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.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Literaturverzeichnis
Arminger, G. (1979). Faktorenanalyse. Stuttgart: Teubner.
Bacher, J. (1987). Faktorenanalyse von Rangordnungen. Österreichische Zeitschrift für Soziologie, 12, 85–89.
Bacher, J. (1996). Clusteranalyse. Anwendungsorientierte Einführung. München: Oldenbourg.
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.
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.
Dziuban, C. D. & Shirkey, E. C. (1974). When is a Correlation Matrix Appropriate for Factor Analysis? Psychological Bulletin, 81, 358–361.
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.
Gorsuch, R. L. (1983). Factor Analysis. Hillsdale: Erlbaum, 2. Auflage.
Gorsuch, R. L. (1997). Exploratory Factor Analysis: Its Role in Item Analysis. Journal of Personality Assessment, 68, 532–560.
Grice, J. W. (2001). Computing and Evaluating Factor Scores. Psychological Methods, 6, 430–450.
Holm, K. (1976). Die Faktorenanalyse. In K. Holm, Die Befragung 3. München: UTB.
Jäger, O. A. (1982). Mehrmodale Klassifikation von Intelligenzleistungen: Experimentell kontrollierte Weiterentwicklung eines deskriptiven Intelligenzstrukturmodells. Diagnostica, 28, 195–225.
Loehlin, J. C. (2004). Latent Variable Models. An Introduction to Factor, Path, and Structural Equation Analysis. Mahwah: Lawrence Erlbaum.
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.
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.
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.
Streiner, D. L. (1998). Factors Affecting Reliability of Interpretations of Scree Plots. Psychological Reports, 83, 687–694.
Überla, K. (1971). Faktorenanalyse. Berlin: Springer.
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.
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.
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.
Zwick, W. R. & Velicer, W. F. (1986). Comparison of Five Rules for the Number of Components to Retain. Psychological Bulletin, 99, 432–442.
Editor information
Rights and permissions
Copyright information
© 2010 VS Verlag fur Sozialwissenschaften | Springer Fachmedien Wiesbaden GmbH
About this chapter
Cite this chapter
Wolff, HG., Bacher, J. (2010). Hauptkomponentenanalyse und explorative Faktorenanalyse. In: Wolf, C., Best, H. (eds) Handbuch der sozialwissenschaftlichen Datenanalyse. VS Verlag für Sozialwissenschaften. https://doi.org/10.1007/978-3-531-92038-2_15
Download citation
DOI: https://doi.org/10.1007/978-3-531-92038-2_15
Publisher Name: VS Verlag für Sozialwissenschaften
Print ISBN: 978-3-531-16339-0
Online ISBN: 978-3-531-92038-2
eBook Packages: Humanities, Social Science (German Language)