< Zurück   INHALT   Weiter >

11.1.2. Methodisches Vorgehen

Zunächst wird die Wahl der Methode zur Zusammenfassung der Variablen begründet. Daran anschließend wird auf die Eignung der Daten für die Faktorenanalyse eingegangen. Es folgen die Begründung der Wahl des Rotationsverfahrens sowie die Überlegungen zur Bestimmung der Anzahl der zu extrahierenden Faktoren.

11.1.2.1 Wahl der Methode zur Zusammenfassung der Variablen: Explorative Hauptkomponentenanalyse

Allgemein können explorative von konfirmatorischen Faktorenanalysen unterschieden werden. Während die konfirmatorische Faktorenanalyse eine bereits theoretisch angenommene Faktorstruktur empirisch prüft, dient die explorative Faktorenanalyse dem Finden der zugrundeliegenden Faktoren (z. B. Bühner, 2011; Schermelleh-Engel, Werner & Moosbrugger, 2007; Wolff & Bacher, 2011) und wird daher auch als „Hpothesengenerierungsinstrument“ (Backhaus et al., 2011, S. 387) bezeichnet. Da die Struktur des Unterrichtsqualitätsmerkmals kognitive Aktivierung für den Anfangsunterricht im Bereich Lesen bisher noch nicht untersucht wurde, zur Erfassung kognitiv aktivierender Leseübungen ein bisher noch nicht eingesetzter Itemkatalog eingesetzt wurde und daher wenige Vorannahmen zur Datenstruktur getroffen werden können, wird die Dimensionalität explorativ untersucht.

Als zwei Hauptverfahren faktorenanalytischer Methoden werden die Hauptachsenund die Hauptkomponentenanalyse unterschieden (z. B. Schermelleh-Engel et al., 2007). Die Rechentechnik beider Verfahren unterscheidet sich zwar nicht, aber sie gehen von unterschiedlichen Grundannahmen aus, weshalb die Entscheidung für eines der beiden Verfahren inhaltlich getroffen wird (Backhaus et al., 2011). Bei der Hauptachsenanalyse soll die Varianz der einzelnen Variablen durch latente Faktoren (hypothetische Größen) erklärt werden und somit wird nach der Ursache für die Korrelationen zwischen den Variablen gefragt. Bei der Hauptkomponentenanalyse steht die Frage im Vordergrund, wie sich die auf einem Faktor ladenden Variablen durch einen Sammelbegriff zusammenfassen lassen und wie die Datenstruktur durch möglichst wenige Faktoren umfassend reproduziert werden kann (Backhaus et al., 2011). Die Hauptkomponentenanalyse dient also der Datenreduktion, wobei die sich ergebenden Komponenten „die besten Linearkombinationen der Items“ (Bühner, 2011, S. 309) darstellen. Das Ziel besteht dabei in der maximalen Varianzaufklärung – also darin, durch die zusammengefassten Komponenten möglichst viele der in den ursprünglichen Daten enthaltenen Information zu beschreiben (Bühner, 2011). Da es nicht darum geht, das Zustandekommen der Interkorrelationen zu erklären, zählt die Hauptkomponentenanalyse im strengeren Sinn nicht zu den eigentlichen faktorenanalytischen Methoden, sondern ist rein beschreibend (Bühner, 2011). Zur Vereinfachung wird in der vorliegenden Arbeit dennoch von Faktorenanalysen als übergeordneter Begriff gesprochen (Wolff & Bacher, 2011). Im Gegensatz zur Faktorenanalyse im engeren Sinn, wird bei der Hauptkomponentenanalyse angenommen, dass die gesamte Varianz der Items durch die Komponenten beschrieben werden kann, nicht nur deren Kommunalität, also die gemeinsame Varianz (Fromm, 2008; Bühner, 2011). Eine Unterscheidung zwischen Kommunalitäten und Einzelrestvarianz wie bei der Hauptachsenanalyse wird hier also nicht getroffen (Backhaus et al., 2011). Würde man bei einer Hauptkomponentenanalyse daher so viele Komponenten extrahieren wie Items zugrunde liegen, könnte die gesamte Varianz der Items aufgeklärt werden. Allerdings käme das Verfahren damit dem Ziel der Datenreduktion nicht mehr nach. Da das Ziel im Rahmen der vorliegenden Arbeit in einer ersten beschreibenden Strukturierung der Daten und dem Finden von übergeordneten Begriffen für die einzelnen Aspekte der Unterrichtsqualität liegt und nicht im Erklären der Zusammenhänge zwischen einzelnen Items, wird die Hauptkomponentenanalyse gewählt.

 
< Zurück   INHALT   Weiter >