Multivariate analyse
Kennisclip 1: Factor Analysis
In deze clip:
➔ Understand what factor analysis does and when/how to use it for scale construction
➔ Performing factor analysis in R
➔ Interpreting factor analysis results
,Factor analysis is the statistic tool that helps us see if we’re working with multiple
dimensions in the items.
➔ Je hebt een latent construct (zoals political efficacy) dat je niet direct kunt
observeren.
➔ Je meet dat construct met meerdere items.
➔ Factoranalyse kijkt naar de samenhang tussen die items en onderzoekt:
o of ze allemaal op één factor laden (ééndimensionale schaal), of
o dat ze clusteren in meerdere factoren (meerdimensionaal, bv. interne vs.
externe politieke effectiviteit).
It will help us build better scales by showing us what is really being measured.
Factor 1: PA1, Factor 2: PA2
→ It shows how the 6 items are loaded onto these two factors.
→ Strong loadings would indicate that these items belong together on that factor. |
→ Aan de rechterkant heeft ze de waardes weggehaald die lager zijn dan 0.3, zodat
er alleen maar sterke overblijven.
1
,Question II: What are these factors? We proceed with the interpretation of the
dimensions
The interpretation of the
factors happens by you, the researcher.
→ Factor 1 gaat dus om internal efficacy
Factor Analysis in Steps
Before any analysis, we run descriptive statistics for relevant variables.
I notice that the mean is everywhere around 4. And I look at missing values. This helps
me to understand the data, I’m looking at.
Next step: correlation matrix
2
, Correlation matrix shows the correlation between each statement and every other
statement.
Er moet altijd sowieso een correlatie zijn, anders wordt het heel moeilijk om relying
construct te vinden als ze niks met elkaar te maken hebben.
Ze moeten niet hoger zij dan 0.8 want dan kan je denken dat ze misschien hetzelfde
meten, i.p.v. andere dingen. Een of twee mogen wel hoger zijn dan 0.8, maar het mag
niet vaker gebeuren.
De Correlation Matrix uit de screenshot hierboven is goed. Er zijn zeker meerdere
variabelen die hoger zijn dan 0.3. Verder zijn er geen correlaties die hoger zijn dan 0.8,
dus deze matrix is goed.
R gives us a ‘scree plot’. In the plot we see a blue line. We kijken naar de blauwe lijn en
dan waar de kink is, dat -1 is hoeveel factors er zijn. Om erachter te komen hoeveel
factors er zijn kan je ook in de output kijken:
3
Kennisclip 1: Factor Analysis
In deze clip:
➔ Understand what factor analysis does and when/how to use it for scale construction
➔ Performing factor analysis in R
➔ Interpreting factor analysis results
,Factor analysis is the statistic tool that helps us see if we’re working with multiple
dimensions in the items.
➔ Je hebt een latent construct (zoals political efficacy) dat je niet direct kunt
observeren.
➔ Je meet dat construct met meerdere items.
➔ Factoranalyse kijkt naar de samenhang tussen die items en onderzoekt:
o of ze allemaal op één factor laden (ééndimensionale schaal), of
o dat ze clusteren in meerdere factoren (meerdimensionaal, bv. interne vs.
externe politieke effectiviteit).
It will help us build better scales by showing us what is really being measured.
Factor 1: PA1, Factor 2: PA2
→ It shows how the 6 items are loaded onto these two factors.
→ Strong loadings would indicate that these items belong together on that factor. |
→ Aan de rechterkant heeft ze de waardes weggehaald die lager zijn dan 0.3, zodat
er alleen maar sterke overblijven.
1
,Question II: What are these factors? We proceed with the interpretation of the
dimensions
The interpretation of the
factors happens by you, the researcher.
→ Factor 1 gaat dus om internal efficacy
Factor Analysis in Steps
Before any analysis, we run descriptive statistics for relevant variables.
I notice that the mean is everywhere around 4. And I look at missing values. This helps
me to understand the data, I’m looking at.
Next step: correlation matrix
2
, Correlation matrix shows the correlation between each statement and every other
statement.
Er moet altijd sowieso een correlatie zijn, anders wordt het heel moeilijk om relying
construct te vinden als ze niks met elkaar te maken hebben.
Ze moeten niet hoger zij dan 0.8 want dan kan je denken dat ze misschien hetzelfde
meten, i.p.v. andere dingen. Een of twee mogen wel hoger zijn dan 0.8, maar het mag
niet vaker gebeuren.
De Correlation Matrix uit de screenshot hierboven is goed. Er zijn zeker meerdere
variabelen die hoger zijn dan 0.3. Verder zijn er geen correlaties die hoger zijn dan 0.8,
dus deze matrix is goed.
R gives us a ‘scree plot’. In the plot we see a blue line. We kijken naar de blauwe lijn en
dan waar de kink is, dat -1 is hoeveel factors er zijn. Om erachter te komen hoeveel
factors er zijn kan je ook in de output kijken:
3
