VOS hoorcolleges
College 1
Het kan zijn dat verschillende stimuli een gemeenschappelijke achtergrond
hebben. Deze gemeenschappelijke achtergrond is een soort verklarende factor
van de antwoorden die mensen gegeven op verschillende stimuli
Onderzoeksvaliditeit: de mate waarin de resultaten en conclusies van een
onderzoek juist, betrouwbaar en generaliseerbaar zijn
- Externe validiteit: generaliseerbaar
- Interne validiteit: geen storende variabele
- Begripsvaliditeit
- Statistische validiteit: de mate waarin de statistische resultaten
betrouwbaar zijn en het risico op fouten in de conclusies geminimaliseerd
is
Instrumentele validiteit: de mate waarin een meetinstrument (zoals een test,
vragenlijst of enquête) daadwerkelijk meet wat het beoogt te meten.
- Inhoudsvaliditeit: de mate waarin een meetinstrument alle relevante
aspecten of kenmerken van het beoogde construct volledig en
representatief dekt. wordt door deskundige beoordeelt
- Begripsvaliditeit :meet de test het theoretische concept dat moet
worden gemeten?
Relaties binnen test (interne structuur) FACTORANALYSE
Relaties met andere variabelen (externe structuur)
- Criteriumvaliditeit: de mate waarin de resultaten van een
meetinstrument overeenkomen met een externe maatstaf of criterium
waarvan bekend is dat het gerelateerd is aan het te meten construct.
De factoranalyse onderscheid meerdere aspecten van complexe theoretische
begrippen en of we die achterliggende factoren ook uit de data worden gehaald.
Twee doelen factoranalyse
1. Beoordelen dimensionaliteit van test: Vinden we het aantal theoretisch
veronderstelde dimensies binnen de verzameling van testitems?
Confirmerende factoranalyse (CFA): vinden van bevestiging van
verwachting over dimensionaliteit van het instrument
2. Realiseren van datareductie: kunnen we informatie uit groot aantal
variabelen (item, tests, antwoorden etc.) samenvatten in kleiner aantal
nieuw te construeren variabelen (= factoren).
explorerende factoranalyse: nog geen concreet idee van de structuur en
we kijken gewoon of de factoren vinden die onze meting verklaren
Hoofdcomponentenanalyse
Voorbeeld meten intelligentie
Elf subtests algemene intelligentietest
,1.Algemene ontwikkeling 2. Gezond verstand 3. Cijfers nazeggen 4. Rekenen 5.
Overeenkomsten 6. Woordenlijst 7. Plaatjes rangschikken 8. Plaatjes aanvullen 9.
Blokpatronen 10. Legkaarten 11. Cijfersymbolen
Factoranalyse stappen
0. Datascreening: er is samenhang nodig tussen de variabele om geldig te
zijn (correlatiematrix). Vuistregel: minstens 1 correlatie groter dan r= .30
Alle correlaties zijn hier groter dan .30 dus is er samenhang en kunnen we
opoek naar mogelijk achterliggende factoren
1. KEUZE FACTORMODEL
- Hoofdcomponentenanalyse (PCA)
- Exploratieve factoranalyse (EFA)
- Confirmatieve factoranalyse (CFA)
Testscores Z-scores (gestandaardiseerde scores)
, Factormodel PCA
Hoe gaan we met zo min mogelijk factoren zoveel mogelijk varianties kunnen
representeren? de observaties van de 11 tests zullen uitkomen dat niet
iedereen hetzelfde scoort op de test. De statistische maat voor de grootte van
variatie is variantie. Een factor pakt iets van die spreiding en representeert
deze. We zoeken naar zo min mogelijk achterliggende factoren om zoveel
mogelijk spreiding te verklaren. Hier onder zie je eigenlijk van alle 11 de
variabelen een Z score. Al deze Z scores worden verklaard door twee factoren: c1
en c2. De sterkte van de smanehang tussen een Z score en een C factor kan
worden aangeduid met het getal a. a geeft de sterkte van de samenhang aan
tussen een observatie en de achterliggende componenten/factoren. In dit model
zie je dat alle variabelen samenhang hebben met beide achterliggende factoren.
Factormodel EFA
- Het is nog onbekend hoeveel verklarende factoren er zijn
- De peilen staan de andere kant op, omdat we veronderstellen dat de
factoren een verklaring zijn voor de observaties.
- Er wordt nog een u aan toegevoegd: voor alle observaties zien we dat er
een aantal factoren invloed hebben. Er zijn echter ook factoren die invloed
, hebben, maar die niet nader gespecifieerd zijn. De hoofdcomponenten
analyse kent deze u niet
Factormodel CFA
- We hebben een heel duidelijk beeld over het aantal achterliggende
factoren. Het idee is dat we nagaan of het idee over de achterliggende
structuren ook ondersteund wordt door de data
- Het is erg gespecificeerd welke variabele bij welke factor hoort
Toelichting factormodel
College 1
Het kan zijn dat verschillende stimuli een gemeenschappelijke achtergrond
hebben. Deze gemeenschappelijke achtergrond is een soort verklarende factor
van de antwoorden die mensen gegeven op verschillende stimuli
Onderzoeksvaliditeit: de mate waarin de resultaten en conclusies van een
onderzoek juist, betrouwbaar en generaliseerbaar zijn
- Externe validiteit: generaliseerbaar
- Interne validiteit: geen storende variabele
- Begripsvaliditeit
- Statistische validiteit: de mate waarin de statistische resultaten
betrouwbaar zijn en het risico op fouten in de conclusies geminimaliseerd
is
Instrumentele validiteit: de mate waarin een meetinstrument (zoals een test,
vragenlijst of enquête) daadwerkelijk meet wat het beoogt te meten.
- Inhoudsvaliditeit: de mate waarin een meetinstrument alle relevante
aspecten of kenmerken van het beoogde construct volledig en
representatief dekt. wordt door deskundige beoordeelt
- Begripsvaliditeit :meet de test het theoretische concept dat moet
worden gemeten?
Relaties binnen test (interne structuur) FACTORANALYSE
Relaties met andere variabelen (externe structuur)
- Criteriumvaliditeit: de mate waarin de resultaten van een
meetinstrument overeenkomen met een externe maatstaf of criterium
waarvan bekend is dat het gerelateerd is aan het te meten construct.
De factoranalyse onderscheid meerdere aspecten van complexe theoretische
begrippen en of we die achterliggende factoren ook uit de data worden gehaald.
Twee doelen factoranalyse
1. Beoordelen dimensionaliteit van test: Vinden we het aantal theoretisch
veronderstelde dimensies binnen de verzameling van testitems?
Confirmerende factoranalyse (CFA): vinden van bevestiging van
verwachting over dimensionaliteit van het instrument
2. Realiseren van datareductie: kunnen we informatie uit groot aantal
variabelen (item, tests, antwoorden etc.) samenvatten in kleiner aantal
nieuw te construeren variabelen (= factoren).
explorerende factoranalyse: nog geen concreet idee van de structuur en
we kijken gewoon of de factoren vinden die onze meting verklaren
Hoofdcomponentenanalyse
Voorbeeld meten intelligentie
Elf subtests algemene intelligentietest
,1.Algemene ontwikkeling 2. Gezond verstand 3. Cijfers nazeggen 4. Rekenen 5.
Overeenkomsten 6. Woordenlijst 7. Plaatjes rangschikken 8. Plaatjes aanvullen 9.
Blokpatronen 10. Legkaarten 11. Cijfersymbolen
Factoranalyse stappen
0. Datascreening: er is samenhang nodig tussen de variabele om geldig te
zijn (correlatiematrix). Vuistregel: minstens 1 correlatie groter dan r= .30
Alle correlaties zijn hier groter dan .30 dus is er samenhang en kunnen we
opoek naar mogelijk achterliggende factoren
1. KEUZE FACTORMODEL
- Hoofdcomponentenanalyse (PCA)
- Exploratieve factoranalyse (EFA)
- Confirmatieve factoranalyse (CFA)
Testscores Z-scores (gestandaardiseerde scores)
, Factormodel PCA
Hoe gaan we met zo min mogelijk factoren zoveel mogelijk varianties kunnen
representeren? de observaties van de 11 tests zullen uitkomen dat niet
iedereen hetzelfde scoort op de test. De statistische maat voor de grootte van
variatie is variantie. Een factor pakt iets van die spreiding en representeert
deze. We zoeken naar zo min mogelijk achterliggende factoren om zoveel
mogelijk spreiding te verklaren. Hier onder zie je eigenlijk van alle 11 de
variabelen een Z score. Al deze Z scores worden verklaard door twee factoren: c1
en c2. De sterkte van de smanehang tussen een Z score en een C factor kan
worden aangeduid met het getal a. a geeft de sterkte van de samenhang aan
tussen een observatie en de achterliggende componenten/factoren. In dit model
zie je dat alle variabelen samenhang hebben met beide achterliggende factoren.
Factormodel EFA
- Het is nog onbekend hoeveel verklarende factoren er zijn
- De peilen staan de andere kant op, omdat we veronderstellen dat de
factoren een verklaring zijn voor de observaties.
- Er wordt nog een u aan toegevoegd: voor alle observaties zien we dat er
een aantal factoren invloed hebben. Er zijn echter ook factoren die invloed
, hebben, maar die niet nader gespecifieerd zijn. De hoofdcomponenten
analyse kent deze u niet
Factormodel CFA
- We hebben een heel duidelijk beeld over het aantal achterliggende
factoren. Het idee is dat we nagaan of het idee over de achterliggende
structuren ook ondersteund wordt door de data
- Het is erg gespecificeerd welke variabele bij welke factor hoort
Toelichting factormodel
