Explorative Faktorenanalyse
|
|
- Fritzi Richter
- vor 7 Jahren
- Abrufe
Transkript
1 Bachelorseminar: Ausgewählte Aspekte der Wirtschafts- und Sozialstatistik Explorative Faktorenanalyse Simon Reitzner Betreuerin: Eva Endres, M.Sc. LMU München, Institut für Statistik / 43
2 Ziele der explorativen Faktorenanalyse Entdecken von übergeordneten latenten Variablen Dimensionsreduktion 2 / 43
3 Beispiele für die Anwendung der EFA Big Five/Fünf-Faktorenmodell Beschreibung der Persönlichkeit durch 5 Faktoren: Neurotizismus, Extraversion, Offenheit für Erfahrungen, Gewissenhaftigkeit und Verträglichkeit Intelligenztests: globale Intelligenz, sprachliches Intelligenz, mathematische Intelligenz 3 / 43
4 Zuordnung verschiedener Freizeitaktivitäten zu Faktoren: Extremsport Disco gehen Segeln, Golfen Individualsport Kneipe gehen Konzerte (Rock, Pop etc.) mit Freunden ausgehen Geselligkeit sportliche Aktivitäten 4 / 43
5 Grundidee z ij = l j1 f i l jl f il l pk f ik + e ij z ij l jl f il e ij standardisierter Wert einer Beobachtung/Person i auf eine Variable j Ladung der Variable j auf Faktor l Faktorwert von Beobachtung/Person i auf Faktor l Fehlerkomponente 5 / 43
6 Matrixdarstellung Z = FL T + E Z L F E standardisierte Datenmatrix Ladungsmatrix Matrix der Faktorenwerte spezifische Faktoren 6 / 43
7 Modell E(f) = 0, E(e) = 0 Faktoren korrelieren nicht mit den spezifischen Faktoren: Cov(f, e) = 0 unkorrelierte spezifische Faktoren: Cov(e) = diag(v1 2,..., vp 2 ) = V für die Ladungsmatrix gilt: Cov(z, f) = L 7 / 43
8 orthogonale und oblique Faktoren orthogonales Modell: unabhängige Faktoren Cov(f) = I obliques Modell: abhängige Faktoren Cov(f) = Φ 8 / 43
9 Schätzproblem Z = FL T + E bekannt: unbekannt: Datenmatrix Z mit p Variablen F, L, E und die Faktorenanzahl k 9 / 43
10 Fundamentaltheorem der Faktorenanalyse Folgende Varianzzerlegung wird angestrebt: Σ = Cov(z) = LL T + V Σ wird durch die empirische Korrelationsmatrix R geschätzt: R = LL T + V 10 / 43
11 Schritte der explorativen Faktorenanalyse Berechnung der Korrelationsmatrix Faktorenextraktion Bestimmen der Faktorenanzahl Schätzen der Kommunalitäten Berechnen der Ladungsmatrix Faktorenrotation Berechnung der Faktorenwerte 11 / 43
12 Struktur des Datensatzes Faktor 1 (2.Ordnung) Faktor 2 (2.Ordnung) Faktor 1 Faktor 2 Faktor 3 Faktor 4 Faktor / 43
13 1. Faktorenextraktion 2. Rotation der Faktoren 3. Berechnung der Faktorenwerte 13 / 43
14 Bestimmen der Faktorenanzahl Eigenwertkriterium Scree-Test Parallelanalyse 14 / 43
15 Eigenwertkriterium Varianz, die die jeweiligen Faktoren erklären, entspricht den Eigenwerten von R Faktoren bedeutsam, sie mehr als die Varianz einer standardisierten Variable erklären Anzahl der Faktoren entspricht Anzahl an Eigenwerten größer 1 15 / 43
16 Eigenwertkriterium Eigenwerte Anzahl an Faktoren 16 / 43
17 Scree-Test grafische Bestimmung der Anzahl Einzeichnen der Eigenwerte in einen Plot Anzahl an Faktoren entspricht der Anzahl an Eigenwerten vor dem Knick 17 / 43
18 Scree-Plot Eigenwerte Anzahl an Faktoren 18 / 43
19 Parallelanalyse Vergleich der Eigenwerte mit Bootstrap-Eigenwerten Eigenwerte über den simulierten, zufälligen Eigenwerten sind auffällig extrahieren! 19 / 43
20 Parallelanalyse FA Actual Data FA Resampled Data eigen values of principal factors Factor Number 20 / 43
21 Spektralzerlegung Sei A eine symmetrische (p p)-matrix mit rg(a) = r. Dann existiert eine (p r)-matrix P, sodass gilt: A = P diag(λ 1,..., λ r ) P T angewendet bei der Faktorenanalyse: R = LL T = P diag(λ 1,..., λ r ) P T für die Ladungsmatrix L gilt: L = P diag( λ 1,..., λ r ) 21 / 43
22 Schätzmethoden des Faktorenmodells Hauptkomponentenmethode Hauptfaktorenanalyse 22 / 43
23 Hauptkomponentenmethode Modellgleichung: Z = FL T Zerlegung der Korrelationsmatrix: R = LL T keine spezifischen Faktoren entspricht nicht der ursprünglichen Idee einer Faktorenanalyse 23 / 43
24 Hauptfaktorenanalyse Modellgleichung: Z = FL T + E Zerlegung der Korrelationsmatrix: R = LL T + V R V = LL T R h = LL T R h : reduzierte Korrelationsmatrix 24 / 43
25 Unterschied zwischen Hauptfaktorenanalyse und Hauptkomponentenmethode Hauptkomponentenmethode: Hauptfaktorenanalyse: 1 R = h R h = 1... hp 2 25 / 43
26 Kommunalitäten Varianzanteil einer Variable, der durch die Faktoren erklärt wird iterative Schätzung Startkommunalitäten: quadrierter multiple Korrelationskoeffizient betragsmäßig größte Korrelationskoeffizient zweier Variablen 26 / 43
27 Iterative Schätzung der Kommunalitäten Einsetzen der Startkommunalitäten in R Berechnen der Ladungsmatrix L mit k Eigenvektoren und Eigenwerten Berechnung von LL T = R h Diagonale von R h enthält Kommunalitäten für den 2.Iterationsschritt 27 / 43
28 1. Faktorenextraktion 2. Rotation der Faktoren 3. Berechnung der Faktorenwerte 28 / 43
29 Rotation der Faktoren Ziel der Rotation: eindeutige Zuordnung einfachere Interpretation 29 / 43
30 unrotierte Ladungsmatrix V1 V2 V3 V4 V5 V6 V7 V8 V9 V10 V11 V12 V13 V14 V15 V16 V17 V18 V19 V20 F1 F2 F3 F4 F / 43
31 Ladungsmatrizen unrotiert: F1 F2 F3 F4 F5 V1 V2 V3 V4 V5 V6 V7 V8 V9 V10 V11 V12 V13 V14 V15 V16 V17 V18 V19 V20 rotiert: F1 F2 F3 F4 F5 V1 V2 V3 V4 V5 V6 V7 V8 V9 V10 V11 V12 V13 V14 V15 V16 V17 V18 V19 V20 31 / 43
32 Rotation Faktoren vor der Rotation: Faktor 2 90 Faktor 1 32 / 43
33 Rotation Faktoren nach orthogonaler Rotation: Faktor 2 Faktor 1 90 α 33 / 43
34 Rotation Faktoren nach obliquer Rotation: Faktor 2 Faktor 1 β α 34 / 43
35 Rotation Gesucht ist eine Rotationsmatrix M α mit Rotationswinkel α: L M α = L Für 2 orthogonale Faktoren: l 11 l 12 ( ) l 11 l 12 L M α cos α sin α =.. = sin α cos α.. = L l p1 l p2 lp1 lp2 35 / 43
36 Rotationsmethoden orthogonale Rotationen Varimax: Quartimax: oblique Rotationen Promax: Oblimax: 36 / 43
37 1. Faktorenextraktion 2. Rotation der Faktoren 3. Berechnung der Faktorenwerte 37 / 43
38 Faktorenwerte Ausprägungen der Personen auf die Faktoren Schätzverfahren: Summenscores Bartlett-Methode Anderson-Rubin-Methode Ten Berge 38 / 43
39 Vielen Dank für Ihre Aufmerksamkeit! 39 / 43
40 Literaturverzeichnis I [1] J. Bortz and C. Schuster. Statistik für Human- und Sozialwissenschaftler. Lehrbuch mit Online-Materialien. Springer, S.415, [2] F. Brosius. SPSS 19. mitp, S.787, [3] A. Bühl. SPSS 16: Einführung in die moderne Datenanalyse. Pearson Studium, S.527, [4] M. Bühner. Einführung in die Test- und Fragebogenkonstruktion. Pearson Studium, S , [5] C. DiStefano, M. Zhu, and D. Mindrila. Understanding and using factor scores: Considerations for the applied researcher. Practical Assessment, Research & Evaluation, 14(20): S.1 11, / 43
41 Literaturverzeichnis II [6] B. Everitt and T. Hothorn. An Introduction to Applied Multivariate Analysis with R. Springer New York, S.141, [7] L. Fahrmeir, W. Brachinger, A. Hamerle, and G. Tutz. Multivariate statistische Verfahren. de Gruyter, S , [8] T. Fehr. Big Five: Die fünf grundlegenden Dimensionen der Persönlichkeit und ihre dreißig Facetten. aufgerufen am: [9] J. W. Grice. Computing and evaluating factor scores. Psychological Methods, 6(4): S , [10] J. L. Horn. A rationale and test for the number of factors in factor analysis. Psychometrika, 30(2): S , / 43
42 Literaturverzeichnis III [11] H. F. Kaiser. The varimax criterion for analytic rotation in factor analysis. Psychometrika, 23(3): S , [12] L. Knüsel. Factor analysis: Chisquare as rotation criterion. http: //epub.ub.uni-muenchen.de/6350/1/tr040.pdf, aufgerufen am: [13] M. Noack. Faktorenanalyse. stein/faktorenanalyse.pdf, aufgerufen am: [14] W. Revelle. psych: Procedures for Psychological, Psychometric, and Personality Research. Northwestern University, Evanston, Illinois, R package version / 43
43 Literaturverzeichnis IV [15] O. Walter. Intelligenz. de/psychologie/personlichkeit/intelligenz/ intelligenz.htm#globalmodell. aufgerufen am: / 43
Explorative Faktorenanalyse
Explorative Faktorenanalyse Bachelorseminar: Ausgewählte Aspekte der Wirtschafts- und Sozialstatistik Autor: Simon Reitzner Betreuerin: Eva Endres, M.Sc. 23. September 2015 Inhaltsverzeichnis 1 Einleitung
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)
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
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
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
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.
MehrVeranschaulichung: Einführung in die Faktorenanalyse mit SAS. 1. Faktorenanalyse: Wie? Inhalt. 1. Faktorenanalyse: Wozu?
Einführung in die Faktorenanalyse mit SAS Benutzertreffen am URZ Christoph Witzel 6. Juni 2003 1. Faktorenanalyse: Wozu? Veranschaulichung: Variablen seien: Wie oft Personen Fußball spielen, Rad fahren,
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...
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:
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
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-
MehrSind mehrere Merkmale untereinander hoch korreliert, so kann man sie als zusammengehörig interpretieren, sie bilden einen Faktor.
5 Faktorenanalyse 5.1 Das orthogonale Faktorenmodell Sind mehrere Merkmale untereinander hoch korreliert, so kann man sie als zusammengehörig interpretieren, sie bilden einen Faktor. Beispiel 5.1. Körpergröße
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
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:
MehrDie Rücktransformation: Z = A t (Y µ) = Y = AZ + µ
Die Rücktransformation: Z = A t (Y µ) = Y = AZ + µ Kleine Eigenwerte oder Eigenwerte gleich Null: k Eigenwerte Null = Rang(Σ) = m k Eigenwerte fast Null = Hauptkomponenten beinahe konstant Beschränkung
MehrInterdisziplinäres Seminar. Multivariate Statistik bei psychologischen Fragestellungen. Markus Bühner und Helmut Küchenhoff WS 2008/09
Interdisziplinäres Seminar Multivariate Statistik bei psychologischen Fragestellungen Markus Bühner und Helmut Küchenhoff WS 2008/09, Homepage: http://www.stat.uni-muenchen.de/~helmut/seminar_0809.html
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
MehrFaktorenanalysen mit SPSS. Explorative Faktorenanalyse als Instrument der Dimensionsreduktion. Interpretation des SPSS-Output s
Explorative Faktorenanalyse als Instrument der Dimensionsreduktion Beispiel: Welche Dimensionen charakterisieren die Beurteilung des sozialen Klimas in der Nachbarschaft? Variablen: q27a bis q27g im Datensatz
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 -->
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
MehrFaktorenanalysen 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
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,
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
MehrKlausur zur Vorlesung Analyse mehrdimensionaler Daten, Lösungen WS 2010/2011; 6 Kreditpunkte, 90 min
Klausur, Analyse mehrdimensionaler Daten, WS 2010/2011, 6 Kreditpunkte, 90 min 1 Prof. Dr. Fred Böker 21.02.2011 Klausur zur Vorlesung Analyse mehrdimensionaler Daten, Lösungen WS 2010/2011; 6 Kreditpunkte,
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
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,
MehrForschungspraktikum Gruppenbezogene Menschenfeindlichkeit
Forschungspraktikum Gruppenbezogene Menschenfeindlichkeit Hauptkomponenten- und enanalyse Hauptkomponentenanalyse Von der Hauptomponentenananlyse zur exploratischen enanalyse Bestimmung der Zahl der en
Mehr5.Tutorium Multivariate Verfahren
5.Tutorium Multivariate Verfahren - Hauptkomponentenanalyse - Nicole Schüller: 27.06.2016 und 04.07.2016 Hannah Busen: 28.06.2016 und 05.07.2016 Institut für Statistik, LMU München 1 / 18 Gliederung 1
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
MehrDie Faktorenanalyse: Das Rotationsproblem / Extraktionskriterien für Faktoren
Die Faktorenanalyse: Das Rotationsproblem / Extraktionskriterien für Faktoren Julia Manhart / Matthias Hunger 05.November 2008 1 Inhaltsverzeichnis 1 Rückblick 3 2 Das Rotationsproblem 3 2.1 Problem der
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)
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
MehrModulklausur Multivariate Verfahren
Name, Vorname Matrikelnummer Modulklausur 31821 Multivariate Verfahren Datum Note Termin: 24. März 2017, 11.30-13.30 Uhr Erstprüfer: Univ.-Prof. Dr. H. Singer Hinweise zur Bearbeitung der Modulklausur
MehrMessen im psychologischen Kontext II: Reliabilitätsüberprüfung und explorative Faktorenanalyse
Messen im psychologischen Kontext II: Reliabilitätsüberprüfung und explorative Faktorenanalyse Dominik Ernst 26.05.2009 Bachelor Seminar Dominik Ernst Reliabilität und explorative Faktorenanalyse 1/20
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.
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
MehrMultivariate Verfahren
Multivariate Verfahren Oliver Muthmann 31. Mai 2007 Gliederung 1 Einführung 2 Varianzanalyse (MANOVA) 3 Regressionsanalyse 4 Faktorenanalyse Hauptkomponentenanalyse 5 Clusteranalyse 6 Zusammenfassung Komplexe
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.
MehrHerleitung der Hauptkomponenten: Y t = (Y 1,..., Y m ) Erwartung:µ Kovarianz:Σ. Z j = a 1j Y 1 + a 2j Y a mj Y m = a t j Y
Herleitung der Hauptkomponenten: Y t = (Y 1,..., Y m ) Erwartung:µ Kovarianz:Σ Z j = a 1j Y 1 + a 2j Y 2 +... + a mj Y m = a t j Y a t j = (a 1j, a 2j,..., a mj ) Z 1, Z 2,...,Z m unkorreliert Varianzen
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
MehrKapitel 5 : Eigenwerte und Eigenvektoren
Kapitel 5 : Eigenwerte und Eigenvektoren 5.1 Definition und allgemeine Eigenschaften Definition 5.1 Sei A eine quadratische (n n)-matrix. λ C heißt Eigenwert von A, wenn ein Vektor x C n mit x 0 existiert,
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
MehrFaktorenanalyse und Hauptkomponentenanalyse
Faktorenanalyse und Hauptkomponentenanalyse Man habe n Personen auf m Variablen untersucht Insbesondere habe man: n Personen Index i m Variablen Index j r Faktoren Index l Die Faktoren sind latente Variablen,
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
MehrKapitel 5. Faktorenanalyse. 5.1 Einführung. 5.2 Das Modell der Faktorenanalyse
Kapitel 5 Faktorenanalyse 51 Einführung Die Faktorenanalyse ist wie die Hauptkomponentenanlyse eine variablenorientierte Methode, die dann angebracht ist, wenn die Variablen gleichwertig sind, dh wenn
MehrExplorative Faktorenanalyse
Explorative Faktorenanalyse Eric Klopp 1 Universität des Saarlandes Zusammenfassung Die explorative Faktorenanalyse (EFA) ist ein Verfahren aus der multivariaten Statistik. Mithilfe der Faktorenanalyse
MehrBeispielberechnung Vertrauensintervall
Beispielberechnung Vertrauensintervall Auszug Kursunterlagen MAS ZFH in Berufs-, Studien- und Laufbahnberatung Prof. Dr. Marc Schreiber, Dezember 2016 Beispielberechnung Vertrauensintervall Statistische
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
MehrBeispielberechnung Vertrauensintervalle
Beispielberechnung Vertrauensintervalle Auszug Kursunterlagen MAS Berufs-, Studien- und Laufbahnberatung Juni 2015 Prof. Dr. Marc Schreiber Beispielberechnung Vertrauensintervalle Vorbereitung - Statistische
Mehr1 Beispiele multivariater Datensätze... 3
Inhaltsverzeichnis Teil I Grundlagen 1 Beispiele multivariater Datensätze... 3 2 Elementare Behandlung der Daten... 15 2.1 Beschreibung und Darstellung univariater Datensätze... 15 2.1.1 Beschreibung und
Mehr5. Arbeitsschritt: Skalenkonstruktion mit Hilfe der Faktorenanalyse
Dr. Wolfgang Langer - Methoden V: Explorative Faktorenanalyse SoSe 1999-1 5. Arbeitsschritt: Skalenkonstruktion mit Hilfe der Faktorenanalyse Mit Hilfe der orthogonalen Hauptkomponenten- und Faktorenanalyse
MehrKonfirmatorische Faktorenanalyse
Konfirmatorische Faktorenanalyse Regressionsmodelle für Politikwissenschaftler Was ist ein Faktor? Faktor oder latente Variable nicht direkt beobachtbare Größe die beobachtbare Variablen ( Indikatoren
MehrKonfirmatorische Faktorenanalyse. Regressionsmodelle für Politikwissenschaftler
Konfirmatorische Faktorenanalyse Regressionsmodelle für Politikwissenschaftler Was ist ein Faktor? Faktor oder latente Variable Regressionsmodelle für Politikwissenschaftler Konfirmatorische Faktorenanalyse
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
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
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.
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
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
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
MehrExploratorische Faktorenanalyse
Exploratorische Faktorenanalyse Kapitel 5 Einführung in die Test- und Fragebogenkonstruktion, Pearson Education 2003, Markus Bühner, 1 5.1 Ziele der Faktorenanalyse (1) Daten reduzieren (2) Zusammenhänge
MehrEin Vergleich von Modellen der explorativen Faktorenanalyse
Ein Vergleich von Modellen der explorativen Faktorenanalyse (Comparison of Factor Models in Exploratory Factor Analysis) von Raphael Wilhelm Hanke (580092) Bachelorarbeit eingereicht bei: Erstgutachter:
MehrErklärung der korrelativen Zusammenhänge zwischen mehreren Variablen. Persönlichkeitsfragebogen aus mehreren Einzelitems wie
Faktorenanalyse! Terminologie uneinheitlich! Ziel : Erklärung der korrelativen Zusammenhänge zwischen mehreren Variablen Beispiel : Persönlichkeitsfragebogen aus mehreren Einzelitems wie Ich habe meist
MehrExplorative Faktorenanalyse: Einführung und Analyse mit R
Explorative Faktorenanalyse: Einführung und Analyse mit R Christina Werner Frühling 2014 Universität Zürich 1 Wozu verwendet man Faktorenanalysen? Mit Hilfe von Faktorenanalysen kann untersucht werden,
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.
Mehr51 Numerische Berechnung von Eigenwerten und Eigenvektoren
5 Numerische Berechnung von Eigenwerten und Eigenvektoren 5. Motivation Die Berechnung der Eigenwerte einer Matrix A IR n n als Lösungen der charakteristischen Gleichung (vgl. Kapitel 45) ist für n 5 unpraktikabel,
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
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)
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
MehrFormelsammlung zur Lehrveranstaltung Statistische Analyseverfahren. 4. Februar 2019
Formelsammlung zur Lehrveranstaltung Statistische Analyseverfahren 4 Februar 2019 Inhaltsverzeichnis 1 Diskriminanzanalyse 1 11 ML-Diskrimination für zwei Normalverteilungen mit identischen Kovarianzmatrizen
MehrInhaltsverzeichnis. Vorwort zur 3. Auflage 11
Vorwort zur 3. Auflage 11 Kapitel 1 Einführung 13 1.1 Ziel des Buches 14 1.2 Testanwendungsbereiche 18 1.3 Arten von Tests 20 1.3.1 Raven Progressive Matrices 23 1.3.2 NEO-FFI und NEO-PI-R 24 1.3.3 Thematischer
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
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
MehrEinführung in die Test- und Fragebogenkonstruktion
Markus Bühner Einführung in die Test- und Fragebogenkonstruktion 3., aktualisierte und erweiterte Auflage PEARSON Studium ein Imprint von Pearson Education München Boston San Francisco Harlow, England
MehrVertiefungsrichtung Marktforschung
Vertiefungsrichtung Marktforschung Sommersemester 2006 Dipl.-WiInf.(FH) Christian Reinboth Darstellen Faktorenanalyse Erkennen Beschreiben Testen Faktorenanalyse In der Marktforschung hat man es häufig
MehrStatistik III Regressionsanalyse, Varianzanalyse und Verfahren bei Messwiederholung mit SPSS
Statistik III Regressionsanalyse, Varianzanalyse und Verfahren bei Messwiederholung mit SPSS Verena Hofmann Dr. phil. des. Departement für Sonderpädagogik Universität Freiburg Petrus-Kanisius-Gasse 21
Mehr47 Singulärwertzerlegung
47 Singulärwertzerlegung 47.1 Motivation Wir haben gesehen, dass symmetrische Matrizen vollständig mithilfe ihrer Eigenwerte und Eigenvektoren beschrieben werden können. Diese Darstellung kann unmittelbar
MehrEigenwerte: Auto.eigen<-eigen(cor(Auto.frame))$values round(auto.eigen,digits=4) Kumulierter Anteil
Korrelationsmatrix: Auto.cor
MehrD-ITET. D-MATL, RW Lineare Algebra HS 2017 Dr. V. Gradinaru T. Welti. Online-Test 2. Einsendeschluss: Sonntag, den
D-ITET. D-MATL, RW Lineare Algebra HS 7 Dr. V. Gradinaru T. Welti Online-Test Einsendeschluss: Sonntag, den..7 : Uhr Dieser Test dient, seriös bearbeitet, als Repetition des bisherigen Vorlesungsstoffes
MehrInhaltsverzeichnis. Vorwort zur 3. Auflage 11. Kapitel 1 Einführung 13. Kapitel 2 Testtheoretische Grundlagen 29
Vorwort zur 3. Auflage 11 Kapitel 1 Einführung 13 1.1 Ziel des Buches............................................... 14 1.2 Testanwendungsbereiche........................................ 18 1.3 Arten von
MehrDeskriptive Beschreibung linearer Zusammenhänge
9 Mittelwert- und Varianzvergleiche Mittelwertvergleiche bei k > 2 unabhängigen Stichproben 9.4 Beispiel: p-wert bei Varianzanalyse (Grafik) Bedienungszeiten-Beispiel, realisierte Teststatistik F = 3.89,
MehrDemokurs. Modul Vertiefung der Wirtschaftsmathematik Vertiefung der Statistik
Demokurs Modul 3741 Vertiefung der Wirtschaftsmathematik und Statistik Kurs 41 Vertiefung der Statistik 15. Juli 010 Seite: 14 KAPITEL 4. ZUSAMMENHANGSANALYSE gegeben, wobei die Stichproben(ko)varianzen
MehrÄhnlichkeits- und Distanzmaße
Einheit 1 Ähnlichkeits- und Distanzmaße IFAS JKU Linz c 2015 Multivariate Verfahren 1 0 / 41 Problemstellung Ziel: Bestimmung von Ähnlichkeit zwischen n Objekten, an denen p Merkmale erhoben wurden. Die
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
MehrLineare Algebra und Datenwissenschaften in Ingenieur- und Informatikstudiengängen
Lineare Algebra und Datenwissenschaften in Ingenieur- und Informatikstudiengängen Heiko Knospe Technische Hochschule Köln heiko.knospe@th-koeln.de 6. September 26 / 2 Einleitung Das Management und die
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
MehrIterative Ermittlung der Stichprobengröße bei der Faktorenanalyse
Iterative Ermittlung der Stichprobengröße bei der Faktorenanalyse Andreas Hinderks 1, Martin Schrepp 2, Jörg Thomaschewski 3 RMT Soft GmbH & Co. KG 1 SAP SE 2 Hochschule Emden/Leer 3 Zusammenfassung Fast
MehrLineare Algebra und Numerische Mathematik für D-BAUG
P Grohs T Welti F Weber Herbstsemester 215 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie 12 Aufgabe 121 Matrixpotenzen und Eigenwerte Diese Aufgabe ist
MehrLiteratur: Rudolf & Müller, S Dr. Matthias Rudolf: M3 Multivariate Statistik Vorlesung Einführung SEM Folie Nr. 1
1 Korrelation und Kausalität 2 Grundsätzliches 3 Pfaddiagramme und lineare Strukturgleichungen 4 Struktur- und Messmodell 5 Modellspezifikation 6 Parameterschätzungen 7 Beurteilung der Schätzergebnisse
MehrVorlesung: Multivariate Statistik für Psychologen
Vorlesung: Multivariate Statistik für Psychologen 1. Vorlesung: 07.04.2003 Agenda 1. Organisatorisches 2. Literaturempfehlungen 3. Überblick: Was ist multivariate Statistik? 4. Lernziele und Prüfungsanforderungen
MehrVorlesung: Statistik II für Wirtschaftswissenschaft
Vorlesung: Statistik II für Wirtschaftswissenschaft Prof. Dr. Helmut Küchenhoff Institut für Statistik, LMU München Sommersemester 2017 6 Genzwertsätze Einführung 1 Wahrscheinlichkeit: Definition und Interpretation
Mehr1. Referenzpunkt Transformation
2.3 Featurereduktion Idee: Anstatt Features einfach wegzulassen, generiere einen neuen niedrigdimensionalen Featureraum aus allen Features: Redundante Features können zusammengefasst werden Irrelevantere
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
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...
MehrMultivariate Lineare Modelle SS Einführung. 1. Organisation. 2. Übersicht. 3. Arbeiten mit SAS
Multivariate Lineare Modelle SS 2009 0 Einführung 1. Organisation 2. Übersicht 3. Arbeiten mit SAS 1 0.1 Organisation Lehrziele: Theorie von multivariaten linearen Modellen Praktische Anwendung mit SAS
Mehr11. Übungsblatt zur Vorlesung Ökonometrie SS 2014
Universität des Saarlandes Lehrstab Statistik Dr. Martin Becker Dipl.-Kfm. Andreas Recktenwald 11. Übungsblatt zur Vorlesung Ökonometrie SS 2014 Aufgabe 45 Die in Aufgabe 43 getroffene Annahme heteroskedastischer
MehrLiteraturverzeichnis. Greenacre, Michael (1984), Theory and Applications of Correspondence Analysis, London
Literaturverzeichnis Brendel, Sabine/Kirchhoff, Sabine/Metz-Göckel, Sigrid (2001), Das Studium ist schon die Hauptsache, aber..., Kleine Verlag, Bielefeld Clauß/Ebner (1982 4 ), Statistik für Soziologen,
MehrDimensionale Methoden: Hauptkomponentenanalyse (HKA) und Faktorenanalyse (FA)
Dimensionale Methoden: Hauptkomponentenanalyse (HKA) und Faktorenanalyse (FA) 1 HKA und FA: das Problem Beispiel: Supermärkte: Welches sind die Hauptattribute von Supermärkten? (637 Kunden beurteilen Attribute
MehrMusterlösung. Modulklausur Multivariate Verfahren
Musterlösung Modulklausur 31821 Multivariate Verfahren 25. September 2015 Aufgabe 1 (15 Punkte) Kennzeichnen Sie die folgenden Aussagen zur Regressionsanalyse mit R für richtig oder F für falsch. F Wenn
MehrStatistikpraktikum. Carsten Rezny. Sommersemester Institut für angewandte Mathematik Universität Bonn
Statistikpraktikum Carsten Rezny Institut für angewandte Mathematik Universität Bonn Sommersemester 2014 Mehrdimensionale Datensätze: Multivariate Statistik Multivariate Statistik Mehrdimensionale Datensätze:
Mehr