STATISTIK-FORUM.de

[Nell22]

Hallo zusammen

Ich sitze gerade an meiner Bachelorarbeit (warum sonst bin ich um diese Zeit noch auf?) und bekomme gerade Panik, weil ich befürchte, nicht genug Daten zu haben für einen Pretest. Eine gut gelungene Faktorenanalyse ist das Ziel. Im Pretest mache ich also auch eine Faktorenanalyse und finde so heraus, welche Items überhaupt nicht bzw. nirgends reinpassen.

Dabei muss ich "eher die mit den höchsten Faktorladungen und die mit geringsten Nebenladungen" nehmen -> Kann mir das jemand erklären? Ist von meinem Dozenten und ich begreife es nicht ganz.

Ist die Vorgehensweise richtig? Also Pretest -> Faktorenanalyse -> Schlechte Items raus -> Definitiver Fragebogen -> Gute Faktorenanalyse ?
Und zurück zu meiner Befürchtung: Was mache ich, wenn ich nicht genug Daten dafür beisammen habe? Gibt es eine alternative Vorgehensweise?

Schon einmal vielen lieben Dank für Eure Antworten und Eure Hilfe!!!!
Ganz viele Grüsse,
Nell

[PonderStibbons]

Warum willst du da eine Faktorenanalyse rechnen. Und dann auch noch eine explorative? ist doch ein altbekanntes Instrument, da muss man doch nicht weiter an der Faktorenstruktur oder der Itemzuordnung herumschrauben, welchem Zweck soll das dienen? Man kann die mit einem modifizierten Fragebogen erhobenen Daten auch nicht mehr mit denen aus Studien vergleichen, die das in der Originalversion vorgeben bzw. auswerten. Und bei kleiner Stichprobe kriegst du ja auch kein Ergebnis, bei dem man einigermaßen sicher sein kan, dass da nicht der Zufall massiv hineingespielt hätte. Also, wie gesagt, was soll eine Faktorenanalyse bei so einem stinknormalen, 1000fach untersuchten und eingesetzten Inventar?

Mit freundlichen Grüßen

P.

[Nell22]

Ich will herausfinden, ob sich da mehr Motive hinter der Handlung verbirgt, auf dem "Like-Button" zu klicken. So eine Studie wurde bis jetzt noch nicht durchgeführt. Anhand der Literatur habe ich mögliche Motive ausgemacht und diese versuche ich nun mit geeigneten Items zu "identifizieren". Wenn bei der Faktorenanalyse dann tatsächlich "Gruppen" auszumachen sind, dann habe ich nachgewiesen, dass User aus ganz unterschiedlichen Gründen auf den Like-Button klicken. Ein Like ist nicht einfach ein Like. Dahinter verbergen sich Dimensionen, die man mit erklärenden Variablen in Verbindung setzen kann. Und wenn das Inventar "stinknormal" ist, dann ist es doch gut, offensichtlich habe ich es geschafft, Items zu konstruieren, die früheren Studien ähneln. Das ist schon einmal ein Erfolg. Ich bin ja keine Expertin, ich will lediglich meinen Abschluss machen
Und wenn da eine Faktorenanalyse so extrem unsinnig ist, kannst du mir das dann auch näher erklären? Vielen Dank schon einmal

[PonderStibbons]

Du hast da doch einen der üblichen big-5,persönlichkeitsfragebögen, oder nicht? Warum behältst du dessen Struktur (skalenbildung) nicht bei, statt mit einer explorativen faktorenanalyse wacklige Resultate zu erzeugen? falls das entgegen dem Augenschein keiner der üblichen und validierten persönlichkeitsfragebögen ist, dann besorge dir doch einen solchen und verwende ihn sogleich, oder auch einen Fragebogen zu motivdimensionen (deine Fragen sind wie gesagt die zu persönlichkritsdimensionen, was nicht unmittelbar dasselbe ist wie Motive, wie ich annehme). Mir ist wie gesagt nach wie vor nicht klar, wieso du selbst was entwickeln willst, statt etablierte Verfahren zu nutzen.

Mit freundlichen Grüßen

P.

[Nell22]

Achso ja, es gibt am Anfang eine Filterfrage. Diejeniegen, die keinen Account auf Facebook haben, leite ich gleich zu den Persönlichkeitstests weiter. Sie können ja keine Auskunft über ihre Motive geben, warum sie auf den Like-Button klicken. Auf jeden Fall habe ich den Link entfernt, mir geht es um die Statistik: Jetzt ungeachtet des Themas. Ist die Vorgehensweise richtig, die ich oben angegeben habe? Und welche Alternativen gibt es, wenn man nicht genug Daten für eine Faktorenanalyse hat?

[PonderStibbons]

Ach so. Ich habe nur den Persönlichkeitsfragebogen gesehen.

Bei zu wenigen Probanden ist eine Faktorenanalyse in der Regel
wenig sinnvoll. Man muss bedenken, das z.B. eine Analyse
mit 30 Items bereits 435 Item-Interkorrelationen verarbeitet,
jede mit ihrem eigenen Stichprobenfehler, der bei kleinen
Stichproben nicht eben klein ist. Die Ergebnisse können sehr
instabil sein, d.h. sehr auf die Zufälle in der Stichprobe
zugeschnitten und nicht übetragbar.

Mit freundlichen Grüßen

P.

[Nell22]

Danke für die Antwort!
Ich bin jetzt am Pretest dran und frage mich, wie ich nun bei zu wenig Daten herausfinden kann, welche Items ich besser entfernen soll? Damit eben dann bei der eigentlichen Befragung eine gute Faktorenanalyse bei genügend vorhandener Daten herauskommt. Jemand eine Idee..?