Verdieping in Onderzoeksmethode en Statistiek
Hoorcollege 1 – Factoranalyse
Wat is factoranalyse?
- Zit er een gemeenschappelijk achtergrond aan stimuli als: vermoeidheid, lusteloosheid,
stemmingswisseling? Herfstdepressie
o Techniek die ons helpt bij het zoeken naar gemeenschappelijke achtergronden
– opzoek naar factor die verklaring is voor de antwoorden
- De resultaten van de factoranalyse geven zicht op de interne structuur van een
verzameling items (variabelen) en is daarmee een techniek die kan worden ingezet bij de
beoordeling van de begripsvaliditeit van een test, maar ook kan het zicht geven op het
aantal zinvol te onderscheiden factoren binnen een verzameling items. In dit laatste geval
zijn er van tevoren geen expliciete verwachtingen over te onderscheiden aspecten binnen
de verzameling items.
o Variabele in factoranalyse altijd minimaal interval meetniveau nodig
- In de factoranalyse gaat het altijd om de absolute waarden, dus nooit kijken naar minnetjes
voor getalen
Onderzoeksvaliditeit (of je conclusies terecht zijn/geldig zijn):
- Externe validiteit
- Interne validiteit
- Begripsvaliditeit (instrumentele validiteit)
- Statistische validiteit (de mate waarin de resultaten van een statistische analyse
nauwkeurig en goed gefundeerd zijn)
Instrumentele validiteit:
- De mate waarin een test aan zijn doel beantwoordt
- Inhoudsvaliditeit (content validity)
- Begripsvaliditeit (construct validity)
- Criteriumvaliditeit (criterium validity)
Soorten validiteit(beoordeling):
1. Inhoudsvaliditeit (content validity)
- Representeert de inhoud van de test het gehele inhoudsdomein?
o deskundigen oordeel/ indruksvaliditeit (face validity)
2. Begripsvaliditeit (construct validity)
- Meet de test het theoretische concept dat moet worden gemeten?
- De mate waarin de meetinstrumenten (operationele definitie) slagen in het meten van de
concepten/constructen en dus passen bij de conceptuele definitie. In experimenteel
onderzoek gaat het daarnaast om de mate waarin de bedoelde manipulatie geslaagd is.
1
,- overeenstemming tussen de operationalisatie (door middel van het meetinstrument) en het
theoretisch begrip (zoals beschreven in de conceptuele definitie)
o relaties binnen test (interne structuur) = Factoranalyse
o relaties met andere variabelen (externe structuur)
scores op de test vergelijken met andere tests
3. Criteriumvaliditeit (criterion validity)
- Voorspelt de test gedrag of prestatie (criterium) dat niet met test wordt gemeten?
o beoordeel een voorspelling op criterium met de test
voorbeeld BOS: rijgedrag en rijexamen
Factoranalyse: als we vinden wat we verwachten: noemen we dat een ondersteuning van de
begripsvaliditeit – interne structuur van meetinstrument
2 doelen factoranalyse:
1. Beoordelen dimensionaliteit van test
o Vinden we het aantal theoretisch veronderstelde dimensies (= factoren) binnen de
verzameling van testitems?
o Intelligentie voorbeeld: verschillende aspecten onderscheiden, verschillende stimuli
die samenhangen. Samenhang van die stimuli, meerdere items en daar factor van
maken, die concept meet
o Confirmerende factoranalyse (CFA)
Ondersteuning van verwachting over de interne structuur van het
instrument
Als de factoranalyse wordt ingezet voor ondersteuning van de
begripsvaliditeit
2. Realiseren van datareductie
o Kunnen we informatie uit groot aantal variabelen samenvatten in kleiner aantal
nieuw te construeren variabelen (= factoren)?
Aantal variabelen: items of tests etc.
o Datareductie: reduceren van verzameling van observaties tot kleiner aantal
o Explorerende factoranalyse (EFA)
Tegenpol van CFA
Hoeveel factoren kunnen we zinvol onderscheiden binnen een
verzameling van items
Afhankelijk van de mate waarin er expliciete verwachtingen zijn over
de interne structuur van een verzameling items, is de factoranalyse
meer of minder exploratief.
o Hoofdcomponentenanalyse (PCA)
Voorbeeld WAIS III – 11 subtests algemene intelligentietest:
Wecher Adult Intellegence Scale
3. Algemene ontwikkeling
4. Gezond verstand
5. Cijfers nazeggen
2
,6. Rekenen
7. Overeenkomsten
8. Woordenlijst
9. Plaatjes rangschikken
10. Plaatjes aanvullen
11. Blokpatronen
12. Legkaarten
13. Cijfersymbolen
Op alle testjes krijg je scores, en die meten de intelligentie
Theoretisch model WAIS III:
Factoranalyse uitvoeren:
Factoranalyse stap 0:
- Datascreening
Gebruik maken van correlatiematrix:
- Correlatie/samenhang is nodig om geldigheid te geven
- Ja, factoranalyse is zinvol voor deze data (meerdere correlatie is boven 30)
Factoranalyse stap 1:
- Keuze van factormodel:
o PCA: principal components analyses
3
, hoofdcomponenten analyse
o EFA: exploratory factor analyses
exploratieve factoranalyse
o CFA: confirmatory factor analyses
confirmatieve factoranalyse
Factormodel (PCA):
- 11 Z-scores (gestandaardiseerd)
- Er zal spreiding in alle test scores zijn
(iedereen geeft namelijk verschillende
antwoorden), ook wel variantie
- Factor kan die spreiding representeren
- Hoe kunnen we met zo weinig mogelijk
factoren, zoveel mogelijk variantie
verklaren?
- De 11 tests hangen samen met de 2
factoren: sterkte van die samenhang
wordt aangeduid met a getal
- Alle scores hebben samenhang met de 2
factoren
Factormodel (EFA):
- Hierbij is er onbekend hoeveel
factoren er in totaal zijn
- Peilen juist andersom
- Factoren zijn verklaring voor de
opservaties
- u = unieke factor - heeft ook invloed
op Z (wat niet nader gespecificeerd
is)
Factormodel (CFA):
- CFA gebruiken wanneer we heel
duidelijk beeld over aantal
achterliggende factoren (nu 2 factoren)
- Die worden ook ondersteund met
verzamelde data
- Gespecificeerd welke variabele bij
welke factor horen. Paar observaties
hebben met de ene factor te maken, en
paar met de ander
- Heeft te maken met begripsvaliditeit
- Wat kies je nou wanneer?
4
Hoorcollege 1 – Factoranalyse
Wat is factoranalyse?
- Zit er een gemeenschappelijk achtergrond aan stimuli als: vermoeidheid, lusteloosheid,
stemmingswisseling? Herfstdepressie
o Techniek die ons helpt bij het zoeken naar gemeenschappelijke achtergronden
– opzoek naar factor die verklaring is voor de antwoorden
- De resultaten van de factoranalyse geven zicht op de interne structuur van een
verzameling items (variabelen) en is daarmee een techniek die kan worden ingezet bij de
beoordeling van de begripsvaliditeit van een test, maar ook kan het zicht geven op het
aantal zinvol te onderscheiden factoren binnen een verzameling items. In dit laatste geval
zijn er van tevoren geen expliciete verwachtingen over te onderscheiden aspecten binnen
de verzameling items.
o Variabele in factoranalyse altijd minimaal interval meetniveau nodig
- In de factoranalyse gaat het altijd om de absolute waarden, dus nooit kijken naar minnetjes
voor getalen
Onderzoeksvaliditeit (of je conclusies terecht zijn/geldig zijn):
- Externe validiteit
- Interne validiteit
- Begripsvaliditeit (instrumentele validiteit)
- Statistische validiteit (de mate waarin de resultaten van een statistische analyse
nauwkeurig en goed gefundeerd zijn)
Instrumentele validiteit:
- De mate waarin een test aan zijn doel beantwoordt
- Inhoudsvaliditeit (content validity)
- Begripsvaliditeit (construct validity)
- Criteriumvaliditeit (criterium validity)
Soorten validiteit(beoordeling):
1. Inhoudsvaliditeit (content validity)
- Representeert de inhoud van de test het gehele inhoudsdomein?
o deskundigen oordeel/ indruksvaliditeit (face validity)
2. Begripsvaliditeit (construct validity)
- Meet de test het theoretische concept dat moet worden gemeten?
- De mate waarin de meetinstrumenten (operationele definitie) slagen in het meten van de
concepten/constructen en dus passen bij de conceptuele definitie. In experimenteel
onderzoek gaat het daarnaast om de mate waarin de bedoelde manipulatie geslaagd is.
1
,- overeenstemming tussen de operationalisatie (door middel van het meetinstrument) en het
theoretisch begrip (zoals beschreven in de conceptuele definitie)
o relaties binnen test (interne structuur) = Factoranalyse
o relaties met andere variabelen (externe structuur)
scores op de test vergelijken met andere tests
3. Criteriumvaliditeit (criterion validity)
- Voorspelt de test gedrag of prestatie (criterium) dat niet met test wordt gemeten?
o beoordeel een voorspelling op criterium met de test
voorbeeld BOS: rijgedrag en rijexamen
Factoranalyse: als we vinden wat we verwachten: noemen we dat een ondersteuning van de
begripsvaliditeit – interne structuur van meetinstrument
2 doelen factoranalyse:
1. Beoordelen dimensionaliteit van test
o Vinden we het aantal theoretisch veronderstelde dimensies (= factoren) binnen de
verzameling van testitems?
o Intelligentie voorbeeld: verschillende aspecten onderscheiden, verschillende stimuli
die samenhangen. Samenhang van die stimuli, meerdere items en daar factor van
maken, die concept meet
o Confirmerende factoranalyse (CFA)
Ondersteuning van verwachting over de interne structuur van het
instrument
Als de factoranalyse wordt ingezet voor ondersteuning van de
begripsvaliditeit
2. Realiseren van datareductie
o Kunnen we informatie uit groot aantal variabelen samenvatten in kleiner aantal
nieuw te construeren variabelen (= factoren)?
Aantal variabelen: items of tests etc.
o Datareductie: reduceren van verzameling van observaties tot kleiner aantal
o Explorerende factoranalyse (EFA)
Tegenpol van CFA
Hoeveel factoren kunnen we zinvol onderscheiden binnen een
verzameling van items
Afhankelijk van de mate waarin er expliciete verwachtingen zijn over
de interne structuur van een verzameling items, is de factoranalyse
meer of minder exploratief.
o Hoofdcomponentenanalyse (PCA)
Voorbeeld WAIS III – 11 subtests algemene intelligentietest:
Wecher Adult Intellegence Scale
3. Algemene ontwikkeling
4. Gezond verstand
5. Cijfers nazeggen
2
,6. Rekenen
7. Overeenkomsten
8. Woordenlijst
9. Plaatjes rangschikken
10. Plaatjes aanvullen
11. Blokpatronen
12. Legkaarten
13. Cijfersymbolen
Op alle testjes krijg je scores, en die meten de intelligentie
Theoretisch model WAIS III:
Factoranalyse uitvoeren:
Factoranalyse stap 0:
- Datascreening
Gebruik maken van correlatiematrix:
- Correlatie/samenhang is nodig om geldigheid te geven
- Ja, factoranalyse is zinvol voor deze data (meerdere correlatie is boven 30)
Factoranalyse stap 1:
- Keuze van factormodel:
o PCA: principal components analyses
3
, hoofdcomponenten analyse
o EFA: exploratory factor analyses
exploratieve factoranalyse
o CFA: confirmatory factor analyses
confirmatieve factoranalyse
Factormodel (PCA):
- 11 Z-scores (gestandaardiseerd)
- Er zal spreiding in alle test scores zijn
(iedereen geeft namelijk verschillende
antwoorden), ook wel variantie
- Factor kan die spreiding representeren
- Hoe kunnen we met zo weinig mogelijk
factoren, zoveel mogelijk variantie
verklaren?
- De 11 tests hangen samen met de 2
factoren: sterkte van die samenhang
wordt aangeduid met a getal
- Alle scores hebben samenhang met de 2
factoren
Factormodel (EFA):
- Hierbij is er onbekend hoeveel
factoren er in totaal zijn
- Peilen juist andersom
- Factoren zijn verklaring voor de
opservaties
- u = unieke factor - heeft ook invloed
op Z (wat niet nader gespecificeerd
is)
Factormodel (CFA):
- CFA gebruiken wanneer we heel
duidelijk beeld over aantal
achterliggende factoren (nu 2 factoren)
- Die worden ook ondersteund met
verzamelde data
- Gespecificeerd welke variabele bij
welke factor horen. Paar observaties
hebben met de ene factor te maken, en
paar met de ander
- Heeft te maken met begripsvaliditeit
- Wat kies je nou wanneer?
4