0
Twój koszyk jest pusty.

Analiza Czynnikowa


Analiza czynnikowa to metoda statystyczna, służąca odnajdywaniu struktur w zbiorze zmiennych losowych. Znalazła ona szerokie zastosowanie w psychologii (przy analizie struktury zjawisk, badanych przez narzędzia kwestionariuszowe), marketingu, zarządzaniu produktem i teorii decyzji.

 

Celem analizy czynnikowej jest zredukowanie dużej liczby zmiennych losowych do mniejszego zbioru, co uzyskujemy przez założenie, że pewne grupy zmiennych losowych reprezentują zmienność tych samych czynników, czyli zmienne losowe w danej grupie są od siebie w pewnym stopniu zależne.

 

W analizie czynnikowej istnieją dwa podejścia:

 

  • eksploracyjna analiza czynnikowa (EFA - ang. Exploratory Factor Analysis) - czynniki są początkowo nieznane i zostają wyodrębnione dzięki analizie wartości zmiennych losowych, to podejście jest bardziej rozpowszechnione
  • konfirmacyjna analiza czynnikowa (CFA - ang. Confirmatory Factor Analysis) - zakładamy istnienie pewnego określonego zbioru czynników i dzięki analizie wartości zmiennych losowych badamy zasadność naszego przypuszczenia i estymujemy parametry naszego modelu (zob. Modelowanie równań strukturalnych)

 

Istnieje wiele metod analizy czynnikowej, jednak najbardziej popularne są dwie:

 

  • analiza głównych składowych (PCA od ang. Principal Component Analysis)
  • analiza czynników głównych (PFA od ang. Principal Factor Analysis)

 

Niezależnie od metody, analizę czynnikową rozpoczynamy od budowy macierzy korelacji i sprawdzenia, czy możliwe jest zastosowanie analizy czynnikowej.

 

Przykład: Badacz chciał sprawdzić, jak popularne pasty do zębów są ocenianie przez konsumentów. Jako, że nie posiadał on odpowiedniego narzędzia badawczego, wybrał listę 100 przymiotników, mogących opisywać pastę do zębów (np.: droga, o dobrej jakości, ekskluzywna, przyjemna, zdrowa itp...) i poprosił osoby badane o udzielnie odpowiedzi. Przeprowadził on analizę czynnikową dla uzyskanych wyników i otrzymał trzy główne czynniki na podstawie całej listy 100 przymiotników: jakość, popularność, ochrona zębów.

Można zatem zauważyć, że badaczowi udało się wydobyć z całego gąszczu informacji te trzy główne składowe, czynniki, na podstawie których możemy opisać pasty do zębów. Zawęził analizy do 3 czynników, które są spójne wewnątrz (tzn. pozycje wchodzące w skład danego czynnika są podobne do siebie) oraz niespójne na zewnątrz (tzn. grupy zmiennych są nie podobne do siebie) - to jest właśnie podstawowa zaleta analizy czynnikowej.

 

Co więcej, badacz odkrył również, że te główne czynniki stanowią najważniejsze cechy opisu past do zębów. Wyznaczają one rodzaje ocen poszczególnych produktów. Analiza czynnikowa dostarcza nam informacji o występowaniu jakiś grup zmiennych, które to mogą być ważne w pomiarze danej cechy. Dzięki niej możliwe jest również "znalezienie" nowych czynników, do tej pory nie odkrytych przez badaczy.

 

Analizując zalety analizy czynnikowej z pragmatycznego punktu widzenia możemy dojść do wniosku, że zamiast analizować każdą z podobnych do siebie zmiennych, korzystamy z jednego uogólnionego czynnika.

Jeżeli wyodrębnione na podstawie analizy czynnikowej grupy zmiennych są wewnętrznie spójne, tzn. posiadają wysoki wskaźnik rzetelności (np. alfa-Cronbacha) to możemy powiedzieć, że odkryliśmy pewien konstrukt, tzn. wchodzące w skład danego czynnika zmienne mierzą dokładnie pewną cechę.

 

Występuje wiele metod wyodrębniania czynników oraz miar wskazujących na poprawność otrzymanych rozwiązań. Rozwiązania dostarczają nam informacji do ilu czynników możemy zawęzić zbiór analizowanych zmiennych, na ile pozycje wchodzące w skład danego czynnika są spójne, jak dużo wariancji wyjaśniają nowo powstałe czynniki, czy są one podobne do siebie, które z pozycji są istotne dla danych czynników, a które są nie diagnostyczne.

 

Masz problem z danymi, zamów rzetelną analizę

 

y>