Advertisement

Hauptkomponentenanalyse und explorative Faktorenanalyse

  • Hans-Georg Wolff
  • Johann Bacher

Zusammenfassung

Die Faktorenanalyse ist eine Familie multivariater Verfahren, bei denen eine Menge von beobachtbaren (manifesten) Variablen auf wenige zugrunde liegende nicht beobachtbare Variablen zurückgeführt wird, die aus den beobachtbaren Variablen zusammengesetzt sind. Diese nicht beobachteten Variablen werden als Faktoren bezeichnet. Bei der hier vorgestellten explorativen Faktorenanalyse sind keine inhaltlichen Vorannahmen nötig. Es wird lediglich untersucht, inwieweit sich die Zusammenhänge zwischen einer Menge von beobachtbaren Variablen durch wenige Faktoren erklären lassen. Weder die Zahl der Faktoren noch die genaue Zuordnung der manifesten Variablen zu den Faktoren ist bekannt. Im Unterschied dazu müssen bei einer konfirmatorischen Faktorenanalyse genaue Hypothesen über die Zahl der Faktoren und die Zuordnung der manifesten Variablen zu den Faktoren vorliegen. In diesem Beitrag werden mit der Hauptkomponentenanalyse und der explorativen Faktorenanalyse zwei Verfahren vorgestellt, die in ihren Grundannahmen zwar verschieden, in der Anwendung aber austauschbar erscheinen können. Dies zeigt sich bereits an der Verwendung des Begriffes Faktorenanalyse: Einerseits steht er für ein bestimmtes Modell, nämlich das Modell mehrerer gemeinsamer Faktoren, andererseits dient der Begriff Faktorenanalyse aber auch als Sammelbegriff für eine Familie von Verfahren, unter den auch die Hauptkomponentenanalyse fällt. Im Folgenden soll eine geometrisch orientierte Darstellung der Hauptkomponentenanalyse den Einstieg ermöglichen und die konkreten Schritte der Hauptkomponentenanalyse dargestellt werden. Anschließend wird das Modell mehrerer gemeinsamer Faktoren präsentiert und von der Hauptkomponentenanalyse abgegrenzt. Abschnitt 2 enthält die mathematischen Grundlagen und ein Anwendungsbeispiel wird in Abschnitt 3 präsentiert. Abschließend werden in Abschnitt 4 häufige Probleme diskutiert und Handlungsempfehlungen abgeleitet.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literaturverzeichnis

  1. Arminger, G. (1979). Faktorenanalyse. Stuttgart: Teubner.Google Scholar
  2. Bacher, J. (1987). Faktorenanalyse von Rangordnungen. Österreichische Zeitschrift für Soziologie, 12, 85–89.Google Scholar
  3. Bacher, J. (1996). Clusteranalyse. Anwendungsorientierte Einführung. München: Oldenbourg.Google Scholar
  4. Bernstein, I. H. & Teng, G. (1989). Factoring Items and Factoring Scales are Different: Spurious Evidence for Multidimensionality Due to Item Categorization. Psychological Bulletin, 105, 467–477.CrossRefGoogle Scholar
  5. Cattell, R. B. & Vogelmann, S. (1977). A Comprehensive Trial of Scree and KG Criteria for Determining the Number of Factors. Multivariate Behavioral Research, 12, 289–325.CrossRefGoogle Scholar
  6. Dziuban, C. D. & Shirkey, E. C. (1974). When is a Correlation Matrix Appropriate for Factor Analysis? Psychological Bulletin, 81, 358–361.CrossRefGoogle Scholar
  7. Fabrigar, L. R., Wegener, D. T., MacCallum, R. C., & Strahan, E. J. (1999). Evaluating the Use of Exploratory Factor Analysis in Psychological Research. Psychological Methods, 4, 272–299.CrossRefGoogle Scholar
  8. Gorsuch, R. L. (1983). Factor Analysis. Hillsdale: Erlbaum, 2. Auflage.Google Scholar
  9. Gorsuch, R. L. (1997). Exploratory Factor Analysis: Its Role in Item Analysis. Journal of Personality Assessment, 68, 532–560.CrossRefGoogle Scholar
  10. Grice, J. W. (2001). Computing and Evaluating Factor Scores. Psychological Methods, 6, 430–450.CrossRefGoogle Scholar
  11. Holm, K. (1976). Die Faktorenanalyse. In K. Holm, Die Befragung 3. München: UTB.Google Scholar
  12. Jäger, O. A. (1982). Mehrmodale Klassifikation von Intelligenzleistungen: Experimentell kontrollierte Weiterentwicklung eines deskriptiven Intelligenzstrukturmodells. Diagnostica, 28, 195–225.Google Scholar
  13. Loehlin, J. C. (2004). Latent Variable Models. An Introduction to Factor, Path, and Structural Equation Analysis. Mahwah: Lawrence Erlbaum.Google Scholar
  14. MacCallum, R. C., Widaman, K. F., Preacher, K. J., & Hong, S. (2001). Sample Size in Factor Analysis: The Role of Model Error. Multivariate Behavioral Research, 36, 611–637.CrossRefGoogle Scholar
  15. Mundfrom, D. J., Shaw, D. G., & Ke, T. L. (2005). Minimum Sample Size Recommendations for Conducting Factor Analyses. International Journal of Testing, 5, 159–168.CrossRefGoogle Scholar
  16. O'Connor, B. P. (2000). SPSS and SAS Programs for Determining the Number of Components Using Parallel Analysis and Velicer's MAP Test. Behaviour Research Methods, Instruments & Computers, 32, 396–402.CrossRefGoogle Scholar
  17. Streiner, D. L. (1998). Factors Affecting Reliability of Interpretations of Scree Plots. Psychological Reports, 83, 687–694.CrossRefGoogle Scholar
  18. Überla, K. (1971). Faktorenanalyse. Berlin: Springer.Google Scholar
  19. Wolff, H.-G. & Bacher, J. (2008). Dimensionale Analyse Multidimensionaler Items. In J. Reinecke & C. Tarnai (Hg.), Klassifikationsanalyse in Theorie und Anwendung(S. 19–41). Münster: Waxmann.Google Scholar
  20. Wolff, H.-G. & Preising, K. (2005). Exploring Item and Higher-Order Factor Structure with the Schmid-Leiman Solution: Syntax Codes for SPSS and SAS. Behaviour Research Methods, Instruments & Computers, 37, 48–58.CrossRefGoogle Scholar
  21. Wood, J. M., Tartaryn, D. J., & Gorsuch, R. L. (1996). Effects of Under-and Overextraction on Principal Axis Factor Analysis with Varimax Rotation. Psychological Methods, 1, 354–365.CrossRefGoogle Scholar
  22. Zwick, W. R. & Velicer, W. F. (1986). Comparison of Five Rules for the Number of Components to Retain. Psychological Bulletin, 99, 432–442.CrossRefGoogle Scholar

Copyright information

© VS Verlag fur Sozialwissenschaften | Springer Fachmedien Wiesbaden GmbH 2010

Authors and Affiliations

  • Hans-Georg Wolff
  • Johann Bacher

There are no affiliations available

Personalised recommendations