STATISTIK-FORUM.de

[Nanina]

Hallo zusammen,

ich kriege hier gerade so ein bisschen die Krise... Mein Paper ist in der zweiten Revision und ich muss nur noch einen Gutachter überzeugen, alle anderen finden es schon gut.

Ich sollte für den einen an unsere EFA (PCA) noch eine Parallelanalyse dranhängen, Faktorauswahl nach Eigenvalues und Screeplot findet er "subjektiv". Ich habe mir also die Syntax von O'Connor für SPSS geschnappt und auch eine nette kleine Tabelle herausbekommen.

Das Problem: Laut Eigenvalues und Screeplot können wir vier Faktoren extrahieren, was perfekt in vorherigen Ergebnisse aus anderen Studien passt (zweistellige Anzahl an Studien aus verschiedenen Ländern). Und jetzt sagt mir aber die Parallelanalyse, es soll nur ein (!) Faktor extrahiert werden. W-T-F!! Ich weiß ja, dass die Parallelanalyse zur Unterextraktion neigen kann, vor allem bei einem starken ersten Faktor, aber wie erklär ich das denn jetzt?

Hilfe.....

LG
Nanina


PS: Ich habe auch versucht, andere Programme zur PA ans Laufen zu kriegen, aber ohne Erfolg. ViSta und Paran funktionieren bei mir nicht. ViSta 6.4 läuft auf meinem Rechner (Win 7 64) nicht, und der Download-Link zu ViSta 7 ist tot. Ich habe MonteCarlo PCA for Parallel Analysis probiert, aber gar nicht gecheckt wie man da eigene Werte benutzen kann. Kennt jemand noch ein anderes?

[strukturmarionette]

Hi,

Das Problem: Laut Eigenvalues und Screeplot können wir vier Faktoren extrahieren, was perfekt in vorherigen Ergebnisse aus anderen Studien passt (zweistellige Anzahl an Studien aus verschiedenen Ländern).

- Wenn sich bei dem Hauptkompomentenextraktionsverfahren die Ergebnisse von einer Parallelanalyse unterscheiden, ist das nicht verwunderlich.

zweistellige Anzahl an Studien

Was ist denn das für eine Veröffentlichung gewesen? Ein Metaanlyse?
Wie groß ist denn Deine Stichprobe?

Gruß
S.

[Nanina]

Unsere Studie ist eine Fragebogenvalidierung, die erste in der deutschen Übersetzung. Es gibt zahlreiche Studien und Validierungen zu dem Fragebogen in anderen Sprachen und anderen Versionen (es gibt davon eine Lang- und eine Kurzform). Die vier Faktoren wurden überall bestätigt (mit der Ausnahme von Korea ).

Unsere Stichprobe ist N=195. Könnte besser sein, könnte schlimmer sein!

Hmm, kannst du da etwas ins Detail gehen, warum sich Parallelanalyse und Eigenvalues/Screeplot bei einer PCA unterscheiden? Das wäre super! Ich hab keinen Plan, aber muss das ja verteidigen... (das ist überhaupt der Horror, dass da jetzt kurz vor der Ziellinie etwas so quer schießt...)

LG,
Nanina

[strukturmarionette]

Hi,

ja wenn das Ding absolut nichts neues ist und bereits vielfach so bestätigt wurde, dann liegt doch eine konkrete theoretische Struktur dem Fragebogen zugrunde.
Dann ist eine konfirmatorische Faktorenanalyse absolut geeignet; (auch N =195 dürfte hierfür ausreichend sein)

Wenn es dann unerwünschte Überraschungen gibt, dann könnte das an einer schlechten Adpatation aus einer Fremdsprache liegen oder an einer ungeeigneten Stichprobe.

Wobei noch anzumerken wäre, dass die PCA keine Faktorenanalyse im eigentlichen Sinn darstellt.

Gruß
S.

[bele]

Hi,

Wenn sich bei dem Hauptkompomentenextraktionsverfahren die Ergebnisse von einer Parallelanalyse unterscheiden, ist das nicht verwunderlich

Ich bin ja kein Statistiker, aber mir ist aufgefallen, dass man bei allen Parallelanalysefunktionen in R angeben kann, ob man die Parallelanalyse für eine PCA oder für eine FA haben will. Deshalb wäre ich jetzt davon ausgegangen, dass die Parallelanalyse auch für die PCA sinnvoll sein kann.

@Nania: Ich meine damit z. B. die Funktion parallel im package nFactors oder die Funktion fa.parallel aus dem package psych (siehe auch [1] und [2] und [3] ...).

Ich möchte aber eine Lanze für den Reviewer brechen: Wenn er im Screeplot gesehen hat, dass auch eine einfaktorielle Lösung möglich ist und die Parallelanalyse das bestätigt, dann gehört doch eine Diskussion der Möglichkeit, auch einen Gesamtscore bilden zu können, tatsächlich im Paper diskutiert, oder nicht?

Ansonsten hat strukturmarionette den weiteren Weg aufgezeigt: Die CFA.

LG,
Bernhard

[Nanina]

Wir sind letztendlich bei den Ergebnissen der Eigenwerte/Scree Plot geblieben und haben das inhaltlich begründet, z.B. dass sowohl die Interkorrelationen der Faktoren als auch die unterschiedlichen Korrelationen der Subskalen (Faktoren) mit anderen Konzepten auf die Sinnhaftigkeit der Trennung hinweisen, sowohl bei unserem Modell als auch in der Literatur! Wir haben sogar noch eine CFA nachgeschoben, die hat aber auch die vier Faktoren bestätigt, und dann war der Reviewer auch glücklich Das Paper ist inzwischen bei einem guten Journal untergekommen, ist also alles gut gelaufen