Aperçu du processus de développement d'une mesure

Analyse factorielle avec R

Jennifer Brussow

Psychometrician

Processus de développement

  1. Développer les items de votre mesure

  2. Recueillir des données pilotes sur un échantillon représentatif

  3. Examiner l'aspect de ce jeu de données

  4. Choisir d'utiliser une EFA, une CFA, ou les deux

  5. Si les deux, scinder votre échantillon en deux moitiés aléatoires

  6. Comparer les deux échantillons pour vérifier leur similarité

Analyse factorielle avec R

Processus de développement

  1. Développer les items de votre mesure

  2. Recueillir des données pilotes sur un échantillon représentatif

  3. Examiner l'aspect de ce jeu de données

Analyse factorielle avec R

Inspection du jeu de données

library(psych)
describe(gcbs)

    vars    n mean   sd median trimmed  mad min max range  skew ...
Q1     1 2495 3.47 1.46      4    3.59 1.48   0   5     5 -0.55 ...
Q2     2 2495 2.96 1.49      3    2.96 1.48   0   5     5 -0.01 ...
Q3     3 2495 2.05 1.39      1    1.82 0.00   0   5     5  0.98 ...
Q4     4 2495 2.64 1.45      2    2.55 1.48   0   5     5  0.26 ...
Q5     5 2495 3.25 1.47      4    3.32 1.48   0   5     5 -0.35 ...
...
Q11   11 2495 3.27 1.40      4    3.34 1.48   0   5     5 -0.35 ...
Q12   12 2495 2.64 1.50      2    2.56 1.48   0   5     5  0.29 ...
Q13   13 2495 2.10 1.38      1    1.89 0.00   0   5     5  0.89 ...
Q14   14 2495 2.96 1.49      3    2.95 1.48   0   5     5 -0.02 ...
Q15   15 2495 4.23 1.10      5    4.47 0.00   0   5     5 -1.56 ...
Analyse factorielle avec R

Processus de développement

  1. Développer les items de votre mesure

  2. Recueillir des données pilotes sur un échantillon représentatif

  3. Examiner l'aspect de ce jeu de données

  4. Choisir d'utiliser une analyse exploratoire (EFA), une analyse confirmatoire (CFA), ou les deux

  5. Si les deux, scinder votre échantillon en deux moitiés aléatoires

Analyse factorielle avec R

Scinder le jeu de données

 

N <- nrow(gcbs)
indices <- seq(1, N)
indices_EFA <- sample(indices, floor((0.5 * N)))
indices_CFA <- indices[!(indices %in% indices_EFA)]

gcbs_EFA <- gcbs[indices_EFA, ]
gcbs_CFA <- gcbs[indices_CFA, ]
Analyse factorielle avec R

Processus de développement

  1. Développer les items de votre mesure

  2. Recueillir des données pilotes sur un échantillon représentatif

  3. Examiner l'aspect de ce jeu de données

  4. Choisir d'utiliser une EFA, une CFA, ou les deux

  5. Si les deux, scinder votre échantillon en deux moitiés aléatoires

  6. Comparer les deux échantillons pour vérifier leur similarité

Analyse factorielle avec R

Inspection des moitiés

group_var <- vector("numeric", nrow(gcbs))
group_var[indices_EFA] <- 1
group_var[indices_CFA] <- 2
group_var

   [1] 2 1 2 2 1 2 1 1 2 2 2 1 2 2 1 1 2 1 1 1 1 2 1 1 2 1 1 1 2 2
  [31] 2 2 2 1 2 2 2 1 2 2 2 1 1 1 2 2 2 2 1 2 2 1 1 2 2 2 2 2 2 2
  [61] 2 1 2 1 2 2 1 2 1 2 2 2 1 2 1 2 1 1 2 2 1 2 1 2 1 1 1 2 2 2
  [91] 2 2 2 1 2 2 2 2 2 2 2 2 1 2 2 2 1 2 2 2 2 1 1 1 2 2 1 1 2 2
 [121] 2 1 2 2 1 2 2 1 2 2 2 2 1 2 1 1 1 2 2 1 1 1 2 1 1 1 1 2 2 2
 [151] 1 1 1 1 2 2 2 2 2 1 2 1 1 2 1 1 2 1 2 1 2 1 1 1 2 1 1 1 1 2
 [181] 2 1 1 2 2 2 1 1 1 1 2 2 2 2 2 1 1 1 1 2 2 1 1 1 2 1 2 1 2 2
Analyse factorielle avec R

Inspection des moitiés

gcbs_grouped <- cbind(gcbs, group_var)

describeBy(gcbs_grouped, group = group_var)
statsBy(gcbs_grouped, group = "group_var")
Analyse factorielle avec R

Passons à la pratique !

Analyse factorielle avec R

Preparing Video For Download...