ფაქტორული ანალიზის განმარტება

ფაქტორული ანალიზი არის ანალიზის ტექნიკა, რომელიც ხშირად გამოიყენება განვითარებისა და ვალიდაციის სფეროში ტესტები, საშუალებას გაძლევთ შეისწავლოთ, თუ როგორ არის სტრუქტურირებული ფაქტორები ან ლატენტური ცვლადები პუნქტების პასუხებიდან. ტესტი.

ადეკვატური საზომი მასშტაბების მისაღებად მკვლევარებმა მიმართეს ტექნიკას, რომელიც ცნობილია როგორც ფაქტორული ანალიზი, რაც შესაძლებელს ხდის სტრუქტურის იდენტიფიცირებას, რომელიც საფუძვლად უდევს საზომი სკალის ელემენტებს. ეს ტექნიკა იკვლევს ლატენტურ ფაქტორს, რომელსაც ჩვენ ასევე შეგვიძლია ვუწოდოთ დაუკვირვებელი ცვლადი ისინი განმარტავენ ტესტის საგნებზე ან პუნქტებზე მიცემული პასუხების ნიმუშს.

შემდეგი, ფაქტორული ანალიზის მოკლე შესავალი იქნება მოწოდებული, მათ შორის, მაგრამ არ შემოიფარგლება ამით: განსხვავებები ფაქტორულ ანალიზსა და ძირითადი კომპონენტის ანალიზი, საძიებო და დამადასტურებელი ფაქტორული ანალიზი და ბოლოს ელემენტები, რომლებიც ქმნიან მათ.

ფაქტორული ანალიზი და ძირითადი კომპონენტის ანალიზი

ინსტრუმენტების შემუშავებისა და ვალიდაციის შესახებ ლიტერატურის განხილვისას შეგვიძლია მივხვდეთ, რომ აკადემიკოსებს შორის არსებობს არსებობს გარკვეული დაბნეულობა ფაქტორული ანალიზის (FA) და ძირითადი კომპონენტის ანალიზის (PCA) განურჩეველი გამოყენების გარშემო. ეს განურჩეველი გამოყენება შეიძლება გამოწვეული იყოს იმით, რომ დიდი ხნის განმავლობაში ტექნოლოგიური რესურსები ართულებდა AF-ის გამოყენებას და ამის კომპენსაციისთვის მათ შეიტანეს ACP. მიუხედავად იმისა, რომ ორივე ტექნიკა მსგავსია, რადგან ისინი ამცირებენ ნივთებს მცირე ზომებზე (ფაქტორები და კომპონენტები), ისინი ასევე წარმოადგენენ გარკვეულ განსხვავებებს, რაც იწვევს ძალიან განსხვავებული.

FA ცდილობს დაადგინოს რამდენი და როგორ არის სტრუქტურირებული ფაქტორები (ლატენტური ცვლადები); ეს ფაქტორები ხსნის გაანალიზებული ერთეულების ჯგუფის საერთო დისპერსიას. პირიქით, PCA-ში გამიზნულია იმის დადგენა, თუ რამდენი კომპონენტია საჭირო შეჯამებისთვის დაკვირვებული ცვლადების ჯგუფის ქულები, ანუ ახსნის დისპერსიის ყველაზე დიდ რაოდენობას დააკვირდა. კიდევ ერთი განსხვავება ისაა, რომ სანამ AF-ში დაკვირვებული ცვლადები განიხილება, როგორც დამოკიდებული ცვლადები, ACP-ში ეს არის დამოუკიდებელი.

საძიებო და დამადასტურებელი ფაქტორული ანალიზი

მას შემდეგ, რაც დადგინდება განსხვავება AF-სა და ACP-ში, აუცილებელია ახალი განსხვავება განვასხვავოთ საძიებო ფაქტორულ ანალიზსა (EFA) და დამადასტურებელ ფაქტორულ ანალიზს (AFC) შორის. ორივე ანალიზი განიხილება უწყვეტი პროცესის ორ ნაწილად. AFE ცდილობს დაადგინოს რამდენი ფაქტორი ქმნის ჩვენს მასშტაბს, ხოლო AFC ხასიათდება დაადასტუროს ეს ფაქტორები, მაგრამ ასევე განსაზღვროს, თუ როგორ ფაქტორები და ელემენტები მასშტაბი. მათი განსაზღვრის კიდევ ერთი გზა არის ის, რომ AFE "აშენებს" თეორიას, ხოლო AFC დაადასტურებს მას.

AF ელემენტები

ნიმუშის ზომა

ეს არის ერთ-ერთი ყველაზე განხილული თემა არა მხოლოდ FA-ში, არამედ ზოგადად მონაცემთა ანალიზში. ანალიზისთვის შესაბამისი ნიმუშის ზომის განსაზღვრა არის დისკუსია, რომელიც, როგორც ჩანს, გაუთავებელია, კლასიკური რეკომენდაციებია რომ რაც უფრო მეტია ნივთების რაოდენობა, მით მეტი უნდა იყოს ჩვენს ნიმუშში მონაწილეთა რაოდენობა, მინიმუმ 200 ყველაზე რეკომენდებული. თუმცა, კლასიკურ რეკომენდაციებს არ აქვთ მკაფიო საფუძველი, დღეს ბევრი ელემენტი უნდა იყოს გათვალისწინებული, რათა დადგინდეს რამდენი მონაწილეები აუცილებელია, როგორიცაა ერთეულების რაოდენობა ფაქტორზე, ანალიზისთვის გამოყენებული მატრიცა და თუნდაც პასუხის რამდენი ვარიანტი აქვთ მონაწილეებს. ნივთები. ამრიგად, კვლევებმა, რომლებიც იყენებენ სიმულაციას ამ პირობებში, დაადგინეს, რომ მინიმუმ 300 მონაწილე ადეკვატური მაჩვენებელია.

ანალიზში და თითოეულ ფაქტორში შესატანი ელემენტების რაოდენობა

რაც შეეხება ანალიზში შესატანი ელემენტების რაოდენობას, ისინი უნდა შეირჩეს თეორიიდან, თუმცა აუცილებელია მიუთითეთ, რომ ეს არ უნდა იყოს ზედმეტი, რადგან ეს გამოიწვევს ამ ნივთების გაზიარებას და, შესაბამისად, ცუდს შეფასება. ამიტომ, ყურადღება უნდა მიექცეს მხოლოდ იმ ნივთების შერჩევას, რომლებიც ნამდვილად წარმოადგენენ კონსტრუქციას, რომლის შეფასებასაც ვცდილობთ. მეორეს მხრივ, რეკომენდირებულია მინიმუმ სამი ელემენტი თითოეულ ფაქტორზე, თუმცა ეს თანხა შეიძლება შეიცვალოს გამოყენებული მატრიცისა და ნიმუშის ზომის მიხედვით.

გამოყენებული მატრიცა

კლასიკურ FA დიზაინში არის ვარაუდი, რომ ცვლადები დაკავშირებულია ხაზოვანი გზით, ისინი ასევე წარმოადგენენ ნორმალურობის ადეკვატურ ინდექსებს, ამიტომ პირსონის კორელაციის მატრიცა, როგორც წესი, იყო ერთი გამოყენებული. დღეს შემოთავაზებულია ნორმალურობის ვარაუდის გათვალისწინება და პუნქტების პასუხის ფორმატი. გარდა ზემოაღნიშნულისა, PA-ს განვითარების ახალი ინსტრუმენტების შემუშავებამ განაპირობა ახალი ტექნიკის გამოყენება, როგორიცაა მატრიცა პოლიქორული და ტეტრაქორული კორელაციები, თუმცა, ორივე მატრიცა მოითხოვს უფრო დიდი ნიმუშის ზომას მატრიცასთან შედარებით პირსონი.

ფაქტორების შეფასება

ყველაზე ხშირად გამოყენებული შეფასების მეთოდებია 2:

• მაქსიმალური ალბათობა: ეს მეთოდი ყველაზე გავრცელებულია გამოსაყენებლად სხვა მეთოდებთან შედარებით მისი უპირატესობების გამო, როგორიცაა შეცდომების კორექტირებისა და რაოდენობრივი განსაზღვრის კონტრასტის შესაძლებლობა. თუმცა, ეს მეთოდი მოითხოვს მონაცემთა ნორმალურობასთან შესაბამისობას, უწყვეტი სკალების ქონას და პირსონის კორელაციის მატრიცის გამოყენებას.

• ჩვეულებრივი უმცირესი კვადრატები. სინამდვილეში ეს მეთოდი ეხება შეფასების მეთოდების ოჯახს. ეს მეთოდები მტკიცედ დაამტკიცა, როდესაც ნორმალურობისა და წრფივობის დაშვებები არ არის დაკმაყოფილებული. ანალოგიურად, მისი გამოყენება პოლიქორიულ მატრიცასთან ერთად ეფექტური აღმოჩნდა.

ნივთის როტაცია

ეს ნაბიჯი ეხება მატრიცის მუდმივ ბრუნვას მარტივი და თანმიმდევრული ამოხსნის მოსაძებნად. დღეს ყველაზე ფართოდ გამოყენებული მეთოდებია ორთოგონალური როტაცია, უფრო კონკრეტულად კრიტერიუმი ვარიმაქსი და ირიბი როტაცია თქვენს მეთოდში პირდაპირი oblim. დღეს ეს უკანასკნელი არის ყველაზე რეკომენდირებული მეთოდი უფრო საიმედო და თანმიმდევრული სტრუქტურის წარმოდგენისთვის.

შესანარჩუნებელი ფაქტორები

ამ ანალიზის გადამწყვეტი ელემენტია ფაქტორების ფორმირება, მაგრამ როგორ გავიგოთ რამდენი ფაქტორი უნდა გვქონდეს ჩვენს მასშტაბში? კლასიკური რეკომენდაცია იყო კაიზერის წესის დაცვა, რომელიც ეხება 1-ზე მეტი საკუთრების მნიშვნელობების შენარჩუნებას; თუმცა, ეს მეთოდი იწვევს ფაქტორების გადაჭარბებულ შეფასებას. დღეისათვის რეკომენდებულია პარალელური ანალიზისა და სხვა მსგავსი მეთოდების რეკომენდაციების დაცვა, მაგრამ ასევე შემოთავაზებულია შედეგების ინტერპრეტაციის და ძირითადი თეორიის გათვალისწინება.

და ბოლოს, აუცილებელია ხაზი გავუსვა, რომ CFA მიდრეკილია შეფასდეს სტრუქტურული განტოლების მოდელების გამოყენებით. (SEM) ამიტომ მისი განხორციელების პროცესი უნდა განხორციელდეს ამისთვის შემუშავებული კრიტერიუმების საფუძველზე მოდელები.

ცნობები

Lloret-Segura, S., Ferreres-Traver, A., Hernández-Baeza, A., & Tomas-Marco, I. (2014). საგნების საძიებო ფაქტორული ანალიზი: პრაქტიკული სახელმძღვანელო, შესწორებული და განახლებული შესავალი ანალიზის ადეკვატურობის განსაზღვრა. Annals of Psychology, 30 (3), 1151–1169.