VOS- HOORCOLLEGE 1 FACTORANALYSE
Nijs Lagerweij
Afdeling M&S
Gemeenschappelijke achtergrond?
- Vermoeidheid - Somberheid
- Lusteloosheid - Droefheid
- Stemmingswisselingen - Behoefte aan extra slaap
- Behoefte aan extra eten - Sociaal isolement
Factoranalyse is een statistische techniek die wordt gebruikt om te onderzoeken welke
onderliggende factoren (latente variabelen) verklaren waarom mensen op een bepaalde
manier reageren op verschillende stimuli of items.
Bijvoorbeeld: wanneer mensen in de herfst vaker sombere gevoelens ervaren, kan de
achterliggende factor een herfstdepressie zijn.
Met factoranalyse proberen we dus te achterhalen welke gemeenschappelijke factor de
antwoorden op een verzameling van items verklaart. Een verzameling van items wordt
opgesteld om te meten of ze samen één onderliggende factor vertegenwoordigen.
Inhoud college
- Introductie
- Factormodellen
o Hoofdcomponentenanalyse (PCA)
o Exploratieve factoranalyse (EFA)
o Confirmatieve factoranalyse (CFA)
- Aantal factoren
o Eigenwaarde criterium
o Knikcriterium
- Interpreteren factoren
o Orthogonale rotatie
o Oblique rotatie
- Kwaliteit factoroplossing
o Simple structure
o Correlatie tussen factoren
o Proportie verklaarde variantie factoren
o Communaliteit
Onderzoeksvaliditeit – kwaliteit van de instrumenten
- Onderzoeksvaliditeit
o Externe validiteit – Generaliseren naar de populatie
o Interne validiteit -
o Begripsvaliditeit (instrumentele validiteit) – meet je wat je wilt meten?
, o Statistische validiteit
- Instrumentele validiteit: betrouwbaarheid en validiteit van meetinstrumenten (test
een schaal, meetinstrument)
- Moet voldoen aan:
o De mate waarin een test aan zijn doel beantwoordt.
o Inhoudsvaliditeit (content validity) of
o Begripsvaliditeit (construct validity) of
o Criteriumvaliditeit (criterium validity)
Soorten validiteit(sbeoordeling)
1. Inhoudsvaliditeit (content validity)
- Representeert de inhoud van de test het gehele inhoudsdomein?
o deskundigen oordeel/ indruksvaliditeit (face validity)
2. Begripsvaliditeit (construct validity)
- Meet de test het theoretische concept dat moet worden gemeten?
o Onderzoek door relaties binnen test (interne structuur) ondersteund de
begripsvaliditeit
o Onderzoek door relaties met andere variabelen (externe structuur)
3. Criteriumvaliditeit (criterion validity)
- Voorspelt de test gedrag of prestatie (criterium) dat niet met test wordt gemeten?
o beoordeel een voorspelling op criterium met de test, bijvoorbeeld motivatie en
studiesuces Ondersteuning criteriumvaliditeit.
Relaties binnen de test: bij de factoranalyse op zoek naar de achterliggende factor van
items, wat is de samenhang?
Zo’n factor verklaart de onderlinge samenhang. Als we 1 achterliggende factor verwacht
worden kijken we of daar een verklaring voor kunnen vinden, en als er 2 achterliggende
factor veronderstellen, dan gaan we er 2 achterliggende factoren een goede verklaring
kunnen zijn voor de scores op een test.
Doelen factoranalyse
Twee doelen factoranalyse
1. Beoordelen dimensionaliteit van test op zoek gaan naar achterliggende factoren
van een verzameling van stimuli items.
Bij 1 achterliggende factor, noemen we items: ééndimensionaal, en meerdere
factoren, meerdimensionaal.
- Vinden we het aantal theoretisch veronderstelde dimensies (= factoren) binnen de
verzameling van testitems (het meetinstument)?
Confirmerende factoranalyse (CFA): bevestiging zoeken van een
theoretische veronderstelling.
2. Realiseren van datareductie
- Kunnen we informatie uit groot aantal variabelen (test items) samenvatten in kleiner
aantal nieuw te construeren variabelen of schaalscores (= factoren)?
Dus 2 doelen:
, 1), het nagaan of er een verwachting over de interne structuur of we dat vinden in
empirische data.
2) En daarnaast, hoe goed lukt het ons met 1 score of 2 scores de informatie met al
die afzonderlijke items te kunnen vertegenwoordigen met zo’n afzonderlijke score.
Explorerende factoranalyse (EFA) Kunnen we het, ipv. vinden we iets
volgens verwachting.
Hoofdcomponentenanalyse (PCA) voor het 2e doel.
!Deze twee nagaan of we met een aantal nieuwe variabele de informatie van een
hele grote verzameling kunnen representeren.
Variabelen = items of tests.
Voorbeeld: WAIS III = intelligentie onderzoek
- Elf subtests algemene intelligentietest 11 variabele
1. Algemene ontwikkeling
2. Gezond verstand
3. Cijfers nazeggen
4. Rekenen
5. Overeenkomsten
6. Woordenlijst
7. Plaatjes rangschikken
8. Plaatjes aanvullen
9. Blokpatronen
10. Legkaarten
11. Cijfersymbolen
Factoranalyse moet nagaan of we een verondersteld aantal achterliggende factoren
kunnen vinden in de 11 variabele.
Theoretisch model WAIS III
, Voorbeeld: 2 factoren (performaal en verbaal), en de algemene factor. Deze factoren
veronderstellen de variabele, met de factoranalyse nagaan of we dezelfde statistische
ondersteuning vinden voor dit model. Iemand die perfomaal sterk zijn, die zullen
anders scoren dan mensen die op verbaal sterk zijn.
Performaal anders scores op score 7 tot en met 11. En verbaal op 1 tot en met 6.
Achterliggend heb je nog de algemene factor.
Nu nagaan of we statistisch het kunnen ondersteunen.
Factoranalyse: Stap 0
- Datascreening: is er samenhang in de data? Zonder samenhang valt er niks te
verklaren.
- Want factoranalyse probeert samenhang te verklaren middels een achterliggende
factor.
Correlatiematrix
- VB: Correlatiematrix van elf subtests
- Alle getalletjes, zijn correlatiecoëfficiënten tussen de -1 en 1. Bij 0 afwezigheid van
samenhang. In het voorbeeld allemaal positief.
- Vraag
o Is een factoranalyse zinvol voor deze data?
- Vuistregel
o Minstens één absolute correlatiecoëfficiënt |r| groter dan 0.30.
o In dit voorbeeld oké, genoeg data boven 0.30.
Factoranalyse: Stap 1 – Wel model kies je
- Keuze factormodel: afhankelijk van het doel.
o PCA: Principal Components Analyses - hoofdcomponenten analyse
o EFA: Exploratory Factor Analyses - exploratieve factoranalyse
o CFA: Confirmatory Factor Analyses - confirmatieve factoranalyse
Factormodel (PCA)
- Hoofdcomponentenanalyse
(PCA = Principal Components
Analyses)
- Hoe met zo weinig mogelijk
factoren (componenten) zo veel als
mogelijk variantie
representeren?
Nijs Lagerweij
Afdeling M&S
Gemeenschappelijke achtergrond?
- Vermoeidheid - Somberheid
- Lusteloosheid - Droefheid
- Stemmingswisselingen - Behoefte aan extra slaap
- Behoefte aan extra eten - Sociaal isolement
Factoranalyse is een statistische techniek die wordt gebruikt om te onderzoeken welke
onderliggende factoren (latente variabelen) verklaren waarom mensen op een bepaalde
manier reageren op verschillende stimuli of items.
Bijvoorbeeld: wanneer mensen in de herfst vaker sombere gevoelens ervaren, kan de
achterliggende factor een herfstdepressie zijn.
Met factoranalyse proberen we dus te achterhalen welke gemeenschappelijke factor de
antwoorden op een verzameling van items verklaart. Een verzameling van items wordt
opgesteld om te meten of ze samen één onderliggende factor vertegenwoordigen.
Inhoud college
- Introductie
- Factormodellen
o Hoofdcomponentenanalyse (PCA)
o Exploratieve factoranalyse (EFA)
o Confirmatieve factoranalyse (CFA)
- Aantal factoren
o Eigenwaarde criterium
o Knikcriterium
- Interpreteren factoren
o Orthogonale rotatie
o Oblique rotatie
- Kwaliteit factoroplossing
o Simple structure
o Correlatie tussen factoren
o Proportie verklaarde variantie factoren
o Communaliteit
Onderzoeksvaliditeit – kwaliteit van de instrumenten
- Onderzoeksvaliditeit
o Externe validiteit – Generaliseren naar de populatie
o Interne validiteit -
o Begripsvaliditeit (instrumentele validiteit) – meet je wat je wilt meten?
, o Statistische validiteit
- Instrumentele validiteit: betrouwbaarheid en validiteit van meetinstrumenten (test
een schaal, meetinstrument)
- Moet voldoen aan:
o De mate waarin een test aan zijn doel beantwoordt.
o Inhoudsvaliditeit (content validity) of
o Begripsvaliditeit (construct validity) of
o Criteriumvaliditeit (criterium validity)
Soorten validiteit(sbeoordeling)
1. Inhoudsvaliditeit (content validity)
- Representeert de inhoud van de test het gehele inhoudsdomein?
o deskundigen oordeel/ indruksvaliditeit (face validity)
2. Begripsvaliditeit (construct validity)
- Meet de test het theoretische concept dat moet worden gemeten?
o Onderzoek door relaties binnen test (interne structuur) ondersteund de
begripsvaliditeit
o Onderzoek door relaties met andere variabelen (externe structuur)
3. Criteriumvaliditeit (criterion validity)
- Voorspelt de test gedrag of prestatie (criterium) dat niet met test wordt gemeten?
o beoordeel een voorspelling op criterium met de test, bijvoorbeeld motivatie en
studiesuces Ondersteuning criteriumvaliditeit.
Relaties binnen de test: bij de factoranalyse op zoek naar de achterliggende factor van
items, wat is de samenhang?
Zo’n factor verklaart de onderlinge samenhang. Als we 1 achterliggende factor verwacht
worden kijken we of daar een verklaring voor kunnen vinden, en als er 2 achterliggende
factor veronderstellen, dan gaan we er 2 achterliggende factoren een goede verklaring
kunnen zijn voor de scores op een test.
Doelen factoranalyse
Twee doelen factoranalyse
1. Beoordelen dimensionaliteit van test op zoek gaan naar achterliggende factoren
van een verzameling van stimuli items.
Bij 1 achterliggende factor, noemen we items: ééndimensionaal, en meerdere
factoren, meerdimensionaal.
- Vinden we het aantal theoretisch veronderstelde dimensies (= factoren) binnen de
verzameling van testitems (het meetinstument)?
Confirmerende factoranalyse (CFA): bevestiging zoeken van een
theoretische veronderstelling.
2. Realiseren van datareductie
- Kunnen we informatie uit groot aantal variabelen (test items) samenvatten in kleiner
aantal nieuw te construeren variabelen of schaalscores (= factoren)?
Dus 2 doelen:
, 1), het nagaan of er een verwachting over de interne structuur of we dat vinden in
empirische data.
2) En daarnaast, hoe goed lukt het ons met 1 score of 2 scores de informatie met al
die afzonderlijke items te kunnen vertegenwoordigen met zo’n afzonderlijke score.
Explorerende factoranalyse (EFA) Kunnen we het, ipv. vinden we iets
volgens verwachting.
Hoofdcomponentenanalyse (PCA) voor het 2e doel.
!Deze twee nagaan of we met een aantal nieuwe variabele de informatie van een
hele grote verzameling kunnen representeren.
Variabelen = items of tests.
Voorbeeld: WAIS III = intelligentie onderzoek
- Elf subtests algemene intelligentietest 11 variabele
1. Algemene ontwikkeling
2. Gezond verstand
3. Cijfers nazeggen
4. Rekenen
5. Overeenkomsten
6. Woordenlijst
7. Plaatjes rangschikken
8. Plaatjes aanvullen
9. Blokpatronen
10. Legkaarten
11. Cijfersymbolen
Factoranalyse moet nagaan of we een verondersteld aantal achterliggende factoren
kunnen vinden in de 11 variabele.
Theoretisch model WAIS III
, Voorbeeld: 2 factoren (performaal en verbaal), en de algemene factor. Deze factoren
veronderstellen de variabele, met de factoranalyse nagaan of we dezelfde statistische
ondersteuning vinden voor dit model. Iemand die perfomaal sterk zijn, die zullen
anders scoren dan mensen die op verbaal sterk zijn.
Performaal anders scores op score 7 tot en met 11. En verbaal op 1 tot en met 6.
Achterliggend heb je nog de algemene factor.
Nu nagaan of we statistisch het kunnen ondersteunen.
Factoranalyse: Stap 0
- Datascreening: is er samenhang in de data? Zonder samenhang valt er niks te
verklaren.
- Want factoranalyse probeert samenhang te verklaren middels een achterliggende
factor.
Correlatiematrix
- VB: Correlatiematrix van elf subtests
- Alle getalletjes, zijn correlatiecoëfficiënten tussen de -1 en 1. Bij 0 afwezigheid van
samenhang. In het voorbeeld allemaal positief.
- Vraag
o Is een factoranalyse zinvol voor deze data?
- Vuistregel
o Minstens één absolute correlatiecoëfficiënt |r| groter dan 0.30.
o In dit voorbeeld oké, genoeg data boven 0.30.
Factoranalyse: Stap 1 – Wel model kies je
- Keuze factormodel: afhankelijk van het doel.
o PCA: Principal Components Analyses - hoofdcomponenten analyse
o EFA: Exploratory Factor Analyses - exploratieve factoranalyse
o CFA: Confirmatory Factor Analyses - confirmatieve factoranalyse
Factormodel (PCA)
- Hoofdcomponentenanalyse
(PCA = Principal Components
Analyses)
- Hoe met zo weinig mogelijk
factoren (componenten) zo veel als
mogelijk variantie
representeren?
