הגדרה של ניתוח גורמים

ניתוח גורמים הוא טכניקת ניתוח הנמצאת בשימוש תדיר בתחום הפיתוח והאימות של בדיקות, מאפשרת לחקור כיצד הגורמים או המשתנים הסמויים בנויים מהתגובות לפריטים של מִבְחָן.

כדי להשיג סולמות מדידה נאותים, החוקרים נקטו בטכניקה המכונה ניתוח פקטורי, המאפשר לזהות את המבנה העומד בבסיס הפריטים של סולם מדידה. טכניקה זו חוקרת כיצד גורם סמוי, אשר נוכל לקרוא לו גם משתנה בלתי נצפה הם מסבירים את דפוס התגובות שניתנו לפריטים או לפריטים במבחן.

לאחר מכן, יינתן מבוא קצר לניתוח גורמים, כולל אך לא רק: ההבדלים בין ניתוח גורמים לבין ניתוח הרכיבים העיקריים, ניתוח גורמי חקירה ומאשר ולבסוף המרכיבים המרכיבים אותם.

ניתוח גורמים וניתוח רכיבים עיקריים

כאשר בודקים את הספרות סביב פיתוח ותיקוף של מכשירים, אנו יכולים להבין שבקרב אקדמאים יש קיים בלבול מסוים סביב השימוש חסר הבחנה בניתוח גורמים (FA) וניתוח רכיבים ראשיים (PCA). שימוש חסר אבחנה זה עשוי לנבוע מכך שבמשך זמן רב משאבים טכנולוגיים הקשו על היישום של AF וכדי לפצות על כך, הם כללו את ACP. למרות ששתי הטכניקות דומות, מכיוון שהן מצמצמות את הפריטים לממדים קטנים יותר (גורמים ו רכיבים), הם גם מציגים כמה הבדלים ספציפיים שמובילים מאוד שונה.

ה-FA מבקש לזהות כמה ואיך הגורמים (משתנים סמויים) בנויים; גורמים אלה יסבירו את השונות המשותפת של קבוצת הפריטים המנותחים. להיפך, ב-PCA, זה נועד לקבוע כמה רכיבים נחוצים כדי לסכם את ציונים של קבוצת משתנים נצפים, כלומר, מסבירים את כמות השונות הגדולה ביותר נצפים. הבדל נוסף הוא שבעוד שב-AF המשתנים הנצפים נחשבים למשתנים התלויים, ב-ACP אלו הם הבלתי תלויים.

ניתוח גורמים גישוש ומאשר

לאחר שנקבע ההבדל ב-AF ו-ACP, יש צורך לעשות הבדל חדש בין ניתוח גורמים חקרניים (EFA) לבין ניתוח גורמים המאשר (AFC). שני הניתוחים נחשבו כשני חלקים של תהליך מתמשך. ה-AFE מבקש לקבוע כמה גורמים מרכיבים את קנה המידה שלנו, בעוד שה-AFC מאופיין ב לאשר את הגורמים הללו, אך גם לקבוע כיצד הגורמים והפריטים של סוּלָם. דרך נוספת להגדיר אותם היא שה-AFE "בונה" את התיאוריה בעוד ה-AFC יאשר אותה.

AF Elements

גודל המדגם

זהו אחד הנושאים הנדונים ביותר, לא רק ב-FA, אלא גם בניתוח נתונים באופן כללי. קביעת גודל המדגם המתאים לניתוח הוא דיון שנראה אינסופי, ההמלצות הקלאסיות הן שככל שמספר הפריטים גדול יותר, מספר המשתתפים במדגם שלנו צריך להיות גדול יותר, כאשר מינימום 200 הוא המומלץ ביותר. עם זאת, ההמלצות הקלאסיות נוטות לחוסר בסיס ברור, כיום יש לקחת בחשבון אלמנטים רבים כדי לקבוע כמה יש צורך במשתתפים, כגון מספר הפריטים לכל גורם, המטריצה ​​המשמשת לניתוח, ואפילו כמה אפשרויות תגובה יש למשתתפים. פריטים. לפיכך, מחקרים המשתמשים בסימולציות בתנאים אלו קבעו שמינימום של 300 משתתפים הוא נתון הולם.

מספר הפריטים שיש לכלול בניתוח ובכל גורם

לגבי מספר הפריטים שיש לכלול בניתוח, יש לבחור אותם מתוך התיאוריה, עם זאת, יש צורך ציין כי אלה לא צריכים להיות מיותרים, מכיוון שהדבר יגרום לפריטים אלה לחלוק את השונות ולכן יש להם רע לְהַעֲרִיך. לכן, יש להקפיד לבחור רק את אותם פריטים המייצגים באמת את המבנה שאנו מנסים להעריך. מצד שני, מומלץ להחזיק לפחות שלושה פריטים לכל גורם; עם זאת, ניתן לשנות כמות זו בהתאם למטריצה ​​המשמשת ולגודל המדגם.

נעשה שימוש במטריקס

בעיצובי FA קלאסיים יש הנחה שהמשתנים קשורים בצורה ליניארית, הם גם מציגים מדדי נורמליות נאותים, כך שמטריצת המתאם של פירסון הייתה בדרך כלל זו בשימוש. כיום מוצע לקחת בחשבון את הנחת התקינות ואת מתכונת התגובה של הפריטים. בנוסף לאמור לעיל, פיתוח כלים חדשים לפיתוח PA הוביל לשימוש בטכניקות חדשות כמו המטריצה ​​של מתאמים פוליכוריים וטטרכוריים, עם זאת, שתי המטריצות דורשות גודל מדגם גדול יותר בהשוואה למטריצה ​​של פירסון.

הערכת גורם

שיטות האומדן הנפוצות ביותר הן 2:

• סבירות מרבית: שיטה זו היא הנפוצה ביותר לשימוש בשל יתרונותיה על פני שיטות אחרות כגון היכולת להבדיל בין התאמה וכימות שגיאות. עם זאת, שיטה זו דורשת עמידה בתקינות הנתונים, בעל סולמות רציפים ושימוש במטריצת המתאם של פירסון.

• ריבועים קטנים רגילים. למעשה שיטה זו מתייחסת למשפחה של שיטות הערכה. שיטות אלה הוכיחו את עצמן כאשר ההנחות של נורמליות וליניאריות אינן מתקיימות. באותו אופן, היישום שלו בשילוב עם המטריצה ​​הפוליכורית הוכח כיעיל.

סיבוב פריט

שלב זה מתייחס לסיבוב מתמיד של המטריצה ​​כדי למצוא פתרון פשוט ועקבי. השיטות הנפוצות ביותר כיום הן סיבוב אורתוגונלי, ליתר דיוק הקריטריון varimax וסיבוב אלכסוני בשיטה שלך ישיר אובלימין. כיום האחרונה היא השיטה המומלצת ביותר להצגת מבנה אמין ועקבי יותר.

גורמים שיש לשמור עליהם

המרכיב המכריע בניתוח זה הוא היווצרות גורמים, אבל איך נדע כמה גורמים צריכים להיות לנו בקנה המידה שלנו? ההמלצה הקלאסית הייתה לעקוב אחר הכלל של קייזר, המתייחס לשמירה על ערכים עצמיים גדולים מ-1; עם זאת, שיטה זו נוטה לגרום להערכת יתר של הגורמים. כיום מוצע לעקוב אחר המלצות הניתוח המקביל ושיטות דומות אחרות, אך מוצע גם לקחת בחשבון את ניתנות הפרשנות של התוצאות ואת התיאוריה הבסיסית.

לבסוף, יש צורך להדגיש כי ה-CFA נוטה להיות מוערך באמצעות מודלים של משוואות מבניות. (SEM) ולכן התהליך לביצועו צריך להתבצע על סמך הקריטריונים שפותחו עבור אלה דגמים.

הפניות

Lloret-Segura, S., Ferreres-Traver, A., Hernández-Baeza, A., & Tomás-Marco, I. (2014). ניתוח הגורמים החקרניים של הפריטים: מדריך מעשי, מבוא מתוקן ומעודכן קביעת הלימות הניתוח. Annals of Psychology, 30(3), 1151–1169.