Correlationeel Onderzoek
Factoranalyse
Een factoranalyse is een techniek die ons helpt bij het beschouwen van een
gemeenschappelijke achtergrond en relaties tussen factoren.
Inhoudsvaliditeit beoordeelt of het meetinstrument alle aspecten van het theoretisch begrip
meet.
Indruksvaliditeit meet hoe experts het meetinstrument beoordelen.
Convergente validiteit meet in hoeverre de metingen van het meetinstrument en de
metingen van een ander meetinstrument overeenkomen.
Divergente validiteit meet of de metingen van het meetinstrument niet of minder
samenhangen met echt andere kenmerken.
Criterium validiteit meet of de metingen van dit meetinstrument samenhangen met een
andere uitkomstvariabele waarvan we weten dat er een verband hoort te zijn.
Begripsvaliditeit beoordeeld de mate waarin de operationele definitie slaagt in het meten
van de conceptuele definitie.
Statistische validiteit meet of de resultaten van een statistische analyse nauwkeurig zijn.
Doelen van factoranalyse:
• Het beoordelen van de dimensionaliteit van een test. (CFA)
• Het realiseren van datareductie. (EFA en PCA)
Factoranalyses zijn alleen zinvol als er een correlatie is. De vuistregel is dat er minstens één
absolute correlatiecoëfficiënt groter dan 0.30 moet zijn voor het uitvoeren.
PCA - hoofdcomponentenanalyse
Op zoek naar zo weinig mogelijk achterliggende factoren, die zo veel mogelijk variantie
verklaren.
EFA - explorerende factoranalyse (datagestuurd)
Van te voren zijn het aantal factoren onbekend. De analyse zoekt het aantal factoren.
,CFA - confirmerende factoranalyse (theoriegestuurd)
Van te voren zijn het aantal factoren bekend. Analyse vindt plaats voor bevestiging van de
structuur.
Uiteindelijk levert een factoranalyse het volgende op: een schatting van de factorladingen
(a), factorscores (schaalscore) en een eigenwaarde.
Factorladingen
Factorladingen zijn de correlaties tussen een geobserveerde variabele en een factor. Deze
zijn visueel te inspecteren in een factorladingenmatrix. In een factorladingenmatrix kan
rotatie worden toegepast om te achterhalen welke testitems goed door een achterliggende
variabele verklaard worden en welke minder. Dit wordt gedaan met de oblique/scheve rotatie,
in dat geval staan de factoren in een figuur niet meer orthogonaal/loodrecht op elkaar.
Factorscores
De vergelijking voor factorscore (F) kan een test-resultaat voor een individu berekenen door
middel van de factorladingen en de gestandaardiseerde scores.
Eigenwaarde
Elke onderscheiden factor heeft zijn eigen eigenwaarde. De eigenwaarde drukt uit hoeveel
variantie de betreffende factor verklaart van alle bij de factoranalyse betrokken variabelen
(items).
Eigenwaarde-criterium - Als de eigenwaarde groter is dan 1, verklaart de factor meer
variantie dan een afzonderlijk item uit de test en is deze statistisch relevant.
Knikcriterium - Vanuit een screeplot kies je voor het aantal factoren die in de figuur voor/
boven de ‘knik’ liggen.
, Na het screenen van de data (stap 0), het kiezen van het type factoranalyse (stap 1), het
kiezen van het aantal factoren (stap 2), het interpreteren van de factoren (type rotatie) (stap
3), moet de kwaliteit van de factoranalyse beoordeeld worden (stap 4).
Beoordeling van de kwaliteit
Statistisch relevant betekent niet altijd inhoudelijk relevant. Vuistregel: verklaarde variantie +/-
30% - matig, verklaarde variantie +/- 50% - goed.
In het geval van een meer-factoroplossing, ter beoordeling van de onafhankelijkheid van
factoren maken we gebruik van factorcorrelaties. Wanneer correlatie r > 0.5, is het vaak beter
om een factor minder te selecteren.
De communaliteit (h) van een item is de proportie variantie van een variabele die door de
factoroplossing wordt verklaard. De communaliteit geeft dus aan hoe goed het item wordt
vertegenwoordigd door de factoroplossing. Vuistregel: h > 0.3 - voldoende communaliteit.
In JASP wordt er gesproken van uniciteit of ‘uniqueness’. Dit is gelijk aan 1 - communaliteit.
Uniciteit is dus de onverklaarde variantie.
Multipele lineaire regressieanalyse
De algemene doelen van de regressieanalyse zijn het beschrijven van de relaties tussen
onafhankelijke variabelen, de relatie tussen onafhankelijke variabele(n) en de afhankelijke
variabele, en het toetsen van de verwachtingen over die relaties.
We veronderstellen oorzaak-gevolg relaties maar kunnen geen uitspraak doen over
causaliteit.
Alleen onafhankelijke variabelen zijn van minimaal interval niveau, of dichotoom. Het
meetniveau van de afhankelijke variabele mag niet dichotoom zijn. Een categorisch kenmerk
met meer dan twee categorieën kunnen wel alleen meenemen in de vorm van
dummyvariabelen. Het aantal categorieën min 1 zijn het aantal benodigde dummy’s. De
categorie waar 0 aan toegekend wordt noemen we de referentiecategorie.
Met een regressiemodel kan je niet alles verklaren, dit noem je de niet verklaarde variantie.
Het verschil tussen de geschatte waarde en de werkelijke waarde is de voorspellingsfout
(e).
Factoranalyse
Een factoranalyse is een techniek die ons helpt bij het beschouwen van een
gemeenschappelijke achtergrond en relaties tussen factoren.
Inhoudsvaliditeit beoordeelt of het meetinstrument alle aspecten van het theoretisch begrip
meet.
Indruksvaliditeit meet hoe experts het meetinstrument beoordelen.
Convergente validiteit meet in hoeverre de metingen van het meetinstrument en de
metingen van een ander meetinstrument overeenkomen.
Divergente validiteit meet of de metingen van het meetinstrument niet of minder
samenhangen met echt andere kenmerken.
Criterium validiteit meet of de metingen van dit meetinstrument samenhangen met een
andere uitkomstvariabele waarvan we weten dat er een verband hoort te zijn.
Begripsvaliditeit beoordeeld de mate waarin de operationele definitie slaagt in het meten
van de conceptuele definitie.
Statistische validiteit meet of de resultaten van een statistische analyse nauwkeurig zijn.
Doelen van factoranalyse:
• Het beoordelen van de dimensionaliteit van een test. (CFA)
• Het realiseren van datareductie. (EFA en PCA)
Factoranalyses zijn alleen zinvol als er een correlatie is. De vuistregel is dat er minstens één
absolute correlatiecoëfficiënt groter dan 0.30 moet zijn voor het uitvoeren.
PCA - hoofdcomponentenanalyse
Op zoek naar zo weinig mogelijk achterliggende factoren, die zo veel mogelijk variantie
verklaren.
EFA - explorerende factoranalyse (datagestuurd)
Van te voren zijn het aantal factoren onbekend. De analyse zoekt het aantal factoren.
,CFA - confirmerende factoranalyse (theoriegestuurd)
Van te voren zijn het aantal factoren bekend. Analyse vindt plaats voor bevestiging van de
structuur.
Uiteindelijk levert een factoranalyse het volgende op: een schatting van de factorladingen
(a), factorscores (schaalscore) en een eigenwaarde.
Factorladingen
Factorladingen zijn de correlaties tussen een geobserveerde variabele en een factor. Deze
zijn visueel te inspecteren in een factorladingenmatrix. In een factorladingenmatrix kan
rotatie worden toegepast om te achterhalen welke testitems goed door een achterliggende
variabele verklaard worden en welke minder. Dit wordt gedaan met de oblique/scheve rotatie,
in dat geval staan de factoren in een figuur niet meer orthogonaal/loodrecht op elkaar.
Factorscores
De vergelijking voor factorscore (F) kan een test-resultaat voor een individu berekenen door
middel van de factorladingen en de gestandaardiseerde scores.
Eigenwaarde
Elke onderscheiden factor heeft zijn eigen eigenwaarde. De eigenwaarde drukt uit hoeveel
variantie de betreffende factor verklaart van alle bij de factoranalyse betrokken variabelen
(items).
Eigenwaarde-criterium - Als de eigenwaarde groter is dan 1, verklaart de factor meer
variantie dan een afzonderlijk item uit de test en is deze statistisch relevant.
Knikcriterium - Vanuit een screeplot kies je voor het aantal factoren die in de figuur voor/
boven de ‘knik’ liggen.
, Na het screenen van de data (stap 0), het kiezen van het type factoranalyse (stap 1), het
kiezen van het aantal factoren (stap 2), het interpreteren van de factoren (type rotatie) (stap
3), moet de kwaliteit van de factoranalyse beoordeeld worden (stap 4).
Beoordeling van de kwaliteit
Statistisch relevant betekent niet altijd inhoudelijk relevant. Vuistregel: verklaarde variantie +/-
30% - matig, verklaarde variantie +/- 50% - goed.
In het geval van een meer-factoroplossing, ter beoordeling van de onafhankelijkheid van
factoren maken we gebruik van factorcorrelaties. Wanneer correlatie r > 0.5, is het vaak beter
om een factor minder te selecteren.
De communaliteit (h) van een item is de proportie variantie van een variabele die door de
factoroplossing wordt verklaard. De communaliteit geeft dus aan hoe goed het item wordt
vertegenwoordigd door de factoroplossing. Vuistregel: h > 0.3 - voldoende communaliteit.
In JASP wordt er gesproken van uniciteit of ‘uniqueness’. Dit is gelijk aan 1 - communaliteit.
Uniciteit is dus de onverklaarde variantie.
Multipele lineaire regressieanalyse
De algemene doelen van de regressieanalyse zijn het beschrijven van de relaties tussen
onafhankelijke variabelen, de relatie tussen onafhankelijke variabele(n) en de afhankelijke
variabele, en het toetsen van de verwachtingen over die relaties.
We veronderstellen oorzaak-gevolg relaties maar kunnen geen uitspraak doen over
causaliteit.
Alleen onafhankelijke variabelen zijn van minimaal interval niveau, of dichotoom. Het
meetniveau van de afhankelijke variabele mag niet dichotoom zijn. Een categorisch kenmerk
met meer dan twee categorieën kunnen wel alleen meenemen in de vorm van
dummyvariabelen. Het aantal categorieën min 1 zijn het aantal benodigde dummy’s. De
categorie waar 0 aan toegekend wordt noemen we de referentiecategorie.
Met een regressiemodel kan je niet alles verklaren, dit noem je de niet verklaarde variantie.
Het verschil tussen de geschatte waarde en de werkelijke waarde is de voorspellingsfout
(e).
