Определение факторного анализа

Факторный анализ — это метод анализа, который часто используется в области разработки и проверки тесты, позволяет исследовать, как факторы или скрытые переменные структурированы из ответов на вопросы тест.

Чтобы получить адекватные шкалы измерения, исследователи прибегли к технике, известной как факторный анализ, что позволяет выявить структуру, лежащую в основе пунктов шкалы измерений. Этот метод исследует, как скрытый фактор, который мы также можем назвать ненаблюдаемая переменная Они объясняют характер ответов, данных на вопросы или вопросы теста.

Далее будет представлено краткое введение в факторный анализ, включая, помимо прочего: различия между факторным анализом и Анализ главных компонентов, исследовательский и подтверждающий факторный анализ и, наконец, составляющие их элементы.

Факторный анализ и анализ главных компонентов

Изучая литературу по разработке и валидации инструментов, мы можем понять, что среди ученых есть Существует некоторая путаница в связи с неизбирательным использованием факторного анализа (FA) и анализа главных компонентов (PCA). Такое неразборчивое использование может быть связано с тем, что технологические ресурсы долгое время затрудняли применение АФ и для компенсации этого включали АКП. Хотя оба метода похожи, поскольку они уменьшают элементы до меньших размеров (факторы и компоненты), они также имеют некоторые специфические различия, которые приводят к очень другой.

FA стремится определить, сколько и как структурированы факторы (скрытые переменные); эти факторы могли бы объяснить общую дисперсию группы анализируемых элементов. Напротив, в PCA предполагается определить, сколько компонентов необходимо для обобщения оценки группы наблюдаемых переменных, то есть объясняющие наибольшую величину дисперсии наблюдаемый. Еще одно отличие состоит в том, что если в AF наблюдаемые переменные рассматриваются как зависимые переменные, то в ACP они являются независимыми.

Исследовательский и подтверждающий факторный анализ

Как только разница между AF и ACP будет установлена, необходимо провести новое различие между исследовательским факторным анализом (EFA) и подтверждающим факторным анализом (AFC). Оба анализа рассматриваются как две части непрерывного процесса. AFE стремится определить, сколько факторов составляет нашу шкалу, в то время как AFC характеризуется подтвердить эти факторы, но также определить, как факторы и элементы шкала. Другой способ их определения состоит в том, что AFE «строит» теорию, в то время как AFC подтверждает ее.

Элементы АФ

Размер образца

Это одна из самых обсуждаемых тем не только в FA, но и в анализе данных в целом. Определение подходящего размера выборки для анализа — дискуссия, которая кажется бесконечной, классические рекомендации что чем больше количество пунктов, тем больше должно быть количество участников в нашей выборке, причем минимум 200 является наиболее рекомендуемым. Однако классические рекомендации, как правило, лишены четкой основы, сегодня необходимо учитывать множество элементов, чтобы определить, сколько необходимы участники, такие как количество элементов на фактор, матрица, используемая для анализа, и даже количество вариантов ответов, которые есть у участников. предметы. Таким образом, исследования, в которых используется моделирование в этих условиях, определили, что минимум 300 участников является адекватным числом.

Количество пунктов для включения в анализ и в каждый фактор

Что касается количества пунктов, которые должны быть включены в анализ, они должны быть выбраны из теории, однако необходимо укажите, что они не должны быть избыточными, так как это приведет к тому, что эти элементы разделят дисперсию и, следовательно, будут иметь плохие оценивать. Следовательно, необходимо позаботиться о том, чтобы выбрать только те элементы, которые действительно представляют конструкцию, которую мы пытаемся оценить. С другой стороны, рекомендуется иметь не менее трех позиций для каждого фактора, однако это количество может быть изменено в зависимости от используемой матрицы и размера выборки.

Используемая матрица

В классических планах FA предполагается, что переменные связаны линейным образом, Они также представляют адекватные индексы нормальности, поэтому матрица корреляции Пирсона обычно была единственной. использовал. Сегодня предлагается учитывать допущение нормальности и формат ответа на вопросы. Помимо вышеперечисленного, разработка новых инструментов для развития ПА привела к использованию новых методик, таких как матрица полихорические и тетрахорные корреляции, однако обе матрицы требуют большего размера выборки по сравнению с матрицей Пирсон.

Факторная оценка

Наиболее часто используемые методы оценки 2:

• Максимальное правдоподобие: этот метод является наиболее распространенным из-за его преимуществ по сравнению с другими методами, таких как возможность противопоставления уравнивания и количественного определения ошибок. Однако этот метод требует соблюдения нормальности данных, наличия непрерывных шкал и использования корреляционной матрицы Пирсона.

• Обычные наименьшие квадраты. Фактически этот метод относится к семейству методов оценки. Эти методы доказали свою надежность, когда предположения о нормальности и линейности не выполняются. Точно так же его применение в сочетании с полихорной матрицей оказалось эффективным.

Ротация предметов

Этот шаг относится к непрерывному вращению матрицы, чтобы найти простое и последовательное решение. На сегодняшний день наиболее распространенными методами являются ортогональное вращение, точнее критерий варимакс и наклонное вращение в вашем методе прямой облимин. Сегодня последний метод является наиболее рекомендуемым для представления более надежной и последовательной структуры.

Факторы, которые необходимо сохранить

Важнейшим элементом этого анализа является формирование факторов, но как узнать, сколько факторов должно быть в нашей шкале? Классическая рекомендация состояла в том, чтобы следовать правилу Кайзера, которое относится к сохранению собственных значений больше 1, однако этот метод имеет тенденцию вызывать переоценку факторов. В настоящее время предлагается следовать рекомендациям параллельного анализа и других подобных методов, но также предлагается учитывать интерпретируемость результатов и базовой теории.

Наконец, необходимо подчеркнуть, что CFA, как правило, оценивается с использованием моделей структурных уравнений. (SEM), поэтому процесс его выполнения должен осуществляться на основе критериев, разработанных для этих Модели.

Рекомендации

Льорет-Сегура, С., Ферререс-Травер, А., Эрнандес-Баэса, А., и Томас-Марко, И. (2014). Исследовательский факторный анализ предметов: практическое руководство, переработанное и дополненное Введение Определение адекватности Анализа. Анналы психологии, 30 (3), 1151–1169.