c2b_default

Testpsychologie: Einheit 9 & 10: Exploratorische Faktorenanalyse

Testpsychologie: Einheit 9 & 10: Exploratorische Faktorenanalyse

Testpsychologie: Einheit 9 & 10: Exploratorische Faktorenanalyse

17
0.0 (0)
Nadja Peeters
Lernen
Nadja Peeters
Diese Lernkarten behandeln fortgeschrittene Konzepte der exploratorischen Faktorenanalyse auf Universitätsniveau. Sie konzentrieren sich auf Methoden wie Hauptachsen- und Hauptkomponentenanalyse, die Berechnung von Kommunalitäten und Ladungen sowie die Interpretation von Faktoren. Themen wie das Rotationsproblem, die Extraktion von Faktoren und die Bewertung der Datenqualität werden ebenfalls behandelt. Diese Karteikarten sind ideal für Studierende der Psychologie, die sich auf Prüfungen oder Forschungsprojekte vorbereiten und ein tiefes Verständnis der Faktorenanalyse benötigen.
Karten
17
Lernende
12
Sprache
Deutsch
Kategorie
Psychologie
Stufe
Universität
Erstellt / Aktualisiert
31.12.2014 / 02.05.2021
  • 1  / 17

Lernkarten

Fürntratt Kriterium

quadrierte Ladung des Items auf einem Faktor soll ? 50% der Itemkommunalität ausmachen

Unterschied Hauptachsen- und Hauptkomponentenanalyse

Hauptachsenanalyse und Hauptkomponentenanalyse unterscheiden sich im Wesentlichen darin, dass die Hauptkomponentenanalyse versucht, möglichst viel Varianz der beobachteten Variablen zu erklären durch sog. Hauptkomponenten, d.h. Linearkombinationen von Variablen, die als »Faktoren« bezeichnet werden. Die Hauptachsenanalyse hat dagegen die Aufdeckung von latenten Faktoren zum Ziel, mit denen das Beziehungsmuster zwischen den manifesten Variablen erklärt werden kann.
Eigenwert

gibt an, wie viel von der Gesamtvarianz durch diesen Faktor erfasst wird

Extraktionsproblem

Vor der Schätzung der Ladungen muss geklärt werden, wie viele Faktoren extrahiert werden. Gibt kein allgemeingültige Kriterien. In d. R. zählt inhaltliche Plausibilität und Erklärungsgehalt der Ladungen.

Einfachstruktur

Unterschiede in der Itembeantwortung sind möglichst auf einen Faktor zurückzuführen

Rotationsproblem

viele Möglichkeiten zur Reproduktion der Korrelationsmatrix

Analyse zur Güte der Daten

  • Kaiser?MeyerOlkin Mass: Macht Aussage über die Korrelationsmatrix. Hohe Werte sprechen für niedrige itemspezifische Varianz, die mit keinen anderen Items geteilt werden. (>.80 gute Passung)
  • Measure of Sample Adequacy (MSA): Prüft die Eignung jedes Items
  • Bartlett Test: Sind die Koeffizienten der Korrelationsmatrix =0 oder (wenn signifikant) von 0 verschieden

Hierarchische Faktorenanalyse

  • Bei der Hauptachsen-/Hauptkomponentenanalyse zeigt der erste Faktor an, was den Faktoren gemein ist. Spätere Faktoren klären weniger Varianz, da die Varianz vorhergehender Faktoren herauspartialisiert wurde.
  • Analyse hilft das Entstehen der Faktoren besser zu verstehen und zu interpretieren.

Methoden der FA

  • Hauptachsenanalyse: Bei der Hauptachsenanalyse werden die Zusammenhänge der Items auf eine geringe Anzahl von Faktoren zurückgeführt.
    • Anfangskommunalitäten = quadrierte multiple Korrelation eines Item mit allen anderen (R2). Mit der modifizieren Korrelationsmatrix wird eine Hauptkomponentenanalyse durchgeführt und die Kommunalitäten neu geschätzt. Dieser Prozess wird solange wiederholt, bis zwei aufeinanderfolgende Kommunalitäten einen Grenzwert (<0.001/25 Iterationen) unterschreiten
  • Maximum-Likelihood-FA (ML): Bestimmung von Ladungen und Fehlervarianzen durch ML Schätzer.
    • Ziel: Abweichung zwischen beobachteter und reproduzierter Korrelationsmatrix soll minimal werden.

Lernen