Meten en diagnostiek 2021 Leerdoelen per week uitgewerkt
Week 3 leerdoelen hoofdstuk 8 en 9 t/m pagina 273 uit Furr
1. Weten voor welke doelen en in welke omstandigheden een exploratieve
factoranalyse kan worden toegepast
EFA heeft twee centrale doelen. Ten eerste doelt EFA op het onderzoeken van de
dimensionaliteit in een set items (hoeveel CF, eigenwaardes?). Ten tweede doelt
EFA op het bepalen van de inhoudelijke betekenis van de CF’s (na rotatie) door
naar de factorladingen te kijken. Rotatie is gebaseerd op theorie en
interpreteerbaarheid.
2. Een screeplot van de eigenwaarden kunnen interpreteren
Een centrale vraag bij EFA is “Hoe weerspiegelen eigenwaarden het aantal
gemeenschappelijke factor?”. Deze weerspiegeling kan via een screeplot (knik in
de screeplot), eigenwaarden groter dan 1 of inspectie van de factorladingen
(factorladingen zijn regressiecoëfficiënt).
Er zijn twee vuistregels (die niet per se hetzelfde resultaat geven) op basis van
aantal eigenwaarden in een correlatiematrix:
1. Het aantal gemeenschappelijke factoren kan overeenkomen met het
aantal eigenwaarden > 1.
2. Aantal gemeenschappelijke factoren kan overeenkomen met het aantal
eigenwaarde vóór de “knik” in de screeplot. Dit is makkelijk te zien door
visuele inspectie.
Theorie is hierbij belangrijk omdat NF (aantal factoren) daaraan ten grondslag
ligt.
2 2
𝑅 oftewel de proportie verklaarde variantie is belangrijk in regressieanalyse. 𝑅
is belangrijk omdat het de vraag kan beantwoorden over hoeveel van de
variantie in de afhankelijk variabele verklaard wordt door de common factoren
2
(CF’s). In het EFA model is de verklaarde variantie(𝑅 ) Communalities in de kolom
“Extraction”.
Verder is de grootte van de lading op de bijbehorende factor(en) in de analyse
zijn te inspecteren, maar deze factorladingen zijn moeilijk te interpreteren.
Let op!: factoren constateren via voorkennis/hypothese is bevestigend en via
eigenwaarde diagnostiek is het exploratief.
Student Psychologie Rugina
, Meten en diagnostiek 2021 Leerdoelen per week uitgewerkt
3. Weten welk doel rotatie heeft in factoranalyse en wat het verschil is tussen
oblieke en orthogonale rotatie
Factorrotatie is ontwikkeld om de interpretatie van factorladingen makkelijker te
maken. Factorrotatie is het transformeren van de factorladingen om de
interpreteerbaarheid van de factoren te interpreteren. Rotatie doelt op het
minimaliseren / maximaliseren van de factorladingen op een rij in de factor
matrix.
Er zijn twee soorten rotatie; orthogonale rotatieen oblique rotatie. Bij
orthogonale rotatie (bijv. Varimax) zijn de factoren ongecorreleerd (
𝑐𝑜𝑟𝑟(𝐶𝐹1, 𝐶𝐹2) = 0). Je staat het dus niet toe dat de factoren correleren (SPSS →
Rotated Factor Matrix). Bij oblique rotatie worden door SPSS de correlatie tussen
de factoren geschat. Je staat het dus toe dat de factoren mogelijk gecorreleerd of
ongecorreleerd zijn (𝑐𝑜𝑟𝑟(𝐶𝐹1, 𝐶𝐹2) ≠ 0).
Verder zijn cross loadings of kruisladingen ook nog iets wat kan voorkomen. Dit
zijn ladingen die na rotatie toch laden op beide factoren/meerdere factoren (dus
geen BIG - 0). Cross loadings hoeven geen probleem te zijn als het is lijn is met de
theorie (en je kan het uitleggen), maar over het algemeen zijn ze niet gewild en
moeten ze werden vermeden.
2
Let op!: 𝑅 → communalities = verklaarde variantie is onafhankelijk van rotatie!
Student Psychologie Rugina
, Meten en diagnostiek 2021 Leerdoelen per week uitgewerkt
De beslissing over welke rotatie criterium wordt toegepast ligt aan de
interpreteerbaarheid en de theorie.
Bij rotatie veranderd de Totale Verklaarde Variantie maar cumulatief blijft deze
hetzelfde. Dus andere verdeling van de totale verklaarde variantie maar
cumulatief hetzelfde.
4. De resultaten van een exploratieve factoranalyse kunnen interpreteren
met betrekking tot dimensionaliteit, betekenis van de factoren, item
kwaliteit en verklaarde variantie
Student Psychologie Rugina
Week 3 leerdoelen hoofdstuk 8 en 9 t/m pagina 273 uit Furr
1. Weten voor welke doelen en in welke omstandigheden een exploratieve
factoranalyse kan worden toegepast
EFA heeft twee centrale doelen. Ten eerste doelt EFA op het onderzoeken van de
dimensionaliteit in een set items (hoeveel CF, eigenwaardes?). Ten tweede doelt
EFA op het bepalen van de inhoudelijke betekenis van de CF’s (na rotatie) door
naar de factorladingen te kijken. Rotatie is gebaseerd op theorie en
interpreteerbaarheid.
2. Een screeplot van de eigenwaarden kunnen interpreteren
Een centrale vraag bij EFA is “Hoe weerspiegelen eigenwaarden het aantal
gemeenschappelijke factor?”. Deze weerspiegeling kan via een screeplot (knik in
de screeplot), eigenwaarden groter dan 1 of inspectie van de factorladingen
(factorladingen zijn regressiecoëfficiënt).
Er zijn twee vuistregels (die niet per se hetzelfde resultaat geven) op basis van
aantal eigenwaarden in een correlatiematrix:
1. Het aantal gemeenschappelijke factoren kan overeenkomen met het
aantal eigenwaarden > 1.
2. Aantal gemeenschappelijke factoren kan overeenkomen met het aantal
eigenwaarde vóór de “knik” in de screeplot. Dit is makkelijk te zien door
visuele inspectie.
Theorie is hierbij belangrijk omdat NF (aantal factoren) daaraan ten grondslag
ligt.
2 2
𝑅 oftewel de proportie verklaarde variantie is belangrijk in regressieanalyse. 𝑅
is belangrijk omdat het de vraag kan beantwoorden over hoeveel van de
variantie in de afhankelijk variabele verklaard wordt door de common factoren
2
(CF’s). In het EFA model is de verklaarde variantie(𝑅 ) Communalities in de kolom
“Extraction”.
Verder is de grootte van de lading op de bijbehorende factor(en) in de analyse
zijn te inspecteren, maar deze factorladingen zijn moeilijk te interpreteren.
Let op!: factoren constateren via voorkennis/hypothese is bevestigend en via
eigenwaarde diagnostiek is het exploratief.
Student Psychologie Rugina
, Meten en diagnostiek 2021 Leerdoelen per week uitgewerkt
3. Weten welk doel rotatie heeft in factoranalyse en wat het verschil is tussen
oblieke en orthogonale rotatie
Factorrotatie is ontwikkeld om de interpretatie van factorladingen makkelijker te
maken. Factorrotatie is het transformeren van de factorladingen om de
interpreteerbaarheid van de factoren te interpreteren. Rotatie doelt op het
minimaliseren / maximaliseren van de factorladingen op een rij in de factor
matrix.
Er zijn twee soorten rotatie; orthogonale rotatieen oblique rotatie. Bij
orthogonale rotatie (bijv. Varimax) zijn de factoren ongecorreleerd (
𝑐𝑜𝑟𝑟(𝐶𝐹1, 𝐶𝐹2) = 0). Je staat het dus niet toe dat de factoren correleren (SPSS →
Rotated Factor Matrix). Bij oblique rotatie worden door SPSS de correlatie tussen
de factoren geschat. Je staat het dus toe dat de factoren mogelijk gecorreleerd of
ongecorreleerd zijn (𝑐𝑜𝑟𝑟(𝐶𝐹1, 𝐶𝐹2) ≠ 0).
Verder zijn cross loadings of kruisladingen ook nog iets wat kan voorkomen. Dit
zijn ladingen die na rotatie toch laden op beide factoren/meerdere factoren (dus
geen BIG - 0). Cross loadings hoeven geen probleem te zijn als het is lijn is met de
theorie (en je kan het uitleggen), maar over het algemeen zijn ze niet gewild en
moeten ze werden vermeden.
2
Let op!: 𝑅 → communalities = verklaarde variantie is onafhankelijk van rotatie!
Student Psychologie Rugina
, Meten en diagnostiek 2021 Leerdoelen per week uitgewerkt
De beslissing over welke rotatie criterium wordt toegepast ligt aan de
interpreteerbaarheid en de theorie.
Bij rotatie veranderd de Totale Verklaarde Variantie maar cumulatief blijft deze
hetzelfde. Dus andere verdeling van de totale verklaarde variantie maar
cumulatief hetzelfde.
4. De resultaten van een exploratieve factoranalyse kunnen interpreteren
met betrekking tot dimensionaliteit, betekenis van de factoren, item
kwaliteit en verklaarde variantie
Student Psychologie Rugina
