Wanneer je de schaalconstructie opnieuw uitvoert, moet je ook de univariate bewerking opnieuw uitvoeren.
De relevante output uit SPSS:
Initial | Extraction | |
---|---|---|
Hoe vaak praat u over onderwerpen uit het nieuws- om nieuwe informatie te krijgen | 1,000 | ,398 |
Hoe vaak praat u over onderwerpen uit het nieuws- om de mening van anderen te weten te komen | 1,000 | ,672 |
Hoe vaak praat u over onderwerpen uit het nieuws- om te horen of ze dezelfde mening hebben als ik | 1,000 | ,559 |
Hoe vaak praat u over onderwerpen uit het nieuws- om nieuwe argumenten voor of tegen te horen | 1,000 | ,607 |
Hoe vaak praat u over onderwerpen uit het nieuws- om te laten merken wat ik ervan vind | 1,000 | ,438 |
Hoe vaak praat u over onderwerpen uit het nieuws- om gespreksstof te hebben | 1,000 | ,275 |
In hoeverre denkt u dat de nieuwsmedia ...- het nieuws op een eerlijke manier brengen? | 1,000 | ,779 |
In hoeverre denkt u dat de nieuwsmedia ...- het hele verhaal vertellen? | 1,000 | ,762 |
In hoeverre denkt u dat de nieuwsmedia ...- accuraat zijn? | 1,000 | ,726 |
In hoeverre denkt u dat de nieuwsmedia ...- te vertrouwen zijn? | 1,000 | ,800 |
In hoeverre denkt u dat de nieuwsmedia ...- bij conflicten de standpunten van beide partijen verwoorden? | 1,000 | ,662 |
Extraction Method: Principal Component Analysis. |
Component | Initial Eigenvalues | Extraction Sums of Squared Loadings | Rotation Sums of Squared Loadings | ||||||
---|---|---|---|---|---|---|---|---|---|
Total | % of Variance | Cumulative % | Total | % of Variance | Cumulative % | Total | % of Variance | Cumulative % | |
1 | 4,077 | 37,067 | 37,067 | 4,077 | 37,067 | 37,067 | 3,742 | 34,022 | 34,022 |
2 | 2,601 | 23,645 | 60,712 | 2,601 | 23,645 | 60,712 | 2,936 | 26,690 | 60,712 |
3 | ,895 | 8,135 | 68,847 | ||||||
4 | ,758 | 6,890 | 75,737 | ||||||
5 | ,553 | 5,023 | 80,761 | ||||||
6 | ,500 | 4,548 | 85,309 | ||||||
7 | ,426 | 3,872 | 89,180 | ||||||
8 | ,372 | 3,384 | 92,564 | ||||||
9 | ,326 | 2,967 | 95,532 | ||||||
10 | ,281 | 2,556 | 98,087 | ||||||
11 | ,210 | 1,913 | 100,000 | ||||||
Extraction Method: Principal Component Analysis. |
Component | ||
---|---|---|
1 | 2 | |
Hoe vaak praat u over onderwerpen uit het nieuws- om nieuwe informatie te krijgen | ,114 | ,621 |
Hoe vaak praat u over onderwerpen uit het nieuws- om de mening van anderen te weten te komen | ,025 | ,819 |
Hoe vaak praat u over onderwerpen uit het nieuws- om te horen of ze dezelfde mening hebben als ik | ,121 | ,738 |
Hoe vaak praat u over onderwerpen uit het nieuws- om nieuwe argumenten voor of tegen te horen | -,035 | ,779 |
Hoe vaak praat u over onderwerpen uit het nieuws- om te laten merken wat ik ervan vind | ,026 | ,661 |
Hoe vaak praat u over onderwerpen uit het nieuws- om gespreksstof te hebben | ,149 | ,503 |
In hoeverre denkt u dat de nieuwsmedia ...- het nieuws op een eerlijke manier brengen? | ,878 | ,090 |
In hoeverre denkt u dat de nieuwsmedia ...- het hele verhaal vertellen? | ,870 | ,068 |
In hoeverre denkt u dat de nieuwsmedia ...- accuraat zijn? | ,846 | ,101 |
In hoeverre denkt u dat de nieuwsmedia ...- te vertrouwen zijn? | ,888 | ,102 |
In hoeverre denkt u dat de nieuwsmedia ...- bij conflicten de standpunten van beide partijen verwoorden? | ,810 | ,072 |
Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization. | ||
a Rotation converged in 3 iterations. |
a. Van welk item verklaren de geselecteerde componenten de meeste variantie?
De communaliteit van een item (of variabele) geeft de proportie van de variantie van dit item die de geselecteerde componenten verklaren. In de tabel "Communalities" is te zien dat de communaliteit van de variabele "In hoeverre denkt u dat de nieuwsmedia ... te vertrouwen zijn?" (v30) het hoogste is (80%). Van deze enquêtevraag wordt dus de meeste variantie verklaard door de twee componenten.
b. Hoeveel variantie van alle items wordt verklaard door elk van de geselecteerde componenten?
De twee componenten verklaren samen 60,71% van de variantie in de items (zie de tabel "Total Variance Explained"). In de ongeroteerde oplossing verklaart component 1 37,07% van de variantie en component 2 23,65%. In de geroteerde oplossing verklaart de eerste component 34,02% en de tweede component 26,69%.
Zoals je ziet, kan de bijdrage van elke component aan de verklaarde variantie veranderen door de rotatie. In de rapportage van de uiteindelijke componenten vermeld je de verklaarde variantie van de geroteerde oplossing omdat dit de componenten zijn die je inhoudelijk interpreteert.
c. Welk item hangt het sterkste samen met elke component en welk item het zwakste?
Omdat je de geroteerde oplossing interpreteert, moet je daar nu naar kijken (tabel "Rotated Component Matrix").
De bovenste zes items (variabelen) (v21 tot en met v26) hangen sterk samen met component 2. Het item "Hoe vaak praat u over onderwerpen uit het nieuws- om de mening van anderen te weten te komen" (v22) heeft de hoogste componentlading. Dit betekent dat dit item het sterkste samenhangt met component 2. Deze vragen hebben allemaal betrekking op de redenen om over het nieuws te spreken en noemen we daarom "Uses van nieuws".
De onderste vijf items (v27 tot en met v30) hangen sterk samen met component 1. Deze vragen hebben allemaal betrekking op het vertrouwen in de nieuwsmedia. "In hoeverre denkt u dat de nieuwsmedia ...- te vertrouwen zijn?" (v30) hangt daar het sterkste mee samen.