12
Marktforschung (Fach) / Faktorenanalyse (Lektion)
.
Diese Lektion wurde von Niiklas1997 erstellt.
Diese Lektion ist leider nicht zum lernen freigegeben.
Anzeige
- Kann bei nominal skalierten unabhäng. Var. auch der lineare Zusammenhang überprüft werden? Nein
- Was versteht man unter der Faktorenanalyse? Statistisches Verfahren, dass eine Vielzahl von Variablen auf wenige voneinander unabhängige Einflussfaktoren reduziert. Motivation: -> Validierung von reflektiven Mulit-Item-Konstrukten-> Datenflut bei vielen Variablen unübersichtlich-> Sind Var. nicht voneinander unabhängig, kommt es bei der Untersuchung v. Wirkungszusammenhängen zu Fehlern.
- Welche Arten der FA gibt es? explorativ und konfirmatorisch
- Grundidee der explorativen FA 1. Annahme: Linearität zw. Faktoren und Var. -> Z = P*A (Rohdaten = Faktorladungen * Faktorwerte) 2. Annahme: Faktoren sind unkorreliert -> FA basiert auf Korr.matrix der Ausgangsvar. => Fundamentaltheorem der FA: R = A*A´ (gilt nur, falls die beiden Annahmen gegeben sind)
- Vorgehen FA 1. Überprüfung der Eignung des Datenmaterials für die FA 2. Faktorenextraktion 3. Faktorenrotation 4. Interpretation der Faktoren 5. Beurteilung der Güte
- Anforderungen an die Daten der FA - intervallskalierte Daten - Anz. Beobachtungen ≥ 3* Anz. Var. - Ausreichend hohe Korr. - MSA oder KMO-Kriterium (testet, inwiefern die Varianz einer Variable durch andere Variablen erklärt wird, sollte > 0,7 sein) - Bartletts Test auf Sphärizität (testet H0, dass die Korr.matrix von Var. stammt, die voneinander unabhängig sind)
- Verfahren der Faktorenextraktion Die Verfahren unterscheiden sich in ihren Annahmen über die Kommunalitäten (Teil der Varianz einer Var., der durch die gemeinsamen Faktoren erklärt wird, ist nie = 100%, da Inf.verlust bei Faktorbildung) 1. Hauptachsenanalyse -> erwartete Kommunalitäten werden geschätzt-> Vorgabe von Startwerten (<1, da Inf.verlust)-> zusätzliche Manipulationsmögl. seitens des Forschers 2. Hauptkomponentenmethode -> Für die Kommunalitäten wird ein Startwert von 1 angenommen
- Bestimmung der Faktorenanzahl Diverse Möglichkeiten: - Kaiser-Kriterium: Extrahiere nur Faktoren mit Eigenwerten >1 (Eigenwert=Erklärungsbeitrag eines Faktors über alle Var. hinweg (wie wirkungsvoll sind die Faktoren?)) - Scree-Test (grafische Darstellung) - Extrahiere eine bestimmte Anzahl an Faktoren - Extrahiere so viele Faktoren, dass mind. x% der Varianz erklärt wird => Zahl der Faktoren sollte < Hälfte der Var. sein => Anzahl der Faktoren sollte so gewählt werden, dass sie gut zu interpretieren sind
- Wieso kommt es bei der FA zu einer Faktorrotation? Dient dazu, Faktorladungen auf einen Faktor zu maximieren und auf die anderen Faktoren zu minimieren, um das Ergebnis leichter interpretierbar zu machen.
- Güte der Lösung der FA - Varianzerklärung: Anteil der Gesamtvarianz der Var., der durch die Faktoren erklärt wird - Interpretierbarkeit der Faktoren - Cronbachs Alpha -> Misst Reliabilität eines Konstrukts (Erfassen Items, die zu einem Konstrukt zsmgefasst wurden, den gleichen Sachverhalt?)-> akzeptable Werte ≥0,7 (≥0,6 bei explorativer FA)-> wird größer, je mehr Items in einem Kosntrukt zusammengefasst werden
- Anzeige
- Faktorenwerte vs Konstrukte Faktorenwerte und Konstrukte geben wieder, welche Ausprägungen ein Faktor für eine Beobachtung hat. - Faktorwert: wird auf Basis der Faktorladungen berechnet, gewichteter Durchschnitt der Var.ausprägungen, Vorteil: Faktorwerte sind unkorreliert - Konstrukt: Summed Scores (Werte der Var./Anzahl Var.), ungewichteter Durchschnitt der Var.ausprägungen, Vorteil: Konstrukte vergleichbar über Studien hinweg, aber nicht unkorreliert. Heutiger Standard in der Forschung.
- Explorative und Konfirmatorische FA Expl. FA: Faktorstruktur ist nicht bekannt/nicht vorgegeben, dient der Aufdeckung der Faktorstruktur Konf. FA: Faktorstruktur bekannt/vorgegeben, prüft die Güte dieser Faktorstruktur -> Häufig werden beide Verfahren nacheinander angewandt-> Expl. FA zur Identifikation von Analysen-> Konf. FA liefert Gütemaße