Dit is een goede vraag, en zoals altijd is het antwoord dus ook "het hangt er vanaf".
Factor-analyse is een manier om in een set variabelen (e.g. items) te kijken welke het sterkst met elkaar samenhangen.
Regressie-analyse is een manier om te kijken hoe je een variabele het beste kunt voorstellen met een set andere variabelen.
Factor-analyse is daarom bruikbaar om vragen te beantwoorden zoals:
- Clusteren variabelen (e.g. items) 1-4 en variabelen (e.g. items) 5-7 in twee verschillende clusters? (dit zie je aan het patroon van factor-ladingen)
- Hoe sterk hangen de factoren die die clusters representeren met elkaar samen? (dit zie je aan de correlatie tussen de factoren, als je tenminste niet orthogonaal roteert, want dan dwing je onafhankelijkheid af)
- Hoeveel variantie delen deze variabelen (e.g. items) met elkaar? (als je een 1-factor-oplossing kiest en naar de proportie verklaarde variantie kijkt)
- Is een gegeven factor-structuur aannemelijk met deze variabelen (e.g. items) in deze populatie, context, etc? (door de factorladingen te vergelijken met een gegeven verwachting)
Deze vragen gaan dus allemaal over de samenhang tussen variabelen, waarbij die variabelen als gelijkwaardig worden beschouwd.
Met regressie-analyse kun je vragen beantwoorden als:
- Hoeveel van de variantie in de ene variabele wordt verklaart door deze variabelen (e.g. items)? (door naar de proportie verklaarde variantie te kijken)
- Welke voorspeller hangt het sterkste samen met de afhankelijke variabele? (Alleen als de voorspellers conceptueel niet overlappen en niet te sterk met elkaar correleren!) (door naar de regressie-coefficienten te kijken)
- Hoeveel voegt variabele 5 toe aan de voorspelling van de afhankelijke variabele in vergelijking met variabelen 1-4? (door eerst een regressie-model te draaien met variabelen 1-4 als voorspeller, en dan een tweede model met variabele 5 toegevoegd)
- Hoe ziet het model eruit waarmee je in deze steekproef de beste voorspelling krijgt van de afhankelijke variabele met deze voorspellers? (door het regressiemodel met alle coefficienten uit te schrijven)
Hoe deze analyses gebruikt kunnen worden bij het ontwikkelen en verifieren van meetinstrumenten hangt af van het meetmodel en het meetmodel.
Als je bijvoorbeeld een meetinstrument met een formatief meetmodel ontwikkelt, dan kun je de regressie-coefficienten gebruiken om te bepalen hoe de scores geaggregeerd moeten worden.
Als je een meetinstrument met een reflectief meetmodel ontwikkelt, kun je factor-analyse gebruiken en juist de factor-ladingen gebruiken om de weging van elk item in de geaggregeerde score te bepalen.
Als je een reflectief meetmodel gebruikt, kun je bijvoorbeeld ook factor-analyse gebruiken om items te selecteren: je kiest items op basis van hun rol in een responsmodel, en als de items zich niet gedragen zoals zou moeten, dan kun je besluiten om ze te verwijderen.
In die twee gevallen kun je diezelfde analyses gebruiken om de validiteit in een gegeven steekproef te verifieren, door de verkregen coefficienten of ladingen in die steekproef te vergelijken met wat werd verkregen tijdens de ontwikkeling.
Het antwoord is dus dat je nadenkt over de aard van de constructen waarvoor je een meetinstrument ontwikkelt of toepast; het meetmodel dat erbij hoort; wat er precies gebeurt als het meetinstrument wordt toegepast (i.e. het responsmodel); en wat je wil weten. Op basis daarvan kies je dan een analyse. Soms kom je dan uit op factor-analyse, soms op regressie-analyse, en soms kijk je gewoon naar de correlaties of de univariate verdelingen van de items.
