STATISTIK-FORUM.de

[Rotling]

Hallo zusammen,

ich hoffe, jemand kann mir helfen. Ich muss ein Referat zur Faktorenanalyse halten und verstehe nicht ganz, warum man sich die Kommunalitäten anschaut. Mein referat ist eher praxisbezogen und erklärt die FA im wesentlichen mit SPSS.
Wenn ich eine Hauptkomponentenanalyse mache, schaue ich mir doch eigentlich eher Eigenwerte (Kaiser-Kriterium) für die Bestimmung der Faktoren an.
Was ist also der Sinn der Kommunalitäten für die Praxis ( dass sie sagen, welche Streuung einer Variablen alle Faktoren zusammen erklären, ist mir klar)? Was kann ich daraus für die weitere Analyse ableiten?

Über Hilfe eurerseits würde ich mich sehr freuen!

[Holgonaut]

Hi,

ein item enthält eine Varianz, die die Information über Unterschiede der Personen in diesem item angibt. DIe Kommunalitäten informieren darüber, wieviel dieser Information durch die Auswahl der Faktoren oder Komponenten erhalten vs. in die Tonne gewandert ist

Wenn du ein Referat über die Faktorenanalyse hälst, solltest du unbedingt auf den Unterschied zwischen Faktoren- und Hauptkomponentenanalyse eingehen!

Grüße
Holger

[Rotling]

Hallo Hogonaut,

vielen Dank für deine Antwort. Ich werde weitergehend die Hauptkomponentenanalyse erklären, da das bei uns im Fach die gebräuchlichste Methode ist (auch wenn sie eigentlich keine echte "Analyse" ist).
Um noch einmal zu den Kommunalitäten zurückzukommen: Wenn ich jetzt sehe, wie viel Info verloren gegangen ist, was bringt mir das für die weitere Analyse? Betrachte ich die Kommunalitäten nur, weil ich anhand der Kommunalitäten den Unterschied zwischen den einzelnen Verfahren (Hauptkomponenten-, Hauptachsen-, maximum-Likelihood-Analyse) sehe?

[Holgonaut]

Hi,

was meinst du mit der "weiteren Analyse"? Es geht darum, dass die Kommunalitäten dir eine Einschätzung liefern, wieviel Info verloren gegangen ist.
Da die PCA ja das Ziel der Datenreduktion bei gleichzeitigem Informationsgehalt ist, liefern die Kommunalitäten somit eine Info, wie sehr dieses Ziel erreicht wurde. Was du damit anfängst, bleibt dir überlassen

Ich werde weitergehend die Hauptkomponentenanalyse erklären, da das bei uns im Fach die gebräuchlichste Methode ist (auch wenn sie eigentlich keine echte "Analyse" ist).

Die PCA ist aber keine Faktorenanalyse! Sie ist eine Hauptkomponentenanalyse. Dies solltest du zumindest eingangs erwähnen. Es ist leider immer noch so, dass die PCA als eine Unterform der Faktorenanalyse gilt
(und wenn du ein Referat über Faktorenanalyse hälst und als Beispiel die PCA nimmst, ist das schlicht ein Fehler). Hier hast du die Chance, Leuten was Wichtiges beizubringen...

PCA / EFA wird wie so viel, von Statistikern gelehrt, für die der Unterschied durch ihre Fachbrille gesehen marginal ist (mathematisch ist er auch marginal!). Aber inhaltlich bzgl. ihrer Bedeutung ist der Unterschied fundamental.
Und da Methoden Mittel zum Zweck sind, ist letzteres relevant.

Betrachte ich die Kommunalitäten nur, weil ich anhand der Kommunalitäten den Unterschied zwischen den einzelnen Verfahren (Hauptkomponenten-, Hauptachsen-, maximum-Likelihood-Analyse) sehe?

Das ist falsch. Dies kannst du nicht an den Kommunalitäten ablesen. Es ist eine theoretische Frage, ob du ein Faktorenmodell (Hauptachsen/ML) rechnest oder eine PCA. Ersteres sagt, dass die items und ihrere Korrelationen
durch einen latenten, zugrundeliegenden Faktore verursacht wurden, zweiteres ist ein rein technisches Sortierungsverfahren, in dem Items aufgrund ihrer Interkorrelation (=redundante Info) in einen composite sortiert werden.

Grüße
Holger