Факторният анализ е метод за статистическа редукция, който има за цел да обясни възможните корелации между определени променливи. За да направите това, като вземете предвид ефекта на други фактори, които не се наблюдават.
Следователно това, което прави този анализ, е да намали. По този начин вземаме голям брой променливи и чрез тази техника успяваме да ги намалим до по-управляем размер. За целта се използват поредица от линейни комбинации от наблюдавани с други, които не се виждат.
Двата модела: проучвателен и потвърдителен
Имаме два начина за извършване на тази статистическа техника, има ясни разлики между двата, които трябва да бъдат известни.
- Анализ на изследователския фактор: В този случай целта е да се познаят скритите конструкции (които не се виждат), за да се провери дали могат да бъдат валидни. По този начин имаме работа с информация от изследователски тип, която служи за създаване на по-късен модел, но не знаем това априори.
- Потвърждаващ фактор анализ: В този случай сме изправени пред процес на статистическо потвърждение. Изхождаме от теоретичен модел, създаден със съществуващата литература за изучавания феномен. По-късно го сравняваме, за да знаем степента му на валидност.
Как да се извърши факторен анализ
Нека видим по един прост начин как може да се извърши проучвателен факторен анализ, който е един от най-използваните в социалните науки. Трябва да се отбележи, че точките, споменати по-долу, могат да бъдат избрани в статистически програми като SPSS при извършване на анализа.
- Анализ на надеждността: Обикновено се използва алфата на Кронбах, което позволява да се знае вътрешната последователност на модела. Стойности, по-големи от 0,70, се считат за приемливи.
- Описателна статистика: Те ни предоставят основна информация за анализираните данни. Средната стойност, отклонението или максимумът и минимумът.
- Корелационен матричен анализ: Тези изчисления се извършват от SPSS. Тук трябва да обърнем внимание дали детерминантата е близка до нулата. От друга страна, изчислените корелации трябва да са различни от нула.
- Мярка за адекватност на пробата KMO: Позволява ни да противопоставим коефициентите на корелация. От една страна, наблюдаваните, а от друга, частичните. Той приема стойности между 0 и 1 и се счита за приемлив, ако е по-голям от 0,5.
- Тест за сферичност на Бартлет: В този случай контрастира, че корелационната матрица е матрица за идентичност, като в този случай анализът не може да бъде направен. Приблизителният хи квадрат се изчислява и ако е по-малък от теоретичния, може да се направи факториален анализ.
- Анализ на общото: Отново това е показател за уместност. За да е валиден, той трябва да приема стойности, по-големи от 0,5.
- Завъртяна матрица на компонентите: Използва се за извличане на собствени стойности, които са по-големи от стойност, обикновено 1. По този начин се получават намалените фактори, които представляват променливите. Графиките за утаяване и самата матрица се използват за избор на числото.
- Обяснена обща дисперсия: И накрая, този анализ ни казва каква е общата дисперсия, обяснена от предложения модел. По този начин, колкото по-висока е тази стойност, толкова по-добре моделът обяснява общия набор от данни.
Примери за факторен анализ
Факторният анализ има много приложения в различни области на науката.
Нека да видим няколко примера:
- В маркетинга се използва широко, когато искаме да знаем волята за покупка. Например анализираме различни социално-икономически, емоционални или лични променливи. След като ги имаме, намаляваме броя им с факторен анализ и можем да ги интерпретираме по-добре.
- В счетоводството можем да знаем кои позиции най-ясно влияят върху получаването на бизнес печалби. По този начин ще знаем къде трябва да имаме повече влияние.
- В образованието можем да познаем предразположението на даден ученик към даден предмет. Чрез извършване на определени проучвания за начина му на изучаване, можем да получим база данни, в която да приложим факторния анализ.