pp Flashcards
PCA
principle components analysis -> hoofdcomponentenanalyse
PAF
Principal axis factoring (PAF)
wanneer gebruik je PAF
voor inhoudelijke interpretatie
Wanneer gebruik je PCA
voor data reductie
- Orthogonale rotatie
Er zijn geen correlaties tussen de factoren mogelijk: zorgt ervoor dat de constructen niet met elkaar samenhangen/correleren
- Oblique rotatie:
Er zijn wel correlaties tussen de factoren mogelijk: de constructen mogen onderling met elkaar samenhangen. Dit is een theoretische vraag. Hier kan gebeuren dat er veel correlatie is tussen de 2 factoren dan kun je nog meer reduceren.
Voor welke doelen kunnen we een factoranalyse inzetten
- Ondersteuning vinden voor de dimensionaliteit van meetinstrument (interne structuur).
- Datareductie bij veel items voor hetzelfde kenmerk, of bij meerdere variabelen die
hetzelfde kenmerk meten
Wat moet je doen om te controleren of een factoranalyse zinvol is
Om te controleren of een factoranalyse zinvol is, ga je in de item-correlatiematrix (voor de
twaalf items) na of er minstens één correlatie groter is dan .30.
moderatie
moderatie is als een effect anders is voor een bepaalde andere groep -> je hebt een relatie tussen 2 factoren en een andere variabele is van invloed op die relatie
m is van invloed op de relatie tussen x en y
waarin ben je vooral geintereseerd bij moderatie
in het interactie-effect tussen x en M
wat toest je bij moderatie
het hoofdeffect: x op y
het hoofdeffect: m op y
en het interactie-effect x . m op y
VIF
> 10
tolerance
< .2
wat is de vraag bij mediatie
is er een variabele m die een verklaring geeft voor de relatie tussen x en y
wat is het meetniveau van de mediator
interval meetniveau omdat het ook een uitgangsmaat is. m wordt voorspelt door x
mediatie direct model
kijken of er een relatie is tussen x en y. Als er geen relatie is, dan is er ook niks wat die relatie verklaart -> dus er moet eerst een relatie zijn voordat je kunt beginnen om deze relatie te verklaren.
model 2
zit er een relatie tussen x en m. hier moet een relatie tussen zitten want je wil met m de relatie verklaren tussen x en y als x niks veranderd in m dan zal dat niet de reden zijn dat er iets anders gaat gebeuren. Als x niks veranderd dan heeft m geen effect op y
model 3
kijken naar de relatie x en y
en m en y, dan stop je ze beide in een model en kijk je of er een volledige of partiele mediatie aanwezig is.