Onderliggende Factoranalyse

Kenniscentrum

Wat is Onderliggende Factoranalyse? Beschrijving

De Onderliggende Factoranalyse methode (EFA) is een techniek die kan worden gebruikt voor het aan het licht brengen van de onderliggende structuur (dimensies) van een grote reeks variabelen. Derhalve vermindert EFA een grote reeks variabelen tot een paar onderliggende factoren.

Voorbeeld: U hebt een vragenlijst over klantentevredenheid in de burgerluchtvaartindustrie opgezet (United Airlines, Delta, Lufthansa). U hebt 30 items geïdentificeerd om klantentevredenheid te beschrijven en te evalueren (b.v. „gemak van het kopen van kaartjes“, „gemak van inchecken“, „omgeving van de lounges“, „vriendelijkheid van de vluchtbedienden“, „het vervullen van speciale wensen“, „kwaliteit van het voedsel aan boord van“, „zitcomfort“, „speciale aanbiedingen zoals tijdens de vlucht vertoonde films“, „nauwkeurigheid van aankomst“). Door EFA te gebruiken kunt u de reeks van 30 items binnen uw analyseproces terugbrengen tot een paar centrale factoren die aan uw set van issues ten grondslag liggen. U kunt bijvoorbeeld overwegen dat de items "gemak van het kopen van kaartjes", "gemak van inchecken", "omgeving van de lounges", "kwaliteit van het voedsel aan boord", "zitcomfort" en "speciale aanbiedingen zoals tijdens de vlucht vertoonde films" deel van een potentieel dimensie uitmaken. De harde dingen die luchtvaartmaatschappijen kunnen bieden om hun zaken te stimuleren. Maar de "vriendelijkheid van de vluchtbedienden", "het vervullen van speciale wensen" en de "nauwkeurigheid van aankomst" zijn meer deel van een procesdimensie.

Dat betekent dat EFA precies deze structuren te weten komt - in ons voorbeeld de factor "potentieel" en "proces". Managers kunnen nu een dieper inzicht krijgen ten behoeve van het ontplooiien van marketingactiviteiten om de tevredenheid van hun klanten te verbeteren door zich meer op het "potentieel"-deel of op het "proces"-deel te concentreren.
 

Oorsprong van Onderliggende Factoranalyse. Geschiedenis

Factor analytische methodologieën kunnen misschien worden opgevat als een continuüm. Dit continuüm strekt zich uit van bevestigende technieken tot naar zuiver oriënterende procedures. Charles Spearman (vanaf 1904) was geïnteresseerd in het bevestigen van het idee van een algemene intelligentie. Met uitgebreid experimenteel bewijsmateriaal, dat door jaren studies werd ontwikkeld met grotere testverzamelingen die aan grotere steekproeven van individuen worden gegeven, bleek de theorie van Spearman van één enkele intellectuele factor ontoereikend te zijn. Er moest een mogelijkheid worden gecreëerd om met groepsfactoren om te gaan. In de vroege jaren '30, brak Thurstone met het gemeenschappelijk idee dat op vroegere veronderstellingen was gebaseerd betreffende de aard van factoren, en hij ontwikkelde een algemene theorie van veelvoudige factoranalyse. Thurstone's Boek "Vectors of Mind" (1935) gaf de wiskundige en logische basis voor deze theorie.

Berekening van Onderliggende Factoranalyse. Formule

Om gegevens te analyseren door EFA te gebruiken kunt u statistische pakketten zoals SPSS of SAS gebruiken.

Gebruik van Onderliggende Factoranalyse. Toepassingen

• Klanttevredenheidsonderzoeken.
• Het meten van dienstverleningskwaliteit.
• Persoonlijkheidstests.
• Imago-onderzoeken.
• Het identificeren van marktsegmenten.
• Typeren van klanten of producten of gedrag.

Stappen in Onderliggende Factoranalyse. Proces

Een typisch proces van EFA gaat als volgt:

1. Identificeer de indicatoren/items die in de EFA worden opgenomen.
2. Bereken een correlatiematrix (correlatiecoëfficiënt van Bravais-Pearson).
3. Onderzoek de correlatiematrix die voor de EFA moet worden gebruikt (mate van significantie, de inverse van de correlatiematrix, de Bartlett-Test, de anti-imago-covariantie-matrix, de Kaiser-Meyer-Olkin-Criteria KMO)
4. Kies een factor extractiemethode (belangrijkste componentenanalyse, belangrijkste factoranalyse).
5. Ontdek de factoren en de factorenladingen. Factorladingen zijn de correlatiecoëfficiënten tussen de variabelen (rijen in de lijst) en factoren (kolommen in de lijst).
6. Stel het aantal te extraheren factoren vast (voor deze stap is het nuttig om de Kaishyer-Criteria en de Scree-Test met de elleboog-criteria te gebruiken).
7. Interpreteer de geëxtraheerde factoren (d.w.z. "potentieel" en "proces" in het gegeven voorbeeld hierboven)

Sterke punten van Onderliggende Factoranalyse. Voordelen

• Makkelijk te gebruiken
• Nuttig voor veel onderzoeksvragen,
• Basis van andere instrumenten (b.v. regressieanalyse met factorenscores), gemakkelijk om met andere instrumenten (b.v. bevestigende analyse) te combineren

Beperkingen van Onderliggende Factoranalyse. Nadelen

• Variabelen moeten interval-geschaald zijn.
• Het Falling number zou groter moeten zijn dan drie keer de hoeveelheid variabelen.

Veronderstellingen van Onderliggende Factoranalyse. Voorwaarden

• Geen uitlopers, intervalgegevens, lineariteit, multivariate normaliteit, rechthoekigheid voor belangrijkste factoranalyse

Boek: Klaus Backhaus, Bernd Erichson, Wulff Plinke - Multivariate Analysemethoden

Boek: Joseph F Hair, Ronald L Tatham, Rolph E. Anderson, William Black - Multivariate Data Analysis 

Boek: John C. Loehlin - Latent Variable Models

Forum Forumdiscussies over Onderliggende Factoranalyse. Hieronder kunt u een vraag stellen over dit onderwerp, uw ervaringen delen, een nieuwe ontwikkeling melden, of iets toelichten. 2 types of multivariate analys There are two main techniques of multiviariate analysis: 1. Factor Analysis (find the underlying dimensions or 'factors' by investigating the correlation between variables), 2. Cluster Analysis (find ... 14   What to do if the Data of your Research Turn out to be Incomplete? Suppose you have just finished executing an agriculture project in which you were distributing agricultural inputs to farmers. During the analysis of the end-line data, you have seen that three respon... 4   2 reacties Maximum Likelihood Extraction Method I chose Principal Components Analysis and unfortunately there are 17 factors and Varimax table was presented just in the last step. I want to use limited factors with enough (3-5) items to make a good... 4   1 reacties SPSS Factor Analysis on Non-Parametric Data Hi, I have 42 items, coded on binary scale 1 or 0. I wish to perform an Exploratory Factor Analysis using SPSS 15.0 My query: Is it possible to perform Exploratory Factor Analysis with such items co... 4   1 reacties Rotated component matrix Hello, I am doing an exploratory factor analysis with 56 manifest variables using SPSS. However after running it, I don't obtain the rotated component matrix. Any idea about the reasons for this p... 0   1 reacties Begin een nieuw onderwerp over Onderliggende Factoranalyse Deel hier uw kennis (of stel een vraag)

Expert Tips Geavanceerde inzichten over Exploratory Factor Analysis (Engels). Hier vindt u professionele adviezen van deskundigen. Disadvantages of Exploratory Factor Analysis Applying Exploratory Factor Analysis, EFA Implementation Some of the disadvantages associated with EFA are: - Usefulness of EFA depends mainly on the researchers’ ability to de... Advantages of Exploratory Factor Analysis Applying Exploratory Factor Analysis, EFA Implementation Some of the advantages of Exploratory Factor Analysis (EFA) are as follows: - Objective as well as subjective attribute...

Informatiebronnen Diverse informatiebronnen betreffende Onderliggende Factoranalyse. Hier vindt u powerpoints, video's, nieuws etc. om te gebruiken in uw eigen lezingen en workshops.

Researchlinks Springen naar verdere onderzoeksbronnen met betrekking tot Onderliggende Factoranalyse. Nieuws Video's Presentaties   Boeken Academisch Meer

Vergelijk Onderliggende Factoranalyse met:   Regressie-analyse  |  Analytische CRM  |  Confirmatory Analysis  |  LISREL

Keer terug naar Management Discipline: Human Resources  |  Marketing & Verkoop

Meer Managementmethoden, managementmodellen en managementtheorie