In Chapter 1, you will learn how to conduct an EFA to examine the statistical properties of a measure designed around one construct.

Introduction to Exploratory Factor Analysis (EFA)

Starting out with a unidimensional EFA

Viewing and visualizing the factor loadings

Interpreting individuals' factor scores

Overview of the measure development process

Descriptive statistics of your dataset

Splitting your dataset

Comparing the halves of your dataset

Measure features: correlations and reliability

Viewing and testing correlations

Internal reliability

When to use EFA

Evaluating your measure with factor analysis

This chapter will show you how to extend the single-factor EFA you learned in Chapter 1 to multidimensional data.

Determining dimensionality

Splitting the BFI dataset

Calculating eigenvalues

Creating a scree plot

Interpreting the scree plot

Understanding multidimensional data

Conducting a multidimensional EFA

Interpreting the results

Investigating model fit

Interpret absolute model fit statistics

Selecting the best model

Multidimensional EFA

This chapter will cover conducting CFAs with the sem package. Both theory-driven and EFA-driven CFA structures will be covered.

Menyiapkan CFA

Membuat sintaks CFA dari hasil EFA

Menyusun sintaks CFA dari teori

Memahami sintaks sem()

Komponen sintaks sem()

Jalankan CFA dan interpretasikan loading

Periksa loading butir

Menyelidiki kecocokan model

Statistik kecocokan absolut

Statistik kecocokan relatif

Confirmatory Factor Analysis

This chapter will reinforce the difference between EFAs and CFAs and offer suggestions for improving your model and/or measure.

EFA vs. CFA revisited

Differences in estimated factor loadings

Plotting differences in persons' factor scores

Adding loadings to improve fit

Add loadings to improve fit

Compare original model to model with added loadings

Evaluate added loadings with relative fit stats

Improving fit by removing loadings

Remove loadings to improve fit

Compare original model to model with deleted loadings

Evaluate deleted loadings with relative fit stats

Wrap-Up Video

Refining your measure and/or model

Generic Conspiracist Beliefs Scale (GCBS) dataset

Dunia penuh dengan variabel yang tidak dapat diamati secara langsung. Anda mungkin tertarik pada konstruk seperti kemampuan matematika, ciri kepribadian, atau iklim tempat kerja. Saat meneliti konstruk seperti ini, sangat penting untuk memiliki model yang selaras dengan teori dan data Anda. Kursus ini akan membantu Anda memahami dimensi dan menunjukkan cara melakukan analisis faktor eksploratori dan konfirmatori. Dengan teknik statistik ini di perangkat Anda, Anda akan mampu mengembangkan, menyempurnakan, dan membagikan alat ukur Anda. Analisis ini menjadi landasan bagi berbagai bidang termasuk psikologi, pendidikan, ilmu politik, ekonomi, dan linguistik.

<h2>Pelajari Analisis Faktor di R</h2>
Dunia dipenuhi dengan variabel-variabel yang tidak dapat diamati dan tidak dapat diukur secara langsung. Anda mungkin tertarik pada konsep seperti kemampuan matematika, ciri kepribadian, atau iklim tempat kerja. Ketika meneliti konstruksi seperti ini, sangat penting untuk memiliki model yang sesuai dengan teori dan data Anda. 
<br><br>
Kursus ini akan membantu Anda memahami dimensi dan menunjukkan cara melakukan analisis faktor eksploratori dan konfiratori. 
<br><br>
<h2>Pelajari Cara Menggunakan Analisis Faktor Eksploratori dan Analisis Faktor Konfirmatif </h2>
Anda akan memulai dengan memahami analisis faktor eksploratori (EFA), belajar cara melihat dan memvisualisasikan beban faktor, menafsirkan skor faktor, serta melihat dan menguji korelasi. 
<br><br>
Setelah Anda familiar dengan EFA satu faktor, Anda akan beralih ke data multidimensi, mempelajari perhitungan nilai eigen, membuat grafik penyaringan, dan lain-lain. Selanjutnya, Anda akan mempelajari analisis faktor konfirmatory (CFAs), termasuk cara membuat sintaksis berdasarkan hasil EFA dan teori. 
<br><br>
Bab terakhir membahas perbandingan antara EFAs dan CFAs, dengan memberikan contoh dari keduanya. Anda juga akan belajar cara meningkatkan model Anda dan mengukur kinerjanya saat menggunakannya. 
<br><br>
</h2>Kembangkan, Sempurnakan, dan Bagikan Ukuran Anda<h2>
Dengan teknik statistik ini dalam kotak alat Anda, Anda akan dapat mengembangkan, menyempurnakan, dan berbagi ukuran-ukuran Anda. Analisis-analisis ini merupakan landasan bagi berbagai bidang, termasuk psikologi, pendidikan, ilmu politik, ekonomi, dan linguistik.

Intermediate R

Foundations of Inference in R

Mulai kursus empat jam ini untuk mempelajari analisis faktor eksploratori dan konfirmatori di R.

Analisis Faktor di R

Jelajahi variabel laten, seperti kepribadian, menggunakan analisis faktor eksploratori dan konfiratori.

Ahli Statistik di R

Periksa loading butir

Analisis Faktor di R

Latihan interaktif praktis