Exploratorische Faktorenanalyse

Faktorenanalyse, Clusteranalyse, Diskriminanzanalyse und weitere multivariate Verfahren mit R.

Exploratorische Faktorenanalyse

Beitragvon Mwer » Sa 3. Jun 2017, 18:15

Hallo zusammen,

ich habe vor die Validität meines Fragebogens bzw. der jeweiligen Messinstrumenet anhand einer exploratorischen Faktorenanalyse zu überprüfen. Mein Fragebogen besteht aus verschiedenen Konstrukten, die jeweils aus mehreren Items bestehen sowie auf einer Skala von 1-5 (Trifft nicht zu bis Trifft vollständig zu) beantwortet werden. Zuvor habe ich verschiedene Hypothesen aufgestellt, z. B. in der Art: Es besteht ein positiver Zusammenhang zwischen Konstrukt A und Konstrukt B oder Konstrukt C hat einen positiven Einfluss auf Konstrukt D.

Ich habe nun ausführlich recherchiert, aber leider verschiedene Möglichkeiten gefunden, um eine exploratorische Faktoranalyse (FA) bei R durchzuführen.

Allgemein möchte ich mich an dieser Vorgehensweise orientieren:

1. Wahl der Dimensionsreduktionsmethode.
2. Prüfung der Eignung der Korrelationsmatrix.
3. Bestimmung der Zahl der zu extrahierenden Faktoren.
4. Durchführung der exploratorischen Faktorenanalyse und Ergebnisinterpretation.

Hierzu habe ich allerdings einige Fragen.

- Anhand welcher Annahme entscheide ich mich bei 1. Wahl der Dimensionsreduktionsmethode für eine Methode?

Sollte ich eine explorative Faktoranalyse bei R --> Statistik --> Dimensionsreduktion und Klassifizieren --> Faktoranalyse oder eine Hauptkomponentenanalyse bei R --> Statistik --> Dimensionsreduktion und Klassifizieren --> Hauptkomponenten-Analyse oder sogar eine konfirmatorische FA auswählen?

Ich habe etwas über Modellannahme gelesen, dass ich jedoch nicht verstehe. "Die Korrelation der Indikatoren lässt sich vollständig durch die zu extrahierenden Faktoren erklären. In diesem Fall wird eine Hauptkomponentenanalyse (PCA) durchgeführt. Die Korrelation der Indikatoren setzt sich zusammen aus der gemeinsamen Korrelation mit einem Faktor sowie einem Indikatorspezifischen Messfehler. In diesem Fall wird eine Faktoranalyse (FA) durchgeführt. Ich verstehe nun nicht, was ich bei R eingeben muss oder beobachten sollte, um mich für eine Methode zu entschieden. Oder reicht es aus sich für PCA oder FA zu entscheiden? Wäre es sinnvoll beide Methoden zu verwenden oder ist anhand des jeweiligen Konstrukts nur eine Methode möglich?

Die weiteren Punkte der Vorgehensweise verstehe ich soweit und ich kenne auch die einzelnen Kriterien.

- Sollte ich besser andere Befehle bei R verwenden anstatt einfach die jeweilige Methode über die Auswahlliste von R anzuklichen, z.B. wie:

Exploratorische Faktorenanalyse für Konstrukt A:
# Datensatz bereinigen und Teilmenge bilden:
PCA_Teilmenge <- na.omit(Daten[,c("A104","A106","A107","A108")])
# Bartlett Test und KMO Statistik:
paf.obj <- paf(as.matrix(PCA_Teilmenge))
cat("KMO Statistik:", paf.obj$KMO, "Bartlett-Statistik:", paf.obj$Bartlett,"\n")
bart <- cortest.bartlett(cor(PCA_Teilmenge), n = nrow(PCA_Teilmenge))
print(bart)
# Screeplot:
VSS.scree(PCA_Teilmenge)
#Durchführung der Hauptkomponentenanalyse (Anzahl der Faktoren voreingestellt auf 1):
pca.smdr<-principal(PCA_Teilmenge, 1)
pca.smdr$criteria <- NULL
print(pca.smdr, cut=0.4, sort = TRUE, digits=2)
# Faktorwerte (Scores) der Hauptkomponenten anzeigen:
head(pca.smdr$scores)
usw.

Ich hoffe, dass mir jemand weiterhelfen und meine Fragen beantworten kann! Ich würde es sehr bereuen, mich für eine "falsche" Methode entschieden zu haben. Vielen Dank schonmal im Voraus!

Beste Grüße
Mwer
Mwer
 
Beiträge: 1
Registriert: Sa 3. Jun 2017, 17:19
Danke gegeben: 0
Danke bekommen: 0 mal in 0 Post

Zurück zu Multivariate Verfahren

Wer ist online?

Mitglieder in diesem Forum: 0 Mitglieder und 0 Gäste

cron