Factoranalyse

Question 1

PCA

Answer 1

Principale componenten analyse

Question 2

Principale componentenanalyse

Answer 2

Door de variabelen samen te nemen, de gewogen sommen samen nemen, de som van de variabelen. Het zijn principale componenten

Question 3

EFA

Answer 3

Exploratieve factoranalyse

Question 4

Exploratieve factoranalyse

Answer 4

Zoeken naar de onderliggende factoren die de verschillen op de vragen verklaren

Question 5

Doel van PCA

Answer 5

Datareductie

Question 6

Doel EFA

Answer 6

Ontdekken van latente variabelen

Question 7

Het ontdekken van latente variabelen met een hypothese vooraf

Answer 7

Conformatieve factoranalyse

Question 8

Ontdekken van latente variabelen zonder hypothese vooraf

Answer 8

Exploratieve factor analyse

Question 9

de 2 opties als je doel enkel datareductie is

Answer 9

PCA of clusteranalyse

Question 10

eigenwaarde

Answer 10

De som van de gekwadrateerde lading

Question 11

Regels PCA

Answer 11

• De eerste principale pakt de meeste variantie op
• de tweede component beschrijft zoveel mogelijk van de nog overgebleven variantie
  Enz…

Question 12

Stappen PCA

Answer 12

1. Zoek de principale componenten
2. Kijk voor elke component hoeveel % van de totale variantie door de betreffende component wordt beschreven
3. Maak een bewuste keuze voor het aantal componenten
4. Bereken de geroteerde oplossing voor een beter interpreteerbare oplossing
5. Interpreteer de geroteerde oplossing, is er sprake van een eenvoudige structuur?
6. Geef inhoudelijke betekenis aan de componenten

Question 13

3 manieren om het aantal componenten te bepalen

Answer 13

• Je kiest een bepaald % en kijkt hoeveel je er hierbij nodig hebt
• Kaisers rule
• Cattels elbow criterion

Question 14

Kaisers rule

Answer 14

Alle componenten met een eigenwaarde van meer dan 1 neem je mee

Question 15

Cattel’s Elbow criterion

Answer 15

Op basis van een scree plot. Je kijkt waar de knik zit en pakt dan enkel de punten die hiervoor vallen mee. Dit is de meest gebruikte manier

Question 16

Communaliteiten

Answer 16

Per item aangeven hoeveel info de PC gezamelijk behouden

Question 17

Uniciteit

Answer 17

Deel van de variantie in een item die niet door de gezamelijke pc opgepakt wordt

uniciteit = 1 - communaliteit

Question 18

Perfecte eenvoudige structuur

Answer 18

• Elk item laadt op 1 en slechts 1 component
• Bij elke component horen een aantal items

Question 19

Principale component

Answer 19

Een gewogen gemiddelde van alle indicatoren

Question 20

Datareductie

Answer 20

Het hoofddoel is om een groot aantal variabelen terug te brengen tot een kleiner aantal ‘samenvattende variabelen’ (principale componenten), zonder dat er teveel informatie verloren gaat

Question 21

Gemeenschappelijke variantie

Answer 21

De gemeenschappelijke variantie is gelijk aan het kwadraat van
de correlatie.

Question 22

Waaruit is alle statistische informatie opgebouwd?

Answer 22

Variantie + correlatie

Question 23

Hoe krijg je de eerste principale component?

Answer 23

Met behulp van wiskundige optimalisatie kunnen we de waarden voor 𝑎1, 𝑎2 en 𝑎3 bepalen, waarmee je een PC krijgt die
de meeste variantie behoudt

Question 24

Synoniem gewogen som van variabelen

Answer 24

lineaire combinatie

Question 25

Eigenwaarde

Answer 25

De variantie van de waarnemingen langs deze as wordt beschreven door de eigenwaarde die bij de eerste component hoort. Dus, bij élke component hoort een eigenwaarde, en deze eigenwaarde geeft de mate van variatie op de component aan

Question 26

Wanneer zijn componenten orthogonaal

Answer 26

Verschillen langs de groene as staan haaks op de verschillen langs de rode as. M.a.w., de tweede component beschrijft verschillen tussen personen die niets te maken hebben met de verschillen op de eerste component

Question 27

Waarmee geven we componentladingen aan?

Answer 27

een a

Question 28

lading 𝑎(𝑖𝑐) verwijst naar...

Answer 28

de lading variabele 𝑖 op component 𝑐. Dus, het eerste index verwijst naar de variabele, en de tweede index verwijs naar de component.

Question 29

Hoe bereken je de eigenwaarde

Answer 29

Het is de som van de gekwadrateerde ladingen

Question 30

Grove stappen PCA analyse

Answer 30

1. Zoek de principale componenten (wiskundige oplossing) 2. Kijk voor elke component hoeveel % van de totale variantie door de betreffende component wordt beschreven. 3. Maak een beargumenteerde keuze over het aantal componenten dat je wilt behouden. 4. Bereken de geroteerde oplossing om een beter interpreteerbare oplossing te krijgen. 5. Interpreteer de geroteerde oplossing: Is er sprake van een eenvoudige (simpele) structuur? Welke items/componenten passen wel/niet binnen de structuur? 6. Geef een inhoudelijk betekenis aan de componenten. Wat betekenen hoge/lage scores op de component? Hoe hangen de geroteerde componenten samen?

Question 31

Wat vertelt de component matrix?

Answer 31

Deze tabel geeft de wiskundige oplossing van de componenten. Het is de uitkomst van een wiskundige optimalisatie. We noemen dit de initiële oplossing. Maar dit is nog NIET de oplossing waar we als inhoudelijke onderzoekers naar zullen kijken! Voordat we gaan interpreteren passen we meestal een rotatie toe. We kunnen de initiële oplossing wel gebruiken om te onderzoeken hoeveel % van de totale variantie elke component voor zijn rekening neemt en een keuze maken voor het aantal te behouden componenten.

Question 32

Waar kun je de initiele oplossing terugvinden van PCA

Answer 32

In de total variance explained tabel, de eerste 3 kolommen, initial eigenvalues

Question 33

Waar kun je de resultaten zien specifiek voor het aantal componenten dat je gekozen hebt?

Answer 33

In de total variances explained tabel de laatste 3 rijen (extraction sums of squared loadings). Wanneer je bv 2 componenten gekozen hebt, zijn de eerste 2 rijen hier hetzelfde als de 2 rijen aan het begin van de tabel bij PCA. Bij EFA niet

Question 34

Waar kun je zien per item welk deel van de variantie in dat item door alle PCA's wordt verklaard?

Answer 34

De communaliteiten tabel, en dan bij extraction

Question 35

Wat is de grens van een eenvoudige structuur in de praktijk?

Answer 35

Iedere component heeft zijn eigen groep van items. ieder item heeft op slechts één van de componenten een substantiële lading: |𝑎(𝑖𝑐)| ≥ 0.30.

Question 36

Kruisladingen

Answer 36

Een item op meerdere componenten substantieel laadt