Что такое исследовательский факторный анализ? (И что включить)

18 ноября 2021 г.

Если вы проводите исследование, чтобы понять психологические теории, вы, вероятно, используете исследовательский факторный анализ (EFA). Этот метод может помочь исследователям понять факторы и переменные их проекта. Изучение этого метода может помочь вам использовать его для собственных исследований. В этой статье мы даем определение исследовательскому факторному анализу, обсуждаем, что включить в процесс, рассматриваем различия между исследовательским факторным анализом и подтверждающим факторным анализом (CFA) и предоставляем список допущений EFA.

Что такое исследовательский факторный анализ?

Исследовательский факторный анализ — это статистический метод, который исследователи-психологи используют для разработки психометрических тестов. Исследователи могут использовать его, чтобы понять взаимосвязь между переменными, разработать вопросы по темам своих исследований и выявить скрытые переменные. Этот метод уделяет пристальное внимание тому, как общие факторы и манифестные переменные соотносятся друг с другом. Это также помогает исследователям установить связь между показателями и переменными, прежде чем перейти к следующему этапу своего исследования.

Что включить в исследовательский факторный анализ

Вот список из трех основных шагов, которые необходимо включить в предварительный факторный анализ:

1. Определить количество факторов

Первым шагом к проведению исследовательского факторного анализа является определение количества факторов в теории, которую вы тестируете. Например, если вы хотите проверить теорию о том, что пациенты с тревогой лучше реагируют на поведенческую терапию, чем на лекарства, вы можете учитывать такие факторы, как местонахождение пациентов, продолжительность вариантов лечения и возраст пациентов в каждой группе. Как только вы определите количество факторов, вы можете нанести их на график, чтобы проиллюстрировать, насколько они различаются. Это может помочь вам понять, какие факторы, скорее всего, коррелируют.

2. Выберите метод извлечения

Следующим шагом для исследователей является проведение дополнительного факторного анализа, который помогает им определить нагрузки для каждого выбранного ими фактора. Затем исследователи выбирают математическую стратегию, чтобы найти это. Существуют различные методы, которые они могут выбрать, в том числе:

• Анализ главных компонентов: этот метод используют многие исследователи. Он работает, предполагая, что в измерениях, которые исследователи использовали для определения факторов, нет ошибок.

• Максимальная вероятность: это решение, также называемое каноническим факторингом, использует наблюдаемые данные, чтобы делать обоснованные предположения о пределах распределения предполагаемых результатов на графике. Исследователи могут использовать это решение, когда нужно выполнить несколько итераций.

• Альфа-факторинг: этот метод извлечения предполагает, что переменные исследователей взяты из пула всех возможных переменных, которые они могут рассмотреть. Это помогает исследователям использовать самые надежные факторы, которые они могут.

• Факторизация изображений: в этом решении используется частичное изображение, которое является повторяющимся аспектом среди переменных исследователей. Они определяют это изображение на основе того, как оно линейно регрессирует с наблюдаемыми переменными, оставшимися после исключения тех, у которых нет общей переменной.

• Разложение по главной оси: это решение, также называемое методом наименьших квадратов, включает повторяющиеся общие черты, полученные путем возведения в квадрат коррелированных коэффициентов и размещения их по диагонали на графике для оценки новых общих переменных и удаления старых. Исследователи используют этот метод до тех пор, пока не найдут итерацию, соответствующую заданным критериям для извлечения.

3. Выберите способ вращения

Последним шагом для исследователей является чередование вновь извлеченных загрузок. Это помогает им максимально упростить конструкцию, создав самые высокие нагрузки и убрав более низкие. Исследователи могут использовать как ортогональный, так и наклонный тип вращения. Ортогональный тип предполагает, что факторы не коррелируют друг с другом, что исследователи часто используют по умолчанию. Косвенный тип предполагает, что факторы действительно коррелируют друг с другом, и предполагает, как они коррелируют.

EFA против CFA

Исследователи используют как EFA, так и CFA для выполнения различных частей своих исследовательских процессов. Вот основные сходства и различия между ними:

ОДВ

Во время исследовательского факторного анализа исследователи используют факторы, которые они собрали, оценивая основные выходные компоненты. Они используют их, чтобы оценить, насколько надежны их внутренние показатели. Это могут быть некоррелированные факторы, и они также могут помочь исследователям определить качество отдельных предметов. Исследователи могут загрузить любой элемент на любой фактор. Они могут использовать множество различных оценок для выбора этих нагрузок, включая максимальную вероятность. Используя EFA, исследователи могут в первую очередь сгруппировать коррелирующие индикаторы и переменные, чтобы оценить надежность внутренней факторной структуры.

CFA

Во время подтверждающего факторного анализа исследователи используют только теоретические факторы, чтобы оценить, насколько надежны внутренние показатели. Факторы могут быть некоррелированными, и они могут помочь исследователям определить качество предмета. Чтобы использовать CFA, исследователи определяют структуры факторов, чтобы указать, к чему относятся нагрузки предметов. Это позволяет исследователям сопоставлять гипотетические структуры факторов с данными, которые они наблюдают. Исследователи часто используют наиболее вероятную возможность выбора факторных нагрузок. Используя CFA, исследователи могут ограничивать корреляции факторов, ограничивать нагрузки конкретными отношениями, сужать диапазон корреляций ошибок измерения, проводить альтернативные сравнения моделей, сопоставлять группы с несколькими факторными структурами и проводить испытания моделей вторичных факторов.

Предположения об ОДВ

При использовании исследовательского факторного анализа исследователи предполагают, что для каждого набора переменных, которые они могут наблюдать, существуют лежащие в их основе факторы. Они также предполагают, что эти часто ненаблюдаемые факторы могут помочь им понять, как и почему функционируют взаимосвязи между их наблюдаемыми переменными. Вот список других предположений, которые исследователи используют при проведении исследовательского факторного анализа:

• Измерения правильные. Во время извлечения исследователи могут использовать анализ основных компонентов, который предполагает отсутствие ошибок в том, как они проводят измерения. Используя это предположение, исследователи могут эффективно перейти к следующему этапу эксперимента.

• Факторы не коррелируют. На стадии ротации исследователи могут использовать ортогональный тип, предполагающий, что факторы не коррелируют друг с другом. Это предположение может помочь исследователям определить ряд обстоятельств, которые они пока не могут доказать.

• Соотношение выводит нагрузки. Когда исследователи используют наклонный тип на этапе вращения, они предполагают, что факторы коррелируют друг с другом и что эти корреляции определяют факторные нагрузки. Это может помочь исследователям более точно установить гипотетические обстоятельства для своих измерений.

• Результаты имеют простую структуру. Когда исследователи проводят исследовательский факторный анализ, они предполагают, что в результате получается простая структура. Это означает, что их элементы в значительной степени нагружают один фактор и имеют меньшую нагрузку на остальные.