Stel je formuleert een onderzoeksvraag waarin je in een bepaalde populatie wil onderzoeken in welke mate twee voorspellers een afhankelijke variabele voorspellen.
Elke voorspeller wordt gemeten met vragen op een vragenlijst. Elke voorspeller wordt gemeten met een aantal vragen die latente constructen bevatten.
(Zie schema)
Nu is de vraag:
Optie 1:
Doe je dan een factoranalyse op voorspeller 1 om te kijken of die uit elkaar valt in die factoren A, B en C en een een itemanalyse op A, een itemanalyse op B en een itemanalyse op C + een factoranalyse op voorspeller 2 of die uit elkaar valt in factoren D en E een een itemanalyse op D en een itemanalyse op E?
Ook al heb je in je onderzoeksvraag geen specifieke vragen over de latente constructen A,B,C, D of E?
Optie 2:
Of doe je 1 factoranalyse op alle items van voorspeller 1 en 2 gezamenlijk om te zien of die uit elkaar vallen in voorspeller 1 en 2? En doe je dan aanvullend een itemanalyse op alle items van voorspeller 1 en een itemanalyse op alle items van voorspeller 2 (en lig je van de latente constructen niet wakker)?
Wat ik bij deze optie niet begrijp is dat als je dan een EFA met obliminrotatie zou doen om te zien of je die drie constructen hebt, je net uitgaat dat ze samenhangen, terwijl je net niet wil dat ze niet samenhangen in kader van collineariteit om daarna een regressie-analyse te kunnen uitvoeren.
Het verschil hangt ongetwijfeld af van het soort onderzoeksvraag, maar ik zie de link tussen de onderzoeksvraag en het niveau van analyses niet helder.
Is in optie 1 dan eerder de onderzoeksvraag: in welke mate voorspellen A,B en C de afhankelijke variabele?
En in optie 2: in welke mate voorspellen 1 en 2 de afhankelijke variabele?
Of is de onderzoeksvraag wel 'in welke mate voorspellen 1 en 2 de afhankelijke variabele' wel ok voor optie 1?