LET OP: je gebruikt nu als oefening de factorscores van SPSS als schaalvariabele. Later zullen we de schaalvariabele echter steeds apart berekenen als de gemiddelde of totale score op alleen die items die goed genoeg bij de factor passen (zie hint Een schaal construeren).
a. Construeer een schaal van de variabelen v13 tot en met v19.
Je moet nu zelfstandig een factoranalyse (PCA) uitvoeren en rapporteren. Zorg ervoor dat je geen stappen overslaat!
De missing values blijken nog niet gedefinieerd (99) te zijn. Doe dit voordat je de factoranalyse uitvoert.
Resultaten van de factoranalyse:
| Initial | Extraction | |
|---|---|---|
| Door televisie te kijken kan ik mezelf goed vermaken. | 1,000 | ,358 |
| Door televisie te kijken kom ik meer te weten over normen en waarden in de maatschappij. | 1,000 | ,486 |
| Door televisie te kijken begrijp ik meer van de wereld om me heen. | 1,000 | ,463 |
| Door televisie te kijken weet ik wat ik in allerlei situaties het best kan doen. | 1,000 | ,674 |
| Door televisie te kijken ga ik mijzelf beter begrijpen. | 1,000 | ,619 |
| Door televisie te kijken kan ik me met anderen vermaken. | 1,000 | ,358 |
| Door televisie te kijken ben ik beter op situaties met andere personen voorbereid. | 1,000 | ,601 |
| Extraction Method: Principal Component Analysis. | ||
| Component | Initial Eigenvalues | Extraction Sums of Squared Loadings | ||||
|---|---|---|---|---|---|---|
| Total | % of Variance | Cumulative % | Total | % of Variance | Cumulative % | |
| 1 | 3,559 | 50,843 | 50,843 | 3,559 | 50,843 | 50,843 |
| 2 | ,984 | 14,053 | 64,896 | |||
| 3 | ,941 | 13,445 | 78,341 | |||
| 4 | ,462 | 6,603 | 84,944 | |||
| 5 | ,412 | 5,889 | 90,833 | |||
| 6 | ,328 | 4,692 | 95,526 | |||
| 7 | ,313 | 4,474 | 100,000 | |||
| Extraction Method: Principal Component Analysis. | ||||||
| Component | |
|---|---|
| 1 | |
| Door televisie te kijken kan ik mezelf goed vermaken. | ,598 |
| Door televisie te kijken kom ik meer te weten over normen en waarden in de maatschappij. | ,697 |
| Door televisie te kijken begrijp ik meer van de wereld om me heen. | ,681 |
| Door televisie te kijken weet ik wat ik in allerlei situaties het best kan doen. | ,821 |
| Door televisie te kijken ga ik mijzelf beter begrijpen. | ,787 |
| Door televisie te kijken kan ik me met anderen vermaken. | ,598 |
| Door televisie te kijken ben ik beter op situaties met andere personen voorbereid. | ,775 |
| Extraction Method: Principal Component Analysis. | |
| a 1 components extracted. | |
Interpretatie: Er is een principale-componenten-factoranalyse uitgevoerd op de variabelen v13 tot en met v19 (zie de tabel met componentladingen). Deze 7 items blijken samen één component te hebben met een eigenwaarde groter dan 1. Ook in de scree plot ligt er maar 1 component boven de eerste grote knik. Deze component verklaart 50,8 procent van de variantie in de items. De 7 items vragen allemaal in hoeverre de respondent het eens is met positieve functies van het televisiekijken. De achterliggende factor kan daarom omschreven worden als (positieve) gratificaties van het televisiekijken voor de respondent. Omdat deze schaal maar één component bevat, kunnen we ervan uitgaan dat mensen een meer of minder positieve houding hebben ten opzichte van televisiekijken in het algemeen.
b. Ga na of de bij (a) geconstrueerde schaal samenhangt met het aantal uren dat per week naar televisie gekeken wordt.
Het aantal uren dat de respondent gemiddeld naar televisie kijkt hebben we in eerdere oefeningen al berekend uit variabelen v5 en v6.
De indexvariabele van de gemiddelde kijktijd en de schaal zijn minstens op interval niveau gemeten en we zijn geïnteresseerd in een symmetrisch verband, dus we kunnen de correlatiecoëfficiënt R gebruiken. Voor de zekerheid controleren we met een scatter plot dat de samenhang niet duidelijk krom is.
| Gratificaties tv kijken | Aantal uren tv kijken per week | ||
|---|---|---|---|
| Gratificaties tv kijken | Pearson Correlation | 1 | ,245(**) |
| Sig. (2-tailed) | ,000 | ||
| N | 1562 | 1545 | |
| Aantal uren tv kijken per week | Pearson Correlation | ,245(**) | 1 |
| Sig. (2-tailed) | ,000 | ||
| N | 1545 | 1547 | |
| ** Correlation is significant at the 0.01 level (2-tailed). | |||
Interpretatie: Er is een zwak positief verband tussen hoeveel tijd men tv kijkt en de gratificaties van het tv kijken (R = 0,25). Hoe meer men televisie kijkt, des te meer is men van mening dat televisiekijken positieve functies heeft.
c. Kies gemotiveerd een van de (sociaal-economische of demografische) achtergrondkenmerken van de respondenten waarvan je het meest verwacht dat die invloed zal hebben op de score van respondenten op de bij (a) geconstrueerde schaal. Analyseer de invloed vervolgens.
De beschikbare achtergrondkenmerken zijn: geslacht (v1, nominaal), opleidingsniveau (v2, ordinaal), het hebben van een baan (v4baan, nominaal), het aantal uren dat men werkt (v4uur, ratio), de leeftijd (geboortejaar, v72, ratio) en het aantal jaar dat men fulltime onderwijs heeft gevolgd (v73, ratio).
Beargumenteer je keuze door aan te geven welk effect je verwacht van de achtergrondvariabele op de score voor tv gratificaties, liefst ook waarom je dit effect verwacht.
Kies voor de toetsing de (asymmetrische!) associatiemaat die gezien de meetniveaus gebruikt mag worden. Wanneer de achtergrondvariabele nominaal of ordinaal is, moet de schaalscore voor tv gratificaties eerst in klassen worden verdeeld en kan kruistabelanalyse worden toegepast met lambda, Goodman en Kruskal tau of Somers' d. Bij de interval/ratio achtergrondvariabelen kan het beste regressieanalyse gebruikt worden. Je kunt dan eventueel meer achtergrondvariabelen tegelijk in de regressieanalyse stoppen.