ALL lectures for Multivariate analyses

MULTIVARIATE ANALYSES

Hoorcollege 1: Factor Analyse

Factor analyse
 Deel van een schaalconstructie
 Zijn er verschillende subschalen?
 Wordt gevraagd met meerdere concrete items. Hiermee probeer je het achterliggende
concept te meten  latente variabele (niet direct observeerbaar).
 Meten deze individuele items 1 concept of meerdere?

 Een factorlading geeft aan hoe sterk het is gerelateerd aan het achterliggende concept.

Stappen van schaalconstructie
1) Kijk naar de concepten
2) Kijk naar de frequentieverdeling van elke indicator.
3) Factor analyse, is het 1 dimensie of meerder subconcepten?
4) Voor elke factor een reliability analyse (eventueel hier hercoderen of standaardiseren)
a. Scale  reliability analysis. Statistics  correlations and scale if item deleted.
5) Schaal berekenen (compute = mean)

Je kan verschillende soorten vragen stellen
 Q1. Zijn er verschillende dimensies in het concept?
 Q2. Wat zijn deze dimensies? Hoe kun je ze interpreteren en noemen?
o Hoe sterker de factor, hoe sterker ze het onderliggende concept representeren.
 Q3. Hoe zijn de dimensies gerelateerd aan elkaar?
o Verschillende dimensies moeten verschillen schalen

SPSS
 Analyze  dimension reduction  factor
o Extraction; van PC naar principal axis factoring (PAF) and scree plot. Kijk of
je aparte factor kunt zien. (De correlatie tussen de variabelen verdwijnen
zoveel mogelijk. De correlatie tussen de factor en de gemeten variabelen is zo
hoog mogelijk.).
o Rotation; direct oblimin (Dit zorgt voor de best mogelijke correlatie)
 Kaiser’s criteria: variantie moet boven 1 zijn (Eigenvalue) wil het een
aparte factor zijn.
 Knik criteria: bij de scree plot kun je ook zien hoeveel factoren er zijn;
knik -1.
o Options; exclude cases pairwise en suppress small coefficients .3
 Kijken naar pattern matrix (dit is geroteerd)

Extra informatie
KMO moet boven .7 zijn.
Determinant onder correlation matrix is groter dan 0000.1  correlaties niet te hoog.
Barlett’s test is significant (.000)  correlaties zijn verschillend van 0. Dus ze zijn niet te
laag.

, Reproduced correlation matrix vergelijken met de normale correlation matrix om te kijken
hoe goed het factormodel is. Als de correlatiegetallen ongeveer gelijk zijn is het een goed
factormodel.
Hoorcollege 2: Pad analyse

Pad analyse
Er is tenminste 1 variabel die zowel oorzaak als effect is, hiervoor heb je meerder
regressieanalyses nodig. Er zijn zowel directe, als indirecte effecten.

 Er kunnen meerder afhankelijke en onafhankelijke variabelen zijn.
 Een variabele kan in de ene analyse als een afhankelijke variabele gelden en in een
andere analyse als onafhankelijke variabele.
 Er zijn meerdere regressieanalyses nodig om de indirecte en confounding effecten te
berekenen.
 Het doel is om de effecten van het causale model te berekenen.
 Enkel een richting effecten kunnen berekend worden, er kunnen niet twee pijlen aan
een lijntje zitten.
 Er zijn endogene en exogene variabelen. Endogene variabelen zijn variabele waarnaar
een pijl wijst, de afhankelijke variabele. Exogene variabelen zijn pijlen die ergens
naartoe wijzen.
 De error bereken je door √ 1 – R2  ε
 De variabelen moeten duidelijk verschillen van elkaar.
 Je kijkt naar de beta’s

Verschillende analyses
Mediërende analyse vs. confounding analyse




Bij een causaal model zijn er twee confouding effecten




1. 2.

Totaal causaal effect = alle indirecte effecten + directe effecten (confounding meegenomen).
Totale correlatie = alle confounding effecten + alle indirecte effecten + directe effecten.

Stap 1 = peduc + pread. Stap 2 = peduc + pread  seduc. Stap 3 = peduc + pread + secud 
reading.

Z-scores
Alle variabelen zijn in dezelfde meeteenheid uitgedrukt.