Analiza factorială este o metodă de reducere statistică care are ca scop explicarea posibilelor corelații între anumite variabile. Pentru a face acest lucru, luând în considerare efectul altor factori, care nu sunt observabili.
Prin urmare, ceea ce face această analiză este de a reduce. Astfel, luăm un număr mare de variabile și, prin această tehnică, reușim să le reducem la o dimensiune mai ușor de gestionat. Pentru a face acest lucru, se utilizează o serie de combinații liniare ale celor observate cu altele care nu sunt vizibile.
Cele două modele: explorator și confirmator
Avem două modalități de a realiza această tehnică statistică, există diferențe clare între cele două care ar trebui cunoscute.
- Analiza factorilor exploratori: În acest caz, obiectivul este de a cunoaște constructele latente (care nu sunt văzute) pentru a verifica dacă pot fi valide. Astfel, avem de-a face cu informații de tip exploratoriu care servesc la crearea unui model ulterior, dar nu știm acest lucru a priori.
- Analiza factorilor de confirmare: În acest caz, ne confruntăm cu un proces de confirmare statistică. Plecăm de la un model teoretic creat cu literatura existentă asupra fenomenului studiat. Mai târziu îl contrastăm pentru a-i cunoaște gradul de validitate.
Cum se efectuează o analiză factorială
Să vedem, într-un mod simplu, cum poate fi efectuată o analiză a factorilor exploratori, care este una dintre cele mai utilizate în științele sociale. Trebuie remarcat faptul că punctele menționate mai jos pot fi selectate în programe statistice precum SPSS atunci când se efectuează analiza.
- Analiza fiabilității: În mod normal, se folosește Alpha Cronbach, ceea ce permite cunoașterea consistenței interne a modelului. Valorile mai mari de 0,70 sunt considerate acceptabile.
- Statisticile descriptive: Acestea ne oferă informații de bază despre datele analizate. Media, varianța sau maximul și minimul.
- Analiza matricei de corelație: Aceste calcule sunt efectuate de SPSS. Aici trebuie să fim atenți dacă determinantul este aproape de zero. Pe de altă parte, corelațiile calculate trebuie să fie diferite de zero.
- Măsura de adecvare a eșantionului KMO: Ne permite să contrastăm coeficienții de corelație. Pe de o parte, cele observate și, pe de altă parte, cele parțiale. Acesta ia valori cuprinse între 0 și 1 și este considerat acceptabil dacă este mai mare de 0,5.
- Testul de sfericitate al lui Bartlett: În acest caz, contrastează că matricea de corelație este o matrice de identitate, caz în care analiza nu a putut fi făcută. Se calculează pătratul Chi estimat și, dacă este mai mic decât cel teoretic, se poate face analiza factorială.
- Analiza comunității: Din nou, este un indicator de relevanță. Pentru a fi valid, trebuie să ia valori mai mari de 0,5.
- Matricea componentelor rotite: Se folosește pentru a extrage valorile proprii care sunt mai mari decât o valoare, în mod normal 1. În acest fel, se obțin factorii reduși care reprezintă variabilele. Graficele de sedimentare și matricea în sine sunt utilizate pentru a alege numărul.
- Varianța totală explicată: În cele din urmă, această analiză ne spune care este varianța totală explicată de modelul propus. Astfel, cu cât această valoare este mai mare, cu atât modelul explică mai bine setul total de date.
Exemple de analiză factorială
Analiza factorială are multe aplicații în diferite domenii ale științei.
Să vedem câteva exemple:
- În marketing este utilizat pe scară largă atunci când vrem să știm dorința de a cumpăra. De exemplu, analizăm diferite variabile socioeconomice, emoționale sau personale. Odată ce le avem, le reducem numărul cu analiza factorială și le putem interpreta mai bine.
- În contabilitate putem ști care elemente afectează cel mai clar obținerea profiturilor afacerii. Astfel, vom ști unde ar trebui să avem mai multă influență.
- În educație putem cunoaște predispoziția unui elev la un subiect. Prin efectuarea anumitor sondaje privind modul său de studiu, putem obține o bază de date în care să aplicăm analiza factorială.
