Skip to main content

Hauptkomponentenanalyse und explorative Faktorenanalyse

  • Chapter
Handbuch der sozialwissenschaftlichen Datenanalyse

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.

This is a preview of subscription content, log in via an institution to check access.

Access this chapter

Chapter
USD 29.95
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
eBook
USD 139.00
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever

Tax calculation will be finalised at checkout

Purchases are for personal use only

Institutional subscriptions

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literaturverzeichnis

  • Arminger, G. (1979). Faktorenanalyse. Stuttgart: Teubner.

    Google Scholar 

  • Bacher, J. (1987). Faktorenanalyse von Rangordnungen. Österreichische Zeitschrift für Soziologie, 12, 85–89.

    Google Scholar 

  • Bacher, J. (1996). Clusteranalyse. Anwendungsorientierte Einführung. München: Oldenbourg.

    Google Scholar 

  • 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.

    Article  Google Scholar 

  • 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.

    Article  Google Scholar 

  • Dziuban, C. D. & Shirkey, E. C. (1974). When is a Correlation Matrix Appropriate for Factor Analysis? Psychological Bulletin, 81, 358–361.

    Article  Google Scholar 

  • 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.

    Article  Google Scholar 

  • Gorsuch, R. L. (1983). Factor Analysis. Hillsdale: Erlbaum, 2. Auflage.

    Google Scholar 

  • Gorsuch, R. L. (1997). Exploratory Factor Analysis: Its Role in Item Analysis. Journal of Personality Assessment, 68, 532–560.

    Article  Google Scholar 

  • Grice, J. W. (2001). Computing and Evaluating Factor Scores. Psychological Methods, 6, 430–450.

    Article  Google Scholar 

  • Holm, K. (1976). Die Faktorenanalyse. In K. Holm, Die Befragung 3. München: UTB.

    Google Scholar 

  • Jäger, O. A. (1982). Mehrmodale Klassifikation von Intelligenzleistungen: Experimentell kontrollierte Weiterentwicklung eines deskriptiven Intelligenzstrukturmodells. Diagnostica, 28, 195–225.

    Google Scholar 

  • Loehlin, J. C. (2004). Latent Variable Models. An Introduction to Factor, Path, and Structural Equation Analysis. Mahwah: Lawrence Erlbaum.

    Google Scholar 

  • 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.

    Article  Google Scholar 

  • 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.

    Article  Google Scholar 

  • 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.

    Article  Google Scholar 

  • Streiner, D. L. (1998). Factors Affecting Reliability of Interpretations of Scree Plots. Psychological Reports, 83, 687–694.

    Article  Google Scholar 

  • Überla, K. (1971). Faktorenanalyse. Berlin: Springer.

    Google Scholar 

  • 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 

  • 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.

    Article  Google Scholar 

  • 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.

    Article  Google Scholar 

  • Zwick, W. R. & Velicer, W. F. (1986). Comparison of Five Rules for the Number of Components to Retain. Psychological Bulletin, 99, 432–442.

    Article  Google Scholar 

Download references

Authors

Editor information

Christof Wolf Henning Best

Rights and permissions

Reprints 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)

Publish with us

Policies and ethics