Abstrakt

Bestimmung der Dimensionalität binärer Variablen: Eine Monte-Carlo-Simulationsstudie

Ting Dai1*, Adam Davey2

Ziel: Ziel der vorliegenden Studie war die Bewertung von vier Kriterien – Kaiser, empirisches Kaiser-Modell, Parallelanalyse und Profilwahrscheinlichkeit – zur Bestimmung der Dimensionalität binärer Variablen.

Methoden: Es wurde eine Monte-Carlo-Simulation im großen Maßstab durchgeführt, um diese Kriterien anhand von Kombinationen aus Korrelationsmatrizen (Pearson r oder tetrachorisches ρ) und Analysemethoden (Hauptkomponentenanalyse oder explorative Faktorenanalyse) sowie Kombinationen von Studienmerkmalen (Stichprobengrößen (100, 250, 1000), Variablenaufteilungen (10 %/90 %, 25 %/75 %, 50 %/50 %), Dimensionen (1, 3, 5, 10) und Elementen pro Dimension (3, 5, 10) zu bewerten.

Ergebnisse: Von den vier Kriterien schnitt die Parallelanalyse am besten ab. Bei Verwendung der Hauptkomponentenanalyse mit Pearson-Korrelationen wurde die Dimensionalität in 87,9 % der Replikationen wiederhergestellt.

Schlussfolgerung: Unsere Ergebnisse legen nahe, dass die Dimensionalität einer binären Variablendatenmatrix am besten durch eine Parallelanalyse unter Verwendung einer Kombination aus Hauptkomponentenanalyse und einer Korrelationsmatrix basierend auf Pearson r bestimmt werden kann. Wir haben Empfehlungen zur Auswahl von Kriterien unter verschiedenen Studienbedingungen gegeben.