In hoofdstuk 1 leer je hoe je een EFA uitvoert om de statistische eigenschappen te onderzoeken van een meetinstrument dat is ontworpen rond één construct.

Introductie tot Exploratory Factor Analysis (EFA)

Aan de slag met een unidimensionele EFA

Factorladingen bekijken en visualiseren

Factor scores van individuen interpreteren

Overzicht van het ontwikkelproces van een meetinstrument

Beschrijvende statistieken van je gegevensset

Je gegevensset splitsen

De twee helften van je gegevensset vergelijken

Kenmerken van je meetinstrument: correlaties en betrouwbaarheid

Correlaties bekijken en testen

Interne betrouwbaarheid

Wanneer gebruik je EFA

Je meetinstrument evalueren met factoranalyse

In dit hoofdstuk leer je hoe je de enkelvoudige-factor-EFA uit hoofdstuk 1 uitbreidt naar multidimensionale data.

Dimensionaliteit bepalen

De BFI-gegevensset splitsen

Eigenwaarden berekenen

Een screeplot maken

De screeplot interpreteren

Multidimensionale gegevens begrijpen

Een multidimensionele EFA uitvoeren

De resultaten interpreteren

Model fit onderzoeken

Interpreteer absolute model-fitstatistieken

Het beste model kiezen

Multidimensionale EFA

Dit hoofdstuk behandelt het uitvoeren van CFA's met het sem-pakket. Zowel theoriegestuurde als EFA-gestuurde CFA-structuren komen aan bod.

Een CFA opzetten

CFA-syntax maken op basis van EFA-resultaten

CFA-syntaxis maken vanuit theorie

De sem()-syntaxis begrijpen

Onderdelen van de sem()-syntaxis

Voer een CFA uit en interpreteer loadings

Bekijk itemloadings

Absolute fit-statistieken

Relatieve fitstatistieken

Confirmatory Factor Analysis

Dit hoofdstuk benadrukt het verschil tussen EFA's en CFA's en geeft suggesties om je model en/of meetinstrument te verbeteren.

EFA versus CFA: terugblik

Verschillen in geschatte factorladingen

Verschillen in factorscores van personen plotten

Ladings toevoegen om de fit te verbeteren

Voeg loadings toe om de fit te verbeteren

Vergelijk het originele model met het model met extra loadings

Evalueer toegevoegde loadings met relatieve fit-statistieken

Betere fit door ladingen te verwijderen

Verwijder loadings om de fit te verbeteren

Vergelijk het originele model met het model met verwijderde loadings

Evalueer verwijderde loadings met relatieve fitstatistieken

Afsluitende video

Je meetinstrument en/of model verfijnen

Generic Conspiracist Beliefs Scale (GCBS) dataset

De wereld zit vol niet‑observeerbare variabelen die je niet rechtstreeks kunt meten. Misschien ben je geïnteresseerd in een construct zoals wiskundige vaardigheid, persoonlijkheidskenmerken of het werkklimaat. Bij het onderzoeken van dit soort constructen is het cruciaal om een model te hebben dat past bij je theorieën en je data. In deze cursus leer je wat dimensionaliteit is en hoe je verkennende en bevestigende factoranalyses uitvoert. Met deze statistische technieken in je gereedschapskist kun je meetinstrumenten ontwikkelen, verfijnen en delen. Deze analyses vormen de basis in uiteenlopende vakgebieden, zoals psychologie, onderwijs, politicologie, economie en taalkunde.

<h2>Ontdek factoranalyse in R</h2>
De wereld zit vol met dingen die je niet kunt zien en die je niet direct kunt meten. Misschien ben je geïnteresseerd in dingen als wiskundige vaardigheden, persoonlijkheidskenmerken of de sfeer op het werk. Als je dit soort dingen onderzoekt, is het superbelangrijk om een model te hebben dat past bij je theorieën en gegevens. 
<br><br>
Deze cursus helpt je om dimensionaliteit te begrijpen en laat je zien hoe je verkennende en bevestigende factoranalyses kunt doen. 
<br><br>
<h2>Leer hoe je verkennende factoranalyse en bevestigende factoranalyse kunt gebruiken </h2>
Je begint met het leren van verkennende factoranalyse (EFA), waarbij je leert hoe je factorladingen kunt bekijken en visualiseren, factorscores kunt interpreteren en correlaties kunt bekijken en testen. 
<br><br>
Als je eenmaal bekend bent met EFA met één factor, ga je verder met multidimensionale gegevens, waarbij je kijkt naar het berekenen van eigenwaarden, het maken van schermplots en nog veel meer. Vervolgens ga je aan de slag met bevestigende factoranalyse (CFA's) en leer je hoe je syntaxis kunt maken op basis van EFA-resultaten en theorie. 
<br><br>
Het laatste hoofdstuk gaat over EFA's versus CFA's, met voorbeelden van beide. Je leert ook hoe je je model kunt verbeteren en hoe je het kunt meten als je het gebruikt. 
<br><br>
</h2>Ontwikkel, verfijn en deel je maatregelen<h2>
Met deze statistische technieken in je toolkit kun je je maatregelen ontwikkelen, verfijnen en delen. Deze analyses zijn super belangrijk voor allerlei vakgebieden, zoals psychologie, onderwijs, politicologie, economie en taalkunde.

Intermediate R

Foundations of Inference in R

Begin vandaag met deze cursus van vier uur om factoranalyse in R te ontdekken.

Factoranalyse in R

Ontdek verborgen dingen, zoals persoonlijkheid, met behulp van verkennende en bevestigende factoranalyses.

Statisticus in R

Onderdelen van de sem()-syntaxis

Factoranalyse in R

Interactieve oefening met praktijkervaring