Hoorcollege 10B: Schaalconstructie deel 2 (+betrouwbaarheidsanalyse)

Question 1

1. Welke aspecten van betrouwbaarheid heb je? + benoem de verschillende metingen die je verricht per aspect.
2. Geef een definitie van de laatste aspect van betrouwbaarheid.
3. Welke dingen moet je noemen als je een schaal beschrijft?

Answer 1

1.  Stabiliteit= als een zelfde meting op dezelfde manier wordt herhaald biij dezelfde onderzoekseenheden en de resultaten (nagenoeg) identiek zijn dan s de meting stabiel/betrouwbaar.
   - Test-hertest betrouwbaarheid
   - Intracodeurbetrouwbaarheid (exact hetzelfde test op twee momenten, dan moet er uit die twee metingen op verschillende momenten hetzelfde resultaat zijn, dan heb je een stabiele meting verricht.
    Equivalentie= Als bij dezelfde onderzoekseenheden eenzelfde verschijnsel op twee manieren wordt gemeten en de resultaten (nagenoeg) identiek zijn dan zijn de metingen equivalent/betrouwbaar.
   - Parallelle test (twee verschillende meetinstrumenten, hetzelfde gaat meten en dan moet wel hetzelfde uitkomen).
   - Intercodeubetrouwbaarheid
    Interne consistentie= binnen je schaal, binnen je latente variabele, kijken of je consistent hetzelfde hebt gemeten.
   - Split-half betrouwbaarheid
   - Cronbachs alpha (betrouwbaarheid meten van je nieuwe schaal)
2. Interne consistentie= Als een begrip/verschijnsel door middel van verschillende metingen wordt vastgesteld en die metingen hebben een grote mate van overeenstemmingen dan zijn die metingen intern consistent/betrouwbaar. Oftewel als je verschillende metingen doet, en het is gericht op een enkel aspect, dan heb je wss een hoge betrouwbaarheid. Dit kan je meten door de cronbachs alpha. Schaal betrouwbaar? Dan kan je er een schaal van maken.
3. Beschrijven van de schaal:
   - Gemiddelde & standaarddeviatie
   - Op een schaal van .. tot .. (welke punt schaal is het?)
   - Interpretatie geven: Dat wil zeggen dat studenten gemiddeld redelijk hoog scoren op de angst voor de statistiek. Vermeld dat hoe hoger op deze factor wordt gescoord, hoe hoger op dat component wordt gescoord.

Question 2

1. Wat is het verschil tussen een ééndimensionale en een meerdimensionale schaal?
2. Wat kan je zeggen over de overlap van verschillende factoren in 1 overlap?

Answer 2

1. Ééndimensionale schaal= gamemotivatie als schaal die loopt van niet tot heel erg gemotiveerd. (1 factor (en schaalvariabele (=na het maken van een schaal d.m.v compute heb je een schaalvariabele).
   - Meerdimensionale schaal: verschillende dimensies.factoren mogelijk, bv. verschillende soorten motieven: prestatiemotief (met meerdere vragen: ik game om beter te worden etc) & sociaal motief (ik game met leuk te hebben met vrienden etc) etc. (verschillende motieven wegen niet bij iedereen even zwaar). Dan heb je twee factoren > die factoren bevatten al meerdere vragen (items/variabele)
2. Middelste gedeelte vormt de 1e factor (gemeenschappelijke variantie van de 1e factor). Een grote eigenwaarde betekent dat het een grote gemeenschappelijkheid heeft. Overlap van al die items bij elkaar. Hoe groter de overlap, hoe hoger de factor (eigenwaarde). De andere overlappen noem je een component. Hoeveel overlap er aanwezig is, is het aantal eigenwaarden/componenten.

> Als je twee eigenwaarden hebt, tel je de verklaarde variantie van deze 2 eigenwaarden bij elkaar op. Wanneer de items hoog correleren met elkaar en hoger zijn dan 0,45 horen ze duidelijk bij elkaar (bij factor 1 bv).

Question 3

1. Wat is een zuinige oplossing?
2. Wat is een uitputtende oplossing?
3. Wat is het probleem als je twee of meer factoren hebt?
4. Hoe los je dit probleem op?

Answer 3

1. Zuinige= als je heel veel items hebt, en je hebt maar 1 of 2 factoren eruit haalt. Daarom streven we naar een zuinige oplossing: met zo weinig mogelijk factoren, zoveel mogelijk variantie van de items ‘dekken’.
2. Uitputtende= dat je heel veel factoren hebt, en weinig variabelen. Met evenveel factoren als items kun je altijd alle variantie van de items ‘dekken’. Hoeveel factoren/componenten kun je maken van je 10 variabelen? Maar 5 variabelen? Dan is het uitputtend, als het maar 1 of 2 componenten uit die 10 variabelen komen, dan is het juist zuinig, want dan dekt 1 factor alle 10 variabelen.
3. Meestal geen duidelijk patroon dat sommige items bij de ene factor horen, andere bij de andere factor. Maar dit wil je wel hebben dat sommige items samen het ene deelaspect (dimensie) van de houding of opvatting meten, andere items meten een ander deelaspect. D.w.z.: de ene factor meet niet ‘kunst en plezier’, maar alleen kunst, en de andere factor alleen plezier.
4. Je wil dus duidelijk onderscheid tussen de twee factoren hebben, dus voer je ‘varimaxrotatie’ uit. Hoe meer je roteert, hoe zichtbaarder het wordt, je hebt dan een beter zicht op je data. Het doel van rotatie= items hebben zo hoog mogelijke lading (dichtbij 1 of -1) op de ene factor en zo laag mogelijk (dicht bij 0) op de andere factor > duidelijk verschil/onderscheid. Dus varimaxrotatie is gewoon een hele precieze extractie van de factorladingen.