Gewone factoranalyse veronderstelt volgens mij dat de items interval niveau hebben. Nu geldt in principe voor dichotome items ook dat ze interval niveau hebben; dus wat dat betreft zou het kunnen (1-5 items hebben ofwel ordinaal, ofwel interval niveau; dit is uit te zoeken met vrij geavanceerde analyses, maar zolang je die niet beheerst, moet je een aanname maken, en dat is de aanname dat ze ordinaal niveau hebben, even goed te verdedigen als de aanname dat ze interval niveau hebben).
Echter, factor-analyse heeft soms de neiging om bijvoorbeeld eigenschappen van de verdeling van de items terug te laten komen als factoren (als je bijvoorbeeld 10 items hebt, en er zijn 5 scheef verdeeld en 5 normaal, dan zou je een factor kunnen krijgen die die twee clusters onderscheid; niet omdat ze hetzelfde meten, maar omdat de verdelingen dezelfde eigenschappen delen). Het kan dus zijn dat dat hier ook gaat gebeuren.
Hoewel, deze pagina's impliceren dat je niet gewoon verder kunt:
Ik zou dit overleggen met je begeleider, en samen besluiten hoeveel 'dieper' je hier op in wil gaan.
Houd ook de vraag in het achterhoofd: hoe wil je die items uberhaupt allemaal aggregeren? Je kunt ze niet zomaar optellen of middelen; de 'metrics', de schaalverdelingen, zijn immers anders. Dus wat was jullie plan uberhaupts, als in, waarom hebben jullie besloten om deze operationalisatie op deze manier vorm te geven?
(die laatste vraag niet hier beantwoorden, maar bespreken met je begeleider :-))
