Statistische bevestiging

Psychometrische eigenschappen van de ComColors-vragenlijst

De statistische bevestiging van de ComColors® -vragenlijst werd opgesteld onder leiding van een doctor in de psychologie, die de huidige psychometrische methodes heeft toegepast door de meest recente tools te gebruiken (2012).

De eerste stap bestond erin een vragenlijst op te stellen om een voorbereidende factoranalyse te kunnen uitvoeren. Hierbij dienden de psychologische aspecten bepaald te worden voor de zes types persoonlijkheden van het ComColors-model. Om dit werk te kunnen uitvoeren, was het noodzakelijk een eerste reeks vragen op te stellen, die we voorgelegd hebben aan een groep van ongeveer 130 personen. Zo zijn we erin geslaagd de betrouwbare psychologische aspecten te onderscheiden van diegene die geen kwalitatieve resultaten gaven. Deze procedure hebben we vier keer herhaald om een duidelijk resultaat te bekomen van de bepaalde psychologische aspecten.

De onderstaande tabel is het gevolg van de laatste voorbereidende factoranalyse, die aantoont dat de items van een aspect (blauw bijvoorbeeld) zoals verwacht enkel sterk verzadigd zijn met één bepaalde factor en erg zwak verzadigd zijn met de factoren van de andere aspecten.

Fermer

Tabel 1. Resultaat van de principale-componentenanalyse met Varimax-rotatie


Na afloop van deze laatste voorbereidende factoranalyse (VFA) zijn we overgegaan tot een grondigere controle van de structuur van de vragenlijst door een bevestigende factoranalyse (BFA) uit te voeren bij 352 deelnemers.

De bevestigende factoranalyse is een statistische techniek die in het verlengde ligt van de voorbereidende factoranalyse. De doelstelling van de Bevestigende Factoranalyse bestaat erin de betrouwbaarheid te testen van het theoretische model dat na de voorbereidende analyse opgesteld werd. De BFA is dus een veel meer geavanceerde onderzoeksstap dan de VFA.

Modèle structural

Afbeelding 1. Structuurmodel

Het principe van de bevestigende analyse bestaat erin te controleren of het theoretische model niet afwijkt van het waargenomen model. Om dit gebrek aan afwijkingen te controleren, worden er indicatoren berekend om de kwaliteit van de correctie tussen het theoretische model en het waargenomen model te bepalen.

De eerste indicator die in aanmerking genomen moet worden, is x², aangezien deze het mogelijk maakt het bestaan van een afwijking te berekenen tussen de waargenomen covariantiematrix en de geschatte covariantiematrix. Hoewel het ideaal zou zijn de nulhypothese te aanvaarden, zorgt deze test voor problemen, aangezien hij afhankelijk is van de omvang van de steekproef en van het aantal parameters van het geteste model. Om een dergelijk vertekend beeld te vermijden, is de interpretatie van de verschillende indicatoren gericht op een betere schatting van de correctiekwaliteit. Binnen dit kader hebben wij een bepaald aantal correctie-indicatoren weerhouden die doorgaans toegelaten worden om de kwaliteit van het waargenomen model te controleren.

De CFI (Comparative Fit Index) en de TLI (Tucker-Lewis Index) zijn indicatoren op basis van de afwijking met het onafhankelijkheidsmodel. Deze indicatoren onderzoeken het verschil tussen de chi2 van het geteste model en de chi2 van het theoretische model. Hun waarde kan theoretisch variëren tussen 0 en 1. In het algemeen wordt aangenomen dat ze een goed gedrag aangeven vanaf waarden van .90.

De RMSEA (Root Mean Square Error of Approximation) maakt het mogelijk de genormaliseerde afwijkingen te evalueren tussen de waargenomen matrix en de geschatte matrix. De ontwikkelaars zijn van mening dat een waarde gelijk aan of kleiner dan .06 op een goede correctie duidt.

Een laatste indicatorcategorie heeft betrekking op de verklaarde variantie. De gestandaardiseerde SRMR (Standardized Root Mean Residual) is de vierkantswortel van het gemiddelde van de som van de kwadraten van de residuen van elke cel van de matrix. De ontwikkelaars zijn van mening dat een waarde gelijk aan of kleiner dan .05 op een goede correctie duidt.

De GFI (Goodness of Fit Index) maakt het mogelijk de variantie van de waargenomen matrix, waarop het model steunt, in aanmerking te nemen. Deze indicator varieert theoretisch tussen 0 en 1, met een waarde van de correcties ten minste gelijk aan .90.

 

Indicatoren

χ2

p

df

RMSEA

GFI

TLI

CFI

SRMR

COMCOLORS-model

467.2

<.001

259

.059

.91

.92

.93

.048

 

Tabel 2. Correctie-indicatoren

 

Zoals we kunnen waarnemen in de bovenstaande tabel, bereiken alle correctie-indicatoren de aanbevolen drempelwaarden en worden deze waarden zelfs in het algemeen overschreden. We mogen dus gerust stellen dat het ComColors-model correct op de gegevens afgestemd wordt en dat het als geldig beschouwd mag worden vanuit structureel oogpunt.