Faktör Analizi

Keşfedici faktör analizi (EFA), önsel teori olmadan verilerden gizil yapıyı keşfeder; kaç faktör olacağına ve hangi değişkenlerin hangi faktörlere yükleneceğine verilerin rehberlik etmesine izin verirsiniz. EFA'yı yeni bir yapı veya ölçeği araştırırken kullanın. Doğrulayıcı faktör analizi (CFA), teoriye ve önceki araştırmalara dayanarak analizden önce belirtilen varsayılan bir faktör yapısını test eder. CFA resmi uyum testleri sağlar ve istatistiksel olarak daha titizdir. Standart uygulama: modeli önermek için eğitim örnekleminde EFA yapın, ardından bağımsız test örnekleminde CFA ile doğrulayın (veya çapraz doğrulama kullanın). CFA doğrulama için kullanılan aynı örneklemde asla EFA yapmayın.

Faktör çıkarma birden fazla kritere göre yönlendirilir: (1) Kaiser kriteri (özdeğer > 1) gelenekseldir ancak genellikle çok fazla faktör önerir. (2) Scree grafiği: özdeğerler azalan sırada çizilir; dirseğin öncesindeki faktörleri tutun (azalan getirilerin başladığı nokta). 'Scree' dirsekten sonraki eğimdir. (3) Paralel analiz: ampirik özdeğerleri rastgele permütasyonlardan elde edilenlerle karşılaştırın; yalnızca rastgele taban çizgisini aşan faktörleri tutun. Paralel analiz istatistiksel olarak en savunulabilir olanıdır. (4) Yorumlanabilirlik: yalnızca kavramsal olarak etiketleyip açıklayabileceğiniz faktörleri tutun. Farklı kriterler genellikle farklı sayılar verir; birden fazla yönteme ve teoriye danışın.

0.6'lık bir faktör yükü, gözlemlenen bir değişken ile gizil bir faktör arasındaki korelasyondur; bu değişkenin o faktörü ölçmeye katkıda bulunduğunu gösterir. Karelenmiş yük (0.6² = 0.36), faktör tarafından açıklanan değişken varyansının oranıdır. Yükler > 0.4 minimum kabul edilebilir; > 0.6 güçlüdür. Güvenilirlik katsayısı (Cronbach'ın alfa, tipik olarak ≥0.70), iç tutarlılığı ölçer: aynı yapıyı ölçen birden fazla değişkenin birbirleriyle ne ölçüde ilişkili olduğu. Yük, gizil faktörle ilişkiyi gösterir; alfa, değişkenlerin birlikte tek bir yapıyı tutarlı bir şekilde ölçüp ölçmediğini gösterir. Her ikisi de önemlidir: yüksek yükler ve yüksek alfa birlikte homojen bir gizil boyutu destekler.

Komünalite, bir değişkenin varyansının tüm faktörler tarafından açıklanan oranıdır (faktörler boyunca karelenmiş yüklerin toplamı). Düşük komünaliteler (<0.3), değişkenin faktörler tarafından zayıf temsil edildiğini gösterir, çünkü: (1) faktör modelinin yakalamadığı benzersiz bir yapıyı ölçer, (2) güvenilmez/gürültülüdür veya (3) faktör çözümü yanlıştır. Seçenekler: değişkeni kaldırmak (teorik olarak gerekçelendirilmişse modeli basitleştirir), faktör eklemek (aşırı uyuma neden olabilir) veya değişkenin gerçekten ölçeğe ait olup olmadığını araştırmak. Madde içeriğini her zaman inceleyin; bazen düşük komünalite, kavramsal uyumsuzluktan ziyade kötü yazılmış bir maddeyi yansıtır.