Dit is een site voor studenten van de Open Universiteit. Voordat je een vraag kunt stellen moet je even een account aanmaken (dit systeem is niet gekoppeld aan je OU studentnummer en wachtwoord).

Welkom bij het vraag- en antwoord systeem van de onderzoeks-practica van de studie psychologie bij de Open Universiteit.

Houd er, als je een vraag stelt, rekening mee dat je de richtlijnen volgt!

Wanneer moet ik bij de facComanalyse in R fm=pa gebruiken en wanneer fm=pca?

0 leuk 0 niet-leuks
Als ik ik R een exploratieve orthogonale factoranalyse wil doen, gebruik ik de functie

facComAnalysis

Wanneer moet ik bij fm kiezen voor "pca" en wanneer voor "pa" want deze geven verschillende resultaten. ?
gevraagd 6 november in Cross-sectioneel Onderzoek (PB0802) door Vivian (140 punten)

2 Antwoorden

0 leuk 0 niet-leuks

Eigenlijk bij een vragenlijstanalyse nooit een PCA gebruiken.

PCA is een techniek die een voorkeur heeft voor het laden van variabelen op de eerste component. Dit is handig bij het uitvoeren van analyses met meerdere variabelen die je probeert samen te vatten in een samengesteld construct. 

Denk hierbij aan 10 vragen die allen een indicatie van sociaal economische status zijn, zoals inkomen vader/moeder, codering van type werk, affluence, etc.

Zodra je doel is om de dimensionaliteit van een construct 'te toetsen', of te evalueren, dan is PAF altijd de betere keuze; deze laat meer ruimte voor meerdimensionale oplossingen, zonder teveel componenten tot gevolg te hebben.

Dus, when in doubt: 'pa'. Gebruik alleen 'pca' als je weet dat je deze echt nodig hebt, bijvoorbeeld wanneer je een eendimensionele oplossing prefereert. 

beantwoord 6 november door Ron Pat-El (40,900 punten)
0 leuk 0 niet-leuks
Als aanvulling op Ron's antwoord: het kan helpen om na te denken over het soort variabele(n) dat mogelijk onderliggend is/zijn aan je vragen.

Als het een latent construct betreft (of meer dan een), dus je neemt aan dat er een of meerdere psychologische variabelen zijn die de scores op de vragen veroorzaken (e.g. depressie, extraversie, attitude, optimisme, etc etc), dan is PCA altijd fout.

PCA is alleen correct als de veronderstelt dat er geen meetfout is in de vragen: als je alle unieke variantie in elke vraag zo goed mogelijk wil verklaren.

Zo gauw het mogelijk is dat je meetfout hebt in de scores op de vragen, is PCA de verkeerde methode, omdat die veronderstelt dat je de volledige variantie per vraag probeert te reproduceren.
beantwoord 6 november door gjp (64,270 punten)
...