Use LEFT and RIGHT arrow keys to navigate between flashcards;
Use UP and DOWN arrow keys to flip the card;
H to show hint;
A reads text to speech;
44 Cards in this Set
- Front
- Back
Was ist die Faktorenanalyse? Welches Ziel verfolgt sie? |
Bei der Faktorenanalyse handelt es sich um eine Gruppe multivariater Analyseverfahren.
Sie verfolgen das Ziel, vorhandene Daten auf die notwendigen Informationen zu reduzieren und die Konstruktvalidität zu überprüfen |
|
Erläutere anhand eines Beispiels, wie mit der Faktorenanalyse eine Konstruktvalidierung vorgenommen werden kann? (Entwicklung eines Fragebogens zur Erfassung von Optimismus) |
Es wird theoretisch von zwei Subskalen ausgegangen:
|
|
Was ist die Faktorladung in einer Faktorenanalyse? |
λik:
|
|
Was ist der Eigenwert in der Faktorenanalyse? |
Eig(Fk):
|
|
Was ist die Kommunalität in der Faktorenanaylse? |
hi^2:
[Die Summe der Eigenwerte ist immer gleich der Summe der Kommunalitäten!] [^ soll anzeigen, dass die Folgezeichen hochgestellt sind] |
|
Was ist der Faktorwert in der Faktorenanaylse? |
fkv:
|
|
Was besagt das Fundamentaltheorem der Faktorenanalyse? |
Es beinhaltet die Annahme, dass eine beobachtete standardisierte Messung zvi der Person v in Item i in eine Linearkombination aus folgenden Komponenten zerlegt werden kann:
[im Hinblick auf die KTT wird also der wahre Wert in Faktorladung und Faktorwert zerlegt! Für die eigtl. FA sind aber nur λik Bedeutung!] |
|
Wann wird die Exploratorische Faktorenanalyse (EFA) angewendet? |
|
|
Welchen Schritten folgt die EFA? |
|
|
Welche Bedeutung kommt den Faktoren in der Faktorenanalyse zu? |
|
|
Wozu dient der Bartlett-Sphärizitäts-Test? |
Er wird verwendet, um zu testen, ob sich die Variablen-Interkorrelationsmatrix für eine Faktoranalyse eignet oder nicht.
Dabei wird getestet, ob sich die Korrelationsmatrix nur zufällig von einer Einheitsmatrix unterscheidet (0-Interkorrelation).
Der Test setzt die Normalverteilung der Variablen voraus. |
|
Welches alternative Verfahren wird verwendet, um die Eignung einer Variablen-Interkorrelationsmatrix für die Faktorenanalyse zu überprüfen?
Welches Problem hat dieses Verfahren? |
Der Chi-Quadrat-Test wird ebenfalls dafür verwendet. Die Prüfgröße ist jedoch stark stichprobenabhängig!
NV ist auch hier Voraussetzung. |
|
Ein weiteres Verfahren, um die Eignung der Variablen-Interkorrelationsmatrix für eine FA zu bewerten ist das Kaiser-Meyer-Olkin-Kriterium.
Wie funktioniert es? |
|
|
Für das Kaiser-Meyer-Olkin-Kriterium wird eine sog. Anti-Image-Matrix benötigt. Was gibt sie an? |
Den Anteil der Varianz, der durch die verbleibenden Variablen mittels einer multiplen Regression nicht vorhergesagt werden kann. |
|
Welche Verfahren der Faktorenextraktion werden unterschieden? |
PCA: Hauptkomponentenanalyse
PFA: Hauptachsenanalyse |
|
Woraus lässt sich im Hinblick auf das Fundamentaltheorem der EFA die Variablen-Interkorrelationsmatrix reproduzieren? |
Aus den Faktorladungen und den Korrelationen zwischen den Faktoren |
|
Was ist das Ziel der Hauptkomponenten-Analyse (PCA)? |
Durch die Hauptkomponenten möglichst viel Varianz der beobachteten Variablen aufklären |
|
Was ist die implizite Annahme der PCA und was folgt daraus? |
Die beobachteten Variablen werden messfehlerfrei erfasst (εvi= 0; beobachtete Variablen=Ausgangsvariablen=Items).
Daraus folgt:
|
|
Was ist das Ziel der Hauptachsenanalyse (PFA)? |
Aufdeckung von latenten Faktoren, mit denen das Beziehungsmuster zwischen den latenten Variablen erklärt werden kann. |
|
Welche Annahme macht die PFA und was folgt daraus? |
Die beobachtbare Varianz kann neben wahrer Varianz auch Messfehlervarianz enthalten (εvi != 0)
Daraus folgt:
|
|
Was beinhaltet das Kommunalitätenproblem? |
Vor der Extraktion der Faktoren müssen die Kommunalitäten geschätzt werden. Deren Werte kennt man aber noch nicht. |
|
Wie geht die PCA mit dem Kommunalitätenproblem um? Wie wird damit in der PFA verfahren? |
PCA: Alle Kommunalitäten werden auf 1 gesetzt
PFA: Kommunalitäten werden geschätzt; sind dabei immer <1, Mögliche Schätzungen:
|
|
Anhand welcher Kriterien kann die Anzahl der zu extrahierenden Faktoren bestimmt werden? |
Die Faktorenextraktion findet auf Basis der Eigenwerte statt.
Mögliche Kriterien:
|
|
Wie geht die Parallelanalyse bei der Faktorenextraktion vor? |
Grundgedanke: Zufällig auftretende Korrelationen zwischen Variablen führen zu Scheinfaktoren mit Eigenwerten <1
Es werden möglichst unkorrelierte Zufallsdaten generiert.
Relevante Faktoren sollten höhere Eigenwerte aufweisen, als diejenigen, die mit Zufallsdaten generiert wurden. |
|
Wie geht das Kaiser-Kriterium bei der Faktorenextraktion vor? |
Es wird davon ausgegangen, dass relevante Faktoren einen Eigenwert >1 aufweisen.
Dies kann aber zu einer Überschätzung der Anzahl relevanter Faktoren führen, v.a. bei vielen Variablen. |
|
Wie verfährt man mit dem Scree-Test, will man Faktoren extrahieren? |
|
|
Wozu dient die Faktorenrotation? |
Es besteht häufig das Problem, dass der durch die FA entstandene Faktorenraum nicht interpretierbar ist.
Um diese Interpretierbarkeit zu erreichen, wird der Faktorraum gedreht => Faktorenrotation
Ziel ist es eine Einfachstruktur herauszukriegen. |
|
Was beinhaltet eine sogenannte Einfachstruktur? |
Eine Einfachstruktur entsteht, wenn die Faktorenrotation dazu führt, dass jede Variable nur auf einem einzigen Faktor hoch lädt (Primärladungen).
Auf allen anderen Faktoren soll die Ladung möglichst 0 bzw. sehr gering sein. (Sekundärladungen) |
|
Welche Formen der Faktorenrotation gibt es?
Was unterscheidet sie wesentlich voneinander? |
Orthogonale Rotation (z.B. Varimax)
Oblique Rotation (z.B. Oblimin)
|
|
Was ist das sog. Varimax-Verfahren? |
|
|
Was ist das sog. Oblimin-Verfahren? |
|
|
Die konfirmatorische Faktorenanalyse (CFA) ist ein hypothesenprüfendes Verfahren. Welche Hypothesen formuliert und prüft sie? |
Hypothesen hinsichtlich der
|
|
Welche Teilziele werden mit der CFA verfolgt? |
|
|
Welche Vorgehensweisen bei der Modellprüfung lassen sich mit der CFA verfolgen? |
|
|
In welchen Schritten läuft üblicherweise eine CFA ab? |
1. Modellspezifikation: Umsetzung der Hypothesen bezüglich der
2. Parameterschätzung:
3. Modellevaluation:
|
|
Bei der Modellspezifikation für die CFA kommt für die Parameterschätzung meist die Maximum-Likelihood-Methode zum Einsatz.
Welche Voraussetzungen müssen die Indikatorvariablen erfüllen, damit die MLM angewendet werden kann? |
|
|
Wie sähe eine graphische Modellspezifikation im Rahmen der CFA für das gegebene Beispiel (Optimismus= Personaler Optimismus + Sozialer Optimismus) aus? |
s. WS14/15, VL08, Folie 31 |
|
Was ist das Ziel der Parameterschätzung in der CFA? |
Die Parameter für das theoretische Modell so bestimmen, dass mit ihren die empirischen Varianzen und Kovarianzen möglichst gut reproduziert werden können. |
|
Welcher Test kann zur inferenzstatistischen Evaluation des Modells bei der CFA angewendet werden? |
Chi-Quadrat-Anpassungstest:
|
|
Was ist der RMSEA und wozu dient er? [Root Mean Square Error of Approximation] |
Dient der deskriptiven Beurteilung des Model-Fits
je kleiner desto besser (guter Fit RMSEA <.05) |
|
Welche weiteren Kennwerte (außer Karte 40) zur deskriptiven Beurteilung des Model-Fits gibt es und wie funktionieren sie? |
Vergleichen das Modell mit einem Nullmodell (alle Variablen sind unkorreliert)
ein guter Fit ergibt einen CFI/NFI der möglichst nahe bei 1 liegt (CFI ≥ .97, NFI ≥ .95) |
|
Will man in der CFA Modelle miteinander Vergleichen braucht man einen sog. Modell-Differenztest. Wie funktioniert dieser? |
|
|
Was ist zu beachten, wenn man bei der Modellentwicklung vor einer CFA eine EFA durchgeführt hat? |
Beide Faktorenanaylsen sollten möglichst auf unterschiedlichen Datensätzen beruhen! |
|
Die CFA ist kein hinreichender Nachweis für Konstruktvalidität. Warum? Und was wäre eine mögliche Lösung? |
Die CFA untersucht nicht, was die zugrundeliegenden Dimensionen inhaltlich bedeuten!
Mögliche Lösung: MTMM |