FA 08.06.ppt [Kompatibilitätsmodus] - tu-chemnitz.de · 3.2 SPSS Hauptachsenanalyse...
-
Upload
truongdung -
Category
Documents
-
view
213 -
download
0
Transcript of FA 08.06.ppt [Kompatibilitätsmodus] - tu-chemnitz.de · 3.2 SPSS Hauptachsenanalyse...
11.06.2010
1
Faktorenanalyse
Fakultät für Human‐ und Sozialwissenschaften
Professur für Forschungsmethodik und Evaluation in der Psychologie
Seminar: Multivariate Analysemethoden
Seminarleiter: Dr. Thomas Schäfer
Referenten: Kathrin Wagner, Sabine Reichel, Sandra Drescher
Datum: 08.06.2010
Faktorenanalyse ‐ Übersicht
Einleitung
1. Variablenauswahl und Korrelationsmatrix2. Extraktion der Faktoren3. Faktoranalytische Methoden4. Zahl der Faktoren5. Faktoreninterpretation
2
6. (Bestimmen der Faktorwerte)
Quellen
11.06.2010
2
Einleitung
•Untersuchung des Wirkungszusammenhangs zwischen Variablen wichtig für FragestellungenVariablen wichtig für Fragestellungen
Problem:
•Erklärung vieler Phänomene meist nur durch Vielzahl von Einflussfaktoren möglich
3
Lösung:
•Entdeckung von untereinander unabhängigen Beschreibungs‐und Erklärungsfaktoren aus einer Vielzahl von Variablen
Einleitung
• Zwei verschiedene Rechenarten dabei notwendig:
Eindeutig festgelegte (z.B. Korrelationsmatrix)
Solche, wo der Verwender subjektiv eingreifen muss
Ergebnis hängt von Entscheidungen ab (z B
4
Entscheidungen ab (z.B. Kommunalitätenschätzung)
11.06.2010
3
Unsere Fragestellung
Zu welchen Anlässen hören Leute Musik?
Und lassen sich Sammelbegriffe für diese Anlässe finden?Und lassen sich Sammelbegriffe für diese Anlässe finden?
Ausgang:
Itemanzahl = 22
N = 70
5
Schritte einer Faktorenanalyse
1. Variablenauswahl und Korrelationsmatrix
2. Extraktion der Faktoren
3. Faktoranalytische Methoden
4. Zahl der Faktoren
6
5. Faktoreninterpretation
6. (Bestimmen der Faktorwerte)
11.06.2010
4
Faktorenanalyse
1. Variablenauswahl und Korrelationsmatrix
2. Extraktion der Faktoren
3. Faktoranalytische Methoden
4. Zahl der Faktoren
5. Faktoreninterpretation
6 (Bestimmen der Faktorwerte)
7
6. (Bestimmen der Faktorwerte)
1. Variablenauswahl & Korrelationsmatrix 2. Extraktion der Faktoren 3. Faktoranalytische Methoden 4. 5. 6.
1. Variablenauswahl und Korrelationsmatrix
Vor der FA: Sind die Daten überhaupt für eine FA geeignet?Voraussetzungen:Linearität ausreichend hohe Korrelationen zwischen den ItemsBei Bedarf Werte mit unterschiedlichen Skalen und Einheiten standardisierenVORSICHT: ‐ Ausreißer‐ Vorliegen unterschiedlicher Itemverteilungen (Symmetrie, Schiefe, Wölbung)
‐ Normalverteilung‐ Substanzielle Korrelationen‐ Stichprobengröße
‐ N < 60 und h² < .60 inkompatibel für FA N = 300 gut
8
‐ N = 60 und h² > .60 gerade ausreichend N = 500 sehr gut ‐ N = 100 ausreichen N = 1000 exzellent‐ N = 200 fair
‐ Itemzahl (pro Faktor mind. 3 Items)
(Bühner, 2006)
1. Variablenauswahl & Korrelationsmatrix 2. Extraktion der Faktoren 3. Faktoranalytische Methoden 4. 5. 6.
11.06.2010
5
1.1 Ausreißer
Ausreißer wurden Ausreißer wurden vor der Analyse entfernt
N sank von 70 auf 58
91. Variablenauswahl & Korrelationsmatrix 2. Extraktion der Faktoren 3. Faktoranalytische Methoden 4. 5. 6.
1.2 Itemverteilungen
101. Variablenauswahl & Korrelationsmatrix 2. Extraktion der Faktoren 3. Faktoranalytische Methoden 4. 5. 6.
11.06.2010
6
1.3 Erste Korrelationsmatrix
11
Items „Spielen“, „Projektarbeit in Gruppen“ und „Freizeitsport“ wurden entfernt
1. Variablenauswahl & Korrelationsmatrix 2. Extraktion der Faktoren 3. Faktoranalytische Methoden 4. 5. 6.
1.4 Zweite Korrelationsmatrix
12
Fehlende Werte!
1. Variablenauswahl & Korrelationsmatrix 2. Extraktion der Faktoren 3. Faktoranalytische Methoden 4. 5. 6.
11.06.2010
7
1.5 Kriterien zur Beurteilung der Korr.‐Matrix
• Signifikanzniveaus
• Inverse der Korrelationsmatrix
• Bartlett Test => Wichtig!• Bartlett‐Test => Wichtig!
• Anti‐Image‐Kovarianzmatrix
• Kaiser‐Meyer‐Olkin‐Koeffizient => Wichtig!
131. Variablenauswahl & Korrelationsmatrix 2. Extraktion der Faktoren 3. Faktoranalytische Methoden 4. 5. 6.
1.5 Kriterien
• Signifikanzniveaus (Ho = kein Zusammenhang zw. den Variablen)
141. Variablenauswahl & Korrelationsmatrix 2. Extraktion der Faktoren 3. Faktoranalytische Methoden 4. 5. 6.
11.06.2010
8
1.5 Kriterien
• Inverse der Korrelationsmatrix
– Eignung dann, wenn Inverse = Diagonalmatrixd.h. die nicht‐diagonalen Elemente der inversen Korrelationsmatrix möglichst liegen möglichst nahe bei Null
– Allerdings:
15
Kein allgemeingültiges Kriterium dafür, wie stark und wie häufig die Nicht‐diagonalen Elemente von Null abweichen dürfen
1. Variablenauswahl & Korrelationsmatrix 2. Extraktion der Faktoren 3. Faktoranalytische Methoden 4. 5. 6.
16
11.06.2010
9
1.5 Kriterien
Kaiser‐Meyer‐Olkin‐Kriterium MSA = measure of sampling adequacy
Zeigt an, in welchem Umfang die Ausgangsvariablen zusammengehörenIndikator dafür, ob eine FA sinnvoll erscheint oder nicht
.90 sehr gut
.80 ‐ .89 gut
.70 ‐ .79 mittel60 ‐ 69 mäßig
17
.60 ‐ .69 mäßig
.50 ‐ .59 schlecht< .50 ungeeignet für eine FA
(Bühner, 2006)
1. Variablenauswahl & Korrelationsmatrix 2. Extraktion der Faktoren 3. Faktoranalytische Methoden 4. 5. 6.
1.5 Kriterien
181. Variablenauswahl & Korrelationsmatrix 2. Extraktion der Faktoren 3. Faktoranalytische Methoden 4. 5. 6.
11.06.2010
10
1.5 Kriterien
• Bartlett‐Test (auf Sphärizität)H ll K l ti d M t i l i h ll– H0 = alle Korrelationen der Matrix gleich null
• Signifikant: alle Items korreliert
• Nicht Signifikant: Items unkorreliert
– Annahme einer NormalverteilungWert wird durch die Stichprobengröße beeinflusst
19
Signifikant
1. Variablenauswahl & Korrelationsmatrix 2. Extraktion der Faktoren 3. Faktoranalytische Methoden 4. 5. 6.
1.5 Kriterien
• Anti‐Image‐Kovarianzmatrix
• Varianz einer Variablen lässt sich in zwei Teile zerlegen:Varianz einer Variablen lässt sich in zwei Teile zerlegen:– Image: Anteil der Varianz, der durch die verbleibenden Variablen mithilfe
einer multiplen Regressionsanalyse erklärt werden kann
– Anti‐Image: Der Teil der Varianz, der von den übrigen Variablen unabhängig ist
• Anti‐Image sollte möglichst gering ausfallen, da FA annimmt, dass den Variablen gemeinsame Faktoren zugrunde liegen
Nicht diagonalen Elemente möglichst bei Null
20
Nicht‐diagonalen Elemente möglichst bei Null
• Für FA ungeeignet wenn:•Anteil der Nicht‐diagonal Elemente größer 0 (>0,09) bei 25% oder mehr
1. Variablenauswahl & Korrelationsmatrix 2. Extraktion der Faktoren 3. Faktoranalytische Methoden 4. 5. 6.
11.06.2010
11
21
Faktorenanalyse
1. Variablenauswahl und Korrelationsmatrix
2. Extraktion der Faktoren
3. Bestimmen der Kommunalitäten
4. Zahl der Faktoren
5. Faktoreninterpretation
22
6. (Bestimmen der Faktorwerte)
1. Variablenauswahl & Korrelationsmatrix 2. Extraktion der Faktoren 3. Faktoranalytische Methoden 4. 5. 6.
11.06.2010
12
2. Extraktion der Faktoren
2.1 Fundamentaltheorem der Faktorenanalyse:Rechnerische Ermittlung der Faktoren
„Jeder Beobachtungswert einer Ausgangsvariablen xj(oder der standardisierten Variablen zj) lässt sich als eine Linearkombination mehrerer (hypothetischer) Faktoren beschreiben“
Formel:
23
Bzw. für standardisierte x‐Werte:
1. Variablenauswahl & Korrelationsmatrix 2. Extraktion der Faktoren 3. Faktoranalytische Methoden 4. 5. 6.
2. Extraktion der Faktoren
2.1 Fundamentaltheorem der Faktorenanalyse
Faktor 1 Faktor 2
Faktorladung = Korrelation zwischen einer Variable j und jeweiligen Faktor 1
Faktorwert der Person k auf Faktor 1 = Ein Faktorwert p repräsentiert den Wert/ Ausprägungsgrad einer Person auf einem Faktor
24
j g Faktor
Die Korrelationsmatrix lässt sich durch die Faktorladungen und die Korrelationen zwischen den Faktoren reproduzieren
1. Variablenauswahl & Korrelationsmatrix 2. Extraktion der Faktoren 3. Faktoranalytische Methoden 4. 5. 6.
11.06.2010
13
2. Extraktion der Faktoren
2.2 Extraktion auf graphischem Wege– Informationen der K.‐Matrix in einem Vektor‐Diagramm
– Vektoren = Items (standardisiert eine Länge von 1)
– Relation zwischen den Vektoren = Korrelationen
251. Variablenauswahl & Korrelationsmatrix 2. Extraktion der Faktoren 3. Faktoranalytische Methoden 4. 5. 6.
2. Extraktion der Faktoren
– Winkelberechnung über Kosinus:
261. Variablenauswahl & Korrelationsmatrix 2. Extraktion der Faktoren 3. Faktoranalytische Methoden 4. 5. 6.
11.06.2010
14
2. Extraktion der Faktoren
Alle Variablen/ Items stehen in Beziehung zueinander
korrelieren miteinander
Je mehr Variablen, desto mehr Dimensionen
FA möchte das sich über r gemessene Verhältnis der Variablen
27
gemessene Verhältnis der Variablen zueinander in einem möglichst gering dimensionierten Raum reproduzieren
1. Variablenauswahl & Korrelationsmatrix 2. Extraktion der Faktoren 3. Faktoranalytische Methoden 4. 5. 6.
2. Extraktion der Faktoren
• Faktorenanalyse = Dimensionsreduktion
• Faktor = zusammenfassende Beschreibung der beiden Items
• Winkel (30°) = Faktorladungen
281. Variablenauswahl & Korrelationsmatrix 2. Extraktion der Faktoren 3. Faktoranalytische Methoden 4. 5. 6.
11.06.2010
15
2. Extraktion der Faktoren
• Faktor 1 als „Schwerpunkt“ (Resultante) der fünf Items
• Faktor 2 als unkorrelierter (orthogonaler) Vektor zu Faktor 1
• In diesem Beispiel lassen sich 5 Variablen durch 2 Faktoren im zweidimensionalen Raum reproduzieren2 di h l !!!
29
2-dim. eher selten!!!
1. Variablenauswahl & Korrelationsmatrix 2. Extraktion der Faktoren 3. Faktoranalytische Methoden 4. 5. 6.
Faktorenanalyse
1. Variablenauswahl und Korrelationsmatrix
2. Extraktion der Faktoren
3. Faktoranalytische Methoden
4. Zahl der Faktoren
5. Faktoreninterpretation
3.1 Kommunalität3.2 SPSS
30
p
6. (Bestimmen der Faktorwerte)
1. 2. Extraktion der Faktoren 3. Faktoranalytische Methoden 4. Zahl der Faktoren 5. Faktoreninterpretation 6.
11.06.2010
16
3. Faktoranalytische Methoden
HauptkomponentenanalyseHauptachsenanalyse
keine Einzelrestvarianz
‐ Ziel: Datenreduktion‐ Ziel: Zusammenhänge zwischen den Variablen auf latente Variablen zu‐rückzuführen
‐ Varianz einer Variable kannvollständig durch die Faktoren erklärt werden‐ Varianz einer Variable teilt
sich in Kommunalität und Einzelrestvarianz
31
keine Einzelrestvarianz
‐ Kommunalitätsschätzwert = 1‐ Kommunalitätsschätz‐wert immer <1(quadrierte multiple Korrelation)
(Backhaus, Erichson, Plinke & Weiber, 2006)
1. 2. Extraktion der Faktoren 3. Faktoranalytische Methoden 4. Zahl der Faktoren 5. Faktoreninterpretation 6.
Einzelrestvarianz
3. 1 Kommunalität (h²)
= Teil der Gesamtvarianz eines Items, der durch alle
Faktoren aufgeklärt wird
F kt 1
(Bac
Item 1Faktor2
Faktor3
Faktor1
Restvarianz
ckhaus, Erichson, Plinke & W
eibe
32
erklärte Varianz
standardisierte Gesamtvarianz = 1
r, 2006;Bühner, 2006)
1. 2. Extraktion der Faktoren 3. Faktoranalytische Methoden 4. Zahl der Faktoren 5. Faktoreninterpretation 6.
11.06.2010
17
3. 2 SPSS
331. 2. Extraktion der Faktoren 3. Faktoranalytische Methoden 4. Zahl der Faktoren 5. Faktoreninterpretation 6.
3.2 SPSS
341. 2. Extraktion der Faktoren 3. Faktoranalytische Methoden 4. Zahl der Faktoren 5. Faktoreninterpretation 6.
11.06.2010
18
3. 2. SPSS
N h² Bewertung
< 60 < .60 inkompatibel
60 > .60geradeausreichend
100 ausreichend
200 fair
300 gut
35
500 sehr gut
1000 exzellent
(MacCallum, Widaman, Zhang & Hong, 1999, nach Bühner, 2006, S.193)
1. 2. Extraktion der Faktoren 3. Faktoranalytische Methoden 4. Zahl der Faktoren 5. Faktoreninterpretation 6.
3.2 SPSS
Hauptachsenanalyse
361. 2. Extraktion der Faktoren 3. Faktoranalytische Methoden 4. Zahl der Faktoren 5. Faktoreninterpretation 6.
11.06.2010
19
3.2 SPSS
371. 2. Extraktion der Faktoren 3. Faktoranalytische Methoden 4. Zahl der Faktoren 5. Faktoreninterpretation 6.
3.2 SPSS
HauptkomponetenanalyseHauptachsenanalyseKommunalitäten
Anfänglich Extraktion
künstlerisch, kreative Tätigkeit ,631 ,528
Fußgänger in der Stadt ,888 ,837g g , ,
öffentliche Verkehrsmittel ,832 ,878
Lernen ,738 ,748
beruflicher od. privater Misserfolg ,846 ,716
Lesen von Fachliteratur ,812 ,489
Stressabbau ,870 ,849
Autofahren als Fahrzeugführer ,681 ,637
beruflicher od. privater Erfolg ,824 ,719
Aktivierung ,878 ,902
Schreiben von Hausarbeiten ,742 ,654
Surfen im Internet ,838 ,631
381. 2. Extraktion der Faktoren 3. Faktoranalytische Methoden 4. Zahl der Faktoren 5. Faktoreninterpretation 6.
, ,
Hausarbeit ,851 ,766
Gesellschaft von Freunden ,633 ,574
Badezimmer ,654 ,499
Streit ,775 ,816
Lesen von Romanen ,686 ,505
Kochen ,805 ,759
Internetrecherche ,872 ,981
Extraktionsmethode: Hauptachsen-Faktorenanalyse.
11.06.2010
20
Faktorenanalyse
1. Variablenauswahl und Korrelationsmatrix
2. Extraktion der Faktoren
3. Bestimmen der Kommunalitäten
4. Zahl der Faktoren
5. Faktoreninterpretation
4.1 Extraktionskriterien4.2 SPSS
39
p
6. (Bestimmen der Faktorwerte)
1. 2. Extraktion der Faktoren 3. Faktoranalytische Methoden 4. Zahl der Faktoren 5. Faktoreninterpretation 6.
4. 1 Extraktionskriterien
Kaiser‐Kriterium
= Faktoren mit Eigenwert >1
6 Faktoren
95% Varianzaufklärung
40
13 Faktoren
(Backhaus, Erichson, Plinke & Weiber, 2006; Bühner, 2006)
1. 2. Extraktion der Faktoren 3. Faktoranalytische Methoden 4. Zahl der Faktoren 5. Faktoreninterpretation 6.
11.06.2010
21
4. 1 Extraktionskriterien
Scree-Test nach Cattell
- Suche nach bedeutsamen Eigenwertabfall- der erste Punkt links vom Knick bestimmt die Anzahl
5 oder 2 Faktoren
41
(Bühner, 2006)
5 oder 2 Faktoren
1. 2. Extraktion der Faktoren 3. Faktoranalytische Methoden 4. Zahl der Faktoren 5. Faktoreninterpretation 6.
Vorgabe durch explizite Theorie (hypothetisches Modell)4 Faktoren
4. 2. SPSS
Kaiser‐Kriterium: 6 Faktoren
Scree‐Test: 5 und 2 Faktoren
Theoretische Überlegung : 4 Faktoren
421. 2. Extraktion der Faktoren 3. Faktoranalytische Methoden 4. Zahl der Faktoren 5. Faktoreninterpretation 6.
11.06.2010
22
4. 2. SPSS
431. 2. Extraktion der Faktoren 3. Faktoranalytische Methoden 4. Zahl der Faktoren 5. Faktoreninterpretation 6.
Faktorenanalyse
1. Variablenauswahl und Korrelationsmatrix
2. Extraktion der Faktoren
3. Bestimmen der Kommunalitäten
4. Zahl der Faktoren
5. Faktoreninterpretation
44
p
6. (Bestimmen der Faktorwerte)
1. 2. 3. Faktoranalytische M. 4. Zahl der Faktoren 5. Faktoreninterpretation 6. Bestimmung der Faktorwerte
11.06.2010
23
5. Faktoreninterpretation
• Faktorladungen als Interpretationshilfen
• Wichtig: – hohe Sachkenntnisse bzgl. des konkreten
Ergebnis mit 4 Faktoren
gUntersuchungsobjekts
– HKA: Sammelbegriff
– HAA: Ursache
• Einfachstruktur = Variablen laden immer nur auf einen Faktor hoch
• Wenn nicht: subjektive Beurteilung
• Ab welcher Ladungshöhe wird Variable
45
Ab welcher Ladungshöhe wird Variable Faktor zugeordnet?– „hohe“ Ladungen ab 0,5
– Hohe Ladungen auf mehreren Faktoren müssen mit zur Interpretation herangezogen werden
1. 2. 3. Faktoranalytische M. 4. Zahl der Faktoren 5. Faktoreninterpretation 6. Bestimmung der Faktorwerte
Was ist eine Rotierte Komponentenmatrix?
• Interpretation erleichtern
– … durch Drehung des Koordinationskreuzes in seinem Ursprungg p g
– = Rotation
• Unterscheidung zweier Kategorien:– Orthogonale Rotation (z.B. Varimax):
Annahme, dass Faktoren
untereinander nicht korrelieren
Faktorachsen bleiben während
46
Faktorachsen bleiben während
Drehung in rechtem Winkel
− Oblique Rotation:Annahme einer Korrelation zwischen Faktoren
Erneute FA notwendig!!
1. 2. 3. Faktoranalytische M. 4. Zahl der Faktoren 5. Faktoreninterpretation 6. Bestimmung der Faktorwerte
11.06.2010
24
Extraktion der Faktoren
Items • „Gesellschaft von Freunden“
• und „Badezimmer“ entfernen
• Erneute Faktorenanalyse ohne die 2 Items:
471. 2. 3. Faktoranalytische M. 4. Zahl der Faktoren 5. Faktoreninterpretation 6. Bestimmung der Faktorwerte
5. Faktorinterpretation
• Ergebnis mit 4 Faktoren ohne die 2 Items:
h² > .60
481. 2. 3. Faktoranalytische M. 4. Zahl der Faktoren 5. Faktoreninterpretation 6. Bestimmung der Faktorwerte
11.06.2010
25
5. Faktorinterpretation
491. 2. 3. Faktoranalytische M. 4. Zahl der Faktoren 5. Faktoreninterpretation 6. Bestimmung der Faktorwerte
5. Faktorinterpretation
501. 2. 3. Faktoranalytische M. 4. Zahl der Faktoren 5. Faktoreninterpretation 6. Bestimmung der Faktorwerte
11.06.2010
26
5. Faktorinterpretation
Faktor 1 (Affektiv)
•Beruflicher oder privater Misserfolg
•Stressabbau
Faktor 3 (Alltag)
•künstlerisch kreative Tätigkeit
•Beruflicher oder privater Erfolg
•Streit
Faktor 2 (kognitive Tätigkeiten)
•Lernen•Lesen von Fachliteratur
g
•Autofahren als Fahrzeugführer
•Hausarbeit•Kochen
Faktor 4 (Aktivierung)
•Fußgänger in der Stadt•Öffentliche Verkehrsmittel
51
•Schreiben von Hausarbeiten
•Surfen im Internet
•Lesen von Romanen
•Internetrecherche
•Öffentliche Verkehrsmittel
•Aktivierung
1. 2. 3. Faktoranalytische M. 4. Zahl der Faktoren 5. Faktoreninterpretation 6. Bestimmung der Faktorwerte
Faktorenanalyse
1. Variablenauswahl und Korrelationsmatrix
2. Extraktion der Faktoren
3. Bestimmen der Kommunalitäten
4. Zahl der Faktoren
5. Faktoreninterpretation
52
6. (Bestimmen der Faktorwerte)
1. 2. 3. Faktoranalytische M. 4. Zahl der Faktoren 5. Faktoreninterpretation 6. Bestimmung der Faktorwerte
11.06.2010
27
6. Bestimmten der Faktorwerte
• Ausprägung der Faktoren auf Objekte oder Personen
• Anwendung von Schätzverfahren (z.B. Regressionsanalyse)g ( g y )
• Faktorwerte = standardisierte Ausgangsmatrix * Regressionskoeffizienten
• Faktorwerte lassen sich graphisch verdeutlichen
531. 2. 3. Faktoranalytische M. 4. Zahl der Faktoren 5. Faktoreninterpretation 6. Bestimmung der Faktorwerte
Zusammenfassung
0. Vor der Analyse ‐ Ausreißer ausschließen‐ Itemverteilung ansehen
1. Korrelationsmatrix erstellen ‐ Gütekriterien beachten (KMO, Bartlett‐Test)
2. Faktorenanalyse
2.2 Berechnung der Kommunalitäten
2 3 Bestimmung der Faktorenzahl
Subjektiver Eingriff
Subjektive
2.1 Faktoranalytische Methode wählen
‐ Rotationsmethode wählen
54
2.3 Bestimmung der Faktorenzahl Subjektiver Eingriff
3. Faktoreninterpretation
4. Bestimmung der Faktorwerte
Subjektiver Eingriff
Gibt es
noch Fragen
???
11.06.2010
28
Vielen Dank fürEure
Aufmerksamkeit!
Und noch einenhö
55
schönenFeierabend ☺
Quellen
Backhaus, K., Erichson, B., Plinke, W. & Weiber, R. (2006). Multivariate Analysemethoden. Berlin: Springer Verlag.Analysemethoden. Berlin: Springer Verlag.
Bühner, M. (2006). Einführung in die Test‐ und Fragebogenkonstruktion.München: Pearson Studium.
MacCallum, R. C., Widaman, K. F., Zhang, S. & Hong, S. (1999). Samplesize in factor analysis. Psychological Methods, 4(1), 87‐99.
56