Definicija faktorske analize

Faktorska analiza je tehnika analize koja se često koristi u području razvoja i validacije testova, omogućuje istraživanje kako su faktori ili latentne varijable strukturirani iz odgovora na stavke test.

Kako bi dobili odgovarajuće mjerne ljestvice, istraživači su pribjegli tehnici poznatoj kao faktorska analiza, što omogućuje identificiranje strukture koja je u osnovi stavki mjerne ljestvice. Ova tehnika istražuje kako latentni faktor, koji bismo također mogli nazvati neopažena varijabla Oni objašnjavaju obrazac odgovora danih na stavke ili stavke na testu.

Zatim će biti pružen kratak uvod u faktorsku analizu, uključujući ali ne ograničavajući se na: razlike između faktorske analize i analiza glavnih komponenti, eksplorativna i potvrdna faktorska analiza i konačno elementi koji ih čine.

Faktorska analiza i analiza glavnih komponenti

Kada pregledamo literaturu o razvoju i validaciji instrumenata, možemo shvatiti da ih među akademicima ima Postoji određena zabuna oko neselektivne upotrebe analize faktora (FA) i analize glavnih komponenti (PCA). Ova neselektivna uporaba može biti posljedica činjenice da su dugo vremena tehnološki resursi otežavali primjenu AF-a i da bi to kompenzirali, uključili su ACP. Iako su obje tehnike slične, budući da svode stavke na manje dimenzije (faktore i komponente), također predstavljaju neke specifične razlike koje dovode do vrlo drugačiji.

FA nastoji identificirati koliko i kako su čimbenici (latentne varijable) strukturirani; ti bi čimbenici objasnili zajedničku varijancu skupine analiziranih stavki. Naprotiv, u PCA-u se namjerava odrediti koliko je komponenti potrebno za sažetak bodove skupine promatranih varijabli, odnosno objašnjavajući najveći iznos varijance promatranom. Druga je razlika u tome što dok se u AF-u promatrane varijable smatraju ovisnim varijablama, u ACP-u su one neovisne.

Istraživačka i potvrdna faktorska analiza

Nakon što se utvrdi razlika u AF i ACP, potrebno je napraviti novu razliku između Eksploratorne faktorske analize (EFA) i Potvrdne faktorske analize (AFC). Obje analize promatrane su kao dva dijela kontinuiranog procesa. AFE nastoji odrediti koliko čimbenika čini našu ljestvicu, dok AFC karakterizira potvrditi te čimbenike, ali i odrediti kako čimbenici i stavke mjerilo. Drugi način definiranja je da AFE "gradi" teoriju dok bi je AFC potvrdio.

AF elementi

Veličina uzorka

Ovo je jedna od tema o kojoj se najviše raspravlja, ne samo u FA-u, već iu analizi podataka općenito. Određivanje odgovarajuće veličine uzorka za analizu rasprava je koja se čini beskonačnom, klasične su preporuke da što je veći broj stavki, to bi trebao biti veći broj sudionika u našem uzorku, pri čemu se najviše preporučuje najmanje 200. Međutim, klasičnim preporukama obično nedostaje jasan temelj, danas se moraju uzeti u obzir mnogi elementi da bi se odredilo koliko sudionici su neophodni, kao što je broj stavki po faktoru, matrica koja se koristi za analizu, pa čak i koliko opcija odgovora sudionici imaju. stavke. Stoga su studije koje koriste simulacije pod ovim uvjetima utvrdile da je minimalno 300 sudionika dovoljan broj.

Broj stavki koje treba uključiti u analizu i u svaki faktor

Što se tiče broja stavki koje treba uključiti u analizu, one moraju biti odabrane iz teorije, međutim, potrebno je naglasite da oni ne bi trebali biti suvišni, jer bi to uzrokovalo da ove stavke dijele varijancu i stoga imaju loše procjena. Stoga se mora voditi računa o odabiru samo onih stavki koje doista predstavljaju konstrukt koji pokušavamo procijeniti. S druge strane, preporuča se imati najmanje tri stavke za svaki faktor; međutim, ovaj iznos se može modificirati ovisno o korištenoj matrici i veličini uzorka.

Korištena matrica

U klasičnim FA dizajnima postoji pretpostavka da su varijable povezane na linearan način, Oni također predstavljaju odgovarajuće indekse normalnosti, tako da je Pearsonova korelacijska matrica bila tipična koristi se. Danas se predlaže uzeti u obzir pretpostavku normalnosti i format odgovora stavki. Osim navedenog, razvoj novih alata za razvoj PA doveo je do korištenja novih tehnika kao što je matrica polikorne i tetrakorne korelacije, međutim, obje matrice zahtijevaju veću veličinu uzorka u usporedbi s matricom Pearson.

Faktorska procjena

Najčešće korištene metode procjene su 2:

• Maksimalna vjerojatnost: Ova metoda je najčešća za korištenje zbog svojih prednosti u odnosu na druge metode kao što je mogućnost kontrastiranja prilagodbe i kvantifikacije pogrešaka. Međutim, ova metoda zahtijeva usklađenost s normalnošću podataka, postojanje kontinuiranih ljestvica i korištenje Pearsonove korelacijske matrice.

• Obični najmanji kvadrati. Zapravo se ova metoda odnosi na obitelj metoda procjene. Ove su se metode pokazale robusnima kada nisu ispunjene pretpostavke normalnosti i linearnosti. Isto tako, njegova primjena u kombinaciji s polikoričnom matricom pokazala se učinkovitom.

Rotacija predmeta

Ovaj se korak odnosi na kontinuirano rotiranje matrice kako bi se pronašlo rješenje koje je jednostavno i dosljedno. Danas se najčešće koriste metode ortogonalna rotacija, točnije kriterij varimax i kose rotacije u vašoj metodi izravni oblimin. Danas je potonja metoda koja se najviše preporučuje za predstavljanje pouzdanije i dosljednije strukture.

Čimbenici koje treba zadržati

Ključni element ove analize je formiranje faktora, ali kako znamo koliko faktora trebamo imati na našoj ljestvici? Klasična preporuka bila je slijediti Kaiserovo pravilo, koje se odnosi na zadržavanje svojstvenih vrijednosti većih od 1; međutim, ova metoda ima tendenciju uzrokovati precjenjivanje faktora. Danas se predlaže slijediti preporuke paralelne analize i drugih sličnih metoda, ali se također predlaže uzeti u obzir interpretabilnost rezultata i osnovne teorije.

Na kraju, potrebno je naglasiti da se CFA obično procjenjuje korištenjem modela strukturnih jednadžbi. (SEM) tako da bi postupak za njegovu provedbu trebao biti proveden na temelju kriterija razvijenih za njih Modeli.

Reference

Lloret-Segura, S., Ferreres-Traver, A., Hernández-Baeza, A., i Tomás-Marco, I. (2014). Eksplorativna faktorska analiza ajtema: praktični vodič, revidirano i ažurirano Uvod Utvrđivanje primjerenosti analize. Annals of Psychology, 30(3), 1151–1169.