Chapter 9. Understanding Multivariate Techniques Factor Analyse Chapter 9. Understanding Multivariate Techniques
DOEL : reduceren van een groot aantal items in een meer overzichtelijke structuur Op basis van correlaties : items die meest met elkaar correleren = ongeveer hetzelfde meten, komen in 1 factor Items moeten kwantitatieve variabelen zijn Factoren die men krijgt zijn meer algemene constructen Verschillende items binnen elke factor
Zelf kiezen hoeveel factoren je wil Welke factoroplossing is de beste ? eigenwaarden 3.5 3 2.5 2 1.5 1 Knik in de curve 0 1 2 3 4 5 6 7 factoren
Computer geeft zelf ook aantal factoren Verklaarde variantie Het aantal factoren nemen VOOR de knik in de curve, dit is de beste oplossing Curve = scree plot Computer geeft zelf ook aantal factoren Verklaarde variantie Per factor In totaal voor het aantal gekozen factoren
SPSS : Analyse < Data Reduction < Factor < Variables (lijst) Extraction : scree plot number of factors Rotation : varimax Options : sorted by size
Voorbeeld : 20 voordelen van fysieke activiteit : welke factoren ? 20 items in factoranalyse Hoeveel factoren geeft de computer Welke items vormen 1 factor ? Op welke factor laadt elk item ? Hoe benoemen we de factoren ? Interne consistentie van factor berekenen via Cronbach Alpha (zie deel 1 cursus)
Resultaten : Kijken naar rotated component matrix Beslissen welke items op welke factor laden Items die nergens hoger dan .30 laden wegvallen Items met gelijkaardige factorladingen op 2 factoren kijken naar de inhoud Cronbach alpha coëficiënten berekenen Eventueel schalen maken door items op te tellen via Compute
Soorten factor analyse : Exploratief om structuur te bekijken wordt meestal principale componenten analyse genoemd Confirmatorische factor analyse : om model te toetsen best via structural equation modelling : niet in SPSS Aantal subjecten moet voldoende zijn : richtlijn is meestal 10 KEER het aantal ITEMS