Definition der Faktorenanalyse

Die Faktorenanalyse ist eine Analysetechnik, die häufig im Bereich der Entwicklung und Validierung von eingesetzt wird Tests ermöglichen die Untersuchung, wie die Faktoren oder latenten Variablen aus den Antworten auf die Elemente von a strukturiert sind prüfen.

Um angemessene Messskalen zu erhalten, haben Forscher auf die sogenannte Technik zurückgegriffen Faktorielle Analyse, was es ermöglicht, die Struktur zu identifizieren, die den Elementen einer Messskala zugrunde liegt. Diese Technik untersucht, wie ein latenter Faktor, den wir auch nennen könnten, funktioniert unbeobachtete Variable Sie erklären das Muster der Antworten auf die Items oder Items in einem Test.

Als nächstes wird eine kurze Einführung in die Faktoranalyse gegeben, einschließlich, aber nicht beschränkt auf: die Unterschiede zwischen der Faktoranalyse und der Hauptkomponentenanalyse, exploratorische und bestätigende Faktorenanalyse und schließlich die Elemente, aus denen diese bestehen.

Faktorenanalyse und Hauptkomponentenanalyse

Wenn wir die Literatur zur Entwicklung und Validierung von Instrumenten durchsehen, können wir feststellen, dass dies unter Akademikern der Fall ist Es herrscht einige Verwirrung über die wahllose Verwendung von Faktoranalyse (FA) und Hauptkomponentenanalyse (PCA). Diese wahllose Verwendung könnte darauf zurückzuführen sein, dass die technologischen Ressourcen lange Zeit die Anwendung von AF erschwerten und als Ausgleich dafür ACP einbezogen wurden. Obwohl beide Techniken ähnlich sind, reduzieren sie die Elemente auf kleinere Dimensionen (Faktoren und). Komponenten), sie weisen auch einige spezifische Unterschiede auf, die zu sehr führen anders.

Der FA versucht herauszufinden, wie viele und wie die Faktoren (latente Variablen) strukturiert sind; diese Faktoren würden die gemeinsame Varianz der analysierten Gruppe von Elementen erklären. Vielmehr soll im PCA festgelegt werden, wie viele Komponenten zur Zusammenfassung erforderlich sind Werte einer Gruppe beobachteter Variablen, d. h. die die größte Varianz erklären beobachtet. Ein weiterer Unterschied besteht darin, dass im AF die beobachteten Variablen als abhängige Variablen betrachtet werden, im ACP hingegen als unabhängige Variablen.

Explorative und bestätigende Faktorenanalyse

Sobald der Unterschied zwischen AF und ACP festgestellt wurde, ist es notwendig, einen neuen Unterschied zwischen der Exploratory Factor Analysis (EFA) und der Confirmatory Factor Analysis (AFC) vorzunehmen. Beide Analysen wurden als zwei Teile eines kontinuierlichen Prozesses betrachtet. Der AFE versucht zu bestimmen, wie viele Faktoren unsere Skala ausmachen, während der AFC durch charakterisiert wird Bestätigen Sie diese Faktoren, sondern bestimmen Sie auch, wie die Faktoren und die Elemente der Skala. Eine andere Möglichkeit, sie zu definieren, besteht darin, dass die AFE die Theorie „aufbaut“, während die AFC sie bestätigen würde.

AF-Elemente

Probengröße

Dies ist eines der am meisten diskutierten Themen, nicht nur in der FA, sondern auch in der Datenanalyse im Allgemeinen. Die Bestimmung der geeigneten Stichprobengröße für die Analyse ist eine scheinbar endlose Diskussion, genau wie die klassischen Empfehlungen Je größer die Anzahl der Elemente, desto größer sollte die Anzahl der Teilnehmer in unserer Stichprobe sein, wobei ein Minimum von 200 am meisten empfohlen wird. Den klassischen Empfehlungen mangelt es jedoch meist an einer klaren Grundlage, heute müssen viele Elemente berücksichtigt werden, um zu bestimmen, wie viele B. die Anzahl der Items pro Faktor, die für die Analyse verwendete Matrix und sogar die Anzahl der Antwortmöglichkeiten, die den Teilnehmern zur Verfügung stehen. Artikel. Studien, die Simulationen unter diesen Bedingungen verwenden, haben daher ergeben, dass mindestens 300 Teilnehmer eine ausreichende Zahl sind.

Anzahl der Elemente, die in die Analyse und in jeden Faktor einbezogen werden sollen

Was die Anzahl der in die Analyse einzubeziehenden Items betrifft, so müssen diese aus der Theorie ausgewählt werden, dies ist jedoch erforderlich weisen Sie darauf hin, dass diese nicht redundant sein sollten, da dies dazu führen würde, dass diese Elemente die gleiche Varianz aufweisen und daher schlechte Ergebnisse aufweisen schätzen. Daher muss darauf geachtet werden, nur diejenigen Elemente auszuwählen, die das Konstrukt, das wir bewerten möchten, wirklich repräsentieren. Andererseits wird empfohlen, für jeden Faktor mindestens drei Elemente zu haben; diese Menge kann jedoch je nach verwendeter Matrix und Stichprobengröße geändert werden.

Verwendete Matrix

Bei klassischen FA-Entwürfen wird davon ausgegangen, dass die Variablen linear zusammenhängen. Sie weisen auch angemessene Normalitätsindizes auf, daher war typischerweise die Pearson-Korrelationsmatrix die richtige Wahl gebraucht. Heute wird empfohlen, die Normalitätsannahme und das Antwortformat der Items zu berücksichtigen. Darüber hinaus hat die Entwicklung neuer Werkzeuge für die Entwicklung von PA zum Einsatz neuer Techniken wie der Matrix von geführt Polychorische und tetrachorische Korrelationen erfordern jedoch beide Matrizen eine größere Stichprobengröße im Vergleich zur Matrix von Pearson.

Faktorschätzung

Die am häufigsten verwendeten Schätzmethoden sind 2:

• Maximale Wahrscheinlichkeit: Diese Methode wird am häufigsten verwendet, da sie gegenüber anderen Methoden Vorteile bietet, z. B. die Möglichkeit, die Anpassung und Quantifizierung von Fehlern gegenüberzustellen. Diese Methode erfordert jedoch die Einhaltung der Normalität der Daten, kontinuierliche Skalen und die Verwendung der Pearson-Korrelationsmatrix.

• Gewöhnliche kleinste Quadrate. Tatsächlich handelt es sich bei dieser Methode um eine Familie von Schätzmethoden. Diese Methoden haben sich als robust erwiesen, wenn die Annahmen der Normalität und Linearität nicht erfüllt sind. Ebenso hat sich die Anwendung in Verbindung mit der polychorischen Matrix als effizient erwiesen.

Artikelrotation

Dieser Schritt bezieht sich auf das kontinuierliche Drehen der Matrix, um eine einfache und konsistente Lösung zu finden. Die heute am weitesten verbreiteten Methoden sind orthogonale Drehung, genauer gesagt das Kriterium Varimax und schräge Rotation in Ihrer Methode direkte Oblimin. Letzteres ist heute die am meisten empfohlene Methode zur Darstellung einer zuverlässigeren und konsistenteren Struktur.

Zu behaltende Faktoren

Das entscheidende Element dieser Analyse ist die Faktorbildung, aber woher wissen wir, wie viele Faktoren wir in unserer Skala haben sollten? Die klassische Empfehlung bestand darin, der Kaiser-Regel zu folgen, die sich auf die Beibehaltung von Eigenwerten größer als 1 bezieht; diese Methode führt jedoch tendenziell zu einer Überschätzung der Faktoren. Heutzutage wird empfohlen, den Empfehlungen der Parallelanalyse und anderer ähnlicher Methoden zu folgen, aber auch die Interpretierbarkeit der Ergebnisse und die grundlegende Theorie zu berücksichtigen.

Abschließend muss hervorgehoben werden, dass der CFA tendenziell mithilfe von Strukturgleichungsmodellen geschätzt wird. (SEM), daher sollte der Prozess zur Durchführung auf der Grundlage der dafür entwickelten Kriterien durchgeführt werden Modelle.

Verweise

Lloret-Segura, S., Ferreres-Traver, A., Hernández-Baeza, A. und Tomás-Marco, I. (2014). Die explorative Faktorenanalyse der Elemente: ein praktischer Leitfaden, überarbeitete und aktualisierte Einführung. Bestimmung der Angemessenheit der Analyse. Annals of Psychology, 30(3), 1151–1169.