STATISTIK-FORUM.de

[laura89]

Hallo,

Ich habe versucht anhand meiner Daten eine Hauptachsenanalyse mit obliquer Rotation zu berechnen.
SPSS sendet mir in der Ausgabe aber nur die Funktion "Die Matrix ist nicht größer null".

Die Faktorenanalyse wollte ich für 88 Items berechnen.

Habt ihr eine Idee, was ich nun tun kann? Ich habe bereits versucht die Items mit negativer Trennschärfe herauszunehmen, aber das hat auch nicht geholfen.

Liebe Grüße,
Laura

[Holgonaut]

Hi,

könnte sein, dass SPSS die Korrelationsmatrix nicht invertieren kann.

In jedem Fall sind 88 itesm VIEL zu viel. Du kannst doch nicht ernsthaft erwarten, dass du so einen großen Batzen items einem Programm in den Schlund wirfst
und das dir dann sinnvolle Ergebnisse ausgibt? Hast du dann keine theoretische Vorstellung, welche items was messen sollen. Ändere Deinen Fokus von induktiv auf deduktiv
und fang bei den theoretischen Konzepten an, die dich interessieren. Dann wähle items aus dem Batzen, die diese Konzepte reflektieren.

Grüße
Holger

[laura89]

Danke erstmal

Also meine theoretische Annahme ist, dass diesen 88 Items 4 Dimensionen zugrunde liegen.
Soll ich für diese einzeln eine Faktorenanalyse berechnen und schauen, ob ein Faktor rauskommen oder was meinst Du mit deduktiv?

Liebe Grüße!

[strukturmarionette]

Hi,

vielleicht:
- mal Hauptkomponentenanalyse ausprobieren
oder
- die Anzahl der Datensätze (deutlich!) erhöhen

S.

[Holgonaut]

Hi Laura,

die gute Nachricht ist, dass du in nächster Zeit viel lernen wirst Du glaubst das je 11 items (im Schnitt) eine Dimension messen? Ich hab es als nahezu unmöglich erlebt, 4-5 items zu kreieren, die eine Dimension messen, weil du gezwungenermaßen bei der Konstruktion von items gewisse semantische und folglich konzeptionelle Unterschiede einbringen musst (wenn einem die Synonyme ausgehen), die immer auch die Dimensionalität der latenten Konzepte erhöhen.

Beispielsweise haben wir mal versucht, items für das Konzept "subjektive Norm" (also wahrgenommene Erwartung von anderen, ein bestimmtes Verhalten auszuüben) zu messen. Beispiele waren:
a) Ich glaube, dass xy es gutheißen würde, wenn ich .... mache
b) ich glaube, dass xy es erwarten würde, w........
c) ich glaube, dass mich xy unterstützen würde, ....
d) Ich glaube, dass xy es begrüßen würde, .....

Ist das alles eine Dimension? Oberflächlich gesehen, ja. Wenn man genauer hinschaut, entspricht nur "b" der Definition. Bezgl. der Dimensionalität könnte man erwarten, dass a und d dasselbe messen, während b (Erwartung) und c (Unterstützung) was anderes messen.

Und jetzt schau dir deine 11 items mal an. Sind das EXAKT Reflektionen einer zugrundeliegenden empirischen Entität? Ich bin sicher, nicht. Wenn du also einfach nur valide Messungen haben möchtest, such die 4 items aus, die *DEIN* Konzept von Interesse reflektieren und mach damit eine *CFA* (d.h. ein 4 Faktorenmodell). Du wirst sehen, dass auch das u.U. noch zu simplizistisch ist. Es kann durch aus sein, dass du x items hast, die x Faktoren messen (schau dir mal in faktorenanalyse-f13/wann-gilt-eine-faktorenanalyse-als-gescheitert-t46.html den letzten Beitrag an für etwas Hintergrund).

Die von Strukturmarionette vorgeschlagene Hauptkomponentenanalyse wäre eine Alternative, ändert aber die Interpretation des "Faktors" fundamental. Abgesehen davon, ist das N auch dafür viel zu niedrig.

Grüße
Holger

[laura89]

Okay vielen Dank ihr beiden!

Dann werd ich mal versuchen, die Items ein wenig zu reduzieren und eine CFA zu rechnen.

Liebe Grüße