festlegung der Anzahl der extrahierten Faktoren
4. Festlegung der Methode der Rotation und deren Durchführung
5. inhaltliche Interpretation der Faktoren
6. Festlegung der Methode zur Ermittlung der Faktorwerte und ggf. Faktorenanalyse höherer Ordnung
Was sind die wichtigsten Voraussetzungen für eine EFA?
- Korrelation der Items
--> sollten substanziell korrelieren
- Stichprobengröße
--> sollte sehr groß sein
- uni- und multivariate Verteilungseigenschaften der Items bzw. manifesten Variablen
Was ist die Mindestvoraussetzung für eine substantielle Korrelation bei einer EFA?
dass die beobachtete Korrelationsmatrix signifikant von der vollständigen Unabhängigkeit der Variablen in der Population abweichen sollte
--> kann mit Bartlett-Test auf Sphärizität und mit Kaiser-Meyer-Olkin-Koeffizient (KMO-Koeffizient) geprüft werden
Was sollte beim KMO-Koeffizienten zutreffen?
er sollte möglichst hoch sein --> keinesfalls unter .50
-
- 1 / 59
-
