STATISTIK-FORUM.de

Hallo zusammen,

im Rahmen meiner Abschlussarbeit verwendet ich einen Mixed Methods Ansatz (qualitative/explorative plus darauf aufbauende quantitative Befragung). Konkret geht es um die Ziele der Nutzung von Gesundheitsapps sowie deren Einfluss auf die langfristige Nutzung. Hierfür habe ich eine Hauptkomponentenanalyse durchgeführt. Mit den berechneten Komponenten möchte ich nun die Frage nach dem Einfluss auf die langfristige Nutzung bearbeiten. Nun ist es so, dass ich bei der PCA den Haken gesetzt habe, um neue Variablen zu erstellen (ich arbeite mit SPSS). Ich habe jetzt aber gehört, dass man die Variablen händisch anlegen sollte über die Mittelwerte der einzelnen Items. Wenn ich das richtig verstehe, liegt der Unterschied hierbei in den Faktoren- bzw. Summenscores. Zudem habe ich gelesen, dass es auf die Forschungsfrage ankommt, welches Verfahren man wählen sollte. Ich habe mit beiden Versionen einen t-Test gerechnet und recht unterschiedliche Ergebnisse bekommen. Die Ergebnisse mit den automatisch durch die PCA generierten Variablen erscheinen mir logischer, aber ich bin sehr verunsichert, was hier das richtige Vorgehen wäre. Beide Ergebnisse wären vertretbar, wenn auch relativ unterschiedlich.

Über Unterstützung freue ich mich sehr!

Viele Grüße

Wie viele Items sind es und wie viele Probanden?

Warum eine Hauptkomponentenanalyse und keine Faktorenanalyse?

Mit freundlichen Grüßen

PonderStibbons

Vielen Dank schonmal für die Unterstützung!
Es sind 33 Items, die ich auf 6 Komponenten reduziert habe. Probanden sind es 274.
Die PCA anstelle der FA wurde so mit dem Lehrstuhl abgestimmt.

Hallo Kaffee,

kaffee123 hat geschrieben:Ich habe jetzt aber gehört, dass man die Variablen händisch anlegen sollte über die Mittelwerte der einzelnen Items.

Ich behaupte nicht, hier Spezialist zu sein. Mein vorläufiges Verständnis ist folgendes: Die erste Hauptkomponente ist eine gewichtete Summe der Itemscores (mit den Ladungen als Gewichten) während die Mittelwerte eine ungewichtete Summe von einigen Itemscores darstellt. Die gewichte in der ersten Hauptkomponente sind die beste Zusammenfassung der Daten in Deinem Sample. Wenn Du aber neue, gleichartige Daten (out-of-sample) sammelst und neu rechnest, hättest Du gute Chancen, dass die gleichen Items zur ersten Hauptkomponente beitragen aber Du müsstest mit deutlich anderen Gewichten rechnen.

Anders gesagt: Die 95%-Konfidenzintervalle für die Ladungen sind sehr groß.
Die Auswahl der Items, die auf eine Komponente laden ist hoffentlich ein stabiles Ergebnis, die Itemladungen selbst sind oft overfitted. Wenn dem einen Item eine sehr große Ladung und dem anderen eine kleine zugeordnet wird, dann spielt der Stichprobenzufall dabei eine große Rolle.

Wenn Du also eine Aussage über Dein Sample machen möchtest, dann ist der Hauptkomponentenwert richtig. Wenn Du das Ergebnis der PCA verallgemeinern möchtest, beispielsweise anderen Forschern nahelegen möchtest, beim gleichen Fragebogen die gleichen Items zusammenzufassen, dann kannst Du Overfitting reduzieren, indem Du die Ladungen auf 0 oder 1 festlegst, was im Prinzip dann einen Summenscore/Mittelwertscore ergibt.

Was das für Deine eigene Studie bedeutet musst Du dann im Kontext entscheiden.

LG,
Bernhard

Ich bin der gleichen Ansicht. Die Gewichtungen sind stichprobenspezifisch, das Ergebnis schwer interpretierbar und kaum übertragbar.
Insofern wirkt die Bildung von Skalen mit Items, die auf der Hauptkomponente hoch laden, handhabbarer und handfester.

Allerdings muss der Vorgabe einer Hauptkomponentenanalyse statt einer Faktorenanalyse ja ein Sinn und Zweck zugrunde liegen.
Den würde ich beim Auftraggeber möglichst nachfragen, vielleicht erfüllt die gewichtete Scorebildung eher den Zweck.

Mit freundlichen Grüßen