Definiția factor Analysis

Analiza factorială este o tehnică de analiză care este frecvent utilizată în domeniul dezvoltării și validării teste, permite explorarea modului în care sunt structurați factorii sau variabilele latente din răspunsurile la itemii a Test.

Pentru a obține scale de măsurare adecvate, cercetătorii au recurs la tehnica cunoscută ca analiza factorială, ceea ce face posibilă identificarea structurii care stă la baza itemilor unei scale de măsurare. Această tehnică explorează modul în care un factor latent, pe care l-am putea numi și noi variabilă neobservată Ei explică tiparul răspunsurilor date la itemii sau itemii dintr-un test.

În continuare, va fi oferită o scurtă introducere în analiza factorială, incluzând, dar fără a se limita la: diferențele dintre analiza factorială și Analiza componentelor principale, analiza factorială exploratorie și confirmativă și în final elementele care le compun.

Analiza factorială și analiza componentelor principale

Când trecem în revistă literatura despre dezvoltarea și validarea instrumentelor, ne putem da seama că printre cadrele universitare există Există o oarecare confuzie în legătură cu utilizarea nediscriminată a analizei factoriale (FA) și a analizei componentelor principale (PCA). Această utilizare nediscriminatorie se poate datora faptului că pentru o lungă perioadă de timp resursele tehnologice au îngreunat aplicarea AF și, pentru a compensa acest lucru, au inclus și ACP. Deși ambele tehnici sunt similare, deoarece reduc elementele la dimensiuni mai mici (factori și componente), ele prezintă și unele diferențe specifice care duc la foarte diferit.

FA urmărește să identifice câți și cum sunt structurați factorii (variabile latente), acești factori ar explica varianța comună a grupului de itemi analizați. Dimpotrivă, în APC, se urmărește să se determine câte componente sunt necesare pentru a rezuma scorurile unui grup de variabile observate, adică explicând cea mai mare cantitate de varianță observat. O altă diferență este că, în timp ce în AF variabilele observate sunt considerate variabile dependente, în ACP acestea sunt cele independente.

Analiza factorială exploratorie și de confirmare

Odată stabilită diferența între AF și ACP, este necesar să se facă o nouă diferență între Analiza factorială exploratorie (EFA) și Analiza factorială confirmativă (AFC). Ambele analize au fost considerate ca două părți ale unui proces continuu. AFE caută să determine câți factori alcătuiesc scara noastră, în timp ce AFC se caracterizează prin confirmă acești factori, dar și determină modul în care factorii și elementele scară. Un alt mod de a le defini este că AFE „construiește” teoria în timp ce AFC ar confirma-o.

Elemente AF

Marime de mostra

Acesta este unul dintre cele mai discutate subiecte, nu numai în FA, ci și în analiza datelor în general. Determinarea dimensiunii eșantionului adecvat pentru analiză este o discuție care pare nesfârșită, recomandările clasice sunt că, cu cât numărul de itemi este mai mare, cu atât numărul participanților din eșantionul nostru ar trebui să fie mai mare, cel mai recomandat fiind cel mai recomandat minim de 200. Cu toate acestea, recomandările clasice tind să lipsească de o bază clară, astăzi trebuie luate în considerare multe elemente pentru a determina câte participanții sunt necesari, cum ar fi numărul de itemi per factor, matricea utilizată pentru analiză și chiar câte opțiuni de răspuns au participanții. articole. Astfel, studiile care folosesc simulări în aceste condiții au determinat că un număr de minim 300 de participanți este un număr adecvat.

Numărul de itemi de inclus în analiză și în fiecare factor

În ceea ce privește numărul de itemi care vor fi incluși în analiză, aceștia trebuie selectați din teorie, totuși, este necesar să se subliniați că acestea nu ar trebui să fie redundante, deoarece acest lucru ar face ca aceste elemente să împartă variația și, prin urmare, ar avea probleme estima. Prin urmare, trebuie avut grijă să selectați doar acele elemente care reprezintă cu adevărat constructul pe care încercăm să-l evaluăm. Pe de altă parte, se recomandă să aveți cel puțin trei itemi pentru fiecare factor; totuși, această cantitate poate fi modificată în funcție de matricea utilizată și de dimensiunea eșantionului.

Matrice utilizată

În modelele clasice FA există o presupunere că variabilele sunt legate într-un mod liniar, Ei prezintă, de asemenea, indici adecvați de normalitate, astfel încât matricea de corelație Pearson a fost de obicei cea folosit. Astăzi se sugerează să se țină cont de ipoteza de normalitate și de formatul de răspuns al itemilor. Pe lângă cele de mai sus, dezvoltarea de noi instrumente pentru dezvoltarea AP a condus la utilizarea de noi tehnici precum matricea de corelațiile policorice și tetrachorice, totuși, ambele matrice necesită o dimensiune mai mare a eșantionului în comparație cu matricea de pearson.

Estimarea factorilor

Cele mai frecvent utilizate metode de estimare sunt 2:

• Probabilitate maximă: Această metodă este cea mai comună de utilizat datorită avantajelor sale față de alte metode, cum ar fi capacitatea de a contrasta ajustarea și cuantificarea erorilor. Cu toate acestea, această metodă necesită respectarea normalității datelor, având scale continue și folosind matricea de corelație Pearson.

• Cele mai mici pătrate obișnuite. De fapt, această metodă se referă la o familie de metode de estimare. Aceste metode s-au dovedit a fi robuste atunci când ipotezele de normalitate și liniaritate nu sunt îndeplinite. În același mod, aplicarea sa împreună cu matricea policorică s-a dovedit a fi eficientă.

Rotirea articolului

Acest pas se referă la rotirea continuă a matricei pentru a găsi o soluție simplă și consecventă. Cele mai utilizate metode astăzi sunt rotatie ortogonala, mai precis criteriul varimax și rotație oblică în metoda ta direct oblimin. Astăzi, aceasta din urmă este cea mai recomandată metodă pentru prezentarea unei structuri mai fiabile și mai consistente.

Factori de reținut

Elementul crucial al acestei analize este formarea factorilor, dar de unde știm câți factori ar trebui să avem la scara noastră? Recomandarea clasică a fost să urmați regula lui Kaiser, care se referă la păstrarea valorilor proprii mai mari decât 1; totuși, această metodă tinde să provoace o supraestimare a factorilor. În prezent se sugerează să se urmeze recomandările analizei paralele și ale altor metode similare, dar se sugerează și să se țină cont de interpretabilitatea rezultatelor și de teoria de bază.

În cele din urmă, este necesar să evidențiem că CFA tinde să fie estimat folosind modele de ecuații structurale. (SEM), astfel încât procesul de realizare a acestuia ar trebui efectuat pe baza criteriilor elaborate pentru acestea Modele.

Referințe

Lloret-Segura, S., Ferreres-Traver, A., Hernández-Baeza, A., & Tomás-Marco, I. (2014). Analiza factorială exploratorie a itemilor: un ghid practic, revizuit și actualizat Introducere Determinarea caracterului adecvat al analizei. Analele psihologiei, 30(3), 1151–1169.