Inleiding tot factoranalyse: ontcijfer complexe enquêtegegevens

Verklein uw hoeveelheid data om concepten te meten die moeilijk te kwantificeren zijn

Is er één maatstaf waarmee u uw hele gezondheid kunt beschrijven. Zo ja, welke?

Uw bloeddruk? Het aantal calorieën dat u consumeert? Uw gewicht?

Geen van deze cijfers geeft een volledig beeld als ze op zich staan, maar als u ze samenvoegt, vertellen ze juist heel veel.

Hier zou een onderzoeker factoranalyse kunnen toepassen: een statistische techniek voor het vereenvoudigen en analyseren van grote hoeveelheden data met veel variabelen. Op deze manier krijgen de resultaten van een enquête meer betekenis en trekt u betere conclusies na een enquête.

Zo komt u erachter of variabelen (in het geval van enquêtes: vragen) met elkaar verband houden of juist met een andere variabele of ander concept. Statistici noemen deze gerelateerde variabelen ook wel 'gemeenschappelijke factoren'.

U kunt de relaties tussen groepen variabelen vaststellen door de groepen die sterk verband houden met elkaar samen te voegen en er gemeenschappelijke factoren van te maken. Dit is de basis van de exploratieve factoranalyse die vaak wordt gebruikt op het gebied van psychologie, gezondheid en politicologie om de resultaten van een onderzoek te analyseren.

Neem bijvoorbeeld de volgende vragen die u tegen kunt komen in een enquête voor de gezondheidszorg.

  • Wat is uw lengte?
  • Wat is uw gewicht?
  • Rookt u?
  • Hoe vaak doet u aan lichaamsbeweging?
  • Hebt u hoge bloeddruk?
  • Hebt u ooit een hartaanval gehad?

Individueel zijn de antwoorden te specifiek om een goed beeld te vormen over uw algehele gezondheid, maar samengevoegd kunnen ze een uitgebreider beeld geven van uw welzijn. En dat is de gemeenschappelijke factor waar onderzoekers daadwerkelijk in geïnteresseerd zijn.

Als een onderzoeker u bijvoorbeeld één zeer algemene vraag over uw gezondheid stelt (zoals: hoe beoordeelt u uw gezondheid in het algemeen: uitstekend, zeer goed, goed, redelijk of slecht), dan is die vraag niet altijd eenvoudig te beantwoorden. Ook kan een factoranalyse interpreteren best lastig zijn.

Want met wie vergelijkt u zich? Uw buurman die al aardig op leeftijd is of uw tienerdochter die aan atletiek doet? Het is lastig om te weten waar u staat ten opzichte van anderen. Plus, verschillende respondenten zullen zich vergelijken met verschillende groepen.

Daarom stellen veel onderzoekers vaak een reeks vragen over de gezondheid en voeren ze een factoranalyse uit waarmee ze een gestandaardiseerde gezondheidsscore genereren.

Wanneer gebruikt u factoranalyse?

Er zijn drie primaire toepassingen voor factoranalyse:

  1. Om een hypothese te vormen over een relatie tussen variabelen. Onderzoekers noemen dit: exploratieve of verkennende factoranalyse.
  2. Om een hypothese te testen over de relatie tussen variabelen. Statistici noemen dit: confirmatieve factoranalyse.
  3. Om te testen hoe goed uw enquête daadwerkelijk meet wat het moet meten. Dit wordt vaak omschreven als: constructvaliditeit.

Belangrijk: factoranalyse is een geavanceerde techniek waarvoor een statistisch softwarepakket vereist is. U moet goed bekend zijn met dergelijke software vóór u hiermee aan de slag gaat.

Uw enquête voorbereiden voor factoranalyse

Nu u weet wat factoranalyse is, geven we u enkele tips voor het ontwerpen van uw enquête als u factoranalyse wilt gaan gebruiken:

1. Werf veel respondenten.

Factoranalyse is afhankelijk van veel gegevens. Zelfs als u een steekproefcalculator gebruikt, zal het precieze aantal respondenten dat nodig is voor een factoranalyse afhangen van zaken als populatieomvang en de vragen die u stelt. Maar hoe meer reacties u hebt, hoe beter.

2. Stel veel specifieke vragen in plaats van enkele algemene.

Met factoranalyse kunt u brede concepten die lastig meetbaar zijn, samenvatten met behulp van een reeks vragen die makkelijker meetbaar zijn. Het idee is om veel datapunten te verzamelen en deze te consolideren in bruikbare informatie.

3. Gebruik dezelfde of vergelijkbare antwoordopties.

Voor een goede factoranalyse hebt u kwantitatieve gegevens nodig. Uw antwoordopties moeten kunnen worden afgelezen op een schaal, bijvoorbeeld: numeriek (van 0 tot 10), binair (ja of nee) of een Likert-schaal (helemaal mee eens/eens/neutraal/oneens/helemaal mee oneens). De enige vereiste is dat uw opties op een bepaalde manier moeten zijn gerangschikt.

4. Gebruik een statistisch softwarepakket dat u goed kent.

Met de analysetool van SurveyMonkey (Analyze) kunt u diverse analyses uitvoeren, zoals het genereren van diagrammen, grafieken en overzichtsstatistieken. De meeste SurveyMonkey-klanten kunnen dus alle gegevens verzamelen en en een enquête analyseren zonder hulp van buitenaf. Maar factoranalyse is een geavanceerdere analysetechniek.

Als u al bekend bent met statistische softwarepakketten als R, SAS, SPSS of Stata, exporteert u simpelweg uw enquêtegegevens vanuit Analyze en downloadt u deze in een geschikte indeling voor uw software.

Makers van informele enquêtes vereisen vaak niet het gedetailleerde niveau dat factoranalyse biedt (en hebben er hebben wellicht niet de software voor). Maar het kan van onschatbare waarde zijn voor enquêteonderzoekers of statistici voor hun data-analyse bij kwantitatief onderzoek en de resultaten van een enquête te verwerken. Door een veelvoud aan datapunten samen te vatten in kleinere stukken, kunt u concepten meten die anders lastig te kwantificeren zijn en verbanden herkennen in uw gegevens.

SurveyMonkey: voor het antwoord op al uw vragen