Het beste model kiezen
Gebruik nu je kennis van het vinden en interpreteren van absolute en relatieve model-fitstatistieken om het beste model voor je gegevens te kiezen. Toen ik deze gegevensset introduceerde, zei ik dat de items volgens de theorie op vijf factoren zouden laden, maar je hebt misschien gezien dat je screeplot zes factoren aangaf. Je vraagt je misschien af welke je moet vertrouwen. Geen zorgen: je kunt fitstatistieken gebruiken om een empirische beslissing te nemen over het aantal factoren.
Eerst gebruik je de bfi_EFA-gegevensset om EFA’s uit te voeren met elk van de veronderstelde aantallen factoren. Daarna kun je naar de BIC kijken, een relatieve fitstatistiek, om modellen te vergelijken. Denk eraan: de laagste BIC heeft de voorkeur!
Deze oefening maakt deel uit van de cursus
Factoranalyse in R
Oefeninstructies
- Voer beide EFA’s uit op de
bfi_EFA-gegevensset: één met vijf factoren volgens de theorie, en één met zes factoren volgens de eigenwaarden. - Bekijk de BIC-waarde voor elk van de modellen. De BIC staat in het
BIC-listelement van het resultaatobject.
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
# Run each theorized EFA on your dataset
bfi_theory <- ___(___, nfactors = ___)
bfi_eigen <- ___(___, nfactors = ___)
# Compare the BIC values
___
___