Thema 2: Factor Analyse

Question 1

Wat is factoranalyse (FA)?

Answer 1

1. Samenhang tussen meerdere items tegelijk bekijken.
2. Holistisch
3. Onderzoeken of samenhangende items samengevoegd kunnen worden tot 1 gemeenschappelijke factor
4. Twee varianten: exploratieve en confirmatieve FA (en principale componentenanalyse - buiten psychologie gebruikt)

Question 2

Wat is exploratieve factoranalyse (EFA)

Answer 2

Zoeken naar mogelijke onderliggende factoren om een set variabelen te verklaren

Question 3

Wat is confirmatieve factoranalyse?

Answer 3

Bekijken hoe goed een vooropgestelde set factoren presteert

Question 4

Wat is covariantie?

Answer 4

1. De correlatie voordat je die deelt door het product van de twee standaarddeviaties
2. Bevat schaalinformatie, info daarover nodig!
3. Berekenen: formulie variantie toepaasen op 2 datareeksen

Question 5

Wat is een covariantiematrix?

Answer 5

1. Elke cel is uitkomst van de (co)variantieformule, covarianties. In diagonaal staan de varianties.
2. Bij FA: items met meer spreiding wegen zwaarder mee

Question 6

Wat is een correlatietabel/matrix?

Answer 6

1. Op elke cel wordt de formule voor correlatie toegepast.
2. Gestandaardiseerde variabelen
3. Verschil met covariantiematrix: resultaat ook gedeeld door product vd std
4. Standaard geanalyseerd bij FA, elk item even zwaar meewegen.

Question 7

Hoe wordt een variabele gestandaardiseerd?

Answer 7

Door van elk datapunt gemiddelde af te trekken en dan te delen door standaarddeviatie.

Schaalinformatie verwijderen

Question 8

Wat is een principale componentenanalyse? (PCA)

Answer 8

1. Grote —> kleine groep componenten
2. –> herformuleringen, lineaire combinaties van bestaande variabelen
3. Spreiding binnen en tussen de variabelen reproduceren
4. Doel covariantiematrix of correlatiematrix

Question 9

Wat zijn factorladingen?

Answer 9

1. Componenten bestaan uit ladingen
2. Lambda
3. Ladingen per deelnemer berekenen –> nieuwe datareeksen –> correlatiemix van de oorspronkelijke variabelen reproduceren

Question 10

Wat is communaliteit?

Answer 10

1. Wat een variabele deelt met de factoren/ De proportie van de variabele die wordt beschreven door de componenten.
2. Som van de gekwadrateerde ladingen voor die variabele

Question 11

Wat is eigenwaarde?

Answer 11

1. Verklaarde variantie per component
2. Som van de ladingen voor een component
3. Correlatiematrix heeft altijd evenveel eigenwaarden als er variabelen zijn
4. Max 1

Stel eigenwaarde <1 dan verklaart die component minder variantie dan 1 vd oorspronkelijke variabelen

Question 12

Wat is het Kaiser-criterium?

Answer 12

Criterium van eigenwaarde om te bepalen hoeveel componenten je over wil houden. Vuistregel: elke variabele draagt 1 aan variantie bij.

Nadeel: overschatten aantal factoren

Question 13

Noem 2 manieren om te kiezen hoeveel componenten je over wil houden

Answer 13

1. Kaiser-criterium obv eigenwaarde
2. Scree plot

Question 14

Wat is een scree plot?

Answer 14

1. Visualisatie van eigenwaarde
2. Elleboog zoeken en aantal componenten dat net 1 kleiner is
3. Bij sterke samenhang (correlatie) tussen de items logisch om op 1 component uit te komen

Question 15

Wat is uniciteit?

Answer 15

1. Unieke variantie, complement van de communaliteit. Variantie die uniek is voor die specifieke variabele. In EFA error, ben je niet in geinteresseerd

Question 16

Noem 2 soorten rotaties

Answer 16

1. Orthogonale rotatie. Varimax. Onafhankelijk.
2. Non-orthogonale rotatie. Oblique/scheve rotatiemtehode. Oblimin. Bij samenhang.

Question 17

Wat is een rotatie?

Answer 17

Hulpmiddel om de interpretatie vd componenten te vergemakkelijken. Leidt niet tot betere voorspelling!

Bij PCA en EFA

Componenten roteren zodat elke component vooral wordt uitgedrukt in de variabelen die er het sterkst mee samenhangen.

Question 18

Wat zijn residuen?

Answer 18

1. Verschil tussen de oorspronkeljik geobserveerde covariantiematrix en de gereproduceerde.
2. Residuen voor en na varimax-rotatie zijn gelijk. Proportie verklaarde variantie blijft gelijk. Alleen hoe componenten zijn samengesteld verandert door rotatie.
3. Informatiebron om te bepalen hoeveel componenten je wil ‘trekken’

Question 19

Wat is R2

Answer 19

1. Proportie verklaarde variantie
2. Schatting van de hoeveelheid overlap tussen eerste item en andere items
3. Goede schatting voor de communaliteit

Question 20

Hoe bereken je communaliteit bij EFA?

Answer 20

1. Voor elk item regressieanalyse met alle andere items als voorspellers en dan reeks aan schattingen van R2 invullen op de diagonaal van de correlatiematrix

Question 21

Hoe verhouden eigenwaarden van een correlatiematrix zich tot verklaarde varianties?

Answer 21

Eigenwaarde is verklaarde variantie per component

Question 22

Wat doen rotaties met de factorladingen in een factoranalyse?

Answer 22

Verklaarde proportie verandert niet! Allene hoe componenten zijn samengesteld

Question 23

Wat is het verschil tussen itemanalyse en factoranalyse?

Answer 23

Itemanalyse kijkt hoe elk onderdeel van het meetinstrument samenhangt met elk ander onderdeel.

Factoranalyse kijkt naar of.hoe samenhang tussen meerdere items tegelijk.

Question 24

Wordt bij PCA en factoranalyse de correlatiematrix of covriantiematrix gebruikt?

Answer 24

Correlatiematix omdat het doel is de covariantiematrix zo goed mogelijk te reproduceren. En deze is gestandaardiseerd dus correlatiematrix

Question 25

Hoe kun je zien welke rotatie geschikt is?

Answer 25

Als de factoren oblique zijn geroteerd. (en dus correleren) overlappen ze, dus proportie verklaarde variantie is niet gelijk aan som gekwadrateerde factorladingen tov totaal te verklaren variantie

Question 26

Wanneer heb je een lagere steekproefomvang nodig bij factoranalyse?

Answer 26

1. bij verificatie validiteit 2. bij ontwikkelen instrument als: communaliteiten hoog; factorladingen hoog; meer items per factor

Question 27

Waar gebruik je CFA voor?

Answer 27

Verschillende modellen vergelijken. Confirmatief. Dan specificeren welke items onder welke facotren vallen

Question 28

Wat betekenen afwijkende resultaten bij te lagen N bij ontwikkelen instrument?

Answer 28

Of steekproef/meetfout OF instrument is niet valide toegepast in huidige steekproef Onduidelijk! Vermijden

Question 29

Wat indiceert lage ladingen op (alle) factoren?

Answer 29

Item past niet goed op die structuur

Question 30

Wat indiceert lage communaliteit?

Answer 30

= hoge uniciteit. Dit item deelt met geen van de factoren veel variantie. Dus laadt niet goed.

Question 31

Wat indiceert gelijke ladingen op factoren?

Answer 31

Item deelt wel variantie maar niet duidelijk meer met het ene dan het andere

Question 32

Wat is het verband tussen de keuze van het aantal factoren en de interpretatie?

Answer 32

Hangen onafscheideljik samen. Patronen in factorladingen komen niet altijd overeen met de verwachting.