Confirmatieve factoranalyse
6 belangrijke vragen over Confirmatieve factoranalyse
Exploratieve factoranalyse (EFA)
- Wordt gebruikt om mogelijke onderliggende factoren te ontdekken
- Gebruik je als er nog geen duidelijke theoretische indeling bekend is
- EFA gebruik je om clusters van items te ontdekken
Confirmatieve factoranalyse (CFA)
- Onderzoekt hoe goed een vooropgestelde set factoren presteert
- Gebruik je om een bestaande theoretische indeling van items te toetsen
- Toetsen of een bestaande theoretische groepering van items klopt
Gereproduceerde correlaties - CFA
- Op basis van de geschatte parameters kun je de correlaties en covarianties reproduceren die het model voorspelt.
- Bij twee items van dezelfde factor:
- De gereproduceerde correlatie is het product van de gestandaardiseerde factorladingen
- Bij twee items van verschillende factoren:
- Je moet ook de correlatie tussen de factoren meenemen
- Dit heet een doorvermenigvuldiging van padcoëfficiënten.
- Hogere cijfers + sneller leren
- Niets twee keer studeren
- 100% zeker alles onthouden
Waar is CFA handig voor?
- CFA is heel geschikt om verschillende modellen met elkaar te vergelijken. Je kunt ermee onderzoeken:
- Hoeveel factoren nodig zijn om de data goed te beschrijven
- Of een item wel echt op de veronderstelde factor laadt
- CFA levert standaard fit indices op.
- Daarmee kun je beoordelen hoe goed een model de covariantiematrix reproduceert.
CFI en TLI - incrementele fit-indices -
- Beide indices kijken naar de proportionele verbetering van het model ten opzichte van het baseline model.
- Ze houden ook rekening met het aantal vrijheidsgraden.
- CFI en TLI vallen meestal hoger uit bij eenvoudige / spaarzame modellen.
- Dat zijn modellen met:
- Weinig vrije parameters
- En dus veel vrijheidsgraden
- Over de grens voor een goede waarde verschillen de meningen:
- Sommigen vinden .95 of hoger
- Anderen vinden .90 of hoger acceptabel
Goodness of fit index - Wat beoordeelt deze?
- χ²
- Past het model bij de data?
- RMSEA
- Hoe groot is de fout van het model? (Lager = beter)
- CFI
- Hoe goed past het model vergeleken met een nulmodel? (Hoger = beter)
- TLI
- beoordeelt hoe goed een model bij de data past ten opzichte van een nulmodel, waarbij rekening wordt gehouden met de complexiteit van het model
- SRMR
- Hoe groot is de gemiddelde afwijking tussen geobserveerde en voorspelde correlaties? (Lager = beter)
De vragen op deze pagina komen uit de samenvatting van het volgende studiemateriaal:
- Een unieke studie- en oefentool
- Nooit meer iets twee keer studeren
- Haal de cijfers waar je op hoopt
- 100% zeker alles onthouden















