Brainscape's Knowledge GenomeTM

Browse over 1 million classes created by top students, professors, publishers, and experts.


See full index

2: Blok 2 - VOS > FACTORANALYSE & BETROUWBAARHEIDSANALYSE (HC, Grasple, Weekopdracht) > Flashcards

FACTORANALYSE & BETROUWBAARHEIDSANALYSE (HC, Grasple, Weekopdracht) Flashcards

1
Q

Welke soorten onderzoeksvaliditeit zijn er? Leg ze uit (HC)

A
  • Externe validiteit: de mate waarin onderzoeksresultaten gegeneraliseerd kunnen worden naar de populatie en andere populaties, settings en tijden
  • Interne validiteit: de mate waarin de onderzoeksmethode alternatieve verklaringen voor een effect/relatie kan uitsluiten
  • Begripsvaliditeit: de mate waarin een conceptuele variabele accuraat is gemeten of gemanipuleerd
  • Statistische validiteit: de mate waarin de resultaten van een statistische analyse accuraat en adequaat zijn
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
2
Q

Hoe wordt begripsvaliditeit beoordeeld? (HC)

A
  • Externe structuur: beoordeel of testscores theoretisch verwachte relaties met andere variabele vertonen
  • Interne structuur: beoordeel of de theoretisch verwachte relaties binnen het instrument empirisch aanwezig zijn, dus samenhang intern beoordelen (factoranalyse)
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
3
Q

Wat zijn de doelen van factoranalyse? (HC)

A
  1. Beoordelen dimensionaliteit: vind je het aantal theoretisch veronderstelde dimensies (factoren)? Je hebt een heleboel items en daar ga je er minder van maken, een heleboel variabelen ook minder maken, je gaat ze vertegenwoordigen in kleinere samenvatting.
  2. Data reductie: kun je een groot aantal variabelen reduceren tot kleiner aantal nieuw te construeren variabelen (factoren)? Van een heleboel items naar een paar factoren.
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
4
Q

Definitie Confirmerende factoranalyse (HC)

A

Dit hoort bij het doel beoordeling van dimensionaliteit. Heleboel items samenvatten. Je probeert bevestiging te vinden over de verwachting van de structuur van een instrument; hier gebruik je PAF.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
5
Q

Definitie Explorerende factoranalyse (HC)

A

Dit hoort bij het doel data reductie. Van heleboek items naar een paar factoren. Factoranalyse wordt gebruikt om patronen in dataset te zoeken, hier gebruik je PCA.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
6
Q

Wat zijn de stappen van factoranalyse? (HC)

A
  1. Data verzamelen en data screening
  2. Keuze factormodel
    o Hoofdcomponentenanalyse (PCA – Principle Components Analysis)
    o Principal axis factoring (PAF)
  3. Bepalen aantal factoren
    o Eigenwaarde >1 criterium
    o Knikcriterium screenplot
  4. Interpreteren factoren
    o Orthogonale rotatie / oblique rotatie
    o Factorladingen
  5. Beoordelen kwaliteit factor oplossing
    o Proportie verklaarde variantie
    o Correlatie tussen de factoren
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
7
Q

Wat doe je in stap 0: Data verzamelen en screenen? (HC)

A

Je gaat kijken of het uberhaupt logisch is om te kijken naar een factoranalyse. Screenen is het kijken naar correlaties tussen alle verschillende variabelen. Hiervoor gebruik je een correlatietabel. De richting van verband maakt niet uit.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
8
Q

Wanneer is een factoranalyse zinvol? (HC)

A

Wanneer minstens één absolute correlatie groter is dan .30 (maakt dus niet uit welke kant op, -.30 of .30). Je kijkt vaak naar de diagonale streep.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
9
Q

Wanneer hangen variabelen goed samen? (HC)

A

Wanneer de correlaties hoog zijn

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
10
Q

Wat doen de factormodellen PAF en PCA? (HC)

A

Zoeken binnen een verzameling items naar groepjes (clusters) van items die met elkaar samenhangen en minder samenhangen met overige items. Dus onderliggende factoren vinden.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
11
Q

a. Wat is het minimale meetniveau van de variabelen die we gebruiken in factoranalyse?

A

Interval: de factoranalyse wordt uitgevoerd op correlaties en voor correlaties is minimaal interval meetniveau nodig.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
12
Q

b. Wat is het meetniveau van een afzonderlijk Likert item?

A

Ordinaal. In de factoranalyse beschouwd als interval.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
13
Q

c. Wat is het meetniveau van de schalen die zijn samengesteld uit meerdere Likert items?

A

Interval (volgens afspraak)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
14
Q

d. Voor welke doelen kunnen we een factoranalyse inzetten?

A
  • Ondersteuning vinden voor dimensionaliteit van meetinstrumenten (interne structuur)
  • Datareductie bij veel items voor hetzelfde kenmerk, of bij meerdere variabelen die hetzelfde kenmerk meten
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
15
Q

e. Wat is het verschil tussen een confirmerende en explorerende factoranalyse?

A
  • Confirmerend: testen van een veronderstelde structuur. Dus bekijken of de (theoretisch) verwachte dimensionaliteit gevonden wordt
  • Explorerend: onderzoeken hoeveel achterliggende dimensies we met een verzameling variabelen kunnen representeren, zonder verwachting vooraf
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
16
Q

f. Wat moet je doen om te controleren of een factoranalyse zinvol is?

A

Om te controleren of een factoranalyse zinvol is, ga je in de item-correlatiematrix (voor twaalf items) na of er minstens één correlatie groter is dan .30.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
17
Q

Hoe noem je PCA ook wel? (HC)

A

Hoofdcomponentenanalyse.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
18
Q

Vul in (HC). Als confirmerende FA (bevestigend) is het doel …(1). Als explorerende FA het doel is dan …(2).

A

1: PAF
2: PCA

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
19
Q

Wat zijn de U’s in het factormodel? (HC)

A

Dat zijn unieke contributies. Bv als het met iets anders samenhangt dan met de latente factor, dit is niet van invloed op het volgende item.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
20
Q

Kijk je bij PAF en PCA naar unieke contributies? (HC)

A

Nee, bij PCA kijk je niet naar unieke contributies. PAF wel.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
21
Q

Wat doe je in stap 2 van de factoranalyse? (HC)

A

Je gaat het aantal factoren bepalen:
- Eigenwaarde
- Screeplot

22
Q

Vul aan (HC). Hoeveel variatie in de verschillende items kan verklaard worden adhv die ene factor? Dit kun je zeggen adhv…

A

eigenwaarde.

23
Q

Vul aan (HC). Als de eigenwaarde hoger is dan 1, …

A

kunnen we datareductie doen, anders niet. Als Eigenwaarde onder 1 gaat, wil je hem niet meenemen.

24
Q

Vul aan (HC). Hoe hoger het getal van eigenwaarde in het factormodel, hoe…

A

meer invloed (in het factormodel).

25
Q

Wat is de richtlijn voor het interpreteren van de factoren in de Pattern Matrix? (HC)

A

Richtlijn is items met absolute factorlading groter dan .4 passen bij die factor.

26
Q

Welke twee soorten rotatie heb je? (HC)

A
  1. Orthogonale rotatie
  2. Oblique rotatie
27
Q

Wat is Orthogonale rotatie? (HC)

A

Er zijn GEEN correlaties tussen de factoren mogelijk. Staan haaks op elkaar. Dus geen correlatie tussen factor 1 en 2. Kan handig zijn bij data-reductie, kan nuttig zijn in exploratieve factoranalyse.

28
Q

Waarom wil je geen variabelen die teveel met elkaar samenhangen? (HC)

A

Om multicollineariteit tegen te gaan.

29
Q

Wat is Oblique rotatie? (HC)

A

Er zijn WEL correlaties tussen factoren mogelijk. Variabelen hangen iets meer samen met specifieke variabele. Zorgt voor een oplossing die een betere beschrijving geeft van de factoren met correlatie.

30
Q

Wat kan een consequentie zijn van oblique rotatie? (HC)

A

Dat factoren best wel veel samenhangen met elkaar.

31
Q

Maakt het uit of je factorlading negatief of positief is in je output? (HC)

A

Nee, je moet uitgaan van absolute waarde. Het moet niet uitmaken of je de vraag positief of negatief stelt.

32
Q

Wat doe je ook nog in de derde stap? (HC)

A

Je kijkt naar inhoudelijke interpretatie. Wat zijn de vragen en waar richten de vragen zich op? Hangen de verdeelde vragen samen met elkaar? Zelfde categorie?

33
Q

Wat houdt stap vier in bij factoranalyse? (HC)

A

Kwaliteit van factoroplossing beoordelen. Je kijkt naar correaltie.

34
Q

Definitie Inter-factor correlatie (HC)

A

Dit vind je enkel bij Oblique rotatie. Het is de correlatie die wordt aangegeven in Component Correlation Matrix.

35
Q

Wat is de criteria die gebruikt wordt voor de correlatie in stap 4? (HC)

A

R^2 <.05 = zwak
.05 < R^2 < .15 = matig
.15 < R^2 <.30 = sterk
R^2 >.30 = zeer sterk
Bij matig moet de eigenwaarde tussen .05 en .15 zitten.

36
Q

Wat kun je doen als je een hoge correlatie (sterke samenhang) hebt in je component correlation matrix? (HC)

A

Dan kun je verder reduceren, ongeacht of je eigenwaarde boven 1 was.

37
Q

Definitie Systematische elementen en wat heb je hier altijd? (HC)

A

Er is altijd een overschatting of altijd een onderschatting. Je hebt hierbij systematische meetfouten wat de validiteit bedreigt.

38
Q

Definitie Toevallige elementen en wat heb je hier? (HC)

A

De ene keer overschatting, de andere keer onderschatting, is willekeurig. Toevallige meetfouten, je wilt dat deze klein zijn want dan ben je betrouwbaar.

39
Q

Wanneer is Cronbach’s alpha O/V/G bij:
1. Belangrijke beslissingen individueel niveau
2. Minder belangrijke beslissingen op individueel niveau
3. Onderzoek groepsniveau

A
  1. O: <.80, V: tussen .80 en .90, G: >.90
  2. O: <.70, V: tussen .70 en .80, G: >.80
  3. O: <.60, V: tussen .60 en .70, G: >.70
40
Q

Vul in (HC). Item rest correlaties dienen groter te zijn dan…

A

.3

41
Q

In welke analysetechnieken kun je schaalscores gebruiken? (HC)

A
  • Regressie/correlatie
  • AN(C)OVA
  • Herhaalde metingen/mixed design
  • Moderatie/mediatie
42
Q

Definitie R-matrix (Field)

A

Een matrix die alle correlaties tussen variabelen weergeeft.

43
Q

Wat is van belang bij factoranalyse? (Field)

A

Gemeenschappelijke variantie.

44
Q

Wat houdt het in als de communaliteit 1 is? (Field)

A

Dan wordt er aangenomen dat alle variantie gemeenschappelijke variantie is.

45
Q

Definitie Extractie (Field)

A

Proces waarbij bepaald wordt hoeveel factoren behouden blijven.

46
Q

Vul aan (Field). Hoe dichter de communaliteiten bij 1 liggen, hoe …

A

beter de factoren de originele gegevens verklaren.

47
Q

Vul in (Field). Bij …(1) rotatie blijven de factoren ongecorreleerd. Bij deze rotatie blijven de X-as en Y-as in een hoek van 90 graden op elkaar staan. Bij …(2) rotatie mogen de factoren wel met elkaar correleren, dus de assen hoeven niet loodrecht op elkaar te blijven staan.

A

1: orthogonale
2: oblique

48
Q

Als je ondersteuning vindt voor dimensioanliteit, is dit goed voor…

A

interne structuur en begripsvaliditeit.

49
Q

Definitie confirmerende FA

A

Hierbij hebben we voorafgaand aan de analyse een theoretische veronderstellingen over het aantal achterliggende dimensies van de verzameling variabelen. Als in de data verwachte dimensionaliteit wordt teruggevonden is dat een ondersteuning voor begripsvaliditeit (interne structuur)

50
Q

Definitie Explorerende factoranalyse

A

Hierbij hebben we voorafgaande aan de analyse geen theoretische veronderstellingen over het aantal achterliggende dimensies van de verzameling variabelen. Uit de analyse blijkt met hoeveel achterliggende dimensies we de verzameling variabelen kunnen representeren.

2: Blok 2 - VOS (8 decks)

Brainscape helps you reach your goals faster, through stronger study habits.
© 2024 Bold Learning Solutions. Terms and Conditions