Hallo iedereen,
ik moet voor mijn thesis bepaalde factoranalyses uitvoeren met SPSS. Nu zou ik graag willen weten of de verschillen in factorladingen significant zijn. Ik vermoed dat dit moet uitgerekend worden aan de hand van effect sizes (boek van Cohen), maar ik vind maar nergens terug hoe ik deze effect sizes kan berekenen.
Ik vermoed dat de uitleg zal staan in het boek van Cohen maar in onze bibliotheek is dit boek steeds uitgeleend.
Kan iemand mij helpen?
Groetjes
Factoranalyse
Re: Factoranalyse
SPSS is een frekwent topic op dit forum de laatste dagen, waar niet veel op geantwoord wordt.
Ik zal dan maar eens een poging doen. Ik zeg erbij dat ik wel iets van statistiek ken, maar tot vandaag nog nooit van SPSS gehoord had.
Ik baseer me op deze link.
http://en.wikipedia.org/wiki/Effect_size
Om de effect size te berekenen kan je gebruik maken van Cohen's d formule.
met
: gemiddelde van de eerste populatie
: gemiddelde van de tweede populatie
s : de standaarddeviatie van een van beide populaties
Ik denk dat je deze 3 waarden wel kan berekenen.
Naast de formule van Cohen, zijn er ook andere formules in omloop die onder andere rekening houden met de populatiegrootte. Ik heb te weinig info om te weten welke formule je hier best gebruikt. Als je meer info geeft, kunnen we op het forum misschien een juister antwoord geven.
Ik zal dan maar eens een poging doen. Ik zeg erbij dat ik wel iets van statistiek ken, maar tot vandaag nog nooit van SPSS gehoord had.
Ik baseer me op deze link.
http://en.wikipedia.org/wiki/Effect_size
Om de effect size te berekenen kan je gebruik maken van Cohen's d formule.
met
s : de standaarddeviatie van een van beide populaties
Ik denk dat je deze 3 waarden wel kan berekenen.
Naast de formule van Cohen, zijn er ook andere formules in omloop die onder andere rekening houden met de populatiegrootte. Ik heb te weinig info om te weten welke formule je hier best gebruikt. Als je meer info geeft, kunnen we op het forum misschien een juister antwoord geven.
Re: Factoranalyse
hallo,
bedankt voor het antwoord.
Ik gebruik factoranalyse bij twee berekeningen. De eerste is om de validiteit van de schalen van een herwerkte vragenlijst na te gaan. Ik vergelijk dus de factoren en factorladingen van de klinische hoofdschalen van de MMPI-2 en de geherstructureerde schalen van de MMPI-2-RF. Als deze vragenlijsten je niets zeggen is dat niet erg. Ik heb bij beide sets schalen 2 factoren gevonden. Nu is de bedoeling om na te gaan of elke schaal wel duidelijk op EEN van beide factoren laadt en niet op alletwee. Daar ben ik dus niet zeker vanaf wanneer de twee factorladingen verschillen.
Een voorbeeld: voor schaal 7 is de factorlading op factor 1 ,651 en op factor 2 ,632. Daar denk ik dat ik wel zeker kan zeggen dat de factorladingen niet genoeg verschillen en de schaal dus niet genoeg differentieert. Bij schaal 8 echter zijn de ladingen respectievelijk ,525 en ,780 en daar durf ik dezelfde conclusie zomaar niet trekken.
Het tweede deel van mijn onderzoek bestaat eruit om de nieuwe schalen te herconstrueren volgens de handleiding. Daarbij wordt op alle items (vragen) van een bepaalde schaal factoranalyse uitgevoerd om te kijken hoeveel factoren uitkomen. Hier zouden ook 2 factoren moeten uitkomen en dan is het de bedoeling dat ik enkel dié items uitfilter die hoog laden op factor 2 en laag op factor 1. Daar ben ik dus ook heel onzeker om items te selecteren omdat ik geen idee heb wat een 'hoge' en 'lage' lading is.
Voor correlaties heb je effect sizes: laag <.1 gemiddeld <.3, hoog <.5.
Is dit op eenzelfde manier voor factoranalyse? Mijn thesisbegeleidster kan/wil me hierbij niet helpen...
Groetjes
bedankt voor het antwoord.
Ik gebruik factoranalyse bij twee berekeningen. De eerste is om de validiteit van de schalen van een herwerkte vragenlijst na te gaan. Ik vergelijk dus de factoren en factorladingen van de klinische hoofdschalen van de MMPI-2 en de geherstructureerde schalen van de MMPI-2-RF. Als deze vragenlijsten je niets zeggen is dat niet erg. Ik heb bij beide sets schalen 2 factoren gevonden. Nu is de bedoeling om na te gaan of elke schaal wel duidelijk op EEN van beide factoren laadt en niet op alletwee. Daar ben ik dus niet zeker vanaf wanneer de twee factorladingen verschillen.
Een voorbeeld: voor schaal 7 is de factorlading op factor 1 ,651 en op factor 2 ,632. Daar denk ik dat ik wel zeker kan zeggen dat de factorladingen niet genoeg verschillen en de schaal dus niet genoeg differentieert. Bij schaal 8 echter zijn de ladingen respectievelijk ,525 en ,780 en daar durf ik dezelfde conclusie zomaar niet trekken.
Het tweede deel van mijn onderzoek bestaat eruit om de nieuwe schalen te herconstrueren volgens de handleiding. Daarbij wordt op alle items (vragen) van een bepaalde schaal factoranalyse uitgevoerd om te kijken hoeveel factoren uitkomen. Hier zouden ook 2 factoren moeten uitkomen en dan is het de bedoeling dat ik enkel dié items uitfilter die hoog laden op factor 2 en laag op factor 1. Daar ben ik dus ook heel onzeker om items te selecteren omdat ik geen idee heb wat een 'hoge' en 'lage' lading is.
Voor correlaties heb je effect sizes: laag <.1 gemiddeld <.3, hoog <.5.
Is dit op eenzelfde manier voor factoranalyse? Mijn thesisbegeleidster kan/wil me hierbij niet helpen...
Groetjes
Re: Factoranalyse
Ik denk dat hier alleen maar goed op geantwoord kan worden door iemand die thuis is in het domein waarin je onderzoek doet. Ik denk niet dat het antwoord van een wiskundige gaat komen.
De quote hieronder uit de wiki pagina over factor loading kan je wel als richtlijn gebruiken.
De quote hieronder uit de wiki pagina over factor loading kan je wel als richtlijn gebruiken.
Interpreting factor loadings: By one rule of thumb in confirmatory factor analysis, loadings should be .7 or higher to confirm that independent variables identified a priori are represented by a particular factor, on the rationale that the .7 level corresponds to about half of the variance in the indicator being explained by the factor. However, the .7 standard is a high one and real-life data may well not meet this criterion, which is why some researchers, particularly for exploratory purposes, will use a lower level such as .4 for the central factor and .25 for other factors call loadings above .6 "high" and those below .4 "low". In any event, factor loadings must be interpreted in the light of theory, not by arbitrary cutoff levels.