Variable | Faktor1 | Faktor2 | Faktor3 | Faktor4 | Faktor5 | Faktor6 | Faktor7 | Faktor8 |
---|---|---|---|---|---|---|---|---|
Studienleistungen | 0,726 | 0,336 | -0,326 | 0,104 | -0,354 | -0,099 | 0,233 | 0,147 |
Auftreten | 0,719 | -0,271 | -0,163 | -0,400 | -0,148 | -0,362 | -0,195 | -0,151 |
Kommunikation | 0,712 | -0,446 | 0,255 | 0,229 | -0,319 | 0,119 | 0,032 | 0,088 |
Unternehmenseignung | 0,802 | -0,060 | 0,048 | 0,428 | 0,306 | -0,137 | -0,067 | 0,105 |
Erfahrung | 0,644 | 0,605 | -0,182 | -0,037 | -0,092 | 0,317 | -0,209 | -0,102 |
Stelleneignung | 0,813 | 0,078 | -0,029 | 0,365 | 0,368 | -0,067 | -0,025 | -0,032 |
Anschreiben | 0,625 | 0,327 | 0,654 | -0,134 | 0,031 | 0,025 | 0,017 | -0,113 |
Sympathie | 0,739 | -0,295 | -0,117 | -0,346 | 0,249 | 0,140 | 0,353 | -0,142 |
Disziplin | 0,706 | -0,540 | 0,140 | 0,247 | -0,217 | 0,136 | -0,080 | -0,105 |
Potenzial | 0,814 | 0,290 | -0,326 | 0,167 | -0,068 | -0,073 | 0,048 | -0,112 |
Lebenslauf | 0,709 | 0,298 | 0,465 | -0,343 | -0,022 | -0,107 | 0,024 | 0,170 |
Selbstbewusstsein | 0,719 | -0,262 | -0,294 | -0,409 | 0,175 | 0,179 | -0,159 | 0,230 |
Varianz | 6,3876 | 1,4885 | 1,1045 | 1,0516 | 0,6325 | 0,3670 | 0,3016 | 0,2129 |
% Var | 0,532 | 0,124 | 0,092 | 0,088 | 0,053 | 0,031 | 0,025 | 0,018 |
Variable | Faktor9 | Faktor10 | Faktor11 | Faktor12 | Kommunalität |
---|---|---|---|---|---|
Studienleistungen | 0,097 | -0,142 | -0,026 | -0,031 | 1,000 |
Auftreten | 0,082 | 0,016 | 0,020 | -0,038 | 1,000 |
Kommunikation | 0,023 | 0,204 | 0,012 | -0,100 | 1,000 |
Unternehmenseignung | -0,019 | -0,067 | 0,188 | -0,021 | 1,000 |
Erfahrung | 0,121 | 0,039 | 0,077 | 0,009 | 1,000 |
Stelleneignung | 0,146 | 0,066 | -0,176 | 0,008 | 1,000 |
Anschreiben | -0,079 | -0,130 | -0,043 | -0,127 | 1,000 |
Sympathie | 0,051 | 0,022 | 0,064 | 0,012 | 1,000 |
Disziplin | -0,020 | -0,162 | -0,032 | 0,136 | 1,000 |
Potenzial | -0,290 | 0,100 | -0,023 | 0,028 | 1,000 |
Lebenslauf | 0,008 | 0,090 | 0,010 | 0,156 | 1,000 |
Selbstbewusstsein | -0,098 | -0,061 | -0,065 | -0,047 | 1,000 |
Varianz | 0,1557 | 0,1379 | 0,0851 | 0,0750 | 12,0000 |
% Var | 0,013 | 0,011 | 0,007 | 0,006 | 1,000 |
Diese Ergebnisse zeigen die nicht rotierten Faktorladungen für alle Faktoren unter Verwendung der Hauptkomponenten als Extraktionsmethode. Die ersten vier Faktoren weisen Varianzen (Eigenwerte) größer als 1 auf. Die Eigenwerte ändern sich weniger deutlich, wenn mehr als 6 Faktoren verwendet werden. Daher scheinen 4–6 Faktoren den Großteil der Streuung in den Daten zu erklären. Der Prozentsatz der Streuung, der von Faktor 1 erklärt wird, beträgt 0,532 oder 53,2 %. Der Prozentsatz der Streuung, der von Faktor 4 erklärt wird, beträgt 0,088 oder 8,8 %. Das Screeplot zeigt, dass die ersten vier Faktoren den Großteil der Gesamtstreuung in den Daten erklären. Die verbleibenden Faktoren erklären einen sehr kleinen Anteil an der Streuung und sind wahrscheinlich unwichtig.
Nachdem Sie die Anzahl der Faktoren bestimmt haben (Schritt 1), können Sie die Analyse mit der Maximum-Likelihood-Methode wiederholen. Untersuchen Sie dann das Ladungsmuster, um den Faktor zu ermitteln, der die einzelnen Variablen am stärksten beeinflusst. Je näher die Ladung am Extremwert –1 oder 1 liegt, desto stärker beeinflusst der Faktor die Variable. Eine Ladung nahe 0 gibt an, dass die Variable durch den Faktor nur schwach beeinflusst wird. Manche Variablen können eine hohe Ladung bei mehreren Faktoren aufweisen.
Nicht rotierte Faktorladungen sind oft schwierig zu interpretieren. Die Faktorrotation vereinfacht die Ladungsstruktur und ermöglicht so eine einfachere Interpretation der Faktorladungen. Möglicherweise sind jedoch nicht alle Rotationsmethoden für alle Fälle gleich gut geeignet. Versuchen Sie es mit verschiedenen Rotationen, und verwenden Sie die, die die am besten interpretierbaren Ergebnisse liefert. Sie können die rotierten Ladungen auch sortieren, um die Ladungen innerhalb eines Faktors noch differenzierter zu beurteilen.
Variable | Faktor1 | Faktor2 | Faktor3 | Faktor4 | Kommunalität |
---|---|---|---|---|---|
Studienleistungen | 0,481 | 0,510 | 0,086 | 0,188 | 0,534 |
Auftreten | 0,140 | 0,730 | 0,319 | 0,175 | 0,685 |
Kommunikation | 0,203 | 0,280 | 0,802 | 0,181 | 0,795 |
Unternehmenseignung | 0,778 | 0,165 | 0,445 | 0,189 | 0,866 |
Erfahrung | 0,472 | 0,395 | -0,112 | 0,401 | 0,553 |
Stelleneignung | 0,844 | 0,209 | 0,305 | 0,215 | 0,895 |
Anschreiben | 0,219 | 0,052 | 0,217 | 0,947 | 0,994 |
Sympathie | 0,261 | 0,615 | 0,321 | 0,208 | 0,593 |
Disziplin | 0,217 | 0,285 | 0,889 | 0,086 | 0,926 |
Potenzial | 0,645 | 0,492 | 0,121 | 0,202 | 0,714 |
Lebenslauf | 0,214 | 0,365 | 0,113 | 0,789 | 0,814 |
Selbstbewusstsein | 0,239 | 0,743 | 0,249 | 0,092 | 0,679 |
Varianz | 2,5153 | 2,4880 | 2,0863 | 1,9594 | 9,0491 |
% Var | 0,210 | 0,207 | 0,174 | 0,163 | 0,754 |
Alle vier Faktoren zusammen erklären 0,754 oder 75,4 % der Streuung in den Daten.
Das Ladungsdiagramm stellt die Ladungsergebnisse für die ersten beiden Faktoren grafisch dar.
Wenn die ersten beiden Faktoren den größten Teil der Varianz in den Daten erklären, können Sie mit Hilfe des Scoreplots die Datenstruktur untersuchen sowie Cluster, Ausreißer und Trends erkennen. Gruppierungen von Daten im Diagramm können auf zwei oder mehr separate Verteilungen in den Daten hinweisen. Wenn die Daten einer Normalverteilung folgen und keine Ausreißer vorliegen, sind die Punkte nach einem zufälligen Muster um den Wert 0 verteilt.
In diesem Scoreplot scheinen die Daten normalverteilt zu sein, und es sind keine extremen Ausreißer erkennbar. Möglicherweise empfiehlt es sich jedoch, den Datenwert unten rechts im Diagramm näher zu untersuchen, der etwas weiter entfernt von den übrigen Datenwerten liegt.
Um den berechneten Wert für jede Beobachtung anzuzeigen, zeigen Sie mit dem Mauszeiger auf einen beliebigen Punkt im Diagramm. Um Scoreplots für andere Faktoren zu erstellen, speichern Sie die Werte, und verwenden Sie
.