Tổng quan quy trình phát triển thang đo

Phân tích Nhân tố trong R

Jennifer Brussow

Psychometrician

Quy trình phát triển

  1. Phát triển các mục cho thang đo

  2. Thu thập dữ liệu thử nghiệm từ mẫu đại diện

  3. Xem qua hình dạng bộ dữ liệu

  4. Cân nhắc dùng EFA, CFA, hoặc cả hai

  5. Nếu dùng cả hai, chia mẫu thành hai nửa ngẫu nhiên

  6. So sánh hai mẫu để đảm bảo chúng tương tự nhau

Phân tích Nhân tố trong R

Quy trình phát triển

  1. Phát triển các mục cho thang đo của bạn

  2. Thu thập dữ liệu thử nghiệm từ mẫu đại diện

  3. Xem qua hình dạng bộ dữ liệu

Phân tích Nhân tố trong R

Khám phá bộ dữ liệu

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 ...
Phân tích Nhân tố trong R

Quy trình phát triển

  1. Phát triển các mục cho thang đo của bạn

  2. Thu thập dữ liệu thử nghiệm từ mẫu đại diện

  3. Xem qua hình dạng bộ dữ liệu

  4. Cân nhắc dùng phân tích khám phá (EFA), phân tích khẳng định (CFA), hoặc cả hai

  5. Nếu dùng cả hai, chia mẫu thành hai nửa ngẫu nhiên

Phân tích Nhân tố trong R

Chia bộ dữ liệu

 

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, ]
Phân tích Nhân tố trong R

Quy trình phát triển

  1. Phát triển các mục cho thang đo của bạn

  2. Thu thập dữ liệu thử nghiệm từ mẫu đại diện

  3. Xem qua hình dạng bộ dữ liệu

  4. Cân nhắc dùng EFA, CFA, hoặc cả hai

  5. Nếu dùng cả hai, chia mẫu thành hai nửa ngẫu nhiên

  6. So sánh hai mẫu để đảm bảo chúng tương tự nhau

Phân tích Nhân tố trong R

Kiểm tra hai nửa

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
Phân tích Nhân tố trong R

Kiểm tra hai nửa

gcbs_grouped <- cbind(gcbs, group_var)

describeBy(gcbs_grouped, group = group_var)
statsBy(gcbs_grouped, group = "group_var")
Phân tích Nhân tố trong R

Cùng luyện tập nào!

Phân tích Nhân tố trong R

Preparing Video For Download...