ภาพรวมของกระบวนการพัฒนาตัววัด

การวิเคราะห์ปัจจัยใน R

Jennifer Brussow

Psychometrician

กระบวนการพัฒนา

  1. สร้างข้อคำถามสำหรับตัววัด

  2. เก็บข้อมูลนำร่องจากกลุ่มตัวอย่างที่เป็นตัวแทน

  3. ตรวจสอบลักษณะของชุดข้อมูล

  4. พิจารณาว่าจะใช้ EFA, CFA หรือทั้งสองอย่าง

  5. หากใช้ทั้งสองอย่าง ให้แบ่งกลุ่มตัวอย่างเป็นสองส่วนแบบสุ่ม

  6. เปรียบเทียบสองกลุ่มตัวอย่างเพื่อให้แน่ใจว่ามีความคล้ายคลึงกัน

การวิเคราะห์ปัจจัยใน R

กระบวนการพัฒนา

  1. สร้างข้อคำถามสำหรับตัววัด

  2. เก็บข้อมูลนำร่องจากกลุ่มตัวอย่างที่เป็นตัวแทน

  3. ตรวจสอบลักษณะของชุดข้อมูล

การวิเคราะห์ปัจจัยใน R

ตรวจสอบชุดข้อมูล

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 ...
การวิเคราะห์ปัจจัยใน R

กระบวนการพัฒนา

  1. สร้างข้อคำถามสำหรับตัววัด

  2. เก็บข้อมูลนำร่องจากกลุ่มตัวอย่างที่เป็นตัวแทน

  3. ตรวจสอบลักษณะของชุดข้อมูล

  4. พิจารณาว่าจะใช้การวิเคราะห์เชิงสำรวจ (EFA) การวิเคราะห์เชิงยืนยัน (CFA) หรือทั้งสองอย่าง

  5. หากใช้ทั้งสองอย่าง ให้แบ่งกลุ่มตัวอย่างเป็นสองส่วนแบบสุ่ม

การวิเคราะห์ปัจจัยใน R

การแบ่งชุดข้อมูล

 

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, ]
การวิเคราะห์ปัจจัยใน R

กระบวนการพัฒนา

  1. สร้างข้อคำถามสำหรับตัววัด

  2. เก็บข้อมูลนำร่องจากกลุ่มตัวอย่างที่เป็นตัวแทน

  3. ตรวจสอบลักษณะของชุดข้อมูล

  4. พิจารณาว่าจะใช้ EFA, CFA หรือทั้งสองอย่าง

  5. หากใช้ทั้งสองอย่าง ให้แบ่งกลุ่มตัวอย่างเป็นสองส่วนแบบสุ่ม

  6. เปรียบเทียบสองกลุ่มตัวอย่างเพื่อให้แน่ใจว่ามีความคล้ายคลึงกัน

การวิเคราะห์ปัจจัยใน R

ตรวจสอบสองส่วนที่แบ่ง

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
การวิเคราะห์ปัจจัยใน R

ตรวจสอบสองส่วนที่แบ่ง

gcbs_grouped <- cbind(gcbs, group_var)

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

มาฝึกกันเถอะ!

การวิเคราะห์ปัจจัยใน R

Preparing Video For Download...