Seminar Lehrevaluation

Präsentation zum Thema: "Seminar Lehrevaluation"—  Präsentation transkript:

1 Seminar Lehrevaluation
Faktorenanalyse

2 Ablauf der Itemanalyse
Einführung Rechenbeispiele Ablauf der Itemanalyse Entwurfsphase: Konzeptbildung, Items generieren, auswählen Erstellung des Analyseinstrumentes und Probeerhebung Itemanalyse: Berechnung von Schwierigkeiten, Trennschärfen, Reliabilität, Homogenitätsanalyse Aufgabenselektion und Revision Entwurfsphase: Konzeptbildung, Items generieren, auswählen Erstellung des Analyseinstrumentes und Probeerhebung Itemanalyse: Berechnung von Schwierigkeiten, Trennschärfen, Reliabilität, Homogenitätsanalyse Aufgabenselektion und Revision

3 Sinn und Zweck der Faktorenanalyse
Einführung Rechenbeispiele Idee und Ziel Auswahl der Variablen Extraktion der Faktoren Kennwerte Rotationsverfahren Sinn und Zweck der Faktorenanalyse Mit der Faktorenanalyse kann Struktur in Datensätzen aufgezeigt werden Ein Datensatz mit vielen Items auf wenige Faktoren reduziert werden

4 Grundlegendes Prinzip
Einführung Rechenbeispiele Idee und Ziel Auswahl der Variablen Extraktion der Faktoren Kennwerte Rotationsverfahren Grundlegendes Prinzip Item 1 „Ich habe viel gelernt“ Lernerfolg „Meine Kompetenzen sind gewachsen“ Item 2 „Ich habe Dinge gelernt, die ich vorher noch nicht wusste“ Item 3 „Ich bin sicherer geworden im Umgang mit Statistik“ Item 4 Dozenten- kompetenz Item 5 „Der Dozent wirkt kompetent“ Item 6 „Der Dozent ist sicher in seinem Fachgebiet“ Item 7 „Der Dozent hat gutes Fachwissen“

5 Vorauswahl der eingehenden Variablen
Einführung Rechenbeispiele Idee und Ziel Auswahl der Variablen Extraktion der Faktoren Kennwerte Rotationsverfahren Vorauswahl der eingehenden Variablen Schritt 1: Korrelationsmatrix prüfen

6 Vorauswahl der eingehenden Variablen
Einführung Rechenbeispiele Idee und Ziel Auswahl der Variablen Extraktion der Faktoren Kennwerte Rotationsverfahren Vorauswahl der eingehenden Variablen Schritt 2: Anti-Image Matrix Kovarianzmatrix prüfen Die Anti-Image Kovarianzmatrix wird dann als ungeeignet betrachtet, wenn in mehr als 25 % der Zellen ein Wert > 0.09 vorliegt.

7 Vorauswahl der eingehenden Variablen
Einführung Rechenbeispiele Idee und Ziel Auswahl der Variablen Extraktion der Faktoren Kennwerte Rotationsverfahren Vorauswahl der eingehenden Variablen Schritt 3: Das Kaiser-Meyer-Olkin Kriterium (Measure of Sample Adequacy, MSA) Sagt aus, in welchem Maß die Ausgangsvariablen zusammenpassen (auf Basis der Anti-Image Korrelationsmatrix) MSA ≥ 0.9 erstaunlich MSA ≥ 0.8 verdienstvoll MSA ≥ 0.7 ziemlich gut MSA ≥ 0.6 mittelmäßig MSA ≥ 0.5 kläglich MSA < 0.5 untragbar

8 Vorauswahl der eingehenden Variablen
Einführung Rechenbeispiele Idee und Ziel Auswahl der Variablen Extraktion der Faktoren Kennwerte Rotationsverfahren Vorauswahl der eingehenden Variablen Schritt 4: Bartlett‘s Test auf Sphärizität Prüft, ob Zusammenhänge zwischen den Variablen allein durch Zufallsschwankungen entstehen

9 Extraktion der Faktoren
Einführung Rechenbeispiele Idee und Ziel Auswahl der Variablen Extraktion der Faktoren Kennwerte Rotationsverfahren Extraktion der Faktoren Typ 1: Hauptkomponentenanalyse (Principal Components Analysis) Typ 2: Hauptachsentransformation

10 Wichtige Kennwerte bei der Faktorenanalyse
Einführung Rechenbeispiele Idee und Ziel Auswahl der Variablen Extraktion der Faktoren Kennwerte Rotationsverfahren Wichtige Kennwerte bei der Faktorenanalyse Faktorladung: Korrelation eines Items mit einem Faktor Eigenwert: Anteil der Varianz in den Daten, die durch den Faktor aufgeklärt wird Kommunalität: Anteil der Varianz eines Items, die durch die Faktorlösung erklärt wird

11 Methode zur Datenreduktion
Einführung Rechenbeispiele Idee und Ziel Auswahl der Variablen Extraktion der Faktoren Kennwerte Rotationsverfahren Hauptkomponentenanalyse Annahme: Die Varianz der Ausgangsvariablen kann vollständig durch die Extraktion von Faktoren erklärt werden = Es besteht keine Restvarianz (spezifische Varianz + Messfehler) des Items. Also: „Wie lassen sich auf einen Faktor hoch ladende Variablen durch einen Sammelbegriff (= Komponente) zusammenfassen Methode zur Datenreduktion

12 Methode zur Strukturentdeckung
Einführung Rechenbeispiele Idee und Ziel Auswahl der Variablen Extraktion der Faktoren Kennwerte Rotationsverfahren Hauptachsentransformation Annahme: Die Varianz eines Items enthält sowohl den Faktoreinfluss als auch eine Restvarianz Also: „Wie lässt sich die Ursache bezeichnen, die für die hohen Korrelationen der Variablen auf einem Faktor zurückzuführen ist Methode zur Strukturentdeckung

13 Orthogonale Rotationsverfahren, z. B. Varimax, Quartimax, Equamax
Einführung Rechenbeispiele Idee und Ziel Auswahl der Variablen Extraktion der Faktoren Kennwerte Rotationsverfahren Rotationsverfahren Orthogonale Rotationsverfahren, z. B. Varimax, Quartimax, Equamax Oblique (schiefwinklige) Rotationsverfahren, z. B. Oblimin

14 Einführung Rechenbeispiele
Und jetzt… ran an die Daten