Faktorenanalysen mit SPSS. Explorative Faktorenanalyse als Instrument der Dimensionsreduktion. Interpretation des SPSS-Output s
|
|
- Margarete Mann
- vor 7 Jahren
- Abrufe
Transkript
1 Explorative Faktorenanalyse als Instrument der Dimensionsreduktion Beispiel: Welche Dimensionen charakterisieren die Beurteilung des sozialen Klimas in der Nachbarschaft? Variablen: q27a bis q27g im Datensatz des Projekts Räumlichkeit und soziales Kapital in der Sozialen Arbeit. Faktorenanalysen mit SPSS Eine Faktorenanalyse wird in SPSS angefordert über: Analysieren Dimensionsreduktion Faktorenanalyse... Hier müssen dann zunächst die auszuwertenden Variablen bestimmt werden (im Beispiel q27a bis q27g), dann sollte man (für den hier interessierenden Anwendungsbereich) unter Rotation die Methode Varimax wählen und in den Optionen das Anzeigeformat für Koeffizienten auf Sortiert nach Größe setzen. Betrachtet man die Korrelationsmatrix (s. nächste Seite), stellt man fest, dass die in Frage 27 erhobenen Einschätzungen des sozialen Klimas in der Nachbarschaft in vielfältiger Weise miteinander korrelieren, also mehr oder weniger große Teile an Varianz gemeinsam haben. Anders formuliert: Offenbar messen verschiedene Items teilweise das Gleiche. Die explorative Faktorenanalyse ist ein Verfahren, mit dem das Gemeinsame der beobachteten Merkmale extrahiert werden kann. Dabei ist das Ziel, die in den beobachteten Merkmalen enthaltenen Informationen auf möglichst wenige, gewissermaßen dahinterliegende Dimensionen zurückzuführen. Das gelingt freilich nur mit einem gewissen Informationsverlust. Technisch kann man sich das zugrunde liegende Verfahren so vorstellen, dass nach mathematischen Gesetzmäßigkeiten, deren Sinnhaftigkeit wir wieder einmal denen glauben, die sich damit auskennen neue Variablen, eben die Faktoren, gebildet werden, die so konstruiert sind, dass sie mit den Ausgangsvariablen möglichst hoch korrelieren. Die wesentlichen Schritte sind: Auswahl der Variablen Faktorenextraktion incl. Festlegung der Faktorenzahl Rotation der Faktoren Interpretation der Faktoren Interpretation des SPSS-Output s Die erste von SPSS ausgegebene Statistik dokumentiert die Kommunalitäten. Kommunalitäten q27g Die Menschen hier haben keinen Respekt vor Gesetz und Ordnung. Anfänglich Extraktion 1,000,628 1,000,584 1,000,737 1,000,606 1,000,688
2 Kommunalitäten q27a Die Menschen hier Korrelationskoeffizient helfen sich q27b Hier kennen sich N die Menschen q27b Hier kennen sich Korrelationskoeffizient die Menschen q27c Die Menschen Nhier halten q27c Die Menschen hier Korrelationskoeffizient halten q27d Man kann den NMenschen in der q27d Man kann den Korrelationskoeffizient q27e Menschen Die in der Menschen Sig. hier (2-seitig) kommen schlecht miteinander N aus. q27e Die Menschen hier Korrelationskoeffizient q27f kommen Die schlecht Menschen hier haben keine gemeinsamen miteinander aus. Werte. N q27f Die Menschen hier Korrelationskoeffizient q27g Die Menschen hier haben keinen haben keine Respekt gemeinsamen vor Werte. Gesetz und Ordnung. q27g Die Menschen hier haben keinen Respekt vor Gesetz und Ordnung. N Korrelationskoeffizient N **. Die Korrelation ist auf dem 0,01 Niveau signifikant (zweiseitig). Korrelationen: Kendall-Tau-b q27g Die q27d Man q27e Die q27f Die Menschen q27a Die kann den Menschen Menschen hier haben Menschen q27b Hier q27c Die Menschen in hier kommen hier haben keinen hier helfen kennen sich Menschen der schlecht keine Respekt vor Anfänglich Extraktion sich die Menschen hier halten Nachbarsch miteinander gemeinsa Gesetz und aft vertrauen. aus. men Werte. Ordnung. 1,000 1,000,400**,628,511**,418** -,339** -,347** -,259**.,000,000,000,000,000, ,000,584,400** 1,000,490**,313** -,256** -,253** -,182**,000.,000,000,000,000, ,000,737,511**,490** 1,000,496** -,364** -,329** -,243**,000,000.,000,000,000,000 1,000, ,418**,313**,496** 1,000 -,401** -,308** -,328** 1,000,688,000,000,000.,000,000, ,339** -,256** -,364** -,401** 1,000,532**,465**,000,000,000,000.,000, ,347** -,253** -,329** -,308**,532** 1,000,446**,000,000,000,000,000., ,259** -,182** -,243** -,328**,465**,446** 1,000,000,000,000,000,000, Korrelationsmatrix, erstellt mit: Analysieren > Korrelation > Bivariat > Kendall-Tau-b
3 Die Kommunalitäten geben die Anteile der Varianz der Ausgangsvariablen an, die durch die Faktoren insgesamt erklärt werden. Im vorliegenden Fall wird beispielsweise die Varianz der Variablen q27c zu 73,7% durch die Faktoren erklärt, die Varianz der Variablen q27b nur zu 58,4%. Ein nicht geringer Teil der in q27b enthaltenen Information geht also verloren, wenn man nur noch die Faktoren betrachtet. Die Kommunalitäten geben damit einen Hinweis, welche Variablen in den extrahierten Faktoren gut aufgehoben sind und welche man vielleicht besser aussortieren sollte, weil sie überwiegend etwas anderes messen, als die Faktoren. Erklärte Gesamtvarianz Summen von quadrierten Faktorladungen für Extraktion Rotierte Summe der quadrierten Ladungen Kompo- Anfängliche Eigenwerte nente Gesamt % der Varianz Kumulierte % Gesamt % der Varianz Kumulierte % Gesamt % der Varianz Kumulierte % 1 3,604 51,484 51,484 3,604 51,484 51,484 2,467 35,241 35, ,017 14,534 66,018 1,017 14,534 66,018 2,154 30,777 66,018 3,641 9,154 75,173 4,529 7,551 82,723 5,485 6,922 89,645 6,380 5,432 95,077 7,345 4, ,000 Der Eigenwert eines Faktors (in den neueren SPSS-Versionen werden die Faktoren verwirrenderweise Komponenten genannt) bezeichnet die Varianz, den dieser Faktor mit den Ausgangsvariablen insgesamt gemeinsam hat und damit erklärt. Die Tabelle veranschaulicht zudem die Vorgehensweise der Faktorenextraktion. Zunächst entspricht die Anzahl der Faktoren der Anzahl der Ausgangsvariablen. Dabei sinkt jedoch von Faktor zu Faktor der Eigenwert und damit die Erklärungskraft der Faktoren. Spätestens an dieser Stelle ist ein Hinweis wichtig: Alle Berechnungen und Ergebnisse der Faktorenanalyse beziehen sich auf z-transformierte Daten. Die Ausgangsdaten werden also zunächst so umgeformt, dass alle Variablen einen Mittelwert von 0 und eine Standardabweichung (und somit auch eine Varianz) von 1 haben. Diese Grundvoraussetzung erklärt u.a. das sog. Kaiser-Kriterium für die Wahl der Faktorenzahl. Wenn schon jede Ausgangsvariable eine Varianz von 1 hat, sollte ein Faktor mehr erklären, als eine einzelne Variable, also mehr als 1, weshalb im vorliegenden Beispiel nach diesem Kriterium auch nur zwei Faktoren extrahiert wurden. Damit wird dann auch nachvollziehbar, was % der Varianz bedeutet: Wenn jede der Ausgangsvariablen eine Varianz von 1 aufweist, ergibt das bei 7 Variablen eine Gesamtvarianz von 7, und darauf bezogen macht eben die vom ersten Faktor erklärte Varianz von 3,604 einen Anteil von 51,4% aus. Schließlich zeigt die Tabelle, dass sich die Eigenwerte bei einer Rotation verschieben können.
4 Komponentenmatrix a q27g Die Menschen hier haben keinen Respekt vor Gesetz und Ordnung. a. 2 Komponenten extrahiert Komponente 1 2,787,343 -,760,332,755,191,745,270 -,712,426 -,632,537,612,458 Rotierte Komponentenmatrix a q27g Die Menschen hier haben keinen Respekt vor Gesetz und Ordnung. Komponente 1 2,817 -,265,761 -,063,737 -,292,692 -,357 -,117,822 -,251,791 -,349,752 Rotationsmethode: Varimax mit Kaiser-Normalisierung. a. Die Rotation ist in 3 Iterationen konvergiert. Die Komponentenmatrix und die Rotierte Komponentenmatrix zeigen die Faktorladungen vor und nach der Rotation. Dabei kann man die Faktorladungen interpretieren als Korrelationen der Ausgangsvariablen mit den Faktoren. Die Rotation sorgt dafür, dass diese Faktorladungen einem möglichst eindeutigen Muster folgen, nämlich der sog. Einfachstruktur, die fordert, dass jede Ausgangsvariable nur auf einen Faktor hoch und auf die übrigen niedrig lädt. Im Beispiel ist dieses Kriterium nur recht unzureichend erfüllt: Die meisten Variablen weisen auch nach der Rotation noch recht hohe Nebenladungen auf dem jeweils anderen Faktor auf. Die hohen Faktorladungen bieten Anhaltspunkte für die inhaltliche Interpretation der Faktoren. So korreliert im Beispiel der erste Faktor hoch mit den Variablen q27c: Die Menschen hier halten zusammen, q27b: Hier kennen sich die Menschen gut, q27a: Die Menschen hier helfen sich gegenseitig und q27d: Man kann den Menschen in der Nachbarschaft vertrauen. Entsprechend könnte man den Faktor (bzw. eine aus diesen Variablen gebildete Skala) Solidarische Nachbarschaft nennen.
5 Reliabilitätsanalyse zur Überprüfung von Skalen Eine Reliabilitätsanalyse, in SPSS angefordert über: Analysieren Skalieren Reliabilitätsanalyse... für eine aus den Variablen q27a, q27b, q27c und q27d gebildeten Skala führt (wenn man zusätzlich zu den SPSS-Voreinstellungen unter Statistik... die Option Skala wenn Item gelöscht auswählt) zu folgendem Output: Reliabilitätsstatistiken Cronbachs Anzahl Alpha der Items,796 4 der empirischen Sozialforschung, 7. Aufl. München/Wien 2005, S. 153) in der Praxis... meist weit niedrigere Koeffizienten noch akzeptiert. Die Gesamt-Itemstatistik gibt Hinweise, welche Items möglicherweise aus der Skala entfernt werden sollen. Die Korrigierte Item-Skalen- Korrelation zeigt die Korrelation zwischen einem Item und der (um dieses Item reduzierten, deshalb korrigiert ) Skala an. Sie wird auch als Trennschärfe des Items bezeichnet und sollte mindestens bei 0.3 liegen, wobei Werte zwischen 0.3 und 0.5 als mittelmäßig, Werte ab 0.5 als hoch gelten. Die Spalte Cronbachs Alpha, wenn Item zeigt an, ob die Homogenität der Skala verbessert werden kann, wenn ein wenig trennscharfes Item aus der Skala entfernt wird, was im vorliegenden Beispiel allerdings nicht der Fall ist (i.d.r. steigt Cronbachs Alpha mit wachsender Itemzahl). Item-Skala-Statistiken q27a Die Menschen hier helfen sich q27b Hier kennen sich die Menschen q27c Die Menschen hier halten q27d Man kann den Menschen in der Skalenmittelw ert, wenn Item Skalenvarianz, wenn Item Korrigierte Item-Skala- Korrelation Cronbachs Alpha, wenn Item 7,06 4,396,628,736 7,13 4,907,533,781 6,84 4,293,707,695 6,94 4,658,568,765 Dabei ist Cronbachs Alpha ein Maß für die Skalenhomogenität, das Werte zwischen 0 und 1 annehmen kann. Werte ab 0,8 gelten als akzeptabel, allerdings werden nach Schnell, Hill und Esser (Methoden
Faktorenanalysen mit SPSS. Explorative Faktorenanalyse als Instrument der Dimensionsreduzierung. Interpretation des SPSS-Output s
Explorative Faktorenanalyse als Instrument der Dimensionsreduzierung Beispiel: Welche Dimensionen charakterisieren die Beurteilung des sozialen Klimas in der Nachbarschaft? Variablen: q27a bis q27g im
MehrSPSS-Ausgabe 1: Univariate Varianzanalyse. Profildiagramm. [DatenSet1] D:\Sozialwiss2006_7\STAT2\Daten\mathsalaries.sav. Seite 1
SPSS-Ausgabe : Univariate Varianzanalyse [DatenSet] D:\Sozialwiss2006_7\STAT2\Daten\mathsalaries.sav Tests der Zwischensubjekteffekte Abhängige Variable: Einkommen Quelle Korrigiertes Modell Konstanter
Mehr6-Variablen-Fall. Dipl.-Ök. John Yun Bergische Universität Wuppertal Gaußstraße Wuppertal
Dipl.-Ök. John Yun Bergische Universität Wuppertal Gaußstraße 20 42097 Wuppertal Allgemein 6 Konstrukte: - Preisorientierung (6 Items) - Werbeakzeptanz (6 Items) - Qualitätsbewusstsein (6 Items) - Trendbewusstsein
MehrLösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1
LÖSUNG 13 a) Lösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1 Die Variablen sollten hoch miteinander korrelieren. Deshalb sollten die einfachen Korrelationskoeffizienten hoch ausfallen.
Mehr6-Variablen-Fall. Dipl.-Ök. John Yun Bergische Universität Wuppertal Gaußstraße Wuppertal
Dipl.-Ök. John Yun Bergische Universität Wuppertal Gaußstraße 20 42097 Wuppertal Allgemein 6 Konstrukte: - soziale Kontakte (6 Items) - Markenbewusstsein (6 Items) - Werbeakzeptanz (6 Items) - materielle
MehrLösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1. LÖSUNG 13 a.
Lösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1 LÖSUNG 13 a. Die Variablen sollten hoch miteinander korrelieren. Deshalb sollten die einfachen Korrelationskoeffizienten hoch ausfallen.
MehrInstitut für Marketing und Handel Prof. Dr. W. Toporowski. SPSS Übung 5. Heutige Themen: Faktorenanalyse. Einführung in Amos
SPSS Übung 5 Heutige Themen: Faktorenanalyse Einführung in Amos 1 Faktorenanalyse Datei Öffnen V:/Lehre/Handelswissenschaft/Daten_Übung3/Preisimage_F_und_C.sav 2 Datensatz (I) v1 Wenn Produkte zu Sonderpreisen
MehrExploratorische Faktorenanalyse. Exploratorische Faktorenanalyse. Exploratorische Faktorenanalyse
Exploratorische Faktorenanalyse Der Begriff Faktorenanalyse umfasst eine Gruppe multivariater Analyseverfahren, mit denen zugrundeliegende gemeinsame Dimensionen von Variablenmengen (z.b. Fragebogenitems)
MehrAufgaben zur Multivariaten Statistik
Prof. Dr. Reinhold Kosfeld Fachbereich Wirtschaftswissenschaften Universität Kassel Aufgaben zur Multivariaten Statistik Teil : Aufgaben zur Einleitung. Was versteht man unter einer univariaten, bivariaten
MehrEigene MC-Fragen Kap. 4 Faktorenanalyse, Aggregation, Normierung. 1. Welche Aussage zu den Prinzipien der Faktorenanalyse ist zutreffend?
Eigene MC-Fragen Kap. 4 Faktorenanalyse, Aggregation, Normierung 1. Welche Aussage zu den Prinzipien der Faktorenanalyse ist zutreffend? a) Die Faktorenanalyse hat ihren Ursprung in der theoretischen Intelligenzforschung.
MehrAusgangsmatrix. Wert. Wert. Wert. 18 erhobene Merkmale. 74 Raumordnungsregionen
Ausgangsmatrix 18 erhobene Merkmale 74 Raumordnungsregionen Wert Wert Wert Korrelationsmatrix Korrelationen Personen je Raum /95 je 1000 Einw# Einwohner in m2 Industrie je Besch# Qualifikation Anteil 10#000
MehrHauptkomponentenanalyse. Die Schritte bei einer Hauptkomponentenanalyse
Die Schritte bei einer FACTOR /VARIABLES f06_r f06_r f06_r f06_4r f06_5r f06_6r f06_7r f06_8r f06_9r f06_0r /MISSING LISTWISE /ANALYSIS f06_r f06_r f06_r f06_4r f06_5r f06_6r f06_7r f06_8r f06_9r f06_0r
MehrMusterklausur im Fach Käuferverhalten und Marketingforschung. Prof. Dr. M. Kirchgeorg
Lehrstuhl Marketingmanagement Musterklausur im Fach Käuferverhalten und Marketingforschung Prof. Dr. M. Kirchgeorg Punkteverteilung: Aufgabe max. Punktzahl erreichte Punktzahl I-1 12 I-2 10 I-3 8 Gesamt
MehrDie Faktorenanalyse. Anwendung dann, wenn zwischen beobachtbaren und nicht direkt beobachtbaren Variablen ein kausales Verhältnis vermutet wird
Die Faktorenanalyse Zielsetzung Datenreduktion: eine größere Anzahl von Variablen auf eine kleinere Anzahl unabhängiger Einflussgrößen zurückführen Grundlegende Idee Direkt beobachtbare Variablen spiegeln
MehrEiner Reihe von Merkmalen zugrunde liegende, gemeinsame Faktoren ermitteln.
Faktoranalysen Aufbau 1. Sinn und Zweck 2. Eigenschaften der Merkmale 3. Extraktion der Faktoren 4. Anzahl der Faktoren 5. Rotation der Faktoren 6. Interpretation der Faktoren Sinn und Zweck Einer Reihe
MehrSkript Einführung in SPSS
SPSSinteraktiv Faktorenanalyse - 1 - Skript Einführung in SPSS Faktorenanalyse Explorative Faktorenanalyse Hauptkomponentenanalyse (PCA) Hinweise zum Schreiben des statistischen Reports 1. Sämtliche Tabellen
MehrGrundzüge der Faktorenanalyse
SEITE Grundzüge der Faktorenanalyse Bei der Faktorenanalyse handelt es sich um ein Verfahren, mehrere Variablen durch möglichst wenige gemeinsame, hinter ihnen stehende Faktoren zu beschreiben. Beispiel:
MehrExplorative Faktorenanalyse
Explorative Faktorenanalyse 1 Einsatz der Faktorenanalyse Verfahren zur Datenreduktion Analyse von Datenstrukturen 2 -Ich finde es langweilig, mich immer mit den selben Leuten zu treffen -In der Beziehung
MehrName Vorname Matrikelnummer Unterschrift
Dr. Hans-Otfried Müller Institut für Mathematische Stochastik Fachrichtung Mathematik Technische Universität Dresden Klausur Statistik II (Sozialwissenschaft, Nach- und Wiederholer) am 26.10.2007 Gruppe
Mehr6. Faktorenanalyse (FA) von Tests
6. Faktorenanalyse (FA) von Tests 1 6. Faktorenanalyse (FA) von Tests 1 6.1. Grundzüge der FA nach der Haupkomponentenmethode (PCA) mit anschliessender VARIMAX-Rotation:... 2 6.2. Die Matrizen der FA...
MehrStatistik II: Klassifikation und Segmentierung
Medien Institut : Klassifikation und Segmentierung Dr. Andreas Vlašić Medien Institut (0621) 52 67 44 vlasic@medien-institut.de Gliederung 1. Faktorenanalyse 2. Clusteranalyse 3. Key Facts 2 I 14 Ziel
Mehr11.2 Ergebnisse der Faktorenanalysen
11.2 Ergebnisse der Faktorenanalysen Die Durchführung von Faktorenanalysen zu Beginn der empirischen Untersuchungen hatte neben der Itemanalyse das Ziel, den Fragebogen als Erhebungsinstrument zu prüfen.
MehrHolger Dette. 30. Oktober 2015
Ruhr-Universität Bochum 30. Oktober 2015 1 / 1 Methodenlehre III Prof. Dr. NA 3/73 Telefon: 0234 32 28284 Email: holger.dette@rub.de Internet: www.ruhr-uni-bochum.de/mathematik3/index.html Vorlesung: Montag,
MehrMultivariate Verfahren
Faktorenanalyse 1 Matthias Rudolf & Johannes Müller Multivariate Verfahren Eine praxisorientierte Einführung mit Anwendungsbeispielen in SPSS Praxisbeispiel zur Faktorenanalyse: FABA Inhalt: 1 Beschreibung
Mehr9 Faktorenanalyse. Wir gehen zunächst von dem folgenden Modell aus (Modell der Hauptkomponentenanalyse): Z = F L T
9 Faktorenanalyse Ziel der Faktorenanalyse ist es, die Anzahl der Variablen auf wenige voneinander unabhängige Faktoren zu reduzieren und dabei möglichst viel an Information zu erhalten. Hier wird davon
MehrGHF SoSe 2011 HS MD-SDL
GHF SoSe 2011 HS MD-SDL 6/28/2011 1 Bitte recherchieren Sie die verschiedenen Bestimmungsstücke des Validitätskonzepts Bitte überlegen Sie sich Strategien zur Prüfung dieser verschiedenen Bestimmungsstücke
MehrFaktorenanalyse. Fakultät für Human und Sozialwissenschaften Professur für Forschungsmethodik und Evaluation in der Psychologie
Faktorenanalyse Fakultät für Human und Sozialwissenschaften Professur für Forschungsmethodik und Evaluation in der Psychologie Seminar: Multivariate Analysemethoden Seminarleiter: Dr. Thomas Schäfer Referenten:
MehrForschungspraktikum Gruppenbezogene Menschenfeindlichkeit
Forschungspraktikum Gruppenbezogene Menschenfeindlichkeit Reliabilität in der klassischen (psychometrischen) Testtheorie Statistisches Modell Realisierung mit der SPSS-Prozedur Reliability Klassische Testtheorie:
MehrFaktorenanalyse. 1. Grundlegende Verfahren. Bacher, SoSe2007
Faktorenanalyse Bacher, SoSe2007 1. Grundlegende Verfahren explorative FA (EXFA): Für eine Menge von Variablen/Items werden zugrunde liegende gemeinsame (latente) Dimensionen/Faktoren gesucht, die Faktorstruktur
MehrMETHODENPRAKTIKUM II Kurs 1. Prof. Dr. Beat Fux SUZ Frühlingssemester 2009
METHODENPRAKTIKUM II Kurs 1 Prof. Dr. Beat Fux SUZ Frühlingssemester 2009 Ziel der Faktorenanalyse Struktur hinter den Korrelationen zwischen Variablen entdecken Reduzierung einer Vielzahl von Variablen
MehrDie Subskala besteht aus folgenden Items (Ausschnitt aus dem Codeplan):
Beispiel für eine Itemanalyse mit der SPSS-Prozedur Reliabilitätsanalyse (RELIABILITY) Daten: POKIII_AG1_V06.SAV (POK III, AG 1) Die Skala Körperbewusstsein von Löwe und Clement (1996) 1 besteht aus zwei
MehrBefehl: Analysieren > Deskriptive Statistiken > Häufigkeiten. Unter: Statistiken: Angabe Kurtosis/ Schiefe/ andere Lagemasse
Grundeinstellungen Befehl: Bearbeiten >Optionen > Allgemein: Namen anzeigen Häufigkeiten Befehl: Analysieren > Deskriptive Statistiken > Häufigkeiten Unter: Statistiken: Angabe Kurtosis/ Schiefe/ andere
MehrForschungspraktikum Gruppenbezogene Menschenfeindlichkeit
Forschungspraktikum Gruppenbezogene Menschenfeindlichkeit Hauptkomponenten- und enanalyse Hauptkomponentenanalyse Von der Hauptomponentenananlyse zur exploratischen enanalyse Bestimmung der Zahl der en
MehrStatistische Methoden in der Wirtschaftsund Sozialgeographie
Statistische Methoden in der Wirtschaftsund Sozialgeographie Ort: Zeit: Multimediapool Rechenzentrum Mittwoch 0.5--45 Uhr Material: http://www.geomodellierung.de Thema: Beschreibung und Analyse Wirtschafts-
MehrTESTTHEORIE UND TESTKONSTRUKTION - PRAKTISCHE ANWENDUNG - TEIL 3
TESTTHEORIE UND TESTKONSTRUKTION - PRAKTISCHE ANWENDUNG - TEIL 3 Prof. Dr. Franke SS2012 Hochschule Magdeburg-Stendal (FH) M.Sc. Rehabilitationspsychologie Gliederung Reliabilität 1. Überblick 2. Berechnung
Mehr2.5 Das Rotationsproblem
.5 Das Rotationsproblem Das Verfahren der Faktorenextraktion ist so ausgestaltet, dass - der erste Faktor F 1 einen möglichst großen Teil der Varianz der manifesten Variablen erklärt, - der zweite Faktor
MehrStatistik II im Wintersemester 2006/2007
Statistik II im Wintersemester 2006/2007 Themen am 16.1. Multivariate Analysemodelle Multivariate Regression Hauptkomponentenanalyse Faktorenanalyse Lineare Strukturgleichungsmodelle Lernziele: 1. Unterschied
MehrZur Erklärung menschlicher Verhaltensweisen oder allgemeiner sozialer Phänomene ist häufig eine Vielzahl von Einflussfaktoren zu berücksichtigen.
4.3 Faktorenanalyse Problemstellung Zur Erklärung menschlicher Verhaltensweisen oder allgemeiner sozialer Phänomene ist häufig eine Vielzahl von Einflussfaktoren zu berücksichtigen. Je größer jedoch die
MehrEntwicklung der Faktorenanalyse 17.06.2009. Faktorenanalyse. Faktorenanalyse nach Spearman Variablen zur Beschreibung von Intelligenz
Faktorenanalyse Thomas Schäfer SS 009 1 Entwicklung der Faktorenanalyse Faktorenanalyse nach Spearman Variablen zur Beschreibung von Intelligenz Hauptkomponentenanalyse (Pearson, Hotelling) Thomas Schäfer
Mehrx erhielt die Rücklauf/Responsequote. Im Vergleich auch zu anderen Kennzahlen ist bei der Responsequote die Standardabweichung am geringsten (1,95).
höchsten Zustimmungswert ( = 5,7) x erhielt die Rücklauf/Responsequote. Im Vergleich auch zu anderen Kennzahlen ist bei der Responsequote die Standardabweichung am geringsten (1,95). 3. Kennzahl entscheidet
MehrMusterlösung. Modulklausur Multivariate Verfahren
Musterlösung Modulklausur 31821 Multivariate Verfahren 27. März 2015 Aufgabe 1 Kennzeichnen Sie die folgenden Aussagen über die beiden Zufallsvektoren ([ ] [ ]) ([ ] [ ]) 2 1 0 1 25 2 x 1 N, x 3 0 1 2
MehrAbb. 26: Antwortprofil zur Frage "Wie intensiv setzten sie die Methode ein?"
2.2.1.2. Intensität des Einsatzes der Methoden 2.2.1.2.1. Antwortprofil Das Antwortprofil zu der Fragestellung "Wie intensiv setzten sie die Methode ein?" zeigt Abbildung 26. 1. M ethoden der Neukundengewinnung:
Mehr1 Übungsaufgaben zur Regressionsanalyse
1 Übungsaufgaben zur Regressionsanalyse 1 1 Übungsaufgaben zur Regressionsanalyse 1.1 Übungsaufgaben zu Seite 1 und 2 1. Wie lautet die Regressionsfunktion? 2. Welche Absatzmenge ist im Durchschnitt bei
Mehr17. Januar Ruhr-Universität Bochum. Methodenlehre III, WS 2010/2011. Prof. Dr. Holger Dette. 1. Matrizenrechnung. 2.
Ruhr-Universität Bochum 17. Januar 2011 1 / 232 Methodenlehre III NA 3/73 Telefon: 0234 322 8284 Email: holger.dette@rub.de Internet: www.ruhr-uni-bochum.de/mathematik3/index.html Vorlesung: Montag, 8.30
MehrEinführung in SPSS. Sitzung 5: Faktoranalyse und Mittelwertsvergleiche. Knut Wenzig. 22. Januar 2007
Sitzung 5: Faktoranalyse und Mittelwertsvergleiche 22. Januar 2007 Verschiedene Tests Anwendungsfall und Voraussetzungen Anwendungsfall Mehrere Variablen, die Gemeinsamkeiten haben, werden gebündelt. (Datenreduktion)
MehrAMOS/SPSS output. One-factor model (9-item version)
One-factor model (9-item version) Fit Summary AMOS/SPSS output Default model 18 1817,639 27,000 67,320 Saturated model 45,000 0 Independence model 9 14251,254 36,000 395,868 Default model,872,830,874,832,874
MehrZielsetzungen beim Einsatz der Methoden bei der Neukundengewinnung
2.2.2. Zielsetzungen beim Einsatz der Methoden bei der Neukundengewinnung In diesem Abschnitt soll analysiert werden, mit welchen Zielsetzungen die befragten Unternehmen verschiedene Methoden der Neukundengewinnung
Mehr4. Skalenbildung: Faktorenanalyse, Aggregation von Items & Normierung
4. Skalenbildung: Faktorenanalyse, Aggregation von Items & Normierung Über die interne Struktur eines Tests bestehen präzise theoretische Vorstellungen --> ja: Konfirmatorische Faktorenanalyse CFA -->
MehrHypothesentests mit SPSS
Beispiel für eine einfache Regressionsanalyse (mit Überprüfung der Voraussetzungen) Daten: bedrohfb_v07.sav Hypothese: Die Skalenwerte auf der ATB-Skala (Skala zur Erfassung der Angst vor terroristischen
MehrDie Datenerhebung erfolgte in Form einer voll standardisierten schriftlichen Befragung. [...]
Methodenlehreklausur 3/0 Name: 1 Bearbeitungszeit: 2 Stunden 30 Minuten Zugelassene Hilfsmittel: Taschenrechner Teil I: Offenes Beispiel Eva Neumann, Hans Werner Bierhoff (2004): Ichbezogenheit versus
MehrUniversität Potsdam. Skalenbildung
Universität Potsdam Department Erziehungswissenschaft Grundschulpädagogik/-didaktik Skalenbildung Arbeitsschritte der Testanalyse am Beispiel des Lesetests ELFE 1-6, Subtest Textverständnis Datengrundlage
MehrKlausurvorbereitung Multivariate Statistik
Klausurvorbereitung Multivariate Statistik Aufgabe 1 (15 Punkte) Daten der Erdbeerernte für 20 Betriebe werden untersucht. Angegeben werden die Variablen Größe, Sonne und Ertrag, die die Gröÿe des Anbaugebietes
MehrMultivariate Analysemethoden
Multivariate Analysemethoden Dipl.-Volksw. Rafael Rucha Klausur erster Termin im Wintersemester 2006/2007 3. Januar 2007 Das Arbeitsministerium beauftragte ein sozialwissenschaftliches Institut, eine Studie
MehrReliabilitäts- und Itemanalyse
Reliabilitäts- und Itemanalyse In vielen Wissenschaftsdisziplinen stellt die möglichst exakte Messung von hypothetischen Prozessen oder Merkmalen sogenannter theoretischer Konstrukte ein wesentliches Problem
MehrMultivariate Analysemethoden, Dozent: Dr. Thomas Schäfer Alexander Allnoch, Markus Burkhardt & Vivien Röder
Multivariate Analysemethoden, Dozent: Dr. Thomas Schäfer 29.05.2012 Alexander Allnoch, Markus Burkhardt & Vivien Röder 1. Einführung 2. Grundlagen Faktorenanalyse 3. Nutzungsdimensionen von Musik - unsere
MehrInhalt. Einführung in die Faktorenanalyse mit SPSS. 1. Faktorenanalyse: Wozu? 1. Faktorenanalyse: Wie?
Einführung in die Faktorenanalyse mit SPSS Benutzertreffen am URZ Christoph Witzel. Juni 00 Inhalt. Faktorenanalyse: Wozu und wie?. Beispieldaten Metalle. Vorgehensweise. Verfahren zur Berechnung der Faktoren.
MehrBestimmung der Zuverlässigkeit / Reliabilität einer additiven Itemskala. Cronbach s. 1 (k 1)r
Dr. Wolfgang Langer - Methoden V: Explorative Faktorenanalyse SoSe 1999-1 Bestimmung der Zuverlässigkeit / Reliabilität einer additiven Itemskala Für die Schätzung der Zuverlässigkeit einer additiven Itemskala,
MehrStatistik-Quiz Sommersemester
Statistik-Quiz Sommersemester Seite 1 von 8 Statistik-Quiz Sommersemester Die richtigen Lösungen sind mit gekennzeichnet. 1 In einer Gruppe von 337 Probandinnen und Probanden wurden verschiedene Merkmale
MehrKAPITEL ARBEIT: Faktorenanalyse und Indizesbildung - Q14: Erwartungen an den Beruf (vgl. Kapitel 3.5)
1 KAPITEL ARBEIT: enanalyse und Indizesbildung - Q14: Erwartungen an den Beruf (vgl. Kapitel 3.5) Allgemeines zur Methode der enanalyse Die enanalyse ist ein exploratives, Hypothesen-generierendes Verfahren,
MehrFaktorenanalyse Beispiel
Faktorenanalyse Zweck der Faktorenanalyse ist die Dimensionsreduktion einer gegebenen Variablenanzahl, d. h. also die Zusammenfassung vorhandener Variablen zu wenigen latenten, i. d. R. voneinander unabhängigen
MehrAnhang. Anhang A. A1 Fragebogen Pretest zum Survey Gruppenbezogene Menschenfeindlichkeit 2004
Anhang 1 Anhang Anhang A Empiriekapitel 1: Ausländeranteil und Intergruppenkontakt. Der Einfluss der Gelegenheitsstruktur auf das Zustandekommen von Intergruppenkontakt A1 Fragebogen Pretest zum Survey
MehrExkurs: Eigenwertproblem
1 von 7 29.11.2008 16:09 Exkurs: Eigenwertproblem Bei der Faktorenanalyse tritt das Eigenwertproblem auf. Man spricht von einem Eigenwertproblem wenn das Produkt zwischen einer Matrix und einem Vektor
MehrWichtigkeit und Intensität des Einsatzes von Methoden zur Neukundengewinnung
2.2. Analyse und Ergebnisse Für die Analyse des Datenmaterials und Prüfung der Hypothesen werden verschiedene statistische Verfahren eingesetzt, bei deren Anwendung zu beachten ist, daß sie auf Annahmen
Mehr2.6 Bestimmung der Faktorwerte ( Matrizenmanipulation bei Hauptkomponentenmethode)
2.6 Bestimmung der aktorwerte ( Matrizenmanipulation bei Hauptkomponentenmethode) usgangspunkt zur Ermittlung der aktorwerte ist die Strukturgleichung Z E mn mp pn mn Z: Matrix der standardisierten Merkmalsausprägungen,
MehrDeskription, Statistische Testverfahren und Regression. Seminar: Planung und Auswertung klinischer und experimenteller Studien
Deskription, Statistische Testverfahren und Regression Seminar: Planung und Auswertung klinischer und experimenteller Studien Deskriptive Statistik Deskriptive Statistik: beschreibende Statistik, empirische
MehrSPSS-Beispiel zum Kapitel 4: Deskriptivstatistische Evaluation von Items (Itemanalyse) und Testwertverteilungen
SPSS-Beispiel zum Kapitel 4: Deskriptivstatistische Evaluation von Items (Itemanalyse) und Testwertverteilungen Augustin Kelava 22. Februar 2010 Inhaltsverzeichnis 1 Einleitung zum inhaltlichen Beispiel:
MehrAufbau des Testberichts. 1. Problemstellung / inhaltliche Einführung. 2. Methode
Aufbau des Testberichts Titelblatt (Beliebig) Zusammenfassung Inhaltsverzeichnis Einführung / theoretisch-inhaltlicher Hintergrund Methode: Konstruktion und Aufbau des Tests, Datenerhebung Ergebnisse Diskussion
MehrLösungen zu den Kontrollfragen und Vernetzungsaufgaben
Lösungen zu den Kontrollfragen und Vernetzungsaufgaben Kapitel 1: Ablauf einer Studie Kontrollfragen 1. Bitte ergänzen Sie die Lückentexte. Das Gütekriterium der..validität. prüft, inwiefern ein Konstrukt
MehrFaktoren- und Hauptkomponentenanalyse
Ziel: Anwendung von Verfahren der Dimensionsreduzierung Erkennen von Strukturen in Daten an ausgewählten Anwendungsbeispielen Betreuer: Dipl.-Chem. Stefan Möller IAAC, Lehrbereich Umweltanalytik Lessingstraße
MehrJa-Prozente bei 6-stufigen Antwortskalen
Ja-Prozente bei 6-stufigen Antwortskalen Andreas Kögel Zusammenfassung Im Gegensatz zu den gängigeren 5er-Skalen sind bei Antwortskalen mit 6 Antwortabstufungen zwei Varianten der Ermittlung von Ja-Prozenten
MehrStatistik II. Lineare Regressionsrechnung. Wiederholung Skript 2.8 und Ergänzungen (Schira: Kapitel 4) Statistik II
Statistik II Lineare Regressionsrechnung Wiederholung Skript 2.8 und Ergänzungen (Schira: Kapitel 4) Statistik II - 09.06.2006 1 Mit der Kovarianz und dem Korrelationskoeffizienten können wir den statistischen
MehrAusführliche Lösungen zu ausgewählten Aufgaben von ÜB 5 und 6. Streudiagramm
y Aufgabe 3 Ausführliche Lösungen zu ausgewählten Aufgaben von ÜB 5 und 6 a) Zur Erstellung des Streudiagramms zeichnet man jeweils einen Punkt für jedes Datenpaar (x i, y i ) aus der zweidimensionalen
MehrBeispiele für Faktorscores realer Marken sowie minimaler und maximaler Score in den fünf Dimensionen. 2 Sensorik
Addendum zum Aufsatz Positionierungsmodell für Marken in: Planung & Analyse, 2/2015, S. 38-42 I Ergänzende Auswertungen Letzte Variante der Hauptkomponentenanalyse nach Überprüfung mehrerer Lösungen mit
Mehr9. November Ruhr-Universität Bochum. Methodenlehre III, WS 2009/2010. Prof. Dr. Holger Dette. Matrizenrechnung. 2. Multiple Korrelationen
Ruhr-Universität Bochum 9. November 2009 1 / 62 Methodenlehre III NA 3/73 Telefon: 0234 322 8284 Email: holger.dette@rub.de Internet: www.ruhr-uni-bochum.de/mathematik3/index.html Vorlesung: Montag, 8.30-10.00
MehrEinführung in SPSS. Sitzung 4: Bivariate Zusammenhänge. Knut Wenzig. 27. Januar 2005
Sitzung 4: Bivariate Zusammenhänge 27. Januar 2005 Inhalt der letzten Sitzung Übung: ein Index Umgang mit missing values Berechnung eines Indexes Inhalt der letzten Sitzung Übung: ein Index Umgang mit
MehrHypothesentests mit SPSS
Beispiel für eine zweifaktorielle Varianzanalyse mit Messwiederholung auf einem Faktor (univariate Lösung) Daten: POKIII_AG4_V06.SAV Hypothese: Die physische Attraktivität der Bildperson und das Geschlecht
MehrTeilklausur des Moduls Kurs 42221: Vertiefung der Statistik
Name, Vorname Matrikelnummer Teilklausur des Moduls 32741 Kurs 42221: Vertiefung der Statistik Datum Termin: 21. März 2014, 14.00-16.00 Uhr Prüfer: Univ.-Prof. Dr. H. Singer Vertiefung der Statistik 21.3.2014
MehrParametrische vs. Non-Parametrische Testverfahren
Parametrische vs. Non-Parametrische Testverfahren Parametrische Verfahren haben die Besonderheit, dass sie auf Annahmen zur Verteilung der Messwerte in der Population beruhen: die Messwerte sollten einer
MehrAbb. 28: Antwortprofil zur Frage Zielsetzung beim Einsatz der Neukundengewinnung: Gewinnung von Interessenten
2. Zielsetzungen beim Einsatz der Methoden der Neukundengewinnung: G ew innung von Interessenten 1 = trifft nicht zu 7 = trifft zu 1 2 3 4 5 6 7 Katalog Solo-Mailing Verbundmailing Beilagen Paketbeilage
Mehr5. Interessant ist es jetzt, die gestrichenen Items mit den verbliebenen zu vergleichen. Was unterscheidet diese von den verbliebenen?
Klassische Skalierung Forschungsauftrag 1 Skaliere die drei Itemgruppen Zuhause, Familie und Einschätzungen auf Basis klassischer Testtheorie! Kann man aus allen Itemgruppen Skalen bilden? Die drei Itemgruppen
MehrStatistik, Datenanalyse und Simulation
Dr. Michael O. Distler distler@kph.uni-mainz.de Mainz, 5. Juli 2011 Zunächst: PCA (Hauptkomponentenanalyse) ist eine mathematische Prozedur, die eine Anzahl von (möglicherweise korrelierten) Variablen
MehrLösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1. LÖSUNG 7 a)
LÖSUNG 7 a) Lösungen zu Janssen/Laatz, Statistische Datenanalyse mit SPSS 1 Aufrufen der Varianzanalyse: "Analysieren", "Mittelwerte vergleichen", "Einfaktorielle ANOVA ", "Abhängige Variablen:" TVHOURS;
MehrExploratorische Faktorenanalyse: Hauptachsenanalyse und Hauptkomponentenanalyse SPSS-Beispiel zu Kapitel 13 1
Exploratorische Faktorenanalyse: Hauptachsenanalyse und Hauptkomponentenanalyse SPSS-Beispiel zu Kapitel 13 1 Karin Schermelleh-Engel, Christina S. Werner & Helfried Moosbrugger Inhaltsverzeichnis 1 Vorbemerkungen...
MehrINHALTSVERZEICHNIS Inhaltsverzeichnis Tabellenverzeichnis Abbildungsverzeichnis Anhangsverzeichnis Abkürzungsverzeichnis. 1.
INHALTSVERZEICHNIS Inhaltsverzeichnis Tabellenverzeichnis Abbildungsverzeichnis Anhangsverzeichnis Abkürzungsverzeichnis I IV IX X XI 1. Einleitung 1 2. Literaturrückblick 5 2.1 Die biographische Methode
MehrProjekt Kaffeemaschine Welche Faktoren beeinflussen das Geschmacksurteil?
AKULTÄT ANGEWANDTE SOZIALWISSENSCHATEN PRO. DR. SONJA HAUG Projekt Kaffeemaschine Welche aktoren beeinflussen das Geschmacksurteil? Ausgehend von der Verkostung an der Hochschule Regensburg und der dabei
MehrProf. Dr. Gabriele Helga Franke TESTTHEORIE UND TESTKONSTRUKTION
Prof. Dr. Gabriele Helga Franke TESTTHEORIE UND TESTKONSTRUKTION 2. FS Master Rehabilitationspsychologie, SoSe 2012 Faktorenanalyse/ faktorielle Validität 2 Einleitung Allgemeines zu Faktorenanalysen (FA)
Mehrexplorative Faktorenanalyse Spickzettel
9.Testkonstruktion eplorative Faktorenanalyse Spickzettel Interpretation / Faktorentaufe Passung Datenmatri standardisiert berechnen /schätzen Beispiel: Item Ich habe gerne viele Menschen um mich herum
MehrExplorative Faktorenanalyse
Explorative Faktorenanalyse Die explorative Faktorenanalyse ist ein Verfahren aus der multivariaten Statistik. Mithilfe der Faktorenanalyse kann aus den Beobachtungen vieler manifester Variablen (z.b Items
MehrEigene MC-Fragen SPSS. 1. Zutreffend auf die Datenerfassung und Datenaufbereitung in SPSS ist
Eigene MC-Fragen SPSS 1. Zutreffend auf die Datenerfassung und Datenaufbereitung in SPSS ist [a] In der Variablenansicht werden für die betrachteten Merkmale SPSS Variablen definiert. [b] Das Daten-Editor-Fenster
MehrMultivariate Verfahren
Selbstkontrollarbeit 2 Multivariate Verfahren Diese Selbstkontrollarbeit bezieht sich auf die Kapitel 5 bis 8 der Kurseinheit 1 (Multivariate Statistik) des Kurses Multivariate Verfahren (883). Hinweise:
MehrKonfirmatorische Faktorenanalyse. Regressionsmodelle für Politikwissenschaftler
Konfirmatorische Faktorenanalyse Regressionsmodelle für Politikwissenschaftler Was ist ein Faktor? Faktor oder latente Variable Regressionsmodelle für Politikwissenschaftler Konfirmatorische Faktorenanalyse
MehrKonfirmatorische Faktorenanalyse
Konfirmatorische Faktorenanalyse Regressionsmodelle für Politikwissenschaftler Was ist ein Faktor? Faktor oder latente Variable nicht direkt beobachtbare Größe die beobachtbare Variablen ( Indikatoren
MehrStatistische Tests (Signifikanztests)
Statistische Tests (Signifikanztests) [testing statistical hypothesis] Prüfen und Bewerten von Hypothesen (Annahmen, Vermutungen) über die Verteilungen von Merkmalen in einer Grundgesamtheit (Population)
MehrRekodierung invertierter Items
16.Testkonstruktion Items analysieren (imrahmen der KTT) Pretest Aussortieren / Umschreiben von unverständlichen, uneindeutigen oder inakzeptablen Items empirische Prüfung Kennwerte: Itemschwierigkeit
MehrInhaltsverzeichnis 1. EINLEITUNG...1
VII Inhaltsverzeichnis Vorwort...V Verzeichnis der Abbildungen...XII Verzeichnis der Tabellen... XVI Verzeichnis der Übersichten...XXII Symbolverzeichnis... XXIII 1. EINLEITUNG...1 2. FAKTORENANALYSE...5
Mehr11 Dimensionsreduktion
Kapitel 11 Dimensionsreduktion Dieses Kapitel beschäftigt sich mit komplexen Situationen, in denen man es mit mehreren Variablen gleichzeitig zu tun hat. Das Ziel dabei ist, die Komplexität so zu reduzieren,
MehrEinführung in die Test- und Fragebogenkonstruktion
Markus Bühner 1 Einführung in die Test- und Fragebogenkonstruktion 2., aktualisierte und erweiterte Auflage PEARSON Studium ein Imprint von Pearson Education München Boston San Francisco Harlow, England
MehrKapitel 22 Partielle Korrelationen
Kapitel 22 Partielle Korrelationen Bereits im vorhergehenden Kapitel wurden mit der Prozedur KORRELATION, BIVARIAT Korrelationskoeffizienten berechnet. Korrelationskoeffizienten dienen allgemein dazu,
MehrVertiefungsrichtung Marktforschung
Vertiefungsrichtung Marktforschung Sommersemester 2006 Dipl.-WiInf.(FH) Christian Reinboth Darstellen Faktorenanalyse Erkennen Beschreiben Testen Faktorenanalyse In der Marktforschung hat man es häufig
Mehr