Premium Partner

0 Login Register

Store 0
Library
Info
Subscriptions
Partner

Testpsycho: Fragen zu Kapitel 6 - Exploratorische Faktorenanalyse

Question first
Answer first
Self-test

0.0 (0)

Invisible

Study

Invisible

Set of flashcards Details

Flashcards	13
Language	Deutsch
Category	Psychology
Level	University
Created / Updated	31.12.2014 / 02.05.2021
Licencing	Not defined
Weblink	https://card2brain.ch/box/testpsycho_fragen_zu_kapitel_6_exploratorische_faktorenanalyse
Embed	<iframe src="https://card2brain.ch/box/testpsycho_fragen_zu_kapitel_6_exploratorische_faktorenanalyse/embed" width="780" height="150" scrolling="no" frameborder="0"></iframe>

Flip-Mode

1. Die exploratorische Faktorenanalyse kann dazu dienen,... (2)

Die Itemvarianzen in Linearkombinationen zu zerlegen

Items in homogene Itemmengen zu ordnen

Summenwerte für Personenmesswerte zu erhalten

A priori spezifizierte Modelle auf Passung mit den Daten zu überprüfen

Zusammenhänge der Items untereinander durch eine geringere Anzahl dahinter liegender homogener Faktoren zu erklären

2. Welche Aussagen zur Faktorenanalyse treffen? (1)

Die Fundamentalgleichung der exploratorische Faktorenanalyse besagt, dass jeder z-standardisierte Messwert einer Person in einen gewichteten Faktorwert und einen Fehler zerlegt werden kann

Die Fehler mit den wahren Werten korrelieren

Man erhält durch die Faktorenanalyse Summenwerte für Personenmesswerte

Die Faktorenanalyse prüft a priori spezifizierte Modelle auf Passung mit den Daten

Die Faktorenanalyse erklärt Zusammenhänge der Items untereinander durch eine geringere Anzahl dahinter liegender homogener Faktoren

3. Welche Voraussetzungen müssen im Rahmen der Faktorenanalyse gegeben sein, um zunächst die Parameter des Modells (z.B. Ladungen) zu schätzen? (5)

Der Erwartungswert der Fehler ist null

Die Fehler sind unkorreliert

Die Faktorwerte sind zunächst unkorreliert

Faktorwerte als auch Fehler im Modell werden als intervallskaliert angenommen

Faktorwerte sind standardisiert mit einem Erwartungswert von null und einer Varianz von eins

4. Welche Aussagen zur Fundamentalgleichung der Faktorenanalyse treffen zu? (3)

Sie zeigt, wie man aus den Ladungen eine Korrelationsmatrix reproduziert

Man multipliziert die Ladungsmatrix mit der transponierten Ladungsmatrix, wobei noch ein Fehlerterm hinzuaddiert wird

Die Korrelationsmatrix, die aus der Fundamentalgleichung resultiert, entspricht immer der beobachteten Korrelationsmatrix

Die transponierte Ladungsmatrix erhält man, indem man die Zeilen und Spalten der Matrix vertauscht

In der Diagonalen reproduzierten Korrelationsmatrix stehen die Eigenwerte der Faktoren

5. Es gibt eine Reihe von Problemen, die bei der Faktorenanalyse auftreten. Welche Aussagen treffen zu? (3)

Eine Replizierte Faktorenstruktur nur dann für die Richtigkeit der Lösung spricht, wenn die verwendeten Stichproben vergleichbar waren und die Laudungstruktur invariant gegenüber linearen Transformationen ist

Betrachtet man die Fundamentalgleichung der Faktorenanalyse, dann gibt es viele Möglichkeiten, die Korrelationsmatrix zu reproduzieren

Ein Vorliegen unterschiedlicher Itemverteilungen wirkt sich auf die Höhe der Itemschwierigkeiten aus und führt dazu, dass verschiedene Verteilungen zur selben Ladungsstruktur führen können

Die Kommunalitäten müssen vor der Berechnung der Ladungen im Rahmen der Faktorenanalyse bekannt sein, da man sie aber a priori nicht kennt, müssen sie aus den Daten geschätzt werden

Vor der Schätzung der Ladungen und Fehlervarianzen muss geklärt sein, wie viele Faktoren extrahiert werden müssen. Es gibt aber kein allgemein anerkanntes Abbruchkriterium

6. Welche Aussagen zu verschiedenen Arten der Faktorenanalyse und zur Hauptkomponentenanalyse treffen zu? (3)

Im Rahmen der Hauptachsen und Maximum-Likelihood Faktorenanalysen werden als Anfangskommunalitäten das multiple R² verwendet

Sowohl die ML-Faktorenanalyse als auch die Hauptachsenfaktorenanalyse versuchen die Itemvarianzen durch dahinterliegende Faktoren zu erklären

Bei der Hauptkomponentenanalyse werden als Anfangskommunalitäten Einsen in der Diagonalen verwendet und damit wird die gesamte Itemvarianz analysiert

Die Hauptkomponentenmethode dient lediglich der Informationsreduktion, und die Itemvarianzen werden durch Linearkombinationen auf wenige homogene Komponenten reduziert

Die Fundmentalgleichung ist Hauptachsenfaktorenanalyse, Maximum-Likelihood Faktorenanalyse und für die Hauptkomponentenanalyse jeweils identisch

7. Welche Aussagen zur Faktorenextraktion treffen zu?

Der Scree-Test ist vor allem dann anzuwenden, wenn es sich um Fragbogendaten handelt, da hier sogenannte Schwierigkeitsfaktoren entstehen können und mithilfe des Scree-Tests diese erkannt werden können

Bei Ermittlung der Faktorenzahl führt das Eigenwert-Kriterium größer eins immer zu einer Unterschätzung der wahren Faktorenzahl

Man muss sich vor der Durchführung der Faktorenanalyse für die Anwendung von einem Extraktionskriterium entscheiden, denn im Nachhinein könnte die Auswahl des Kriteriums beliebig erscheinen

Im Rahmen der Parallelanalyse wird aus der empirischen Korrelationsmatrix so lange sukzessiv Komponenten auspartialisiert, bis der quadrierte Korrelation eine Minimum erreicht

keine richtig

8. Der Eigenwert eines Faktors...(3)

ist der Wert, der angibt "wie gut die Faktorenlösung gelingt"

ist die Summe der quadrierten Korrelationen aller Items mit dem Faktor

ändert sich durch die Rotation nicht

gibt, wenn man ihn durch die Anzahl der Items teilt und mit 100 multipliziert, an, wie viel Prozent der Gesamtvarianz aller Items durch den Faktor erklärt werden kann

ist bei einer obliquen Rotation nur schwer interpretierbar, weil die Korrelationen zwischen den Faktoren zu einer Überschätzung der Eigenwerte führen