In diesem Thema
Schritt 1. Bestimmen der Anzahl der Faktoren
- % Var
- Mit der prozentualen Varianz (% Var) können Sie ermitteln, welchen Anteil der Varianz die Faktoren erklären. Behalten Sie die Faktoren bei, die einen angemessenen Anteil der Varianz erklären. Welcher Anteil angemessen ist, hängt von Ihrer Anwendung ab. Zu Beschreibungszwecken müssen möglicherweise nur 80 % der Varianz erklärt werden. Wenn Sie mit den Daten jedoch weitere Analysen durchführen werden, möchten Sie vielleicht, dass die Faktoren mindestens 90 % der Varianz erklären.
- Varianz (Eigenwerte)
- Wenn Sie die Faktoren mit Hilfe der Hauptkomponenten extrahieren, ist die Varianz gleich dem Eigenwert. Sie können dann die Anzahl der Faktoren anhand der Größe des Eigenwerts bestimmen. Behalten Sie die Faktoren mit den größten Eigenwerten bei. Wenn Sie z. B. das Kaiser-Kriterium heranziehen, verwenden Sie nur die Faktoren mit Eigenwerten größer als 1.
- Screeplot
- Im Screeplot werden die Eigenwerte vom größten zum kleinsten sortiert. Das ideale Muster ist eine steile Kurve, die in eine Biegung und dann in eine Gerade übergeht. Verwenden Sie die Komponenten, die sich in der steilen Kurve vor dem ersten Punkt befinden, an dem der Trend zur Linie beginnt.
Nicht rotierte Faktorladungen und Kommunalitäten
| 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 |
Wichtigste Ergebnisse: % Var, Varianz (Eigenwert), Screeplot
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.
Schritt 2: Interpretieren der Faktoren
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.
Rotierte Faktorladungen und Kommunalitäten
| 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 |
Wichtigste Ergebnisse: Ladungen, Kommunalität, Ladungsdiagramm
- Unternehmenseignung (0,778), Stelleneignung (0,844) und Potenzial (0,645) weisen große positive Ladungen für Faktor 1 auf, dieser Faktor beschreibt also die Eignung des Mitarbeiters und dessen Potenzial für Wachstum im Unternehmen.
- Auftreten (0,73), Sympathie (0,615) und Selbstbewusstsein (0,743) weisen große positive Ladungen für Faktor 2 auf, dieser Faktor beschreibt also persönliche Eigenschaften.
- Kommunikation (0,802) und Disziplin (0,889) weisen große positive Ladungen für Faktor 3 auf, dieser Faktor beschreibt also die Arbeitsweise.
- Anschreiben (0,947) und Lebenslauf (0,789) weisen große positive Ladungen für Faktor 4 auf, dieser Faktor beschreibt also schriftliche Fähigkeiten.
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.
Schritt 3: Prüfen der Daten auf Probleme
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.
Wichtigstes Ergebnis: Scoreplot
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.
Tipp
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 .
