College Ilja
- Data exporteren van Qualtrics naar excel (.xlsx)
- Data inspecteren en invalide respondenten data verwijderen
- Opgeschoonde ruwe databestand goed opslaan!
Variabelen zijn de kolommen, respondenten zijn de rijen
- Elk item/variabele logische afkorting geven
- Jamovi: exploration descriptives alle losse items selecteren in variables zetten:
grafieken zijn belangrijk
- Schaal/tekstantwoord antwoord vertalen naar getal 1-5
Causiaanse verdeling = normaal verdeeld
In resultaten vertellen wat er afwijkt in je data (wat opvalt)
Eerste keer factoranalyse beter EFA (exploratief): extractie, rotatie, aantal factoren:
- Barlett’s: of items genoeg correlatie met elkaar hebben (belangrijk dat het significant
is)
- KMO: is de steekproef groot genoeg?
- Factorstructuur: laden de vragen de dimensies?
- Scree plot: waar de lijn bijna horizontaal wordt = aantal factoren
- Fit indices
MSA wil je zo hoog mogelijk (hoger dan .9, maar hoger dan .7 is goed genoeg)
Model fit:
- RMSEA (liefst onder .06) fit tussen factorstructuur & data
- TLI (zo hoog mogelijk: boven .8 of .9)
- P waarde moet niet significant zijn. Niet significant is betere fit dimensies/data
Wat je in de resultatensectie zet SS
Items selecteren op basis van:
- Omega if item dropped
- Iterm-rest correlatie
- Inter-item correlatie heatmap
- Inhoud van de items
Bij items verwijderen altijd met slechtste item beginnen
Bij betrouwbaarheidsanalyse: ieder item van 1 dimensie naar variabelen brengen, daarna
selecteren: alles behalve mean & std van item statistics (niet vergeten om items te ompolen)
Eerst factoranalyse, daarna betrouwbaarheidsanalyse
Zowel alfa als omega rapporteren
Theoretische dimensieverdeling aanhouden voor betrouwbaarheidsanalyse
Als interne consistentie dimensiescore goed is bereken dimensiescores, daarna totale
score lijst
Stel je hebt veel items verwijderd: kijken of die verwijderde dimensies samen weer dimensie
kunnen vormen
Gemiddelde vaak voorkeur boven som
Schaalscore berekenen jamovi: klik op kolom (variabele) compute dimensienaam
geven formule: bijvoorbeeld mean en dan alle items die je wilt met komma ertussen
Interne consistentie van de bestaande vragenlijsten vermeld je in de methodesectie (want is
validering van afname)
Interne consistentie van nieuwe vragenlijst in de resultatensectie
- Data exporteren van Qualtrics naar excel (.xlsx)
- Data inspecteren en invalide respondenten data verwijderen
- Opgeschoonde ruwe databestand goed opslaan!
Variabelen zijn de kolommen, respondenten zijn de rijen
- Elk item/variabele logische afkorting geven
- Jamovi: exploration descriptives alle losse items selecteren in variables zetten:
grafieken zijn belangrijk
- Schaal/tekstantwoord antwoord vertalen naar getal 1-5
Causiaanse verdeling = normaal verdeeld
In resultaten vertellen wat er afwijkt in je data (wat opvalt)
Eerste keer factoranalyse beter EFA (exploratief): extractie, rotatie, aantal factoren:
- Barlett’s: of items genoeg correlatie met elkaar hebben (belangrijk dat het significant
is)
- KMO: is de steekproef groot genoeg?
- Factorstructuur: laden de vragen de dimensies?
- Scree plot: waar de lijn bijna horizontaal wordt = aantal factoren
- Fit indices
MSA wil je zo hoog mogelijk (hoger dan .9, maar hoger dan .7 is goed genoeg)
Model fit:
- RMSEA (liefst onder .06) fit tussen factorstructuur & data
- TLI (zo hoog mogelijk: boven .8 of .9)
- P waarde moet niet significant zijn. Niet significant is betere fit dimensies/data
Wat je in de resultatensectie zet SS
Items selecteren op basis van:
- Omega if item dropped
- Iterm-rest correlatie
- Inter-item correlatie heatmap
- Inhoud van de items
Bij items verwijderen altijd met slechtste item beginnen
Bij betrouwbaarheidsanalyse: ieder item van 1 dimensie naar variabelen brengen, daarna
selecteren: alles behalve mean & std van item statistics (niet vergeten om items te ompolen)
Eerst factoranalyse, daarna betrouwbaarheidsanalyse
Zowel alfa als omega rapporteren
Theoretische dimensieverdeling aanhouden voor betrouwbaarheidsanalyse
Als interne consistentie dimensiescore goed is bereken dimensiescores, daarna totale
score lijst
Stel je hebt veel items verwijderd: kijken of die verwijderde dimensies samen weer dimensie
kunnen vormen
Gemiddelde vaak voorkeur boven som
Schaalscore berekenen jamovi: klik op kolom (variabele) compute dimensienaam
geven formule: bijvoorbeeld mean en dan alle items die je wilt met komma ertussen
Interne consistentie van de bestaande vragenlijsten vermeld je in de methodesectie (want is
validering van afname)
Interne consistentie van nieuwe vragenlijst in de resultatensectie
