Zijn principale componentenanalyse en principale factoranalyse beiden methoden van exploratieve factoranalyse?

Question

Confirmatorische factoranalyse en exploratieve factoranalyse worden van elkaar gescheiden. Klopt het dat PCA en PFA twee methoden zijn die binnen de exploratieve factoranalytische modellen vallen?

Answer 1

Er wordt veel aangerommeld met deze termen, omdat exploratief en confirmatief door sommige mensen worden gebruikt als termen om een methode van zoeken aan te duiden, en door anderen om de onderliggende wiskunde achter de techniek te duiden.

Grofweg zijn PCA, PAF, etc. exploratieve technieken (de uitkomsten zijn niet toetsbaar, slechts relatief te evalueren), terwijl factor-analyse een confirmatorische techniek is (de uitkomst is toetsbaar). Dit is de formele definitie van exploratief versus confirmatorisch.

Sommigen kijken minder naar de wiskunde en meer naar hoe technieken gebruikt worden. Wanneer men dan een specifieke factorstructuur toetst, of de fit ervan evalueert in termen van ja/nee, dan wil men dit ook nog confirmatorisch noemen. Wanneer er net zo lang gespeeld wordt tot iets past, dan wil men dit ook nog wel exploratief noemen. Voor statistici is dit een beetje vloeken in de kerk.

Comments

Oke en dat laatste komt omdat bij confirmatorische factoranalyse een structuur bij verschillende populaties aanwezig moet zijn? of begrijp ik het nu verkeerd?

---

Ik weet niet of ik je vraag goed begrijp. Verschillende populaties heeft eigenlijk weinig ermee te maken.

Bij principale componenten analyse (PCA) of verwante varianten ervan, zoals principal axis factoring (PAF) worden lineaire samenstellingen van items uit de correlatietabel geabstraheerd.

Bij factor-analyse wordt een formeel model getoetst waarbij geobserveerde waarden (de correlatietabel) voorspelt worden uit 1 of meerdere abstracte theoretische latente variabelen.

Het is een andere manier om de correlatietabel samen te vatten.

---

Oke dus de richting is ook anders? Bij PCA en PAF worden dus latente variabelen geidentificeerd uit de correlatietabel terwijl bij factor-analyse een vooropgesteld model getoetst wordt.

---

Bij CFA, Confirmatoire Factor Analyse, wordt inderdaad de fit van een model berekend. Dat model betreft de specificatie van een of meerdere latente variabelen. Bij EFA, Exploratieve Factor Analyse, wordt gezocht naar latente variabelen. In beide gevallen zoek je latente variabelen en neem je aan dat de waarden van je items/vragen/geobserveerde variabelen/indicatoren metingen worden bepaald door een (of meer) latende variabelen in combinatie met meetfout.

Bij Principale Componenten Analyse zoek je een aantal componenten die je covariantietabel zo goed mogelijk kunnen verklaren. In dat geval ben je niet bezig de onderliggende latente variabelen te identificeren, maar een lineaire 'herformulering' van je items te zoeken, zodanig, dat je met minder variabelen dan het aantal items toch het grootste deel van je covariantiematrix kunt verklaren. Dit doe je zo dat de eerste variabele zo wordt gekozen dat hij het grootste deel verklaart dat met 1 variabele verklaard kan worden; de tweede variabele wordt zo gekozen dat hij het grootste deel verklaart van wat over is. Deze resulterende variabelen kun je alleen als latente variabelen beschouwen als je aanneemt dat je geen meetfout in je items had zitten, wat in de psychologie natuurlijk niet realistisch is.

Als je CFA uitvoert, kun je toetsen of je factorstructuur hetzelfde is in verschillende populaties. Dit kan niet met exploratieve analyses, of dit nu PCA of EFA is.