Faktorska analiza statistička je metoda redukcije koja ima za cilj objasniti moguće korelacije između određenih varijabli. Da biste to učinili, uzimajući u obzir učinak drugih čimbenika koji nisu uočljivi.
Stoga, ono što ova analiza čini je smanjenje. Dakle, uzimamo velik broj varijabli i kroz ovu tehniku uspijevamo ih smanjiti na upravljačku veličinu. Da bi se to učinilo, koristi se niz linearnih kombinacija onih uočenih s drugima koje nisu vidljive.
Dva modela: istraživački i potvrdni
Imamo dva načina provođenja ove statističke tehnike, između njih postoje jasne razlike koje bi trebale biti poznate.
- Istraživačka faktorska analiza: U ovom je slučaju cilj znati latentne konstrukcije (koje se ne vide) kako bi se provjerilo mogu li biti valjane. Dakle, imamo posla s informacijama istraživačkog tipa koje služe za stvaranje kasnijeg modela, ali to apriori ne znamo.
- Potvrdna faktorska analiza: U ovom slučaju suočavamo se sa postupkom statističke potvrde. Polazimo od teorijskog modela stvorenog postojećom literaturom o proučavanom fenomenu. Kasnije ga uspoređujemo kako bismo znali stupanj valjanosti.
Kako izvršiti faktorsku analizu
Pogledajmo na jednostavan način kako se može provesti istraživačka faktorska analiza koja je jedna od najčešće korištenih u društvenim znanostima. Treba napomenuti da se dolje spomenute točke mogu odabrati u statističkim programima kao što je SPSS prilikom izvođenja analize.
- Analiza pouzdanosti: Uobičajeno se koristi Cronbachova Alfa, koja omogućuje poznavanje unutarnje dosljednosti modela. Vrijednosti veće od 0,70 smatraju se prihvatljivima.
- Opisne statistike: Oni nam pružaju osnovne informacije o analiziranim podacima. Srednja vrijednost, varijansa ili maksimum i minimum.
- Analiza matrice korelacije: Ove izračune izvodi SPSS. Ovdje moramo obratiti pažnju je li odrednica blizu nule. S druge strane, izračunate korelacije moraju se razlikovati od nule.
- Mjera adekvatnosti uzorka KMO: Omogućuje nam uspoređivanje koeficijenata korelacije. S jedne strane, promatrane, a s druge strane djelomične. Zauzima vrijednosti između 0 i 1 i smatra se prihvatljivim ako je veća od 0,5.
- Bartlettov test sferičnosti: U ovom slučaju suprotstavlja se tome da je korelacijska matrica identitetska matrica, u kojem slučaju se analiza ne može izvršiti. Izračunava se procijenjeni Chi kvadrat i, ako je manji od teorijskog, može se izvršiti faktorska analiza.
- Analiza zajedništva: Opet je to pokazatelj relevantnosti. Da bi bila valjana, mora imati vrijednosti veće od 0,5.
- Rotirana matrica komponenata: Koristi se za izdvajanje vlastitih vrijednosti koje su veće od vrijednosti, obično 1. Na taj se način dobivaju reducirani faktori koji predstavljaju varijable. Grafovi sedimentacije i sama matrica koriste se za odabir broja.
- Objašnjena ukupna varijansa: Konačno, ova analiza govori nam koja je ukupna varijansa objašnjena predloženim modelom. Dakle, što je veća ova vrijednost, to je model bolji u objašnjavanju ukupnog skupa podataka.
Primjeri faktorske analize
Faktorska analiza ima mnogo primjena u različitim poljima znanosti.
Pogledajmo nekoliko primjera:
- U marketingu se naširoko koristi kada želimo znati volju za kupnjom. Na primjer, analiziramo razne socioekonomske, emocionalne ili osobne varijable. Jednom kad ih dobijemo, faktorskom analizom smanjujemo njihov broj i možemo ih bolje protumačiti.
- U računovodstvu možemo znati koje stavke najjasnije utječu na ostvarivanje poslovne dobiti. Dakle, znat ćemo gdje bismo trebali imati više utjecaja.
- U obrazovanju možemo znati sklonost učenika nekom predmetu. Provođenjem određenih anketa o načinu proučavanja, možemo dobiti bazu podataka u kojoj ćemo primijeniti faktorsku analizu.