Die Explorative Faktorenanalyse mit R für die Untersuchung von Fragebögen

[@timebandit9161]

Ganz ehrlich. Ich habe keine Ahnung von Statistik und habe mir sehr viel Theorie anlesen müssen, damit ich meine Masterarbeit bearbeiten kann. Mit deinem Anwendungsbeispiel macht das alles jetzt so viel Sinn. Vielen Dank dafür!

[@StatistikAkademie]

Vielen Dank für Dein Feedback! LG Daniela

[@bertfridolin2614]

Ich dachte, ich muss ausrasten und werde niemals in meinem Leben den tollen Befehl factanal ausführen können, aber Daniela hat mir unglaublich geholfen! Und sie erklärt das wirklich super! Danke!!

[@StatistikAkademie]

Das freut mich sehr! :) LG Daniela

[@unwrittensparkle]

Habe das alles schon einmal bereits für einen Datensatz berechnet (Im Tutorium meiner Uni) und echt absolut gar nichts verstanden. Meine Uni nutzt total sinnlose Abläufe, die das Verstehen von R-Studio unnötig kompliziert machen. Habe durch das Video alles verstanden und eine 1,3 in meiner diagnostischen Hausarbeit geschrieben. Ich bin mega happy! 🥰

[@StatistikAkademie]

Das freut mich sehr!! LG Daniela

[@nanb4146]

Vielen Dank für das Video, das war wirklich hilfreich! Was ist noch nicht verstehe ist allerdings folgendes: ich untersuche Zeitungsartikel auf verschiedene Berichterstattungsmuster und habe mit der Analyse drei Faktoren gefunden. Woher weiß ich jetzt welcher Artikel zu welchem Fakto gehört? Kann ich zumindest nachschauen wie viele Artikel zu jedem Faktor gehören?

[@Anna-fv9cz]

Wunderbar erklärt, dieses Video hat mir sehr geholfen!

[@StatistikAkademie]

Das freut mich sehr, Anna! LG Daniela www.statistik-akademie.de

[@Anna-fv9cz]

@@StatistikAkademie ein Video zur konfirmatorischen Faktorenanalyse wäre auch noch toll ;)

[@kamui5502]

danke, dass du mein Leben gerettet hast :D sehr informativ

[@folkerputt3781]

Mega gut erklärt, herzlichen Dank und liebe Grüße :)

[@StatistikAkademie]

Sehr gern! Liebe Grüße zurück, Daniela

[@theodorschinkelmeyer3557]

Wie ist das mit "Drei-Dimensionalen" Datensätzen? Wo also das Item durch den Teilnehmer mehrfach bewertet werden musste. In diesem Fall sollte erst ein Mittelwert aller Bewertungen bezogen auf ein Item gebildet werden? In Minute 1:19 entsprechen die Zahlen unter dem Item einer Bewertung/Teilnehmer?

[@StatistikAkademie]

Ja, die Zahlen in den Spalten sind die Angaben der Teilnehmer für jedes Item. Zur Frage nach den drei-dimensionalen Datensätzen: Wozu wurde denn da dreimal das gleiche Item beantwortet? Um die Antwort genauer zu messen? Dann ja, dann würde man vermutlich die drei jeweils erst durch Mittelwert zusammen fassen, bevor man mit der Analyse weiter macht. Aber das ist für solche Fragebogenauswertungen eher untypisch. Vielleicht wurde das auch aus einem anderen Grund gemacht und dann sollte auch anders damit umgegangen werden ... LG Daniela

[@theodorschinkelmeyer3557]

@@StatistikAkademie Liebe Frau Keller, Danke für Ihre schnelle Antwort. In meinem Fall wurden verschiedene Audiobeiträge anhand unterschiedlicher Begriffe vom Teilnehmer bewertet. Quasie: ,Inwieweit entspricht der Begriff dem gehörten?' Das wurde dann von verschiedenen Teilnehmern mehrmals für ein Audiobeitrag gemacht. Deshalb sprach ich von "Dreidimesional" ,fachlich gesehen von mir wahrscheinlich falsch ausgedrückt für das was ich meinte:).

[@StatistikAkademie]

Danke für die Erklärung! Dann geht es hier vermutlich darum, dass die Bewertung von mehreren Teilnehmern gemacht wurde, damit untersucht werden kann, ob die Bewertung verlässlich ist. Stichwort Inter-Rater-Reliabilität. Dann würde man vermutlich diese Reliabilität zunächst analysieren und dann danach - falls die OK ist - die Werte z.B. als Mittelwert zusammen fassen. Dann wäre erst der nächste Schritt die Faktorenanalyse, um dann die Items noch zu Faktoren zusammen zu fassen und dort vorher eine andere Reliabiltät, nämlich die Interne Konsistenz, untersuchen.

[@vije4998]

Hii :) kann man da irgendwo cronbachs Alpha und die Item-to-total Korrelation ablesen oder gibt es dafür noch „extra“ Schritte?

[@StatistikAkademie]

Hallo, die berechnest Du extra. Zum Beispiel über die Funktion alpha aus dem Paket psych. LG Daniela

[@elisabeth4490]

Hallo Daniela, herzlichen Dank für deine Videos und Website. Mittels der Hauptkomponentenanalyse würde ich gerne prüfen, ob der Common Method Bias zu einer bedeutenden Verzerrung führt. Hierzu müsste ich wohl eine unrotierte Hauptkomponentenanalyse durchführen. An welchem Wert erkenne ich denn, wie viel Varianz ein Faktor aufklärt? Danke!

[@StatistikAkademie]

Hallo Elisabeth, Du müsstest eine Tabelle mit der aufgeklärten Varianz finden, dort siehst Du zumindest, wie viel zusätzliche Varianz ein zusätzlich hinzugefügter Faktor aufklärt. LG Daniela Www.statistik-akademie.de

[@thomas.dorsch]

Klasse erklärt und sehr hilfreich!

[@michaelklein1894]

Hallo Daniela, danke dir für das sehr verständliche Video. Sehr einfach, aber gut erklärt! Was mache ich denn wenn meine Variablen, die eigentlich auf 2 unterschiedliche Faktoren laden sollten, aber beide auf den selben Faktor laden? Ich untersuche die 5 Sinne und die optischen und haptischen Variablen, die eig auf den Faktor Optik bzw. Haptik laden sollten, laden auf ein und denselben Faktor (mit Ladungen zwischen .54 und .85). Was sagt dies über meine Daten aus?

[@StatistikAkademie]

Hallo Michael, das zeigt Dir, dass Du die ursprünglich erwartete Struktur mit einer Trennung von Optik und Haptik nicht so mit Deinen Daten abbilden kannst. LG Daniela www.statistik-akademie.de/akademie

[@Vanessa-vc7rx]

Vielen Dank für das Video. Meine Frage ist wie geht man mit invers kodierten Variablen um, muss man die rekodierten Variablen für die Faktoranalyse nutzen oder die "normalen"? Dankeschön

[@StatistikAkademie]

Hallo Vanessa, für die Faktorenanalyse ist die Richtung egal. Du siehst dann anhand von negativen Faktorladungen, dass die Variable in die andere Richtung kodiert ist. Später für z.B. die Berechnung von Cronbachs Alpha musst Du dann aber rekodieren. LG Daniela PS: Wenn Du mehr Fragen hast, schau mal hier: www.statistik-akademie.de

[@Lisa-hy5cy]

Liebe Daniela, du bist echt meine Rettung!! So so verständlich erklärt, Wahnsinn! 🥰 Eine frage, ich habe einen Fragebogen mit 12 Item die zwei Dimensionen repräsentieren sollen. Nun ist es so dass ein item hab einseitig auf der falschen Dimension läd, während ein zweiten nur leicht höher auf der richtigen. Was mache ich nun? Schließe ich sie Items aus weiteren Analysen aus?

[@donnerluetjen]

Vielen Dank für dieses gute Video. Du hast mir das als Neuling gut erklärt, und ich konnte das Beispiel sehr gut nachvollziehen. Eine Sache ist mir aber aufgefallen, die ich mir nicht erklären kann. Bei factanal(bfi_c, 5, rotation="varimax") sieht man ja sehr schön die Ladung der Items auf die Faktoren. Weiter unten deuten aber der Chi Square Wert und der p-Wert darauf hin, dass die fünf Faktoren bei weitem nicht ausreichen. Wie kann ich das interpretieren?

[@anikesult2595]

Hallo Daniela, Vielen Dank für das tolle Video! Ich habe allerdings noch eine Frage: Wie gehe ich vor, wenn ich mit den Faktoren weiterrechnen will? Wie werden die einzelnen Items hierbei gewichtet? Berechne ich hierbei den Mittelwert der jeweiligen den Faktoren zugehörigen Items oder wie kann ich berechnen, wie hoch der Anteil der einzelnen Items zum Faktor ist?

[@StatistikAkademie]

Hallo Anike, meist erstellt man sich die Faktoren als (ungewichtete) Summe oder Mittelwert aus den Items. Und zwar aus jeweils den Items, die laut Ergebnis der Faktorenanalyse (und am besten auch inhaltlich passend) zum jeweiligen Faktor gehören. Es wäre aber auch möglich, die Faktorladungen als Gewichte zu verwenden und eine gewichten Mittelwert oder eine gewichtete Summe zu berechnen. Das ist aber eher der "mathematische" Ansatz und wird in der Praxis kaum verwendet. LG Daniela www.statistik-akademie.de

[@naadjeley9964]

Vielen Dank, das ist eine große Hilfe! Woher weiß ich dann ob ich die ML-Faktorenanalyse, Hauptachsen Faktorenanalyse oder Hauptkomponentenanalyse für meinen Datensatz verwenden sollte?

[@StatistikAkademie]

Hallo Laura, die Hauptkomponentenanalyse und die Hauptachsen-Faktorenanalyse nimmt man dann, wenn man die Ergebnisse nicht von der eigenen Stichprobe auf die Grundgesamtheit verallgemeinern will sondern mit einem Ergebnis, das nur für die vorliegende Stichprobe gilt, zufrieden ist. Wenn man den Verallgemeinerungsschritt machen will, braucht man z.B. eine ML-Faktorenanalyse. LG Daniela

[@Fenixias]

11:30 an dem Punkt reibe ich mich bei meiner Analyse grade son bisschen; bei mir siehts halt auch so aus dass bei einigen Faktoren Nebenladungen auf anderen sind.. in manchen Fällen ists schon eindeutig dass das Item sich nicht genau zuordnen lässt, wenn z.B. auf dem einen .44 und auf dem anderen .45 ist - aber ab wann ist der Punkt wo ich sage die Nebenladung ist nicht "groß genug" als dass ich das Item nicht eindeutig nem Faktor zuordnen könnte? In dem Fall ist das eine ja .35 und das andere .58 - so ein riesen Unterschied ist das ja jetzt auch nicht; ich finde das noch ziemlich schwierig einzuschätzen.

[@Froeschlii]

Hallo Daniela Vielen Dank für das aufschlussreiche Video. Ich habe eine Frage, wie würde die Analyse aussehen, wenn man noch einen Generalfaktor annimmt? Und welche Kriterien benutzt der MAP-Test für die Anzahl Faktoren? Vielen Dank!

[@StatistikAkademie]

Hallo Froeschlii, wenn Du nur einen Faktor haben möchtest, dann gibst Du einfach einen Faktor vor. LG Daniela

[@nataschaschlereth5736]

Vielen Dank für das tolle Video! :) Doch was ist, wenn MAP und die Parallelanalyse nur 1 Faktor aus 13 Variablen vorschlagen?

[@StatistikAkademie]

Sehr gern! Dann spricht viel dafür, dass es nur einen Faktor gibt, also dass es sich um eine eindemensionale Skala handelt. LG Daniela Www.statistik-akademie.de

[@katjathielke6093]

Was mache ich denn wenn die Analyse und die so geplanten Faktoren aber sooo überhaupt gar nicht in den Ladungen übereinstimmen? Was sagt das über meine Daten aus. Vielen dank für die Hilfe!

[@StatistikAkademie]

Hallo Kamie, das kommt auf Deine Situation an. Eventuell ist der Datensatz sehr klein, dann ist das Ergebnis generell nicht verlässlich. Wenn der Datensatz groß ist und das ein bereits validierter Fragebogen ist, dann ist das schlecht. Dann hat eventuell mit der Datenerhebung etwas nicht gestimmt. Wenn Du aber einen neuen Fragebogen hast, dann kannst Du vielleicht andere als die geplanten Faktoren finden. Wie gesagt, es kommt sehr auf Deine Situation an. Wenn Du dazu mehr Fragen hast, komm gern in die Statistik-Akademie: www.statistik-akademie.de LG Daniela

[@dustinbottcher9839]

Welche Stichprobengröße muss es mindestens sein um die Faktorenanalyse für die Überprüfung der Konstruktvalidität eines Fragebogens zu machen?

[@StatistikAkademie]

Grundsätzlich sagt man, dass man für eine Faktorenanalyse mindestens N=200 haben sollte. Es hängt aber auch von der Datenstruktur ab (wie starke Korrelationen, wie starke Streuungen...). Und wie (fast) immer: je mehr, desto besser. :) LG Daniela www.statistik-akademie.de/akademie

[@jarekeckert4617]

Danke, gutes Video! :)

[@StatistikAkademie]

Sehr gern!

[@steveurkel9410]

bei mir steht als ergebnsi beim Bartlett Test al p Wert 2.358237e-90, ist das als 0 zu werten ?

[@StatistikAkademie]

Ja genau. Das ist ein ganz ganz kleiner Wert. Man schreibt dann p

[@christofgutsche5874]

Hallo, danke für das tolle Video! Ist aus deiner Sicht eine explorative Faktorenanalyse auch für 46 Items möglich, die von 140 Befragten mittels einer Nominalskala beantwortet wurden? Die sechs Antwortkategorien stammen aus einer Umfrage mittels Kano-Modell und ich möchte meine 46 abgefragten Kriterien nun faktorisieren. Darf ich dazu meine qualitativen Antwortmöglichkeiten einfach in Zahlenwerte umwandeln und sie für die Faktorenanalyse als Intervallskala behandeln? Vielen Dank!!

[@StatistikAkademie]

Hallo Christof, nein, Du darfst nicht einfach Zahlenwerte vergeben und die "normale" Analyse rechnen, denn dann geht die Software davon aus, dass die Daten metrisch sind (oder zumindest ordinal), und das stimmt ja nicht. Vermutlich arbeitest Du mit R. Da hast Du die Möglichkeit, eine Faktorenanalyse zu rechnen, die mit dichotomen Daten umgehen kann (es wird dort eine andere Korrelationsmatrix (polychorisch) verwendet). Deine nominalen Variablen (mit mehr als 2 Kategorien) werden dafür wie mehrere dichotome Variablen (dummy-kodiert) verwendet. Hier gibt es eine Anleitung dazu: www2.hawaii.edu/~georgeha/Handouts/meas/Exercises/_book/efa.html#efa-with-categorical-data LG Daniela P.S: komm gern in die Statistik-Akademie (www.statistik-akademie.de), wenn Du mehr Statistik und R lernen willst!

[@monikamaharani662]

Hallo Daniela, vielen Dank für das Video! Das hilf mir sehr. Ich habe aber eine Frage. In diesem Fall braucht man nicht prüfen, ob die Fallzahl groß genug ist. Bei meinem Datensatz bin ich mir allerdings nicht sicher. Wie kann ich es in R überprüfen? LG Monika

[@StatistikAkademie]

Hallo Monika, meinst Du groß genug für eine Explorative Faktorenanalyse? Da sagt man als Daumenregel, dass man mindestens N = 200 möchte. Je nach Situation (Kommunalitäten, Faktorladungen...) könnte auch weniger reichen oder mehr notwendig sein. LG Daniela www.statistik-akademie.de

[@XycopathHEHE]

Super Video!

[@starchtrek7263]

Tolles Video, danke! :) Ich mache derzeit eine FA und durch das Kaiser-Kriterium 8 Faktoren gewählt. Variablen, deren Loadings dann < 0.5 waren, habe ich entfernt und dann die FA wiederholt. jetzt haben zwar alle Variablen Loadings von > 0.5, aber auf einen Faktor lädt nur eine einzige Variable hoch. ist das sinnvoll nur eine einzige Variable in einem Faktor zu haben?

[@StatistikAkademie]

Das musst Du inhaltlich entscheiden. Wenn es für Dich inhaltlich ein eigenständiger Faktor (Subskala) ist und die insgesamte Faktor-Item-Struktur so ist, wie sie für Dich inhaltlich passt, dann könntest Du ihn so verwenden. Schöner wäre mathematisch schon, wenn diese Subskala aber aus mehreren Items besteht. Vielleicht kannst Du einfach einen Faktor weniger ziehen? (Muss aber eben inhaltlich Sinn ergeben...) LG Daniela

[@starchtrek7263]

Danke für die schnelle Antwort! :) Ja es würde inhaltlich sogar passen, dass die eine Variable allein steht. Ich habe die Analyse mit 7 oder 6 Faktoren wiederholt und die Variable hat immer noch allein auf den Faktor geladen. Dürfte ich noch eine kurze Frage zu Faktorladungen stellen? Die Literatur dazu, ab wann eine Ladung hoch genug ist, ist sehr unterschiedlich. Eine Quelle hat Variablen mit Ladungen < 0.5 entfernt und die Analyse wiederholt. Hier in dem Video hattest du als cutoff 0.3 gewählt. Kann man das machen wie man will oder gibt es eine feste Grenze ähnlich wie beim KMO?