gescheiterte Faktorenanalyse

[androlf]

Hallo Leute,

ich bin mehr oder weniger Anfänger mit SPSS und habe ein Problem.

Ich habe bei einer Faktorenanalyse kein sinnvoll zu interpretierendes Ergebnis erhalten!

Im Rahmen meiner Untersuchung habe ich verschiedene Wirtschaftliche Faktoren wie Arbeitslosigkeit, BIP, Bevölkerung, Erwerbstätige und Branchenbelegung, des weiteren Flächenfaktoren wie Brutto- und Nettofläche von Gewerbegebieten, Autobahnentfernung, und Fördermittelanteil sowie die Branchenbelegung der Flächen in % an der Belegten Flächen u.a.

In meiner Untersuchung möchte ich sehen, ob die Faktoren einen Einfluss auf die Belegung der Flächen haben.

Mittels der Faktorenanalyse möchte ich dafür die Variablenzahl reduzieren.

Leider ist das Ergebnis nicht sinnvoll zu interpretieren

So sind bspw. in einer "Supervariablen" die Branchenbelegung Dienstleistung, BIP und Anteil der Konversionsfläche an der Landkreisfläche (Nur ein Beispiel von vielen anderen)

Ich habe verschiedene Anzahl der zu ermittelnden Faktoren ausprobiert (von 2-8 ) es wurde aber nicht besser!!!!

Ist das normal? Kommt das häufiger vor? Kann man die Faktorenanalyse jeweils mit einigen Teilfaktoren durchführen?

Mir ist natürlich bewusst, dass eigentlich metrische Daten dafür erforderlich sind, daher habe ich Nominaldaten mit 0 und 1 dichotomisiert.

Gibt es eventuell noch eine andere Möglichkeit die Variablen zu reduzieren??

Sofern ja, wäre ich euch echt dankbar, wenn Ihr mir mitteilen könntet, wie es funktioniert!

Bitte helft mir!

Gruß
Andre

[PearsonsR]

Hallo Andre,

um dein Problem genau analysieren zu können, reichen deine Informationen nicht aus, aber hier sind einmal einige Anmerkungen bzgl. der Durchführung von Faktorenanalysen.

Zunächst würde ich empfehlen, eine Hauptachsenanlyse durchzuführen (im Gegensatz zur Hauptkomponentenanalyse; vgl. Backhaus et al. (2000 oder neuer): Multivariate Analysevmethoden).

Zur Bestimmung der Anzahl der Faktoren: Sinnvoll ist hier, die Anzahl der Faktoren nicht selbst zu bestimmen, sondern sie statistisch zu ermitteln. In SPSS kann man angeben (ist glaube ich auch die Standardeinstellung), dass nur Faktoren mit Eigenwerten > 1 extrahiert werden. Faktoren mit Eigenwerten <1 sind eigentlich belanglos. Das kann man sich auch grafisch mit Hilfe eines (in SPSS wählbaren) "Factor Scree Plot" darstellen lassen. Du bekommst dann eine "Kurve", die an einer Stelle einen deutlichen Knick nach oben macht. Diese Kurve zeichnet den Verlauf der Eigenwerte für die verschiedenen Faktoren an (diese sind auf der Linie eingezeichnet). Relevant sind dann nur die Faktoren, die überhalb des Knicks liegen.

Um sinnvolle Ergebnisse zu bekommen, ist es i.d.R. ratsam, die "rotierte Faktorlösung" heranzuziehen. Dabei werden die Faktoren den Daten besser angepasst. Es gibt grundsätzlich zwei Arten der Rotation: Die rechtwinklige (orthogonale) und die schiefwinklige (oblique) Rotation. Bei der rechtwinkligen Rotation geht man davon aus, dass die ermittelten Faktoren voneinander unabhängig sind (also nicht korrelieren), bei der schiefwinkligen Rotation dürfen sie dies (was meist eher der "Realität" entspricht). Ich würde daher die schiefwinklige Rotation wählen, allerdings musst du dann in der (ausgegebenen) Tabelle zu den Faktorkorrelationen überprüfen, dass diese nicht zu stark korrelieren (ich bin mir gerade nicht ganz sicher, aber ich gaube bis zu einem Wert von .5 sind Korrelationen zwischen Faktoren OK). Zu interpretieren ist bei der rotierten Faktorlösung immer die "Mustermatrix" (Pattern Matrix).

Häufig kommt es vor, dass einzelne Variablen einfach nicht hineinpassen. Das kann man z.B.anhand der Kommunalitäten feststellen. Items mit niedrigen Kommunalitäts-Werten (dafür gibt es m.W. aber keine festen Kriterien) können ggf. aus der Analyse herausgenommen werden.

Welche Items welchem Faktor zugerechnet werden, hängt von der Faktorladung ab (etwa ab .4 oder.5). Manchmal kommt es vor, dass ein Item gleichzeitig zwei Faktoren zugeordnet wird. In diesem Fall musst du dir überlegen, ob das inhaltlich sinnvoll ist, oder eben die betreffende Variable herausnehmen.

Das waren jetzt nur einmal ein paar Anmerkungen.
Ansonsten sollte man, um eine "anständige" FA durchzuführen, auch noch andere Dinge überprüfen; z.B die Korrelationamatrix, die Anti-Image-Kovarianz-Matrix, einige Maßzahlen/Kriterien (z.B. Kaiser-Meyer-Olkin [MSA]) etc.

I.d.R. muss man schon ein wenig herumdoktorn, bis man "optimale" Ergebnisse bekommt. Häufig gibt es auch nicht nur ein absolutes Ergebnis, sondern unterschiedliche, je nachdem, wie du vorgehst. Deshalb ist ein sehr wichtiger Aspekt immer auch die inhaltliche Beurteilung der Resultate.

Zu Überprüfung deiner Ergebnisse empfehle ich des Weiteren, mit den Variablen der jeweils ermittelten Faktoren eine Reliabilitätsanalyse durchzuführen. Diese sagt dir, ob die Variablen für eine Indexbildung geeignet sind. Du kannst die Reliabilitätsanalyse aber auch zur Dimensionsreduktion heranziehen, aber das führt jetzt erst mal zu weit.

Ich würde dringend empfehlen, dir mal das entsprechende Kapitel in Backhaus et al. (s.o.) durchzulesen (ist recht einfach geschrieben und für Einsteiger gedacht)[/i]

Grüße,
PearsonsR