¿Qué es el factor exploratorio?
El análisis factorial exploratorio (EFA) consiste en poner todas las preguntas de medición en SPSS para el análisis factorial. El propósito del EFA es explorar los factores o variables latentes a las que deben pertenecer las preguntas de medición.
1. Análisis factorial exploratorio (EFA)
1.1 Requisitos previos para realizar EFA
En la matriz de correlación de imágenes de respuesta de salida, la cantidad de idoneidad del muestreo (Datos en el posición diagonal, MSA) Cuanto más cerca esté de 1, más adecuado será para el análisis factorial. Si es <0,5, significa que no es adecuado para el análisis factorial.
Cuando el valor de KMO es <0,5, no es adecuado para el análisis factorial. Es mejor ser >0,8.
1,2 ¿Métodos para estimar las cargas factoriales? p>Incluye principalmente: análisis de componentes principales, método del factor del eje principal, método de máxima verosimilitud, etc.
El método más utilizado es el análisis de componentes principales, que también es el método predeterminado en SPSS. Combina todas las variables. con la ecuación actual y calcula que todas las variables son iguales a la cantidad de variación explicada, y la combinación lineal es el componente principal.
1.3 Eje de rotación
El objetivo principal del eje de rotación es ayudar a que los factores tengan un significado más explicativo. Los métodos de extracción de rotación comúnmente utilizados incluyen el método del eje de rotación ortogonal y el método del eje de rotación oblicuo. .
El más utilizado es el eje de rotación ortogonal. En primer lugar, es una opción incorporada en la mayoría del software estadístico; en segundo lugar, los resultados generados por el eje de rotación ortogonal son simples y fáciles de interpretar; En EFA, según los resultados reales de la inspección de datos, no es necesario prestar demasiada atención al método de rotación, porque los resultados son similares.
Después de girar el eje, los valores propios de cada factor cambiarán, pero los valores propios totales permanecerán sin cambios y la varianza total explicada permanecerá sin cambios.
Después de girar el eje, la carga factorial de cada elemento en diferentes factores cambiará, pero la homogeneidad de cada elemento permanece sin cambios. Cuánto se puede explicar por los factores del pasado es cuánto se puede explicar. ahora.
1.3.1 Eje de rotación ortogonal
El método del eje de rotación ortogonal se divide en el método de variación máxima, el método del cuarto valor de potencia máximo y el método de trayectoria de equilibrio máximo, entre los cuales el El método de máxima variación es el más utilizado.
Los resultados de salida del método del eje de rotación ortogonal son:
Varianza del factor común: ***identidad, la cantidad de variación que todos ***factores idénticos pueden explicar para el artículo . Cuanto mayor sea la homogeneidad, más adecuado será para el análisis factorial. Si la homogeneidad es inferior a 0,2, puede considerar eliminar el elemento (en este momento, la carga factorial es <0,45).
Explicación de la varianza total: Puedes ver los valores propios de cada factor idéntico y la proporción de varianza extraída.
Matriz de componentes: la matriz de carga factorial inicial, que puede ver la carga de cada elemento en cada factor común. La suma de los cuadrados de los valores de carga de factores en la matriz es la homogeneidad del elemento en la matriz de varianza de factores comunes. La suma de los cuadrados de las cargas factoriales longitudinales de esta matriz es el valor propio de cada factor común inicial en la explicación de la varianza total.
Matriz de componentes rotados: Matriz de carga de factores rotados. La suma de los cuadrados de los valores de carga de factores en la matriz es la homogeneidad del elemento en la matriz de varianza de factores comunes. La suma de los cuadrados de las cargas factoriales longitudinales de esta matriz es el valor propio de cada factor común después de la rotación en la explicación de la varianza total. Es necesario determinar la propiedad de los ítems con base en las cargas factoriales de esta matriz y nombrarlos.
1.3.2 Eje de rotación oblicuo
El método del eje de rotación oblicuo se divide en método del eje de rotación oblicuo directo y método del eje de rotación oblicuo Promax. El más utilizado es el método del eje de rotación oblicuo directo. .
Cuando el coeficiente de correlación entre factores es >0,3, lo mejor es utilizar el eje de rotación oblicuo.
Los resultados de salida del método del eje de rotación oblicuo son:
Varianza del factor común: ***identidad, la cantidad de variación que todos ***factores idénticos pueden explicar para el artículo . Cuanto mayor sea la homogeneidad, más adecuado será para el análisis factorial. Si la homogeneidad es inferior a 0,2, puede considerar eliminar el elemento (en este momento, la carga factorial es <0,45).
Explicación de la varianza total: Puedes ver los valores propios de cada factor idéntico y la proporción de varianza extraída.
Matriz componente: Igual que el eje no rotado u ortogonal.
Matriz de patrones: ¿No lo ves?
Matriz de estructura: similar a la matriz de componentes rotados en el método del eje de rotación ortogonal, puede ver a qué factor pertenece el elemento.
Matriz de coeficientes de correlación de componentes: observe la correlación entre factores aquí. Si la correlación no es grande, use rotación ortogonal. Si la correlación es grande, use rotación oblicua.
1.4 Análisis factorial y método de selección
El principio comúnmente utilizado de análisis factorial y selección es el valor propio>1, método de criterio predeterminado.
1.4.1 Extracción de valores propios>1
La desventaja es que si hay demasiadas preguntas, se pueden extraer más factores.
1.4.2 Extraer un número fijo de factores
Si la literatura teórica relevante tiene un concepto muy claro, puede consultarlo al decidir el número de factores y establecer un número fijo. de factores extraídos, por lo que también se puede utilizar CFA en este caso.