Hoorcollege 9
Voor een schaalscore wil je eendimensionaliteit.
Factoranalyse gaat alleen over relaties binnen een test.
- Meerdimensionaliteit: clusters van items die samenhangen.
- Eendimensionaliteit: alle items hangen samen.
Factoranalyse helpt ons iets daarover te zeggen. Een of meer achterliggende verklaring voor de verzameling van items. Dan kan je uiteindelijk 1 schaalscore gebruiken voor een onderwerp.
Doelen factoranalyse:
- Beoordelen dimensionaliteit van test
- Realiseren van datareductie
Aantal variabelen is hier items. Kan ook testscores zijn. Die tests bevatten weer meerdere items.
- Boven is een verwachting proberen te bevestigen: het klopt.
- Onder is zonder verwachtingen en kijken hoe het zit.
- Test is tweede factoranalyse
- Items is eerste factoranalyse.
De tien opgaven kunnen vervangen worden door twee scores. --> datareductie. De eerste 5 voor F1 (factorscore) en de laatste 5 voor F2. Dit is dus van 10 naar 2 variabelen, dus dat is datareductie.
Stappen in factoranalyse:
Stap 0 is: zijn mijn data überhaupt wel geschikt om een factoranalyse uit te voeren.
Stap 1: Keuze factormodel
- We doen een confirmerende factoranalyse.
- We onderzoeken of die tweedimensionaliteit van intelligentie klopt. Of we inderdaad twee factoren hebben.
- Zijn deze twee achterliggende factoren te vinden in deze verzameling van variabelen?
- Keuze factormodel nu. We veronderstellen twee clusters van testscores.
- Je werkt met z-scores, want het is gestandaardiseerd, waardoor je ze kan vergelijken.
- We veronderstellen twee achterliggende factoren.
F1 en F2 hebben op alle items een invloed. De sterkte van de invloed wordt aangegeven met een a. Dat wordt een resultaat van de analyse.
Testscores zijn de variabele X
z-score heeft een standaardafwijking van 1.
![](https://lh4.googleusercontent.com/14xd8KcAesQnC-jpv0mwplsnBuIrPMbERRdMe9O-f8Gvq7V6lBJCYm6VYDBDgHXvr7649Hhw5THy3Ohsxzq-oFIKO8TEpm05ez7aEBgEE9mIqzvQZhqSJtnGOJ6QR5hHXaklqohtGXcSZGgDnAwXtsw)
Dit is een transformatie.
- Factorlading = samenhang tussen de factor en de afzonderlijke observatie.
- Hoe goed zo’n factor van invloed is op zo’n afzonderlijk item.
- Factor is niet observeerbaar. Wat we wel kunnen zien zijn die antwoorden van de respondent (de items).
Voor ieder individu krijg je een andere F omdat er voor ieder individu een andere combinatie van z-scores is gerealiseerd. Niet iedereen heeft dezelfde scores op de test en dus ook niet dezelfde z-scores, en dus ook niet dezelfde Factorscore. De a’tjes zijn wel allemaal hetzelfde. Factorscores hebben een verdeling, een gemiddelde en en een standaardafwijking.
- Gemiddelde is 0 en de standaardafwijking is 1, omdat we hier te maken hebben met z-scores.
- Factorscore van 0, dan heeft hij een score op de 10 items gelijk aan het gemiddelde van de groep.
- + en - betekent boven of onder het gemiddelde. En het wordt uitgedrukt in standaardafwijkingen.
- We hebben van tevoren een idee over het aantal achterliggende factoren.
Stap 2: Bepalen aantal factoren
- Eigenwaarde criterium
- Knikcriterium
- Hoe goed is de factor in staat spreiding in items te verklaren en te representeren.
- Als je geen idee hebt, dan ga je kijken hoeveel het er zijn.
- Conformerend is wat je verwacht of dat ook wordt gevonden.
- Dit is interne structuur van de begripsvaliditeit.
- Voor elke test een lading op factor 1 en factor 2.
- Hoe groter
.....read more
Add new contribution