W rozdziale 1 nauczysz się przeprowadzać eksploracyjną analizę czynnikową (EFA) w celu zbadania właściwości statystycznych narzędzia pomiarowego zbudowanego wokół jednego konstruktu.

Wprowadzenie do eksploracyjnej analizy czynnikowej (EFA)

Pierwsze kroki z jednoczynnikową EFA

Wyświetlanie i wizualizacja ładunków czynnikowych

Interpretowanie wyników czynnikowych respondentów

Przegląd procesu tworzenia narzędzia pomiarowego

Statystyki opisowe zbioru danych

Podział zbioru danych

Porównanie dwóch połówek zbioru danych

Właściwości miary: korelacje i rzetelność

Wyświetlanie i testowanie korelacji

Rzetelność wewnętrzna

Kiedy stosować EFA

Ocena narzędzia pomiarowego za pomocą analizy czynnikowej

Ten rozdział pokazuje, jak rozszerzyć jednoczynnikową EFA poznaną w rozdziale 1 na dane wielowymiarowe.

Określanie liczby wymiarów

Podział zbioru danych BFI

Obliczanie wartości własnych

Tworzenie wykresu osypiska

Interpretacja wykresu osypiska

Zrozumieć dane wielowymiarowe

Przeprowadzanie wielowymiarowej EFA

Interpretacja wyników

Ocena dopasowania modelu

Interpretacja bezwzględnych statystyk dopasowania modelu

Wybór najlepszego modelu

Wielowymiarowa EFA

Ten rozdział omawia przeprowadzanie konfirmacyjnych analiz czynnikowych (CFA) za pomocą pakietu sem. Uwzględniono zarówno struktury CFA oparte na teorii, jak i struktury wyprowadzone z EFA.

Konfigurowanie CFA

Tworzenie składni CFA na podstawie wyników EFA

Tworzenie składni CFA na podstawie teorii

Składnia funkcji sem()

Elementy składni sem()

Uruchamianie CFA i interpretacja ładunków

Analiza ładunków pozycji

Badanie dopasowania modelu

Absolutne statystyki dopasowania

Względne statystyki dopasowania

Konfirmacyjna analiza czynnikowa

Ten rozdział wzmacnia rozumienie różnic między EFA a CFA oraz zawiera wskazówki dotyczące doskonalenia modelu i narzędzia pomiarowego.

EFA i CFA – powrót do tematu

Różnice w szacowanych ładunkach czynnikowych

Wizualizacja różnic w wynikach czynnikowych osób

Dodawanie ładunków czynnikowych w celu poprawy dopasowania

Dodaj ładunki, aby poprawić dopasowanie

Porównanie modelu pierwotnego z modelem z dodatkowymi ładunkami

Ocena dodanych ładunków za pomocą względnych statystyk dopasowania

Poprawa dopasowania przez usunięcie ładunków

Usuwanie ładunków w celu poprawy dopasowania

Porównanie oryginalnego modelu z modelem po usunięciu ładunków

Ocena usuniętych ładunków za pomocą względnych statystyk dopasowania

Podsumowanie

Doskonalenie narzędzia pomiarowego i modelu

Generic Conspiracist Beliefs Scale (GCBS) dataset

Świat pełen jest zmiennych nieobserwowalnych, których nie można zmierzyć bezpośrednio. Być może interesują cię takie konstrukty jak zdolności matematyczne, cechy osobowości czy klimat organizacyjny. Badając tego rodzaju konstrukty, niezwykle ważne jest posiadanie modelu dopasowanego do twoich teorii i danych. Ten kurs pomoże ci zrozumieć pojęcie wymiarowości i przeprowadzić eksploracyjną oraz konfirmacyjną analizę czynnikową. Dzięki tym technikom statystycznym będziesz w stanie tworzyć, doskonalić i prezentować swoje narzędzia pomiarowe. Analizy te stanowią fundament wielu dziedzin – psychologii, edukacji, nauk politycznych, ekonomii i językoznawstwa.

<h2>Odkryj analizę czynnikową w R</h2>
Świat jest pełen nieobserwowalnych zmiennych, których nie da się bezpośrednio zmierzyć. Możesz być zainteresowany konstruktem takim jak zdolności matematyczne, cechy osobowości lub klimat w miejscu pracy. Podczas badania takich konstrukcji niezwykle ważne jest posiadanie modelu, który odpowiada Twoim teoriom i danym. 
<br><br>
Ten kurs pomoże Ci zrozumieć wielowymiarowość i pokaże, jak przeprowadzać eksploracyjną oraz konfirmacyjną analizę czynnikową. 
<br><br>
<h2>Naucz się korzystać z eksploracyjnej analizy czynnikowej i konfirmacyjnej analizy czynnikowej </h2>
Zaczniesz od opanowania eksploracyjnej analizy czynnikowej (EFA), ucząc się, jak przeglądać i wizualizować ładunki czynnikowe, interpretować wyniki czynnikowe oraz przeglądać i testować korelacje. 
<br><br>
Gdy opanujesz jednoczynnikową EFA, przejdziesz do danych wielowymiarowych, ucząc się obliczania wartości własnych, tworzenia wykresów osypiska i nie tylko. Następnie odkryjesz konfirmacyjną analizę czynnikową (CFA), ucząc się, jak tworzyć składnię na podstawie wyników EFA i teorii. 
<br><br>
Ostatni rozdział omawia EFA i CFA, podając przykłady obu. Nauczysz się także, jak ulepszać swój model i mierzyć wyniki podczas ich używania. 
<br><br>
</h2>Twórz, dopracowuj i udostępniaj swoje miary<h2>
Dzięki tym technikom statystycznym w swoim zestawie narzędzi będziesz w stanie opracowywać, udoskonalać i udostępniać swoje miary. Te analizy stanowią podstawę dla wielu dziedzin, w tym psychologii, edukacji, nauk politycznych, ekonomii i językoznawstwa."

Intermediate R

Foundations of Inference in R

Rozpocznij kurs, aby poznać eksploracyjną i konfirmacyjną analizę czynnikową w R.

Analiza czynnikowa w R

Poznaj zmienne ukryte, np. osobowość, dzięki eksploracyjnej i konfirmacyjnej analizie czynnikowej.

Statystyk w R

Elementy składni sem()

Analiza czynnikowa w R

Interaktywne ćwiczenie praktyczne