Dokument_1.pdf (3044 KB) - OPUS Augsburg - Universität Augsburg
Dokument_1.pdf (3044 KB) - OPUS Augsburg - Universität Augsburg
Dokument_1.pdf (3044 KB) - OPUS Augsburg - Universität Augsburg
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
Normalisierung die Koordinatenpunkte im Gegensatz zur asymmetrischen gleichmäßig über<br />
den Korrespondenzraum ausbreiten. Die symmetrische Form bietet sich im Hinblick auf eine<br />
optimale Darstellung im Korrespondenzraum vor allem dann an, wenn die Totale Inertia relativ<br />
klein ist. Die asymmetrische Normalisierung bildet besser bei einer großen Totalen Inertia<br />
ab (vgl. Greenacre 1994, S. 19).<br />
Multiple Korrespondenzanalyse und kategoriale Hauptkomponentenanalyse<br />
Die multiple Korrespondenzanalyse (MCA) unterscheidet sich von der einfachen in folgenden<br />
Punkten: Mit Hilfe der MCA können mehrere Gruppen von qualitativen Merkmalen beschrieben<br />
und grafisch dargestellt werden. Das Verfahren ist eine Anwendung des CA-<br />
Algorithmus auf eine Zusammenhangs-Matrix, die aus den paarweisen Kreuztabellen aller<br />
einbezogenen Variablen zusammengesetzt ist. Dadurch werden alle zugrunde liegenden<br />
Kreuztabellen simultan analysiert (vgl. Greenacre 1994, S. ixf.).<br />
Im Gegensatz zur CA werden bei der MCA nicht die Kategorien der verschiedenen Variablen,<br />
sondern die Objekte und die Variablen miteinander im Korrespondenzraum abgebildet.<br />
Die MCA und die kategoriale Hauptkomponentenanalyse quantifizieren kategoriale Daten<br />
durch Zuweisung numerischer Werte zu den Fällen (Objekten) und Kategorien. Dadurch werden<br />
Objekte in derselben Kategorie im Korrespondenzraum eng beieinander und Objekte in<br />
verschiedenen Kategorien weit voneinander entfernt abgebildet. Jedes Objekt liegt so nah wie<br />
möglich an den Kategoriepunkten der Kategorien, die für diese gelten. Die Objekte werden<br />
durch die Kategorien in homogene Untergruppen unterteilt (vgl. Meulman/Heiser 2004, S.<br />
77).<br />
Die kategoriale Hauptkomponentenanalyse eignet sich insbesondere zur Analyse von Variablen<br />
mit ordinalem Skalenniveau. Darüber hinaus können mit diesem Verfahren nominale<br />
und ordinale Variablen gleichzeitig ausgewertet, sowie die Komponentenladungen in einer<br />
Grafik ausgegeben werden.<br />
3.1.4.2 Anwendung der Analysemethoden in dieser Arbeit<br />
In dieser Arbeit werden die einfache und die multiple Korrespondenzanalyse und in einigen<br />
Fällen die kategoriale Hauptkomponentenanalyse eingesetzt. Die CA soll beim Vergleich<br />
zweier Variablen, die MCA bei der Auswertung von mindestens drei Variablen mit hauptsächlich<br />
nominalem Skalenniveau angewendet werden („Die Variablen sind mehrfach nominal“).<br />
Die kategoriale Hauptkomponentenanalyse wird hingegen bei der Analyse von Variablen<br />
mit vornehmlich ordinalem Niveau zum Einsatz kommen („Einige Variablen sind nicht<br />
46