Översikt av måttutvecklingsprocessen

Faktoranalys i R

Jennifer Brussow

Psychometrician

Utvecklingsprocessen

Utveckla frågor för ditt mått
Samla in pilotdata från ett representativt urval
Undersök hur datamängden ser ut
Avgör om du vill använda EFA, CFA eller båda
Om båda, dela upp ditt urval i slumpmässiga hälfter
Jämför de två urvalen för att säkerställa att de är likartade

Utvecklingsprocessen

Utveckla frågor för ditt mått
Samla in pilotdata från ett representativt urval
Undersök hur datamängden ser ut

Utforska datamängden

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 ...

Utvecklingsprocessen

Utveckla frågor för ditt mått
Samla in pilotdata från ett representativt urval
Undersök hur datamängden ser ut
Avgör om du vill använda en explorativ analys (EFA), en konfirmatorisk analys (CFA) eller båda
Om båda, dela upp ditt urval i slumpmässiga hälfter

Dela upp datamängden

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, ]

Utvecklingsprocessen

Utveckla frågor för ditt mått
Samla in pilotdata från ett representativt urval
Undersök hur datamängden ser ut
Avgör om du vill använda EFA, CFA eller båda
Om båda, dela upp ditt urval i slumpmässiga hälfter
Jämför de två urvalen för att säkerställa att de är likartade

Granska halvorna

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

Granska halvorna

gcbs_grouped <- cbind(gcbs, group_var)

describeBy(gcbs_grouped, group = group_var)
statsBy(gcbs_grouped, group = "group_var")

Nu kör vi en övning!

Faktoranalys i R