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.

Setting up a CFA

Creating CFA syntax from EFA results

Creating CFA syntax from theory

Understanding the sem() syntax

Components of sem() syntax

Run a CFA and interpret loadings

Examine item loadings

Absolute fit statistics

Relative fit statistics

Confirmatory Factor Analysis

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

Meninjau kembali EFA vs. CFA

Perbedaan pada estimasi factor loading

Memplot perbedaan skor faktor per orang

Menambahkan loading untuk meningkatkan kesesuaian

Tambahkan loading untuk meningkatkan kecocokan

Bandingkan model asli dengan model yang diberi loading tambahan

Evaluasi loading tambahan dengan statistik kecocokan relatif

Meningkatkan kecocokan dengan menghapus loading

Hapus loading untuk meningkatkan kesesuaian model

Bandingkan model asli dengan model yang dihapus loading-nya

Evaluasi loading yang dihapus dengan statistik kecocokan relatif

Video Penutup

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

Psychometrician

Adding loadings to improve model fit

When to make adjustments

Adding loadings to the syntax

Adding new loadings to the syntax

Comparing the original and revised models

Let's practice!

Refining your measure and/or model - Menambahkan loading untuk meningkatkan kesesuaian

Menambahkan loading untuk meningkatkan kesesuaian

Create Your Free Account