Exploratieve factor analyse

Question 1

Exploratieve factor analyse

Answer 1

Verklaren zonder hypothese vooraf

Question 2

Factor analyse

Answer 2

We maken een onderscheid tussen gemeenschappelijke vriantie - variantie in itemscores die is toe te schrijven aan gemeenschappelijke onderliggende latente factoren - en item-specifieke variantie (deels verklaarbaar, deels puur random)

Question 3

1-factor model

Answer 3

Variantie in de scores van elk item is deels toe te schrijven aan variantie (= interindividuele verschillen) op de onderliggende factor (latente variabele)

Question 4

2-factor model

Answer 4

Alle items kunnen op elk van de factoren laen; we leggen van te voren geen restricties op. voorbeeld:
𝑍𝑋1= 𝑏11𝐹1 + 𝑏21𝐹2 + 𝜁1
𝑍𝑋2= 𝑏21𝐹1 + 𝑏22𝐹2 + 𝜁2

Question 5

Verschil EFA en PCA

Answer 5

• factoren zijn oorzaken/ componenten zijn samenvattende term
• bij EFA wordt onderscheid gemaakt tussen specifieke variantie en variantie door meetfouten

Question 6

Factor model schatten

Answer 6

correlatie zoeken via tracing rules –> dit kan alleen bij een meer dan 2 items per factor
- 3 items is ideaal

Question 7

Stappenplan EFA

Answer 7

1. precheck
2. aantal factoren kiezen
3. model schatten
4. model evalueren

Question 8

1. precheck EFA

Answer 8

• min. 5 waarnemingen per item
• min. 100 personen
• KMO > .6
  -60% correlaties > .3
• Barlett significant

Question 9

2. aantal factoren EFA

Answer 9

Op dezelfde manier kiezen als bij PCA
- scree plot(1)
- eigenwaarde (2)
–> minstens 3 items per factor

Question 10

3. model schatten EFA

Answer 10

Op dezelfde manier als bij PCA, maar dan met maximum likelihood als methode

Question 11

Gemeenschappelijke variantie berekenen

Answer 11

R^2 –> correlatie in het kwadraat!!!