Samengestelde samenvatting, gebaseerd op hoofdstuk 15 van SPSS Survival Manual van Pallant, 6e druk uit 2016.Factoranalyse verschilt van veel van de andere technieken in SPSS. Het is niet ontworpen om hypothesen te toetsen of om aan te geven of de ene groep significant verschilt van de andere groep. In plaats daarvan neemt het een grote reeks variabelen en zoekt naar een manier om de data te ‘reduceren’ of samen te vatten door het gebruik van een kleinere verzameling factoren of componenten. Dit wordt gedaan door te zoeken naar clusters of groepen tussen de intercorrelaties van een verzameling variabelen. Er zijn twee kernbenaderingen van de factoranalyse: (1) exploratieve factoranalyse – vaak gebruikt tijdens de vroege onderzoekstadia om informatie over de relaties tussen een verzameling variabelen te verzamelen – en (2) confirmatieve factoranalyse – later in het onderzoeksproces toegepast om specifieke hypothesen of theorieën betreffende de onderliggende structuur van een verzameling variabelen te toetsen.De term ‘factoranalyse’ omvat een verscheidenheid aan verschillende gerelateerde technieken. Een van de belangrijkste onderscheidingen is die tussen de principale componentenanalyse (PCA) en factoranalyse (FA). Deze twee technieken lijken in veel opzichten op elkaar; beide trachten een kleiner aantal lineaire combinaties van de oorspronkelijke variabelen te produceren op een wijze die het grootste deel van de variabiliteit in het correlatiepatroon omvat (of deze kan verklaren). Uiteraard zijn er ook verschillen; bij PCA worden de oorspronkelijke variabelen getransformeerd...