Deel 1: Keuze van de juiste statistische analysetechniek
1. Een onderzoeker wil voorspellen of sollicitanten wel of niet worden aangenomen voor een managementfunctie. Hij
gebruikt hiervoor hun score op een leiderschapstest (0-100) en hun aantal jaren werkervaring. Welke statistische techniek
is hier het meest geschikt?
A. Meervoudige lineaire regressie
B. Logistische regressie
C. Variantieanalyse (ANOVA)
D. Factoranalyse
2. Je wilt onderzoeken of er een significant verschil is in de gemiddelde mate van eenzaamheid (continue schaal) tussen
drie groepen studenten: thuiswonend, op kamers in een studentenhuis, of alleenwonend in een studio. Welke methode
gebruik je?
A. Independent samples t-test
B. Logistische regressie
C. One-way ANOVA
D. Padanalyse
3. Een psycholoog onderzoekt de effectiviteit van een nieuwe rekentraining. Hij meet de rekenvaardigheid van 40
kinderen vóór de training en nogmaals exact dezelfde vaardigheid na de training. Welke toets is geëigend om te bepalen of
het gemiddelde significant is gestegen?
A. One-sample t-test
B. Paired-samples t-test
C. Independent samples t-test
D. ANCOVA
4. Een HR-afdeling heeft een dataset met de scores van 500 werknemers op 60 verschillende continue prestatie-
indicatoren. Ze willen dit grote aantal variabelen puur datagedreven samenvatten tot 4 of 5 overkoepelende indexscores
met zo min mogelijk informatieverlies. Welke techniek is hiervoor ontworpen?
A. Confirmatieve Factoranalyse (CFA)
B. Principale Componentenanalyse (PCA)
C. Structural Equation Modeling (SEM)
D. Meervoudige lineaire regressie
5. Onderzoekers willen de gemiddelde depressiescores vergelijken tussen een interventiegroep en een controlegroep.
Echter, zij weten dat leeftijd een grote invloed heeft op depressie, en willen de vergelijking maken zónder dat deze
verstoord wordt door leeftijdsverschillen. Welke analyse kies je?
A. Independent samples t-test
B. Variantieanalyse (ANOVA)
C. Covariantieanalyse (ANCOVA)
D. Exploratieve Factoranalyse (EFA)
TMS Oefententamen III Pagina 1 van 10
, Deel 2: Factoranalyse (PCA, EFA, CFA)
6. Wat is een cruciaal conceptueel verschil tussen Principale Componentenanalyse (PCA) en Exploratieve Factoranalyse
(EFA)?
A. PCA veronderstelt dat latente factoren de itemscores veroorzaken, EFA niet.
B. EFA maakt onderscheid tussen gemeenschappelijke variantie en meetfout, PCA gooit alle variantie op één hoop.
C. PCA mag alleen gebruikt worden met orthogonale rotatie, EFA alleen met oblieke rotatie.
D. EFA wordt gebruikt voor datareductie, PCA voor theorie-toetsing.
7. Een onderzoeker wil in SPSS een factoranalyse uitvoeren en hanteert het Kaiser-criterium om het aantal te behouden
factoren te bepalen. Wat houdt dit criterium in?
A. Alle factoren met een eigenwaarde groter dan 1.0 worden behouden.
B. Alle factoren vóór de 'knik' in de scree plot worden behouden.
C. Men behoudt net zoveel factoren totdat 50% van de variantie is verklaard.
D. Men behoudt uitsluitend factoren die positief correleren.
8. Wat is het directe, wiskundige effect van het toepassen van een orthogonale rotatie (zoals Varimax) op een initiële
factoroplossing?
A. De factoren worden gedwongen om onderling ongecorreleerd (r=0) te blijven.
B. De communaliteit van alle items stijgt naar 1.0.
C. De factoren mogen correleren om een betere simpele structuur te vinden.
D. De matrix wordt opgesplitst in een Pattern Matrix en een Structure Matrix.
9. Welke matrix gebruik je primair om na een oblieke rotatie de "simpele structuur" te controleren en de factoren een
label te geven?
A. De Component Matrix
B. De Structure Matrix
C. De Pattern Matrix
D. De Factor Correlation Matrix
10. Bij een EFA (met twee factoren) is oblieke rotatie toegepast. De correlatie tussen F1 en F2 is 0.50. De lading van Item 3
op F1 is 0.60 en op F2 is 0.20 in de Pattern Matrix. Wat is de totale model-geïmpliceerde correlatie tussen Item 3 en F1?
A. 0.60
B. 0.70
C. 0.80
D. 0.90
11. In een publicatie staat: "The model showed an approximate fit to the data: χ2(45) = 112.4, p < .001, RMSEA = 0.062."
Welke van de volgende uitspraken is juist?
A. De nulhypothese van exacte fit (dat het model perfect klopt in de populatie) is niet verworpen.
B. De RMSEA-waarde is te hoog en duidt op een 'bad fit'.
C. De nulhypothese van exacte fit is verworpen, maar de RMSEA wijst op een acceptabele benadering.
D. Omdat de p-waarde kleiner is dan .05, mogen we de RMSEA negeren en het model direct goedkeuren.
TMS Oefententamen III Pagina 2 van 10