Skalierung und Faktorenanalyse

Beitrag von **franz** » 10.02.2006, 23:21

Hallo!

Ich schreibe an meiner DA und habe eine Frage zu SPSS:

Bei der Dateneingabe habe ich 1="stimme gar nicht zu" und 5="stimme voll und ganz zu" vorausgesetzt und die Werte so in SPSS eingegeben. Kann es sein, dass man das genau andersherum machen müsste, um bei einer Faktorenanalyse sinnvolle Ergebnisse heraus zu bekommen??

LG
Franz

Beitrag von **guido** » 11.02.2006, 06:55

Hallo franz,

Nach meinem Wissenstand sollte das eigentlich keine Rolle spielen. Solange Du alle Aussagen auf einer einheitlichen Skala von 1(völlige Ablehung) bis 5(völlige Zustimmung) anlegst.
Eigentlich setzt die Faktorenanalyse ja eine metrische Skalierung der verwendeten Variablen voraus. Ich weiss aber auch, dass in der Praxis öfters mit ordinalskalierten Daten, wie in Deinem Fall gearbeitet wird.

Ich kenne die multivariaten Verfahren leider zu wenig, um hier definitv etwas sagen zu können. Mal abwarten, ob jemand mehr weiss...

Beitrag von **PearsonsR** » 11.02.2006, 16:15

Moin Franz,

guido hat Recht insofern, als es tatsächlich grundsätzlich egal ist, wie deine Variablen "gepolt" sind. Allerdings gibt es dabei tatsächlich etwas zu beachten.

Der Sinn einer Faktorenanalyse liegt ja meistens in der Datenreduktion, d.h. du möchtest aus einer Vielzahl von Items diejenigen zusammenfassen, die zusammen gehören, um daraus z.B. einen Index zu bilden oder ein (oder mehrere) "hinter den Variablen stehende(s)" Konstrukt(e) zu ermitteln.

Was nun die Richtung der Skalierung angeht, musst bzw. solltest du natürlich darauf achten, dass alle Items (Einzelvariablen) in die gleiche Richtung skaliert sind. Das ist insbesondere bei Einstellungsmessungen wichtig, liegt aber weniger daran, dass die FA sonst nicht funktioniert, sondern daran, dass du so etwas leichter interpretierbare Ergebnisse erhältst.

Angenommen also, du möchtest bspw. "Fremdenfeindliche Einstellungen" messen und fragst (u.a.) Items, wie z.B. (1.) "Ausländer nehmen Deutschen den Arbeitsplatz weg" und (2.) "Ausländer sind eine Bereicherung für unser Land" ab, worauf die Befragten auf einer Skala von 1 = lehne ich völlig ab bis 5=stimme voll zu antworten sollen.
Im ersten Fall würde der Wert 5 eine sehr ausländerfeindliche Einstellung wiedergeben, im zweiten Fall eine sehr ausländerfreundliche. Dann ist klar, dass eines der Items so umkodiert werden muss, dass es zu dem anderen passt.

Genau genommen allerdings dient dieses Vorgehen - wie schon gesagt -nur dazu, die Ergebnisse leichter interpretieren zu können. Du bekommst dann nämlich Faktorenwerte mit gleichem Vorzeichen. Lässt Du die Variablen unbelassen, also nicht umkodiert in der Faktorenanalyse, so würden sich (vorausgesetzt, sie messen tatsächlich fremdenfeindliche Einstellungen) verschiedene Vorzeichen ergeben.

Beitrag von **franz** » 12.02.2006, 00:06

...für die Antworten!!

Ich habe alle Items in die gleich Richtung abgefragt, bin mir jetzt aber unsicher, was die Interpretation der Daten angeht. Bedeutet bspw. das der Faktor als Resultat meiner Faktorenanalyse mit den Items "Lokale Verantwortung wahrnehmen" und "Gesellschaftliche Verantwortung wahrnehmen", dass die Probanden dies besonders auszeichnet, oder eben gerade NICHT auszeichnet?!?!? Zur Erklärung nochmal: 1="stimme gar nicht zu" und 5="stimme voll und ganz zu"

Danke nochmal und viele Grüße,
Franz

Beitrag von **guido** » 12.02.2006, 10:10

Wenn ein Faktor eine hohe Korrelation mit den Variablen aufweist, bedeutet dies, dass hohe Werte des "hinter dem Faktor liegende Konstruktes" mit hohen Werten der Variablen einhergehen. Wenn etwa der von Dir identifizierte Faktor "Verantwortung für andere übernehmen" wäre, dann bedeutet dies, dass Personen, die auf Deine Fragen tendeziell mit "5" antworten, sich durch eine "hohe Zustimmung" bzw. eine positive Einstellung diesem Konstrukt gegenüber auszeichnen. Geringe Werte bei den beiden Fragen ließen sich wiederum durch eine tendeziell geringe Verantwortung anderen gegenüber erklären.

Generell ist es ja so, dass die inhaltliche Interpretation eines Faktors ganz am Ende der Faktorenanalyse aufgrund der Daten erfolgt.

Beitrag von **franz** » 12.02.2006, 10:14

Hallo allerseits,

das bedeutet, dass ich alles richtig gemacht habe und 5="volle Zustimmung" richtig ist für die Interpretation und nicht etwa 1="volle Zustimmung"?! Das wäre ja schön...

Herzlichen Dank für die schnelle und kompetente Hilfe!!!

Franz

Beitrag von **franz** » 12.02.2006, 10:24

Bzw. eigentlich müsste es ja dann egal sein, was 1 und was 5 bedeutet, weil das latente Konstrukt des Faktors ja ohnehin - analog zu den Items - entweder ähnlich hohe oder ähnlich geringe Werte von 1 bis 5 aufweist. Somit müssten die Ergebnisse der Faktorenanalyse - egal wieherum die Items eingegeben werden - bei der Interpretation lediglich entsprechend der urspünglichen Eingabe der Daten zu sehen sein.

Wenn ich dann auf die Faktoren- noch eine Clusteranalyse setzte, bei der ich die abgespeicherten Faktoren der Faktorenanalyse benutze, dann würde ein Cluster, welches einen hohen positiven Wert für einen Faktor aufweist, eine hohe positive Ausprägung hnsichtlich dieses Faktors haben. Richtig?!?!?

Am Beispiel "Verantwortung übernehmen" als Faktor: Das Cluster, das eine positive Ausprägung bei diesem Faktor hat, kann durch eine hohe Verantwortungsübernahme charakterisiert werden.

Ich freue mich auf Eure Antworten!!!!!!!!!!!

Gruß,
Franz

Beitrag von **guido** » 12.02.2006, 10:56

Genau.
Wie PearsonsR ja bereits meinte, ist die Richtung der Kodierung egal. Wenn bei Fragen zu einer bestimmten Einstellung, die Variablen so kodiert sind, dass in eine ähnliche inhaltliche "Richtung" weisen, kannst Du eben die dahinterliegenden Faktoren besser interpretieren. Ob das nun von "unten nach oben" oder von "oben nach unten" verläuft, ist egal. Du hättest auch alles andersrum kodieren können, dann wäre der dahinterliegende Faktor eben auch umgekehrt gepolt.

Ich finde es bei so etwas immer hilfreich, sich die grundlegenden statistischen Prinzipien zu verdeutlichen: Eine positive Korrelation bedeutet eben, hohe Werte gehen mit hohen Werten einher, niedrige Werte mit niedrigen. Hättest Du nun andersrum kodiert, wäre die Korrelation des Faktors wieder dieselbe.
Wären beide Aussagen dagegen inhaltlich gegennläufig, also einmal 5=hohe Verantwortung und dann 5=niedrige Verantwortung, würde der Faktor mit der einen Variablen positiv korrelieren, mit der anderen negativ.