CFA RMSEA SEM

Question 1

Wanneer gebruik je PCA

Answer 1

Als je alle variantie die er is wil verklaren

Question 2

Wanneer gebruik je EFA

Answer 2

Als je juist wil kijken naar de samenhang van items, aan de hand van 1 of meer factoren

Question 3

Wat is een probleem bij grote residuen?

Answer 3

Een lage betrouwbaarheid

Question 4

Waaruit is de totale variantie opgebouwd?

Answer 4

De common variance en unieke variance

Question 5

Synoniem common variance

Answer 5

Communality

Question 6

Hoe bereken je communality

Answer 6

Je telt de eigenwaardes van de items die je wil bekijken op, en deelt dit door het totale aantal items

Question 7

Waaruit is unieke variantie opgebouwd?

Answer 7

Specifieke en error variantie

Question 8

Error variantie

Answer 8

Meetfouten

Question 9

Specifieke variantie

Answer 9

Variantie specifiek voor het item maar die niet wordt gedeeld met andere items

Question 10

2 verschillen EFA en PCA

Answer 10

1. We beschouwen de factoren als oorzaken bij EFA
2. We verdelen de itemvariantie in 2 componenten, gezamelijk en uniek

Question 11

Kenmerken EFA

Answer 11

• Geen specifieke hypothese van tevoren
• Je begint met een geschat aantal factoren, en kijkt hierna of dit klopt

Question 12

Hoeveel items heb je minimaal nodig voor EFA

Answer 12

Minimaal 3

Question 13

Hoe bereken je het aantal unieke itemcorrelaties

Answer 13

Je kijkt naar het aantal indicatoren

Als je er 4 hebt:
(4x(4-1) /2
(4x3)/ 2
12/2
6

Question 14

Variantie bij gestandaardiseerde variabelen

Answer 14

Variantie is 1

Covariantie = correlatie

Question 15

iteratief zoeken

Answer 15

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

Question 16

Veelgebruikte initiele schatting van de communaliteit

Answer 16

De R-square die je krijgt als je het betreffende item regresseert op alle andere items

Question 17

4 stappen om je EFA te controleren

Answer 17

1. Prechecks, is EFA zinvol?
2. Kies het aantal factoren dat je wil extraheren
3. Schat het factor model met het gekozen aantal factoren en de geigende rotatie
4. Evalueren van de factoroplossing

Question 18

Deelvragen van prechecks, is EFA zinvol

Answer 18

• Is je steekproef groot genoeg
• Voldoen de data aan bepaalde verdelingsaannames
• Is de samenhang tussen de items factoriseerbaar

Question 19

Is je steekproef groot genoeg?

Answer 19

Hier is een vuistregel voor, je moet minimaal 5 waarnemingen per item hebben, maar 100 man als absolute ondergrens

Question 20

Voldoen de data aan bepaalde verdelingsaannames?

Answer 20

1. Onafhankelijke observaties
2. Scores op geobserveerde variabelen zijn continu en getrokken uit normaal verdeelde populatie
3. Scores op latente variabelen zijn ook normaal verdeeld

Question 21

Is de samenhang tussen de items factoriseerbaar?

Answer 21

3 vuistregels
- Minstens 60% van de correlaties is groter dan 0.3
- Bartlett’s spericity test is significant
- KMO-index

Question 22

Waar staat KMO voor

Answer 22

Kaiser Meyes Olkin index

Question 23

Bartlett’s specirity test

Answer 23

De toets test H0: alle interitem correlaties zijn 0
vs
h1: 1 of meer correlaties wijken af van 0

Question 24

Onvoldoende KMO index

Answer 24

onder de 0.6

Question 25

matig tot redelijke kmo index

Answer 25

0.6-0.8

Question 26

adquate kmo index

Answer 26

boven de 0.8

Question 27

Wat is belangrijk voor stap 2: kies het aantal factoren dat je wil extraheren

Answer 27

Je MOET minimaal 3 items per factor hebben

Question 28

Over welke 2 dingen moet je een beslissing nemen bij stap 3: schat het factor model met het gekozen aantal factoren en de geeigende rotatie?

Answer 28

- Welke schattingsmethode gebruik je - Welke rotatiemethode gebruik je

Question 29

CFA

Answer 29

Conformatieve factoranalyse

Question 30

Eisen CFA

Answer 30

- Een aantal ladingen is vastgesteld op 0 - De rest van de ladingen worden wel geschat - Items mogen op meerdere factoren laden, als er per factor maar enkele unieke items zijn - Wordt meestal gebruikt om een simpele structuur te forceren - Roteren mag niet!!

Question 31

Voordelen CFA

Answer 31

- Modellen zijn spaarzamer - Correlaties tussen disturbance termen kunnen worden gemodereerd - Schatten van de orrelaties tussen de constructen wordt gecorrigeerd voor meetfouten - Je kunt verschillende theorien over de onderliggende structuur gemakkelijk vergelijken - Je kunt formeel onderzoeken of de factorstructuur vergelijkbaar is tussen groepen of over tijd

Question 32

Nadelen CFA

Answer 32

- Je hebt speciale software nodig - Normaliteitsassumpties spelen een zwaardere rol - Je hebt een goede theoretische basis nodig

Question 33

Waarom spelen bij CFA normaliteitsassumpties een zwaardere rol?

Answer 33

Omdat je niet alleen de structuur gaat exploreren maar ook formele hypothesetoetsen uitvoert. Als de aannames geschonden zijn kun je niet vertrouwen op de toetsen

Question 34

Model fit onderzoek

Answer 34

Met behulp van een formele statistische nulhypothese toets kijken of het model past of Met behulp van beschrijvende grootheden kijken

Question 35

Welke toets hoort bij modelfit?

Answer 35

De chi kwadraat toets

Question 36

Wat is de H0 bij de chi kwadraat toets?

Answer 36

Alle residuele correlaties zijn 0

Question 37

Wat als je H0 bij de chi kwadraat toets verwerpt?

Answer 37

Je hebt dan een significante misfit

Question 38

Wat als je de H0 bij de chi kwadraat toets niet verwerpt

Answer 38

Dan heb je nog niet aangetoond dat je een significante misfit hebt

Question 39

Kanttekening bij de chi kwadraat toets

Answer 39

- Bij hele grote steekproeven wordt deze bijna altijd verworpen - Bij hele kleine steekproeven heb je juist geen power. Deze is pas significant als de residuele correlaties heel groot zijn

Question 40

Modelfit onderzoek met behulp van beschrijvende grootheden

Answer 40

Je kijkt naar de RMSEA

Question 41

RMSEA afkorting

Answer 41

Root mean squared error of approcimation De wortel van het gemiddelde van de gekwadrateerde residuele correlaties

Question 42

RMSEA perfect fit

Answer 42

0

Question 43

RMSEA close fit

Answer 43

0-0.05

Question 44

RMSEA =approximate / voldoende fit

Answer 44

0.05-0.08

Question 45

RMSEA slechte fit

Answer 45

meer dan 0.08

Question 46

Kenmerken RMSEA

Answer 46

- Het is een index, geen statistische toets - je berekent hem uit een steekproef - Het heeft een SE en betrouwbaarheidsinterval

Question 47

SEM afkorting

Answer 47

Structural equation models

Question 48

Wat voor iets is SEM

Answer 48

Een combinatie tussen CFA en padanalyse

Question 49

2 delen van SEM

Answer 49

- Een meetmodel waarin de indicatoren worden gelinkt aan de latente variabelen - Structureel model waarin de latente variabelen aan elkaar worden gelinkt

Question 50

Voordelen SEM

Answer 50

- Padanalyse en FA in 1 analyse - De analyse is gebaseerd op afzonderlijke indicatoren ipv somscores, dus niet steunen op somscores maar rekening houdend met factorladingen voor latente variabelen - Correctie voor meetfouten in de indicatoren - Grote padmodellen schatten met 1 analyse - Niet recursieve padmodellen schatten - Niet alleen aparte causale effecten toetsen, maar ook het model als geheel - Modellen vergelijken met de model fit

Question 51

Nadelen SEM

Answer 51

- Het gebruikt de maximum likelihood schatting - ML neemt aan dat de variabelen normaal verdeeld zijn. Schending hiervan heeft een grote impact op het hele model, zelfs als dit maar voor een paar variabelen is - Je hebt een grotere steekproef nodig

Question 52

Combinatie CFA en model fit

Answer 52

Het CFA model is een hypothese over de onderliggende latente variabele structuur die de varianties en samenhang in en tussen de items verklaren. Op basis van empirische gegevens kunnen we de hypothese onderzoeken! => model-fit onderzoek