Faktorska analiza je statistična redukcijska metoda, katere namen je razložiti možne korelacije med nekaterimi spremenljivkami. To storimo ob upoštevanju učinka drugih dejavnikov, ki jih ni mogoče opaziti.
Zato ta analiza naredi zmanjšanje. Tako vzamemo veliko število spremenljivk in jih s to tehniko uspemo zmanjšati na bolj obvladljivo velikost. Za to se uporabi vrsta linearnih kombinacij tistih, ki jih opazimo z drugimi, ki niso vidne.
Dva modela: raziskovalni in potrditveni
Za izvedbo te statistične tehnike imamo dva načina, med njima obstajata očitne razlike, ki bi ju morali poznati.
- Raziskovalna faktorska analiza: V tem primeru je cilj poznati latentne konstrukcije (ki jih ne vidimo), da bi preverili, ali so lahko veljavni. Tako imamo opravka z informacijami raziskovalnega tipa, ki služijo za ustvarjanje kasnejšega modela, vendar tega a priori ne poznamo.
- Potrditvena faktorska analiza: V tem primeru smo pred postopkom statistične potrditve. Izhajamo iz teoretičnega modela, ustvarjenega z obstoječo literaturo o proučevanem pojavu. Kasneje jo primerjamo, da ugotovimo stopnjo veljavnosti.
Kako izvesti faktorsko analizo
Poglejmo na preprost način, kako je mogoče izvesti raziskovalno faktorsko analizo, ki je ena najpogosteje uporabljenih v družbenih vedah. Opozoriti je treba, da lahko spodaj omenjene točke pri analizi izberemo v statističnih programih, kot je SPSS.
- Analiza zanesljivosti: Običajno se uporablja Cronbachova alfa, ki omogoča poznavanje notranje skladnosti modela. Vrednosti, večje od 0,70, se štejejo za sprejemljive.
- Opisna statistika: Ti nam zagotavljajo osnovne informacije o analiziranih podatkih. Srednja vrednost, varianca ali največja in najmanjša vrednost.
- Analiza korelacijske matrice: Te izračune izvaja SPSS. Tu moramo biti pozorni, ali je determinanta blizu nič. Po drugi strani pa se izračunane korelacije ne smejo razlikovati od nič.
- Ustreznost vzorca KMO: Omogoča nasprotovanje korelacijskih koeficientov. Po eni strani opaženi, po drugi pa delni. Zavzame vrednosti med 0 in 1 in velja za sprejemljivo, če je večja od 0,5.
- Bartlettov test sferičnosti: V tem primeru nasprotuje temu, da je korelacijska matrika identitetna matrika, v tem primeru analize ni mogoče izvesti. Izračuna se ocenjeni hi kvadrat in, če je manjši od teoretičnega, se lahko opravi faktorska analiza.
- Analiza skupnosti: Spet je pokazatelj ustreznosti. Za veljavnost mora imeti vrednosti, večje od 0,5.
- Zavrtena matrika komponent: Uporablja se za pridobivanje lastnih vrednosti, ki so večje od vrednosti, običajno 1. Na ta način se dobijo zmanjšani faktorji, ki predstavljajo spremenljivke. Grafi sedimentacije in sama matrica se uporabljajo za izbiro števila.
- Pojasnjena skupna varianca: Končno, ta analiza nam pove, kolikšna je celotna varianca, ki jo pojasnjuje predlagani model. Torej, višja kot je ta vrednost, boljši je model pri razlagi celotnega nabora podatkov.
Primeri faktorske analize
Faktorska analiza ima veliko aplikacij na različnih področjih znanosti.
Poglejmo nekaj primerov:
- Pri trženju se pogosto uporablja, kadar želimo vedeti voljo do nakupa. Analiziramo na primer različne socialno-ekonomske, čustvene ali osebne spremenljivke. Ko jih enkrat dobimo, njihovo število zmanjšamo s faktorsko analizo in si jih lahko bolje razlagamo.
- V računovodstvu lahko vemo, katere postavke najbolj jasno vplivajo na pridobivanje poslovnega dobička. Tako bomo vedeli, kje bi morali imeti večji vpliv.
- V izobraževanju lahko poznamo nagnjenost študenta k nekemu predmetu. Z izvajanjem nekaterih raziskav o načinu preučevanja lahko pridobimo bazo podatkov, v kateri lahko uporabimo faktorsko analizo.