Reliability Alpha, Principal Component Analysis, and Exploratory Factor Analysis

2013 ◽  
pp. 31-76
Author(s):  
Hubert Gatignon
Keyword(s):  
Principal Component Analysis ◽  
Factor Analysis ◽  
Exploratory Factor Analysis ◽  
Principal Component ◽  
Component Analysis

scholarly journals Exploratory factor analysis and principal component analysis in clinical studies: Which one should you use?

2020 ◽  
Author(s):  
Mousa Alavi ◽  
Denis C. Visentin ◽  
Deependra K. Thapa ◽  
Glenn E. Hunt ◽  
Roger Watson ◽  
...  
Keyword(s):  
Principal Component Analysis ◽  
Factor Analysis ◽  
Exploratory Factor Analysis ◽  
Clinical Studies ◽  
Principal Component ◽  
Component Analysis

scholarly journals Workshop Analisis Faktor untuk Data Penelitian Ilmu Sosial dan Kependidikan

2021 ◽  
Vol 5 (1) ◽  
pp. 37-46
Author(s):  
Dhoriva Urwatul Wutsqa ◽  
Kismiantini Kismiantini ◽  
Muhammad Fauzan ◽  
Rosita Kusumawati ◽  
Sahid Sahid ◽  
...  
Keyword(s):  
Principal Component Analysis ◽  
Factor Analysis ◽  
Confirmatory Factor Analysis ◽  
Exploratory Factor Analysis ◽  
Principal Component ◽  
Component Analysis ◽  
Confirmatory Factor

Kegiatan PPM ini bertujuan memberikan pelatihan penggunaan program R dan SPSS dalam penelitian data ilmu sosial dan kependidikan kepada para praktisi lulusan S1, mahasiswa pasca sarjana, dan dosen di lingkungan universitas di Yogyakarta. Penelitian dalam ilmu sosial dan kependidikan seringkali melibatkan banyak variabel yang saling berkorelasi maupun mempunyai korelasi yang tinggi, misalnya dalam pengembangan suatu instrument penelitian. Penghapusan variabel yang mempunyai korelasi tinggi bisa mengakibatkan hilangnya informasi, untuk mengatasi hal tersebut dapat digunakan analisis komponen utama (Principal Component Analysis/PCA). Sedangkan dalam hal menentukan konstruk yang sesuai dari butir-butir soal yang terbentuk dapat dilakukan dengan dua pendekatan yaitu analisis faktor eksplorasi (Exploratory Factor Analysis/EFA) dan analisis faktor konfirmasi (Confirmatory Factor Analysis/CFA). Permasalahan yang terkait dengan reduksi variabel dan pembentukan konstruk pada pengembangan instrument ini merupakan hal yang sangat penting dalam penelitian ilmu sosial dan kependidikan.  Sehingga suatu metode analisis PCA, EFA, dan CFA dengan menggunakan program R dan SPSS mutlak diperlukan. Workshop yang diikuti oleh 26 peserta peserta ini dapat berjalan dengan baik. Berdasarkan pelaksanaan dan evaluasi kegiatan ini dapat disimpulkan bahwa tujuan dapat tercapai dengan baik.

scholarly journals Structural Validity of the Mini-Balance Evaluation Systems Test (Mini-BESTest) in People With Mild to Moderate Parkinson Disease

2016 ◽  
Vol 96 (11) ◽  
pp. 1799-1806 ◽  
Author(s):  
Martin Benka Wallén ◽  
Kimmo Sorjonen ◽  
Niklas Löfgren ◽  
Erika Franzén
Keyword(s):  
Principal Component Analysis ◽  
Factor Analysis ◽  
Confirmatory Factor Analysis ◽  
Parkinson Disease ◽  
Exploratory Factor Analysis ◽  
Principal Component ◽  
Component Analysis ◽  
Balance Test ◽  
Evaluation Systems ◽  
Confirmatory Factor

Abstract Background The Mini-Balance Evaluation Systems Test (Mini-BESTest) is a clinical balance test comprising 14 items assumed to reflect the unidimensional construct “dynamic balance.” Objective The study objective was to examine the dimensionality of the test and the properties of each item and their interrelationships in elderly people with mild to moderate Parkinson disease (PD). Design This was a cross-sectional study in a laboratory setting. Methods A total of 112 participants (mean age=73 years) with idiopathic PD (Hoehn and Yahr stages 1–3) were assessed by physical therapists. Local independence among items was examined with Rasch modeling. Unidimensionality was tested by running a principal component analysis on the residuals. An exploratory factor analysis was used to examine the structure of the test, and a confirmatory factor analysis was used to evaluate the fit of the derived model. Results The first residual component of the principal component analysis, with an eigenvalue of greater than 2, superseded the assumption of unidimensionality. After the omission of item 7 because of convergence problems, the exploratory factor analysis suggested that a 3-factor solution best fit the data. A confirmatory factor analysis demonstrated acceptable fit of the final model, although item 14 loaded poorly on its factor. Limitations The sample size was on the lower end of what is generally recommended. Conclusions This study could not confirm that the Mini-BESTest is unidimensional. Gait items were dispersed over all factors, indicating that they may reflect different constructs. Nonetheless, as there arguably is no clinical balance test superior to the Mini-BESTest today, we recommend using the total score for assessing gross balance in this population and individual items to identify specific weaknesses. Moreover, dual tasks should be assessed separately because they are an important aspect of balance control in people with PD, reflected in only one item of the test.

Essays in financial econometrics

2021 ◽  
Author(s):  
Αντώνιος Σαραντίδης
Keyword(s):  
Principal Component Analysis ◽  
Factor Analysis ◽  
Exploratory Factor Analysis ◽  
Principal Component ◽  
Financial Econometrics ◽  
Component Analysis

Η οικονομική κρίση/ύφεση και η πολιτική αστάθεια είναι δύο αλληλένδετες έννοιες με κοινά χαρακτηριστικά. Η πρόσφατη χρηματοπιστωτική και οικονομική κρίση χαρακτηρίζεται από μια περίπλοκη σχέση μεταξύ μακροοικονομικής και πολιτικής αστάθειας. Η μία αστάθεια αναπαράγει την άλλη, συχνά με ανατροφοδότηση, η οποία δημιουργεί αυτόνομους κύκλους.Αυτή η διατριβή πιστεύει ότι η πολιτική αστάθεια και οι οικονομικές κρίσεις/υφέσεις έχουν άμεση σχέση, διότι χωρίς ένα σταθερό πολιτικό περιβάλλον, οι κρίσεις είναι δύσκολο να αντιμετωπιστούν σε μια χώρα. Επιπλέον, αυτές ενδέχεται να επηρεάσουν αρνητικά το πολιτικό σύστημα, οδηγώντας έτσι σε πολιτική αστάθεια. Υποστηρίζεται επίσης μια ισχυρή σχέση μεταξύ των οικονομικών κρίσεων/υφέσεων καθώς και της πολιτικής αστάθειας.Λαμβάνοντας υπόψη τα ανωτέρω, ο σκοπός αυτής της διατριβής μπορεί να προσδιοριστεί με δύο τρόπους α) την εκτίμηση του αντίκτυπου της πρόσφατης οικονομικής κρίσης και ύφεσης του 2007/2008, που μετρήθηκε με διάφορους τρόπους, στο χρηματιστήριο, χρησιμοποιώντας διαφορετικές καινοτόμες οικονομετρικές μεθοδολογίες και διατηρώντας το δείγμα σταθερό και β) την αντιμετώπιση του προβλήματος της πολυδιάστατης πολιτικής αστάθειας προτείνοντας νέα μέτρα και δείκτες πολιτικής αστάθειας, προκειμένου να εκτιμηθεί ο αντίκτυπός στην χρηματοπιστωτική αγορά, την αύξηση του ΑΕΠ και τις άμεσες ξένες επενδύσεις.Το εμπειρικό μέρος ξεκινά με τη χρήση των Differences-in-Differences (DID) και Changes-in-Changes (CIC) προσεγγίσεων, για να εκτιμηθεί ο αντίκτυπος της οικονομικής κρίσης/ύφεσης στους τραπεζικούς και γενικούς χρηματιστηριακούς δείκτες. Οι περίοδοι της πρόσφατης κρίσης μετρήθηκαν με τέσσερις διαφορετικούς τρόπους και ελήφθησαν από διάφορες βάσεις δεδομένων που χρησιμοποιούνται στην αντίστοιχη βιβλιογραφία. Συνεχίζει με τη χρήση διαφόρων μεταβλητών πολιτικής αστάθειας από την αντίστοιχη βιβλιογραφία, για την δημιουργία πέντε νέων δεικτών πολιτικής αστάθειας. Χρησιμοποιούνται η Exploratory Factor Analysis και η Principal Component Analysis. Οι δείκτες εφαρμόστηκαν στις χρηματιστηριακές αγορές, την μεταβλητότητά τους, την αύξηση του ΑΕΠ και τις άμεσες ξένες επενδύσεις, ώστε να εκτιμηθεί ο πιθανός αντίκτυπός του.Τα αποτελέσματα της εκτίμησης παρέχουν επιβεβαιωτικά στοιχεία για την εγκυρότητα της προτεινόμενης θεωρίας. Τα συμπεράσματα παρέχουν επίσης στοιχεία ότι οι κρίσεις/υφέσεις επηρεάζουν άμεσα τις χρηματοπιστωτικές αγορές και ότι η πολιτική αστάθεια είναι ένα πολυδιάστατο πρόβλημα που ποικίλλει από χώρα σε χώρα.

Impact of Outliers Arising From Unintended and Unknowingly Included Subpopulations on the Decisions About the Number of Factors in Exploratory Factor Analysis

2012 ◽  
Vol 72 (3) ◽  
pp. 388-414 ◽  
Author(s):  
Yan Liu ◽  
Bruno D. Zumbo
Keyword(s):  
Principal Component Analysis ◽  
Factor Analysis ◽  
Sample Size ◽  
Exploratory Factor Analysis ◽  
Principal Component ◽  
Component Analysis ◽  
Chi Square ◽  
Number Of Factors ◽  
Decision Methods ◽  
Sequential Tests

There is a lack of research on the effects of outliers on the decisions about the number of factors to retain in an exploratory factor analysis, especially for outliers arising from unintended and unknowingly included subpopulations. The purpose of the present research was to investigate how outliers from an unintended and unknowingly included subpopulation affected the decisions about the number of factors to retain using four commonly used methods separately. The results showed that all the decision methods could provide biased results and the number of factors could be inflated, deflated, or remain the same depending on the decision methods used and outlier conditions. The findings also revealed that symmetric outliers did not affect the three principal component analysis–based methods but affected chi-square (ML) sequential tests. Finally, sample size did not play a role in the effect of outliers.

STUDY ON PLANKTON OF DIFFERENT CATEGORIES OF LAKES IN SUMMER BY MEANS OF PRINCIPAL COMPONENT ANALYSIS, FACTOR ANALYSIS AND CLUSTER ANALYSIS

2010 ◽  
Vol 36 (1) ◽  
pp. 43-50
Author(s):  
Luo-Jun GONG ◽  
Shi-Ping ZHANG ◽  
Bang-Xi XIONG ◽  
Ding-Zhu LIU ◽  
Jin-Zhong LI ◽  
...  
Keyword(s):  
Principal Component Analysis ◽  
Cluster Analysis ◽  
Factor Analysis ◽  
Principal Component ◽  
Component Analysis ◽  
And Cluster Analysis

scholarly journals Metacognitive Rating Scale: A Study Applying a Korean Translation to Individuals with Schizophrenia

2021 ◽  
Vol 18 (13) ◽  
pp. 6853
Author(s):  
Mihwa Han ◽  
Kyunghee Lee ◽  
Mijung Kim ◽  
Youngjin Heo ◽  
Hyunseok Choi
Keyword(s):  
Principal Component Analysis ◽  
Factor Analysis ◽  
Exploratory Factor Analysis ◽  
Mental Status ◽  
Rating Scale ◽  
Anger Expression ◽  
Principal Component ◽  
Negative Beliefs ◽  
Five Factors ◽  
Metacognitive Beliefs

Metacognition is a higher-level cognition of identifying one’s own mental status, beliefs, and intentions. This research comprised a survey of 184 people with schizophrenia to verify the reliability of the metacognitive rating scale (MCRS) with the revised and supplemented metacognitions questionnaire (MCQ) to measure the dysfunctional metacognitive beliefs of people with schizophrenia by adding the concepts of anger and anxiety. This study analyzed the data using principal component analysis and the varimax method for exploratory factor analysis. To examine the reliability of the extracted factors, Cronbach’s α was used. According to the results, reliability was ensured for five factors: positive beliefs about worry, negative beliefs about uncontrollability and danger of worry, cognitive confidence, need for control, and cognitive self-consciousness. The negative beliefs about uncontrollability and danger of worry and the need for control on anger expression, which were both added in this research, exhibited the highest correlation (r = 0.727). The results suggest that the MCRS is a reliable tool to measure the metacognition of people with schizophrenia.

Sign in / Sign up

Export Citation Format

Share Document