Research Seminar P1
Portfolio-opdracht thema 1: Factor Analyse en Schaalconstructie
De portfolio-opdrachten werk je uit in dit word-bestand en lever je vervolgens in als pdf-
bestand.
Je vindt hieronder de vragen. Per vraag is er een tekstveld waarin jullie de antwoorden kunnen
plaatsen.
Vul hier eerst de info over je duo in:
DUO:
Open en bestudeer de dataset ‘portfolio 1.sav’.
Beantwoord elk van de onderstaande vragen in het bijbehorende tekstveld.
In welke versie van SPSS heb je gewerkt?
Versie 29.0.2.0. (20)
DEEL 1
1. Wat is de KMO van de variabelen p1 t/m p17?
De KMO van de items p1 t/m p17 is .91. Dit betekent dat de schaal geschikt is om de
diverse factoren te meten. Als een KMO-waarde een waarde boven de 0.60 en een
significante BTS, dan geeft dit aan dat de data geschikt zijn voor factoranalyse (Pallant,
2020).
Tabel 1
Resultaten van de KMO and Barlett’s test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. .905
Bartlett's Test of Approx. Chi-Square 5164.558
, Sphericity df 136
Sig. <.001
2. Voer een factoranalyse met Direct oblimin-rotatie uit over de items p1 t/m p17. Plak
hier de syntax:
FACTOR
/VARIABLES p1 p2 p3 p4 p5 p6 p7 p8 p9 p10 p11 p12 p13 p14 p15 p16 p17
/MISSING LISTWISE
/ANALYSIS p1 p2 p3 p4 p5 p6 p7 p8 p9 p10 p11 p12 p13 p14 p15 p16 p17
/PRINT INITIAL CORRELATION SIG DET KMO EXTRACTION ROTATION
/PLOT EIGEN
/CRITERIA MINEIGEN(1) ITERATE(25)
/EXTRACTION PC
/CRITERIA KAISER ITERATE(25) DELTA(0)
/ROTATION OBLIMIN
/METHOD=CORRELATION.
3. Hoeveel factoren kun je het best onderscheiden? Kijk naar de screeplot en
eigenwaarden. Licht je antwoord toe.
In de Scree Plot is te zien dat er een duidelijke knik ontstaat na de derde factor. Op basis
van de gestelde eigenwaarde van 1 kan dus worden gezegd dat drie factoren zich het beste
onderscheiden. De eerste drie factoren hebben een eigenwaarde groter dan 1 (7.474, 3.747,
en 1.081). Deze informatie, gecombineerd met het feit dat deze drie factoren samen
72.364% van de variantie verklaren, maakt het logisch om drie factoren te onderscheiden.
Portfolio-opdracht thema 1: Factor Analyse en Schaalconstructie
De portfolio-opdrachten werk je uit in dit word-bestand en lever je vervolgens in als pdf-
bestand.
Je vindt hieronder de vragen. Per vraag is er een tekstveld waarin jullie de antwoorden kunnen
plaatsen.
Vul hier eerst de info over je duo in:
DUO:
Open en bestudeer de dataset ‘portfolio 1.sav’.
Beantwoord elk van de onderstaande vragen in het bijbehorende tekstveld.
In welke versie van SPSS heb je gewerkt?
Versie 29.0.2.0. (20)
DEEL 1
1. Wat is de KMO van de variabelen p1 t/m p17?
De KMO van de items p1 t/m p17 is .91. Dit betekent dat de schaal geschikt is om de
diverse factoren te meten. Als een KMO-waarde een waarde boven de 0.60 en een
significante BTS, dan geeft dit aan dat de data geschikt zijn voor factoranalyse (Pallant,
2020).
Tabel 1
Resultaten van de KMO and Barlett’s test
Kaiser-Meyer-Olkin Measure of Sampling Adequacy. .905
Bartlett's Test of Approx. Chi-Square 5164.558
, Sphericity df 136
Sig. <.001
2. Voer een factoranalyse met Direct oblimin-rotatie uit over de items p1 t/m p17. Plak
hier de syntax:
FACTOR
/VARIABLES p1 p2 p3 p4 p5 p6 p7 p8 p9 p10 p11 p12 p13 p14 p15 p16 p17
/MISSING LISTWISE
/ANALYSIS p1 p2 p3 p4 p5 p6 p7 p8 p9 p10 p11 p12 p13 p14 p15 p16 p17
/PRINT INITIAL CORRELATION SIG DET KMO EXTRACTION ROTATION
/PLOT EIGEN
/CRITERIA MINEIGEN(1) ITERATE(25)
/EXTRACTION PC
/CRITERIA KAISER ITERATE(25) DELTA(0)
/ROTATION OBLIMIN
/METHOD=CORRELATION.
3. Hoeveel factoren kun je het best onderscheiden? Kijk naar de screeplot en
eigenwaarden. Licht je antwoord toe.
In de Scree Plot is te zien dat er een duidelijke knik ontstaat na de derde factor. Op basis
van de gestelde eigenwaarde van 1 kan dus worden gezegd dat drie factoren zich het beste
onderscheiden. De eerste drie factoren hebben een eigenwaarde groter dan 1 (7.474, 3.747,
en 1.081). Deze informatie, gecombineerd met het feit dat deze drie factoren samen
72.364% van de variantie verklaren, maakt het logisch om drie factoren te onderscheiden.
