Dokument_1.pdf (3044 KB) - OPUS Augsburg - Universität Augsburg

mehrfach nominal“). Im letzten Fall werden die ordinalen Variablen nicht „spline-ordinal“
sondern „ordinal“ gesetzt, dadurch werden Linearitäten erzwungen (vgl. SPSS 12.0 2003).
Bei der CA werden keine Nebenbedingungen für die Kategorien bestimmt. Die Fälle werden
alle gleich gewichtet. Für die Festlegung der Anzahl der Dimensionen soll allgemein gelten,
dass die Eigenwerte mindestens 0,3 betragen (MCA) und Cronbachs Alpha positive Zahlen
aufweist (kategoriale Hauptkomponentenanalyse). Die Auswahl der Dimensionen richtet sich
aber auch nach inhaltlichen Gesichtspunkten.
Die Verfasserin wendet das Statistikprogramm SPSS (Version 12.0) an. Es wird ausdrücklich
darauf hingewiesen, dass für diese Arbeit keine zusätzlichen Grafikmodule zur Verfügung
standen. Diese würden eine dreidimensionale Darstellung der Ergebnisse (bei drei Dimensionen)
ermöglichen. Alternativ werden hier wahlweise interaktive Streudiagramme verwendet.
Der Output dieser Diagramme ist jedoch prinzipiell nicht identisch mit jenem der
Korrespondenzanalyse im SPSS-Ausgabefenster, da Streudiagramme die Achsen nicht an den
Resultaten der Auswertung ausrichten, d.h. die Achsen gegebenenfalls strecken und stauchen
und den Nullpunkt optimal positionieren. Die Ausgabe von Streudiagrammen soll hier bei der
Darstellung der Objektwerte unter folgenden Bedingungen erfolgen: bei drei extrahierten Dimensionen
in einer zweidimensionalen Grafiken. Als „wissenschaftliche Landkarten“ werden
in dieser Arbeit nur die zweidimensionalen Grafiken bezeichnet, die SPSS über das Ausgabefenster
direkt ausgibt. Bei drei extrahierten Dimensionen wird die Verfasserin in erster Linie
die Tabellen der Objektwerte und der Diskriminanzmaße heranziehen. Da in dieser Arbeit
hauptsächlich nominale Daten auszuwerten sind, werden folgende Kennzahlen ignoriert: Korrelationen,
Standardabweichungen und Komponentenladungen.
3.1.5 Methodisches Vorgehen bei der Interpretation der Ergebnisse der Auswer-
tung
Die Art der Normalisierung ist ausschlaggebend für die Interpretation der Koordinaten im
Korrespondenzraum. Die symmetrische Reskalierung wird verwendet, wenn man die Beziehungen
(Unterschiede und Ähnlichkeiten) zwischen den Merkmalsausprägungen beider Variablen
(CA) oder die Beziehung zwischen den Objekten und den Variablen (MCA) untersuchen
möchte. Das bedeutet, dass die Distanzen der Kategorien einer Variable (CA) wie auch
die Objekte und Variablen untereinander (MCA) nicht verglichen werden können (vgl. Meulman/Heiser
2004, S. 71, 84f.)
47