4
Testtheorie und Testkonstruktion: Faktorenanalyse (Subject) / 1.1.1.3 EFA: Extraktionsmethoden: Maximum-Likelihood-Faktorenanalyse (Lesson)
Grundlagen der Maximum-Likelihood-Faktorenanalyse
This lesson was created by eidechse1.
- Likelihood Wahrscheinlichkeit der Daten in Abhängigkeit von den Modellparametern unter der Annahme, dass das Modell gilt -> L = p(Daten│Modell)
- Wie werden die Parameter (Ladungen) geschätzt? Kovarianzmatrix der Population soll der Kovarianzmatrix der Stichprobe möglichst ähnlich werden
- Vorteile der Maximum-Likelihood-Faktorenanalyse - Modelltestung ist möglich (X2-Test) - Bestimmung der Faktorenzahl auch über Modellanpassungstests
- Nachteil der Maximum-Likelihood-Faktorenanalyse Mehr Voraussetzungen
Advertisement