KNODBO – Handleiding
Factoranalyse
Het meten van abstracte concepten (e.g. levensgeluk) gaat vaak aan de hand van een
likertschaal; abstracte concepten kunnen namelijk niet gemeten worden aan de hand
van continue getallen. Om een dergelijk concept meetbaar te kunnen maken moet de
onderzoeker deze allereerst operationaliseren. Een abstract concept wordt vaak
gemeten door middel van verschillende dimensies, een factoranalyse meet hoeveel van
dit soort dimensies aanwezig zijn. De factoranalyse ‘reduceert’ de items in de schaal als
het ware tot een aantal enkele factoren. Echter is het de taak aan de onderzoeker om
vast te stellen welke factoren dit precies zijn, hier is namelijk theoretische kennis voor
nodig. De statistiek meet louter hoeveel latente factoren er in de schaal aanwezig zijn.
Tevens meet deze statistische methode ook de validiteit van een
meetinstrument/onderzoek. Deze analyse wordt in de meeste gevallen uitgevoerd vooraf
aan een betrouwbaarheidsanalyse.
Hoe werkt een factoranalyse?
Allereerst begin je met descriptieve analyses, zoals de frequentieverdeling. Controleer
de items op scheve verdelingen of uitschieters, dit kan namelijk sterke invloed hebben
op de resultaten van verdere analyses. Als deze in orde zijn kun je doorstromen naar de
volgende analyses. Bij eventuele ruis kunnen er waardes verwijderd worden.
Vervolgens selecteer je de items die een vergelijkbaar construct meten, hiermee
analyseer je de samenhang van de items. Dit kan middels een correlatieanalyse. Aan de
hand van deze analyse kan er een inschatting gemaakt worden over hoe geschikt de data
is voor een correlatieanalyse.
Na het uitvoeren van de correlatieanalyse kan de factoranalyse uitgevoerd worden. Deze
begint met het selecteren van de benodigde items. In SPSS zijn er een aantal opties die
correct moeten worden ingevuld voor optimale resultaten in het outputscherm, deze
zijn:
- Direct oblimin rotation (delta=0)
- (Optioneel) screeplot, kan gevonden worden bij het extraction tabblad.
- (Optioneel) KMO & Barletts test à descriptives tabblad
- Options à value below .30
In het output scherm zijn er nu meerdere matrixen, wij gebruiken alleen: KMO & Barletts
test, verklaarde variantie, screeplot en pattern matrix.
, Uitleg outputschermen
Total Variance Explained
Rotation
Sums of
Extraction Sums of Squared Squared
Initial Eigenvalues Loadings Loadingsa
Compone % of Cumulative % of Cumulative
nt Total Variance % Total Variance % Total
1 3.886 32.381 32.381 3.886 32.381 32.381 2.859
2 2.160 18.003 50.383 2.160 18.003 50.383 2.579
3 1.423 11.859 62.243 1.423 11.859 62.243 2.991
4 .911 7.596 69.838
5 .788 6.567 76.406
6 .705 5.874 82.280
7 .591 4.928 87.208
8 .436 3.632 90.840
9 .344 2.864 93.704
10 .315 2.626 96.330
11 .271 2.254 98.585
12 .170 1.415 100.000
Extraction Method: Principal Component Analysis.
a. When components are correlated, sums of squared loadings cannot be added to obtain a total
variance.
Het ‘Total Variance Explained’ scherm bevat de eigenvalues van de geselecteerde items.
Het aantal latente dimensies kan vastgesteld worden aan de hand van het Kaisers
criterium. Het aantal componenten met een eigenvalue groter dan ‘1’ zijn het aantal
latente dimensies. In het bovenstaande voorbeeld zijn er dus 3 factoren.
, Scree Plot
4,5
4
3,5
3
Eigenvalue
2,5
2
1,5
1
0,5
0
1 2 3 4 5 6 7 8 9 10 11 12
Component Number
Het aantal factoren kan ook vastgesteld worden aan de hand van een scree plot. Het
bepalen van het aantal factoren aan de hand van deze methode is complexer te
beoordelen. In de scree plot bekijk je waar in de lijn de knik bevindt, vervolgens
verminder je de corresponderende x-waarde met 1. Het vaststellen van deze knik is
echter afhankelijk van het oordeel van de onderzoeker, het is daarom meer arbitrair.
Pattern Matrixa
Component
1 2 3
B_darkleader_1 Ik heb .820
zelden ergens spijt van
B_darkleader_2 Ik heb .879
de neiging om hard of
ongevoelig te zijn
B_darkleader_3 Ik heb .734
de neiging me weinig
zorgen te maken om de
morele aspecten van mijn
gedrag
B_darkleader_4 Ik heb .473 -.310
de neiging om cynisch te
zijn
B_darkleader_5 Ik wil dat .885
anderen me bewonderen
B_darkleader_6 Ik wil dat .922
anderen aandacht aan
me geven
Factoranalyse
Het meten van abstracte concepten (e.g. levensgeluk) gaat vaak aan de hand van een
likertschaal; abstracte concepten kunnen namelijk niet gemeten worden aan de hand
van continue getallen. Om een dergelijk concept meetbaar te kunnen maken moet de
onderzoeker deze allereerst operationaliseren. Een abstract concept wordt vaak
gemeten door middel van verschillende dimensies, een factoranalyse meet hoeveel van
dit soort dimensies aanwezig zijn. De factoranalyse ‘reduceert’ de items in de schaal als
het ware tot een aantal enkele factoren. Echter is het de taak aan de onderzoeker om
vast te stellen welke factoren dit precies zijn, hier is namelijk theoretische kennis voor
nodig. De statistiek meet louter hoeveel latente factoren er in de schaal aanwezig zijn.
Tevens meet deze statistische methode ook de validiteit van een
meetinstrument/onderzoek. Deze analyse wordt in de meeste gevallen uitgevoerd vooraf
aan een betrouwbaarheidsanalyse.
Hoe werkt een factoranalyse?
Allereerst begin je met descriptieve analyses, zoals de frequentieverdeling. Controleer
de items op scheve verdelingen of uitschieters, dit kan namelijk sterke invloed hebben
op de resultaten van verdere analyses. Als deze in orde zijn kun je doorstromen naar de
volgende analyses. Bij eventuele ruis kunnen er waardes verwijderd worden.
Vervolgens selecteer je de items die een vergelijkbaar construct meten, hiermee
analyseer je de samenhang van de items. Dit kan middels een correlatieanalyse. Aan de
hand van deze analyse kan er een inschatting gemaakt worden over hoe geschikt de data
is voor een correlatieanalyse.
Na het uitvoeren van de correlatieanalyse kan de factoranalyse uitgevoerd worden. Deze
begint met het selecteren van de benodigde items. In SPSS zijn er een aantal opties die
correct moeten worden ingevuld voor optimale resultaten in het outputscherm, deze
zijn:
- Direct oblimin rotation (delta=0)
- (Optioneel) screeplot, kan gevonden worden bij het extraction tabblad.
- (Optioneel) KMO & Barletts test à descriptives tabblad
- Options à value below .30
In het output scherm zijn er nu meerdere matrixen, wij gebruiken alleen: KMO & Barletts
test, verklaarde variantie, screeplot en pattern matrix.
, Uitleg outputschermen
Total Variance Explained
Rotation
Sums of
Extraction Sums of Squared Squared
Initial Eigenvalues Loadings Loadingsa
Compone % of Cumulative % of Cumulative
nt Total Variance % Total Variance % Total
1 3.886 32.381 32.381 3.886 32.381 32.381 2.859
2 2.160 18.003 50.383 2.160 18.003 50.383 2.579
3 1.423 11.859 62.243 1.423 11.859 62.243 2.991
4 .911 7.596 69.838
5 .788 6.567 76.406
6 .705 5.874 82.280
7 .591 4.928 87.208
8 .436 3.632 90.840
9 .344 2.864 93.704
10 .315 2.626 96.330
11 .271 2.254 98.585
12 .170 1.415 100.000
Extraction Method: Principal Component Analysis.
a. When components are correlated, sums of squared loadings cannot be added to obtain a total
variance.
Het ‘Total Variance Explained’ scherm bevat de eigenvalues van de geselecteerde items.
Het aantal latente dimensies kan vastgesteld worden aan de hand van het Kaisers
criterium. Het aantal componenten met een eigenvalue groter dan ‘1’ zijn het aantal
latente dimensies. In het bovenstaande voorbeeld zijn er dus 3 factoren.
, Scree Plot
4,5
4
3,5
3
Eigenvalue
2,5
2
1,5
1
0,5
0
1 2 3 4 5 6 7 8 9 10 11 12
Component Number
Het aantal factoren kan ook vastgesteld worden aan de hand van een scree plot. Het
bepalen van het aantal factoren aan de hand van deze methode is complexer te
beoordelen. In de scree plot bekijk je waar in de lijn de knik bevindt, vervolgens
verminder je de corresponderende x-waarde met 1. Het vaststellen van deze knik is
echter afhankelijk van het oordeel van de onderzoeker, het is daarom meer arbitrair.
Pattern Matrixa
Component
1 2 3
B_darkleader_1 Ik heb .820
zelden ergens spijt van
B_darkleader_2 Ik heb .879
de neiging om hard of
ongevoelig te zijn
B_darkleader_3 Ik heb .734
de neiging me weinig
zorgen te maken om de
morele aspecten van mijn
gedrag
B_darkleader_4 Ik heb .473 -.310
de neiging om cynisch te
zijn
B_darkleader_5 Ik wil dat .885
anderen me bewonderen
B_darkleader_6 Ik wil dat .922
anderen aandacht aan
me geven
