Факторний аналіз - що це таке, визначення та поняття

Факторний аналіз - це метод статистичного зменшення, який має на меті пояснити можливі кореляційні зв'язки між певними змінними. Для цього з урахуванням впливу інших факторів, які не спостерігаються.

Тому те, що робить цей аналіз, - це зменшення. Таким чином, ми беремо велику кількість змінних, і завдяки цій техніці нам вдається зменшити їх до більш керованого розміру. Для цього використовується ряд лінійних комбінацій спостережуваних з іншими, які не видно.

Дві моделі: дослідницька та підтверджуюча

У нас є два способи проведення цієї статистичної техніки, між ними є чіткі відмінності, які слід знати.

• Дослідницький факторний аналіз: У цьому випадку метою є знання прихованих конструкцій (яких не видно), щоб перевірити, чи можуть вони бути дійсними. Таким чином, ми маємо справу з інформацією дослідницького типу, яка служить для створення пізнішої моделі, але ми не знаємо цього апріорі.
• Підтверджуючий факторний аналіз: У цьому випадку перед нами стоїть процес статистичного підтвердження. Ми виходимо з теоретичної моделі, створеної на основі існуючої літератури щодо досліджуваного явища. Пізніше ми порівняємо його, щоб дізнатися ступінь його валідності.

Як провести факторний аналіз

Давайте подивимось простим способом, як можна провести дослідницький факторний аналіз, який є одним із найбільш часто використовуваних у соціальних науках. Слід зазначити, що пункти, згадані нижче, можуть бути обрані в статистичних програмах, таких як SPSS, під час проведення аналізу.

1. Аналіз надійності: Зазвичай використовується альфа Кронбаха, що дозволяє знати внутрішню узгодженість моделі. Значення більше 0,70 вважаються прийнятними.
2. Описова статистика: Вони надають нам основну інформацію про аналізовані дані. Середнє значення, дисперсія або максимум та мінімум.
3. Кореляційний матричний аналіз: Ці обчислення виконуються SPSS. Тут ми повинні звернути увагу на те, чи близький визначник до нуля. З іншого боку, обчислені кореляції повинні відрізнятися від нуля.
4. Міра адекватності вибірки KMO: Дозволяє порівняти коефіцієнти кореляції. З одного боку, спостережувані, а з іншого - часткові. Він приймає значення від 0 до 1 і вважається прийнятним, якщо він перевищує 0,5.
5. Тест Бартлетта на сферичність: У цьому випадку протиставляється тому, що кореляційна матриця є ідентичною матрицею, і в цьому випадку аналіз зробити не вдається. Розраховується розрахунковий хі-квадрат, і якщо він менше теоретичного, можна зробити факторіальний аналіз.
6. Аналіз спільності: Знову ж таки, це показник актуальності. Щоб бути дійсним, воно має приймати значення більше 0,5.
7. Повернута матриця компонентів: Він використовується для вилучення власних значень, що перевищують значення, як правило, 1. Таким чином, отримуються зменшені коефіцієнти, що представляють змінні. Графіки седиментації та сама матриця використовуються для вибору числа.
8. Пояснена загальна дисперсія: Нарешті, цей аналіз повідомляє нам, яка загальна дисперсія пояснюється запропонованою моделлю. Таким чином, чим вище це значення, тим краще модель пояснює загальний набір даних.

Приклади факторного аналізу

Факторний аналіз має багато застосувань у різних галузях науки.

Давайте подивимося кілька прикладів:

• У маркетингу він широко використовується, коли ми хочемо знати волю до покупки. Наприклад, ми аналізуємо різні соціально-економічні, емоційні або особистісні змінні. Отримавши їх, ми зменшуємо їх кількість за допомогою факторного аналізу і можемо краще їх інтерпретувати.
• В бухгалтерії ми можемо знати, які статті найбільш чітко впливають на отримання прибутку від бізнесу. Таким чином, ми будемо знати, де ми повинні мати більший вплив.
• В освіті ми можемо знати схильність студента до предмета. Проводячи певні опитування щодо способу його вивчення, ми можемо отримати базу даних, в якій можна застосувати факторний аналіз.