Faktör Analizinin Tanımı

Faktör analizi, geliştirme ve doğrulama alanında sıklıkla kullanılan bir analiz tekniğidir. Testler, bir testin maddelerine verilen yanıtlardan faktörlerin veya gizil değişkenlerin nasıl yapılandırıldığını keşfetmeye izin verir. Ölçek.

Yeterli ölçüm ölçekleri elde etmek için, araştırmacılar olarak bilinen tekniğe başvurdular. faktör analizi, bu da bir ölçüm ölçeğinin öğelerinin altında yatan yapıyı tanımlamayı mümkün kılar. Bu teknik, Gizli Faktör olarak da adlandırabileceğimiz bir Gizli Faktörün nasıl olduğunu araştırır. gözlemlenmemiş değişken Bir testteki maddelere veya maddelere verilen yanıtların modelini açıklarlar.

Daha sonra, bunlarla sınırlı olmamak üzere, faktör analizine kısa bir giriş yapılacaktır: faktör analizi ve faktör analizi arasındaki farklar temel bileşenler Analizi, açımlayıcı ve doğrulayıcı faktör analizi ve son olarak bunları oluşturan unsurlar.

Faktör analizi ve temel bileşenler analizi

Araçların geliştirilmesi ve onaylanmasıyla ilgili literatürü incelerken, akademisyenler arasında Faktör Analizi (FA) ve Temel Bileşen Analizi'nin (PCA) gelişigüzel kullanımıyla ilgili bazı kafa karışıklıkları vardır. Bu gelişigüzel kullanım, teknolojik kaynakların uzun süre AF uygulamasını zorlaştırmasından ve bunu telafi etmek için ACP'yi içermesinden kaynaklanıyor olabilir. Her iki teknik de benzer olmakla birlikte, maddeleri daha küçük boyutlara (faktörler ve bileşenler), ayrıca çok fazla soruna yol açan bazı özel farklılıklar da sunarlar. farklı.

FA, faktörlerin (gizli değişkenler) kaç tane ve nasıl yapılandırıldığını belirlemeye çalışır; bu faktörler, analiz edilen madde grubunun ortak varyansını açıklayacaktır. Aksine, PCA'da, özetlemek için kaç bileşenin gerekli olduğunu belirlemek amaçlanmaktadır. bir grup gözlenen değişkenin puanları, yani en büyük varyans miktarını açıklayan gözlemlendi. Diğer bir fark ise, AF'de gözlenen değişkenler bağımlı değişkenler olarak kabul edilirken, ACP'de bunlar bağımsız değişkenlerdir.

Açıklayıcı ve doğrulayıcı faktör analizi

AF ve ACP'deki fark belirlendikten sonra Açımlayıcı Faktör Analizi (EFA) ile Doğrulayıcı Faktör Analizi (AFC) arasında yeni bir fark yaratmak gerekir. Her iki analiz de sürekli bir sürecin iki parçası olarak kabul edilmiştir. AFE, ölçeğimizi kaç faktörün oluşturduğunu belirlemeye çalışırken, AFC aşağıdakilerle karakterize edilir: Bu faktörleri doğrulamak, ancak aynı zamanda faktörlerin ve maddelerin nasıl olduğunu da belirlemek. ölçek. Bunları tanımlamanın başka bir yolu da, AFE'nin teoriyi "oluşturması", AFC'nin ise bunu doğrulamasıdır.

AF Öğeleri

Örnek boyut

Bu, yalnızca FA'da değil, genel olarak veri analizinde de en çok tartışılan konulardan biridir. Analiz için uygun örneklem büyüklüğünü belirlemek sonu gelmeyen bir tartışmadır, klasik tavsiyeler madde sayısı ne kadar fazlaysa, örneklemimizdeki katılımcı sayısı da o kadar fazla olmalıdır, en az 200 en çok tavsiye edilendir. Bununla birlikte, klasik tavsiyeler net bir temelden yoksun olma eğilimindedir, bugün kaç tane olduğunu belirlemek için birçok unsurun dikkate alınması gerekir. faktör başına madde sayısı, analiz için kullanılan matris ve hatta katılımcıların kaç yanıt seçeneğine sahip olduğu gibi katılımcılar gereklidir. öğeler. Dolayısıyla, bu koşullar altında simülasyon kullanan çalışmalar, minimum 300 katılımcının yeterli bir rakam olduğunu belirlemiştir.

Analize ve her bir faktöre dahil edilecek madde sayısı

Analize dahil edilecek madde sayısı ile ilgili olarak, bunların teoriden seçilmesi gerekir, ancak bu öğelerin varyansı paylaşmasına ve bu nedenle kötü bir değere sahip olmasına neden olacağından, bunların gereksiz olmaması gerektiğine dikkat çekin. tahmin etmek. Bu nedenle, yalnızca değerlendirmeye çalıştığımız yapıyı gerçekten temsil eden öğeleri seçmeye özen gösterilmelidir. Öte yandan, her bir faktör için en az üç madde olması tavsiye edilir, ancak bu miktar kullanılan matrise ve örneklem büyüklüğüne bağlı olarak değiştirilebilir.

Kullanılan matris

Klasik FA tasarımlarında, değişkenlerin doğrusal bir şekilde ilişkili olduğu varsayımı vardır. Ayrıca yeterli normallik indeksleri sunarlar, bu nedenle Pearson Korelasyon matrisi tipik olarak bir matristir. kullanılmış. Günümüzde normallik varsayımının ve maddelerin yanıt biçiminin dikkate alınması önerilmektedir. Yukarıdakilere ek olarak, PA'nın geliştirilmesi için yeni araçların geliştirilmesi, matris gibi yeni tekniklerin kullanılmasına yol açmıştır. polikorik ve tetrakorik korelasyonlar, bununla birlikte, her iki matris de matrise kıyasla daha büyük bir örneklem boyutu gerektirir. Pearson.

faktör tahmini

En sık kullanılan tahmin yöntemleri 2'dir:

• Maksimum olasılık: Bu yöntem, ayarlama ve hataların nicelleştirilmesi gibi karşılaştırma yeteneği gibi diğer yöntemlere göre avantajları nedeniyle en yaygın kullanılan yöntemdir. Ancak bu yöntem, verilerin normalliğine uyulmasını, sürekli ölçeklere sahip olunmasını ve Pearson korelasyon matrisinin kullanılmasını gerektirmektedir.

• Sıradan en küçük kareler. Aslında bu yöntem, bir tahmin yöntemleri ailesini ifade eder. Normallik ve doğrusallık varsayımları karşılanmadığında bu yöntemlerin sağlam olduğu kanıtlanmıştır. Aynı şekilde, polikorik matris ile birlikte uygulanmasının da verimli olduğu kanıtlanmıştır.

Öğe döndürme

Bu adım, basit ve tutarlı bir çözüm bulmak için matrisi sürekli olarak döndürmeyi ifade eder. Günümüzde en çok kullanılan yöntemler, ortogonal dönüş, daha spesifik olarak kriter varimax ve yönteminizde eğik döndürme doğrudan oblimin. Bugün ikincisi, daha güvenilir ve tutarlı bir yapı sunmak için en çok önerilen yöntemdir.

Tutulması gereken faktörler

Bu analizin can alıcı unsuru faktör oluşumudur, ancak ölçeğimizde kaç faktör olması gerektiğini nasıl bileceğiz? Klasik öneri, özdeğerlerin 1'den büyük tutulması anlamına gelen Kaiser kuralını takip etmekti; ancak bu yöntem, faktörlerin fazla tahmin edilmesine neden olma eğilimindedir. Günümüzde paralel analiz ve diğer benzer yöntemlerin tavsiyelerine uyulması önerilmektedir, ancak sonuçların yorumlanabilirliğinin ve temel teorinin de dikkate alınması önerilmektedir.

Son olarak, DFA'nın yapısal eşitlik modelleri kullanılarak tahmin edilme eğiliminde olduğunu vurgulamak gerekir. (SEM) bu nedenle, onu gerçekleştirme süreci, bunlar için geliştirilen kriterlere göre yürütülmelidir. modeller.

Referanslar

Lloret-Segura, S., Ferreres-Traver, A., Hernández-Baeza, A., & Tomás-Marco, I. (2014). Öğelerin açımlayıcı faktör analizi: pratik bir rehber, revize edilmiş ve güncellenmiş Giriş Analizin yeterliliğinin belirlenmesi. Annals of Psychology, 30(3), 1151–1169.