Snap Benelux

Factoranalyse is een datareductietechniek die kijkt naar antwoorden op verschillende variabelen en deze samenvat in samengestelde variabelen, gekend als factoren. Dat maakt de analyse van data een meer beheersbare taak. Ook gekend als de "analyse van de hoofdcomponenten" dient dit vooral voor het identificeren van onderliggende patronen bij consumenten, die op een reeks van vragen hebben geantwoord. Check ook https://nl.wikipedia.org/wiki/Factoranalyse voor meer uitleg.

Een enquête kan een serie van vragen bevatten, waarin de respondent wordt gevraagd een mening te geven over verschillende aspecten van een product of dienst. Er kunnen vele vragen zijn die allemaal dezelfde beoordelingsschaal gebruiken. Het kan soms moeilijk zijn om trends te identificeren in dergelijke lange vragenreeksen. Factoranalyse wordt dan gebruikt om deze lijst te beperken tot een meer beheersbare lengte.

De techniek in Snap Surveys voor Factoranalyse kijkt naar correlaties tussen elk paar vragen en combineert variabelen die een hoge correlatie met elkaar hebben. Deze groepjes variabelen worden dan op een specifieke wijze gecombineerd om zo de factoren te vormen. Aangezien de resulterende factoren rekening houden met de antwoorden op verschillende bronvariabelen, kan de originele lijst van variabelen beperkt worden tot een beheersbaar aantal, waarbij elke factor fungeert als een afgeleide variabele.

Doorgaans zal elke factor die geproduceerd wordt door de analyse sterk gebaseerd zijn op een subset van variabelen die op één of andere manier gelijkaardig zijn. Aangezien de resulterende factoren bewaard kunnen worden in Snap, en op hun beurt gebruikt kunnen worden als variabelen in nieuwe analyses, helpt de kennis over de bronvariabelen die de factors het sterkst hebben beïnvloed om deze factors betekenisvolle namen te geven.

Gezien het doel van Factoranalyse is om het aantal variabelen tot een minimum te beperken, worden waarschijnlijk slechts een beperkt aantal factoren weerhouden. De factoren worden in Snap opgelijst volgens hun belang, wat u toemaat om te kiezen hoeveel u er wil behouden in uw verdere analyses. De eerste factor is de factor die het hoogste bedrag van de totale variantie in de gegevens verklaart (voor de variabelen die in de bron worden gebruikt). De tweede factor is de factor die het hoogste bedrag van de resterende variantie verklaart, enzovoort. Het aantal te behouden factoren hangt af van het aantal bronvariabelen dat is gebruikt en de gegevens voor die bronvariabelen. Deze beslissing is tot op zekere hoogte arbitrair. Er zijn theorieën die richtlijnen geven over het aantal factoren dat moet worden gekozen, zoals het negeren van factoren met een Eigen-waarde onder een bepaalde drempelwaarde, of het nemen van voldoende factoren om een cumulatieve variabiliteitsratio groter dan een voorgeschreven niveau te hebben.

Factoranalyse wordt ook uitgevoerd, als een voorbode van Cluster Analyse.

Een factoranalyse creëren

1. Open de enquête
2. Klik en open het Anysis variables overview scherm. Dit toont je alle Group en Auto-category variabelen, en Factor en clusteranalyses die opgezet werden in de huidige enquête.
   
   

   
   
   

3. Klik  en selecteer New Factor Analysis... in het menu. Het detail scherm voor Factoranalyse zal openen.
   
   

   
   
   

4. Geef een gepaste naam en omschrijving (label) aan de factoranalyse
5. In het Source veld lijst je de variabelen op voordewelke je de factoren wil afleiden. Gebruik reeksen indien de variabelen in een aaneensluitende reeks vallen, bijvoorbeeld "Q6a to Q6d" : deze zal alle variabelen tussen Q6a en Q6d bevatten (inclusief Q6a en Q6d). Plaats een komma indien de variabelen niet aansluiten in een reeks. Bijvoorbeeld : "Q6a, Q6b, Q6d"
6. Eenmaal de bronvariabelen gedefinieerd, klik in de tabel eronder en de factoren worden berekend. Snap zal evenveel factoren creëren als het aantal bronvariabelen (source).
   
   
   
   
7. Creëer nu eerst een gewicht alvorens verder te gaan met Stap 8. Zie onderaan deze instructie (Gewichten voor factoranalyse creëren)
8. In het veld Scale, typ je  "WT1". Je zal op dit moment geen verschil zien in uw factoranalyse.
   
   
   
   

Standaard gebruikt Snap het Jacobi algoritme voor het berekenen van factoren. Je kan ook Varimax aanvinken. Dit voegt een extra stap toe aan de berekening, die het makkelijker kan maken om de factoren die worden gecreëerd te interpreteren.

De factoranalyse tabel begrijpen

De resultatentabel toont voor elke factor de volgende onderdelen:

Factor loadings tables herschikken voor makkelijkere interpretatie

1. De tabel transponeren

Om de factor loadings te interpreteren, is het vaak makkelijker om de tabel te transponeren (transpose). Selecteer Transpose om elke factor als een kolom weer te geven.

2. De tabel herschikken

De volgorde van de variabelen is bepaald door hoe de analyse is opgesteld. Je kan de volgorde wijzigen volgens belang, binnen elke factor. Dit helpt je om te zien welke variabelen het grootste effect op deze factor hebben.Klik in de grijze box waarin een getal staat, bovenaan de kolom of op het einde van regel die de factordata bevat. Een driehoek verschijnt, die de volgorde aangeeft, en de variabelen herschikken zich volgens de factor loading van die specifieke factor.

Het aantal factoren verminderen

Factoranalyse is een datareductietechniek, met als doel het aantal variabelen te beperken tot een meer beheersbaar aantal, door de creatie van "samengestelde" variabelen. Standaard produceert Snap hetzelfde aantal factoren als er bronvariabelen zijn. In een lange lijst van bronvariabelen zullen sommige factoren beïnvloed lijken door dezelfde variabelen. Deze schijnbare duplicatie zal zich voordoen in factoren met lage Eigen-waarden. Deze factoren kunnen doorgaans kunnen genegeerd aangezien ze vrij insignificant zijn.

Om waarden te negeren, kan je de  Cutoff settings aanpassen.

Gewichten toepassen op factoranalyse

Je kan een gewicht toepassen op factoranalyses, zoals je dat ook kan doen op andere statistieken.

Bijvoorbeeld : indien de bronvariabelen beoordelingsschalen zijn, met 1 als Zeer Goed en 5 als Zeer slecht, loont het de moeite om een gewicht aan de data toe te voegen, zodat zeer goede scores een hoge waarde krijgen, en lage scores een lage waarde krijgen in de resulterende factoren.

Een gewicht in het Scale veld plaatsen betekent:

• dat het gewicht zal worden toegepast op alle multi-choice en gridvragen, vooraleer de factorananlyse wordt uitgevoerd.
• dat dit gewicht NIET zal toegepast worden op quantity vragen.

Indien al je bronvariabelen beoordelingsschalen zijn, dan wordt het gewicht op alle vragen toegepast, en dan zal dit geen effect hebben op de Eigen-waarden of Factor Loadings die worden geproduceerd.

Indien je een mengeling van vraagtypes hebt, zal het gewicht énkel worden toegepast op multi-choice en gridvragen, en zullen de factoranalyse resultaten verschillen van eenzelfde analyse waar geen gewicht op is toegepast

1. Specifieer in het veld Scale, de naam van een gepast gewicht, bijvoorbeeld een gewicht dat codes 1 tot 5 weegt van -2 tot +2
   
   
2. Specifieer het gewicht 
   • Klik  om het Weights scherm te tonen
   • Klik  om een nieuw gewicht toe te voegen en specifieer het gewicht dan als volgt:

Name: WT1 Snap voegt automatisch een naam toe, maar je kan die wijzigen

Label: Scoring systeem

Method: Factor Snap kent dit automatisch toe

Decimal places: 0

Number of codes: 5

3.Klik om het gewicht te bewaren en sluit het dialoogscherm.