CFA RMSEA SEM Flashcards
Wanneer gebruik je PCA
Als je alle variantie die er is wil verklaren
Wanneer gebruik je EFA
Als je juist wil kijken naar de samenhang van items, aan de hand van 1 of meer factoren
Wat is een probleem bij grote residuen?
Een lage betrouwbaarheid
Waaruit is de totale variantie opgebouwd?
De common variance en unieke variance
Synoniem common variance
Communality
Hoe bereken je communality
Je telt de eigenwaardes van de items die je wil bekijken op, en deelt dit door het totale aantal items
Waaruit is unieke variantie opgebouwd?
Specifieke en error variantie
Error variantie
Meetfouten
Specifieke variantie
Variantie specifiek voor het item maar die niet wordt gedeeld met andere items
2 verschillen EFA en PCA
- We beschouwen de factoren als oorzaken bij EFA
- We verdelen de itemvariantie in 2 componenten, gezamelijk en uniek
Kenmerken EFA
- Geen specifieke hypothese van tevoren
- Je begint met een geschat aantal factoren, en kijkt hierna of dit klopt
Hoeveel items heb je minimaal nodig voor EFA
Minimaal 3
Hoe bereken je het aantal unieke itemcorrelaties
Je kijkt naar het aantal indicatoren
Als je er 4 hebt:
(4x(4-1) /2
(4x3)/ 2
12/2
6
Variantie bij gestandaardiseerde variabelen
Variantie is 1
Covariantie = correlatie
iteratief zoeken
Je begint met een schatting van de communaliteiten. Als je deze hebt update je de gereduceerde correlatie matrix door de communaliteiten te berekenen van het geschatte model. Hierna ga je weer op zoek naar factorladingen waarmee je de huidige gereduceerde correlatie matrix het best kunt verklaren
Veelgebruikte initiele schatting van de communaliteit
De R-square die je krijgt als je het betreffende item regresseert op alle andere items
4 stappen om je EFA te controleren
- Prechecks, is EFA zinvol?
- Kies het aantal factoren dat je wil extraheren
- Schat het factor model met het gekozen aantal factoren en de geigende rotatie
- Evalueren van de factoroplossing
Deelvragen van prechecks, is EFA zinvol
- Is je steekproef groot genoeg
- Voldoen de data aan bepaalde verdelingsaannames
- Is de samenhang tussen de items factoriseerbaar
Is je steekproef groot genoeg?
Hier is een vuistregel voor, je moet minimaal 5 waarnemingen per item hebben, maar 100 man als absolute ondergrens
Voldoen de data aan bepaalde verdelingsaannames?
- Onafhankelijke observaties
- Scores op geobserveerde variabelen zijn continu en getrokken uit normaal verdeelde populatie
- Scores op latente variabelen zijn ook normaal verdeeld
Is de samenhang tussen de items factoriseerbaar?
3 vuistregels
- Minstens 60% van de correlaties is groter dan 0.3
- Bartlett’s spericity test is significant
- KMO-index
Waar staat KMO voor
Kaiser Meyes Olkin index
Bartlett’s specirity test
De toets test H0: alle interitem correlaties zijn 0
vs
h1: 1 of meer correlaties wijken af van 0
Onvoldoende KMO index
onder de 0.6