Analiza czynnikowa – Podstawowe informacje o analizie czynnikowej
Analiza czynnikowa Mianem analizy czynnikowej potocznie określane są dwie rodziny technik statystycznych: Analiza Składowych Głównych (Principal Components Analysis) oraz właściwa Analiza Czynnikowa (Factor Analysis). Różnica między obiema technikami jest bardzo subtelna i niekiedy trudna do zauważenia, zwłaszcza że badacze niezbyt konsekwentnie stosują obie odmiany.
Analiza składowych głównych stara się w jak najlepszy sposób opisać wariancję wyników dla wszystkich pytań skali za pomocą nowych, utworzonych w analizie.
Analiza czynnikowa – Właściwa analiza czynnikowa, tak jak i analiza rzetelności, jest techniką opartą na współczynniku korelacji r-Pearsona.
U podstaw analizy czynnikowej leży założenie, że jeśli pewna grupa pytań mierzy jeden wymiar psychologiczny, czyli tworzy jakiś wspólny czynnik, to wyniki pojedynczej osoby w tych pytaniach powinny być podobne – a więc skorelowane ze sobą. Jeśli poszukujemy skorelowanych ze sobą pvtań tworzących jeden wymiar, zwany tutaj czynnikiem, nie odwołując się do sformułowanych a priori założeń, to mamy do czynienia z eksploracyjną analizą czynnikową, która została zaprojektowana do eksplorowania struktury danych, jeśli natomiast zakładamy określoną strukturę i liczbę czynników zgodnie z wcześniejszymi założeniami teoretycznymi, to wykonujemy konfirmacyjną odmianę analizy czynnikowej, którą można obliczyć z użyciem modelowania równań strukturalnych (SEM — Structural Eąuation Modelling).
Analiza czynnikowa – ?
Analiza czynnikowa – Wyjaśnienie podstaw teoretycznych i praktycznych aspektów wykonywania analizy równań strukturalnych do obliczeń konfirmacyjnej analizy czynnikowej oferuje rozdział autorstwa Marzenny Zakrzewskiej w tomie pod redakcją Brzezińskiego (2004) oraz podręczniki do programów statystycznych, a także źródła internetowe. Oczywiście rozgraniczenie analizy konfirmacyjnej i eksploracyjnej, choć ważne teoretycznie, jest rzadko przestrzegane w praktyce badawczej, gdzie zwykła analiza czynnikowa, ze względu na swą prostotę, jest często używana do celów konfirmacyjnych. Jak to zwykle bywa, praktyka odbiega od teorii. Wróćmy jednak do analizy składowych głównych, którą zamiennie będziemy nazywać analizą czynnikową. W prezentowanym przykładzie na warsztat weźmiemy ankietę, która dotyczy różnych zachowań w sytuacji uczenia się. Chcemy się dowiedzieć ile podskal — w analizie zwanych czynnikami lub składowymi
– można wyodrębnić! W pierwszy kroku analiza zawsze wykonywana jest metodą składowych głównych. W drugim kroku przystępujemy do redukcji liczby wymiarów. Wyodrębnianie czynników może być wykonywane wieloma metodami
– Pakiety statystyczne (w tym dobrze znany psychologom spss) oferują tutaj szereg możliwości: metodę składowych głównych, metodę największej wiarygodności, metodę osi głównych wymiarów, nieważonych najmniejszych kwadratów, uogólnionych najmniejszych kwadratów, Alfa oraz obrazu. Opis i kryteria doboru metod można znaleźć w pracy Grzegorza Króla oraz Grażyny Wieczorkowskiej (2004).
Analiza czynnikowa – Określenie liczby składowych to bardzo ważny etap analizy.
Jednak do zrozumienia struktury skali nie wystarczy nam informacja o liczbie czynników. Musimy wykonać także dodatkowe obliczenia po to, by dowiedzieć się, jak nazwać każdy z wyodrębnionych czynników. Odpowiedzi na to pytanie dostarczy procedura określająca, które pytania tworzą każdą z wyodrębnionych podskal. Znając treść pytań, będziemy próbowali nazwać wspólny element, wymiar stojący za określonymi grupami połączonych pytań bądź stwierdzeń. To będzie drugi krok analizy.
