Aperçu du processus d'élaboration d'une mesure

Analyse factorielle avec R

Jennifer Brussow

Psychometrician

Processus d'élaboration

  1. Rédiger les items de votre mesure

  2. Recueillir des données pilotes auprès d'un échantillon représentatif

  3. Examiner l'allure de l'ensemble de données

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

  5. Si les deux, scinder votre échantillon aléatoirement en deux

  6. Comparer les deux sous-échantillons pour vérifier qu'ils sont similaires

Analyse factorielle avec R

Processus d'élaboration

  1. Rédiger les items de votre mesure

  2. Recueillir des données pilotes auprès d'un échantillon représentatif

  3. Examiner l'allure de l'ensemble de données

Analyse factorielle avec R

Inspection de l'ensemble 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 d'élaboration

  1. Rédiger les items de votre mesure

  2. Recueillir des données pilotes auprès d'un échantillon représentatif

  3. Examiner l'allure de l'ensemble de données

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

  5. Si les deux, scinder votre échantillon aléatoirement en deux

Analyse factorielle avec R

Scinder l'ensemble 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 d'élaboration

  1. Rédiger les items de votre mesure

  2. Recueillir des données pilotes auprès d'un échantillon représentatif

  3. Examiner l'allure de l'ensemble de données

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

  5. Si les deux, scinder votre échantillon aléatoirement en deux

  6. Comparer les deux sous-échantillons pour vérifier qu'ils sont similaires

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...