L’analisi fattoriale è una tecnica di riduzione dei dati e analisi statistica che cerca di spiegare le relazioni osservate tra più misure di outcome in funzione di alcune variabili sottostanti , o fattori . L’analisi fattoriale è particolarmente popolare in ricerca di indagine e ha altre applicazioni in molteplici discipline . Tuttavia , l’analisi fattoriale non è appropriato per tutte le domande di ricerca , ed è importante garantire che i dati soddisfino determinate ipotesi prima di tentare la tecnica . Variabili correlate

Il presupposto fondamentale alla base dell’analisi fattore è che uno o più sottostanti fattori possono spiegare i pattern di covariazione tra un certo numero di variabili osservate . Covariazione esiste quando due variabili , quali il prezzo e la vendita di un bene particolare , variano insieme . Pertanto , prima di effettuare una analisi fattoriale , è importante analizzare i dati per i modelli di correlazione . Se nessuna correlazione esiste , quindi una analisi fattoriale è inutile . Se, tuttavia , si trova almeno moderati livelli di correlazione tra le variabili nei dati , analisi fattoriale può aiutare a scoprire i modelli di fondo che spiegano queste relazioni .

Più variabili dipendenti

Come una tecnica di riduzione dei dati in questione con i modelli esplorano , l’analisi fattoriale assume che un ricercatore ha più variabili dipendenti . Questo può essere da un minimo di tre o come molti come diverse centinaia . Secondo lo psicologo della Cornell University Richard Darlington , il numero di variabili dipendenti esaminati in un’analisi fattoriale comunemente varia da 10 a 100.

funzione

Molte procedure statistiche , come l’analisi di regressione , di esaminare le relazioni tra una variabile dipendente e una o più variabili indipendenti . L’analisi fattoriale differenzia in quanto si concentra su più variabili dipendenti e cerca di scoprire i modelli di relazioni . Ad esempio , un ricercatore potrebbe ipotizzare che 10 diverse misure di outcome (variabili dipendenti) possono essere spiegate da un uno o più fattori sottostanti . Questa è una analisi fattoriale ragione è così popolare in analisi dei dati dell’indagine .

Intervallo dati

L’analisi fattoriale è generalmente inteso per l’analisi dei dati in scala di intervallo . La scala intervallo significa che la distanza tra due punti adiacenti è la stessa . La scala di temperatura è un esempio di misurazione dell’intervallo . La distanza tra i 71 gradi Fahrenheit e 72 gradi Fahrenheit è esattamente uguale alla distanza tra 32 e 33

Considerazioni

Anche se l’analisi fattoriale è destinato per i dati in scala intervallo , molti ricercatori usano anche la tecnica per analizzare i dati ordinali , in particolare indagine risposte . Il livello ordinale è una scala di classificazione in cui le differenze tra i ranghi non sono necessariamente uguali . La scala Likert utilizzata in molte indagini (fortemente d’accordo , d’accordo , d’accordo, fortemente in disaccordo ), in cui le risposte viene assegnato un valore numerico è un esempio di misurazione ordinale .