Spss, factoranalyse en error

[ferry]

Uiteraard geldt hoe meer variantie verklaard wordt, hoe beter. Maar, dat wil niet zeggen dat 50% per se weinig is. Dat heeft er ook mee te maken hoeveel variabelen zijn toegevoegd. Als je de FA overnieuw doet met de items waaruit de 5 factoren zouden moeten bestaan, op welk percentage kom je dan?

[Imengine]

Hoi ferrie,

ik heb weer heel wat nieuwe analyses doorlopen gezien ik opmerkte dat ik eigenlijk unweighted least squares had gebruikt als extractie methode. Ik heb ergens gelezen dat de extractie-methode niet veel uitmaakte, maar goed, ik heb dan ook maar principale componenten analyse (PCA) en principal axis factoring (PAF) uitgeprobeerd en 't lijkt me wel goed als ik begrijp wat de specifieke verschillen zijn tussen extractiemethoden. PCA vind ik wel iets moeilijker aangezien je daar een "pattern matrix" en "structure matrix" krijgt, in plaats van die (al dan niet geroteerde) factor matrix. Maar ik zal mij hier eens rustig achter moeten zetten en zelf wat lezen/opzoeken voor ik hierover met vragen begin te vuren

Wat betreft de verklaarde variantie.

Bijvoorbeeld oplossing op basis van eigenvalue --> 11 factoren: 68% verklaarde variantie

Oplossingen op basis van scree plot:

- 2 factoren: 29% explained variance (EV)

- 6 factoren: 53% EV

- 11 factoren: 68% EV

[ferry]

Ok, in dat geval is die oplossing met 11 factoren het mooist is. Grote vraag daarover is of die oplossing ook de beste is. Dus, levert het een "schone" uitkomst is waarin de verschillende items mooi in de verschillende dimensies vallen. En, waarbij de factoren een inhoudelijke betekenis hebben.

Zou je voor alle zekerheid de tabel met de 11 factoren/items kunnen plaatsen? Dat levert nog wat meer inzicht op.

Groeten

Ferry

[Imengine]

Hoi ferry,

ik ben er ondertussen wel uit dus bedankt voor je hulp. De oplossing van 11 factoren lijkt me inhoudelijk nl. niet de beste gezien er factoren zijn die slechts uit 2 items bestaan, waarvan die items bovendien inhoudelijk niet zo interessant zijn om op te nemen.

Het percentage verklaarde variantie is dus niet van doorslaggevend belang in het kader van het doel van de factoranalyse die ik doe (maar het bleef wel handig te weten in het kader van eventueel toekomstige factor analyses). Het belangrijkste is die factoren te verzamelen waar meerdere items op laden en die inhoudelijk interessant zijn om verder mee te werken.

[ferry]

Mooi!