Wofür faktorenanalyse?

Gefragt von: Heinz Lorenz B.Sc.  |  Letzte Aktualisierung: 16. März 2021
sternezahl: 4.3/5 (42 sternebewertungen)

Die Faktorenanalyse oder Faktoranalyse ist ein Verfahren der multivariaten Statistik. Es dient dazu, aus empirischen Beobachtungen vieler verschiedener manifester Variablen (Observablen, Statistische Variablen) auf wenige zugrunde liegende latente Variablen („Faktoren“) zu schließen.

Wann ist eine faktorenanalyse sinnvoll?

Eine Faktorenanalyse ist nur dann sinnvoll, wenn der Datensatz substantielle Korrelationen aufweist. Dies ist dann der Fall, wenn sich die Korrelationsmatrix (R) signifikant von der Einheitsmatrix (E) unterscheidet. Eine statistische Überprüfung ist mit dem Bartlett-Test möglich.

Was sagt die Faktorladung aus?

Faktorladung, Kennzahl, die nach gerechneter Faktorenanalyse angibt, wie hoch der Anteil eines Faktors an der Streuung (Varianz) eines in der Korrelationsmatrix enthaltenen Verfahrens ist; kennzeichnet die Stärke, mit der ein Faktor eine empirisch erhobene Variable linear determiniert.

Was bedeutet kommunalität?

In der Hauptkomponenten- und Faktorenanalyse ist die Kommunalität der Anteil der Varianz, den jede Variable mit anderen Variablen gemeinsam hat. Der Anteil der Varianz, der spezifisch für jede Variable ist, lässt sich aus der entsprechenden Gesamtvarianz der Variable minus die Kommunalität berechnen.

Was ist eine explorative Faktorenanalyse?

Die explorative Faktorenanalyse (EFA) ist ein Verfahren aus der multivariaten Statistik. ... Eine EFA führt zu einer Reduktion der Variablen auf wenige, den manifesten Variablen zugrunde liegende Faktoren.

Vertiefung Statistik - Faktoren Analyse - Fernuni Hagen

21 verwandte Fragen gefunden

Was ist eine Hauptkomponente?

Wie entstehen die Hauptkomponenten? Die erste Hauptkomponente entsteht durch Minimierung der Summe der quadrierten Abweichungen aller Variablen. In anderen Worten wird zur Extraktion der ersten Komponente der Varianzanteil, den die Komponente über alle Variablen hinweg erklären kann, maximiert.