Instructie uitvoeren factoranalyse
Practicum 1: Practicum 3:
Explorerende factoranalyse - Data gestuurd Je kan ook zelf het aantal factoren kiezen door: kies onder ‘Number of Factors’ →
JASP → oblique rotatie 'Based on' de optie 'Manual' en vul een getal in....
Stap 1: Factor > Exploratory Factor Analysis en
selecteer vervolgens de items en plaats ze in de box Bij het uitvoeren van de factoranalyse kun je onder meer de volgende vragen
‘variables’. stellen:
Is een factoranalyse bij deze gegevens zinvol?
Stap 2: Klik op ‘Number of Factors’: stip aan bij 'Based Welke methode van factoranalyse is van toepassing?
on': ‘Eigenvalues’. Hoeveel factoren kunnen we zinvol onderscheiden?
Welke rotatiemethode kiezen we als hulpmiddel bij de interpretatie van
Stap 3: Klik op ‘Analysis Options’: Selecteer bij factoren?
Hoe benoemen we de factoren?
'Factoring method': ‘Principal axis factoring’ en
Wat is de kwaliteit van de factoroplossing?
Selecteer onder 'Rotation Method': 'Oblique' en
daarbij ‘oblimin’ en ‘Correlation Matrix’. → Welke items selecteren we voor de schaalconstructie?
Stap 4: Klik op ‘Output Options’: Vink aan onder
'Tables': 'Factor Correlations', en vink aan Onder Practicum 5:
'Plots': 'Scree Plot' en deselecteer daarbij 'Parallel Voer nu een betrouwbaarheidsanalyse uit voor het aspect doorzettingsvermogen:
analysis results' Reliability > Classical > Unidimensional Reliability.
Plaats alle geselecteerde items voor het aspect doorzettingsvermogen in het
In JASP kun je ervoor kiezen om de volgorde van je vak Variables.
variabelen alfabetisch te sorteren of op het type Ga naar Analysis > Scale Statistics.
variabele te sorteren. Dit doe je bij ‘Output Options’ Controleer dat het Confidence Interval op 95% staat.
onder 'Order Loadings By'. Deselecteer Coefficient ω en selecteer Coefficient α.
Ga naar Analysis > Individual Item Statistics.
Als je wil kijken hoeveel factoren je hebt op basis van Selecteer Coefficient α (if item dropped) en Item-rest correlation.
SumSq: variantie verklaard door 1 factor Zijn er variabelen die je moet ompolen? Zo ja, dan kun je onder Reverse-Scaled
het eigenwaarde, dan kijk je in de tabel: factor
Proportion var: is de proportie verklaarde variantie. Items de betreffende variabelen (items) van links naar het vak slepen.
charecteristics.
Cumulatieve: hier wordt het opgeteld. De resultaten van de analyse verschijnen automatisch in de output.
Practicum 2:
Bij een standaard factoranalyse worden factoren zodanig
berekend dat ze hoog correleren met alletestitems. Grafisch ziet
dat er bijvoorbeeld uit als de linkergrafiek in de figuur.
Met deze benadering weten we alleen niet goed welke testitems
goed door een achterliggende variabele verklaard worden en
welke minder. Om dit te verhelpen passen we een zogeheten Bij display loadings (hierboven),
rotatie toe. De lijnen worden zodanig geroteerd dat dat testitems kan je aangeven welke
zo hoog mogelijk laden op één factor, en zo laag mogelijk laden factorladingen je wilt zien, deze
op de andere factoren. Grafisch ziet het resultaat van de rotatie zijn wwel absoluut (+ en _)
eruit als de rechter grafiek in de onderstaande figuur. DIt
noemen we ook wel de oblique of scheve rotatie (oblimin).
, Practicum 1:
Spreidingsdiagram:
Afhankelijke variabele op Y-as
Hiërarchische regressie analyse
Onafhankelijke variabele op X-as
Wat te doen bij uitschieters:
Kijken naar de reden, en wees transparant als je
hem, verwijderd.
Practicum 2: Hieronder de procedure voor het maken van twee
Voer de regressieanalyse uit in JASP: dummy variabelen (SES_D1 en SES_D2) voor de
Regression > Classical > Linear regression categorische variabele SES (met drie categorieen).
Kies de afhankelijke en onafhankelijke variabelen en Ga naar het data scherm en klik op de + rechts naast
plaats ze in de juiste hokjes. De afhankelijke variabele de kolomnamen. Nu kan je een nieuwe kolom maken
gaat onder 'dependent variable'. Continue onafhankelijke op basis van informatie uit de data. Noem de kolom
variabelen plaatsen we onder 'covariates', en dichotome SES_D1. Dit wordt de dummy voor de SES categorie 1.
onafhankelijke variabelen onder 'factors'. Selecteer Scale onder Column type
Selecteer Computed with drag and drop
Om de assumpties te controleren: onderComputed type
Multicollineariteit: Scroll naar Statistics en vink aan Klik op SES aan de linkerkant.
onder Coefficients Klik daarna op ‘ = ’ in het middelste menu
Tolerance and VIF, dan worden in de Typ achter het =-teken 1 (dan gebruik je voor deze
Coefficientstabel twee kolommen (Tolerance en VIF) dummy de numerieke code 1 voor de SES categorie
toegevoegd. 1).
Afwezigheid van uitschieters: Scroll naar Statisticsen
vink onder Residuals de Casewise diagnostics aan, en Je hebt dan dit:
kies dan voor Std. residual > 3 of Cook's distance > 1
(sprake van uitschieters in XY-ruimte. Dit levert een
tabel op met de waarnemingen die deze waarden Klik dan op Compute column.
overschrijden. Doe ditzelfde nog een keer maar nu voor de tweede
Let op: je kan of vragen om Standard residuals of vragen dummy (SES_D2):
om Cook's distances. Zorg ervoor dat je beide bekijkt! Ga weer naar het data scherm en klik op de + rechts
Homoscedasticiteit: Scroll naar Plots en vink Residuals naast de kolomnamen. Noem de nieuwe variabele nu
vs. predicted; Standardized residuals aan, er worden dan SES_D2.
twee figuren aan de output toegevoegd. Selecteer Scale onder Column type
Normaal verdeelde residuen: Scroll naar Plots en vink Selecteer Computed with drag and drop
Residuals histogram en Q-Q plot standardized residuals onderComputed type
aan, met ook weer een extra figuur in de output van Klik op SES aan de linkerkant.
de analyse. Klik daarna op ‘ = ’ in het middelste menu
Typ achter het =-teken 2 (dan gebruik je in deze
Regression > Bayesian > Linear Regression Vink Posterior dummy de numerieke code 1 voor de SES categorie
summary aan 2).
Onder Order, selecteer Compare to null model. Klik op Compute column.
Onder Plots, vink beide hokjes onder Residuals aan. Het databestand zou er nu zo uit moeten zien:
Omdat Bayesiaanse statistiek werkt met random
sampling, moeten we een extra stap nemen om de
resultaten reproduceerbaar te maken. Ga hiervoor naar
Advanced Options > Repeatability > Set seed. Stel de seed
in op 1. Dit zorgt ervoor dat het gerandomiseerde proces
hetzelfde wordt gedaan op verschillende tijden en op
verschillende computers.
Practicum 1: Practicum 3:
Explorerende factoranalyse - Data gestuurd Je kan ook zelf het aantal factoren kiezen door: kies onder ‘Number of Factors’ →
JASP → oblique rotatie 'Based on' de optie 'Manual' en vul een getal in....
Stap 1: Factor > Exploratory Factor Analysis en
selecteer vervolgens de items en plaats ze in de box Bij het uitvoeren van de factoranalyse kun je onder meer de volgende vragen
‘variables’. stellen:
Is een factoranalyse bij deze gegevens zinvol?
Stap 2: Klik op ‘Number of Factors’: stip aan bij 'Based Welke methode van factoranalyse is van toepassing?
on': ‘Eigenvalues’. Hoeveel factoren kunnen we zinvol onderscheiden?
Welke rotatiemethode kiezen we als hulpmiddel bij de interpretatie van
Stap 3: Klik op ‘Analysis Options’: Selecteer bij factoren?
Hoe benoemen we de factoren?
'Factoring method': ‘Principal axis factoring’ en
Wat is de kwaliteit van de factoroplossing?
Selecteer onder 'Rotation Method': 'Oblique' en
daarbij ‘oblimin’ en ‘Correlation Matrix’. → Welke items selecteren we voor de schaalconstructie?
Stap 4: Klik op ‘Output Options’: Vink aan onder
'Tables': 'Factor Correlations', en vink aan Onder Practicum 5:
'Plots': 'Scree Plot' en deselecteer daarbij 'Parallel Voer nu een betrouwbaarheidsanalyse uit voor het aspect doorzettingsvermogen:
analysis results' Reliability > Classical > Unidimensional Reliability.
Plaats alle geselecteerde items voor het aspect doorzettingsvermogen in het
In JASP kun je ervoor kiezen om de volgorde van je vak Variables.
variabelen alfabetisch te sorteren of op het type Ga naar Analysis > Scale Statistics.
variabele te sorteren. Dit doe je bij ‘Output Options’ Controleer dat het Confidence Interval op 95% staat.
onder 'Order Loadings By'. Deselecteer Coefficient ω en selecteer Coefficient α.
Ga naar Analysis > Individual Item Statistics.
Als je wil kijken hoeveel factoren je hebt op basis van Selecteer Coefficient α (if item dropped) en Item-rest correlation.
SumSq: variantie verklaard door 1 factor Zijn er variabelen die je moet ompolen? Zo ja, dan kun je onder Reverse-Scaled
het eigenwaarde, dan kijk je in de tabel: factor
Proportion var: is de proportie verklaarde variantie. Items de betreffende variabelen (items) van links naar het vak slepen.
charecteristics.
Cumulatieve: hier wordt het opgeteld. De resultaten van de analyse verschijnen automatisch in de output.
Practicum 2:
Bij een standaard factoranalyse worden factoren zodanig
berekend dat ze hoog correleren met alletestitems. Grafisch ziet
dat er bijvoorbeeld uit als de linkergrafiek in de figuur.
Met deze benadering weten we alleen niet goed welke testitems
goed door een achterliggende variabele verklaard worden en
welke minder. Om dit te verhelpen passen we een zogeheten Bij display loadings (hierboven),
rotatie toe. De lijnen worden zodanig geroteerd dat dat testitems kan je aangeven welke
zo hoog mogelijk laden op één factor, en zo laag mogelijk laden factorladingen je wilt zien, deze
op de andere factoren. Grafisch ziet het resultaat van de rotatie zijn wwel absoluut (+ en _)
eruit als de rechter grafiek in de onderstaande figuur. DIt
noemen we ook wel de oblique of scheve rotatie (oblimin).
, Practicum 1:
Spreidingsdiagram:
Afhankelijke variabele op Y-as
Hiërarchische regressie analyse
Onafhankelijke variabele op X-as
Wat te doen bij uitschieters:
Kijken naar de reden, en wees transparant als je
hem, verwijderd.
Practicum 2: Hieronder de procedure voor het maken van twee
Voer de regressieanalyse uit in JASP: dummy variabelen (SES_D1 en SES_D2) voor de
Regression > Classical > Linear regression categorische variabele SES (met drie categorieen).
Kies de afhankelijke en onafhankelijke variabelen en Ga naar het data scherm en klik op de + rechts naast
plaats ze in de juiste hokjes. De afhankelijke variabele de kolomnamen. Nu kan je een nieuwe kolom maken
gaat onder 'dependent variable'. Continue onafhankelijke op basis van informatie uit de data. Noem de kolom
variabelen plaatsen we onder 'covariates', en dichotome SES_D1. Dit wordt de dummy voor de SES categorie 1.
onafhankelijke variabelen onder 'factors'. Selecteer Scale onder Column type
Selecteer Computed with drag and drop
Om de assumpties te controleren: onderComputed type
Multicollineariteit: Scroll naar Statistics en vink aan Klik op SES aan de linkerkant.
onder Coefficients Klik daarna op ‘ = ’ in het middelste menu
Tolerance and VIF, dan worden in de Typ achter het =-teken 1 (dan gebruik je voor deze
Coefficientstabel twee kolommen (Tolerance en VIF) dummy de numerieke code 1 voor de SES categorie
toegevoegd. 1).
Afwezigheid van uitschieters: Scroll naar Statisticsen
vink onder Residuals de Casewise diagnostics aan, en Je hebt dan dit:
kies dan voor Std. residual > 3 of Cook's distance > 1
(sprake van uitschieters in XY-ruimte. Dit levert een
tabel op met de waarnemingen die deze waarden Klik dan op Compute column.
overschrijden. Doe ditzelfde nog een keer maar nu voor de tweede
Let op: je kan of vragen om Standard residuals of vragen dummy (SES_D2):
om Cook's distances. Zorg ervoor dat je beide bekijkt! Ga weer naar het data scherm en klik op de + rechts
Homoscedasticiteit: Scroll naar Plots en vink Residuals naast de kolomnamen. Noem de nieuwe variabele nu
vs. predicted; Standardized residuals aan, er worden dan SES_D2.
twee figuren aan de output toegevoegd. Selecteer Scale onder Column type
Normaal verdeelde residuen: Scroll naar Plots en vink Selecteer Computed with drag and drop
Residuals histogram en Q-Q plot standardized residuals onderComputed type
aan, met ook weer een extra figuur in de output van Klik op SES aan de linkerkant.
de analyse. Klik daarna op ‘ = ’ in het middelste menu
Typ achter het =-teken 2 (dan gebruik je in deze
Regression > Bayesian > Linear Regression Vink Posterior dummy de numerieke code 1 voor de SES categorie
summary aan 2).
Onder Order, selecteer Compare to null model. Klik op Compute column.
Onder Plots, vink beide hokjes onder Residuals aan. Het databestand zou er nu zo uit moeten zien:
Omdat Bayesiaanse statistiek werkt met random
sampling, moeten we een extra stap nemen om de
resultaten reproduceerbaar te maken. Ga hiervoor naar
Advanced Options > Repeatability > Set seed. Stel de seed
in op 1. Dit zorgt ervoor dat het gerandomiseerde proces
hetzelfde wordt gedaan op verschillende tijden en op
verschillende computers.
