Come utilizzare l'analisi fattoriale confermativa

analisi fattoriale confermativa è una forma speciale di analisi fattoriale in cui un ricercatore usa il suo modello come base per i fattori finali. Il suo scopo è quello di confermare o smentire il modello del ricercatore . Per completare l'analisi fattoriale confermativa , un ricercatore deve sviluppare un modello e ipotesi corrispondenti prima di eseguire l'analisi dei dati . Questo modello riguarda le variabili di interesse tra loro ; le ipotesi dovrebbero pongono come forza queste variabili sono correlate. L'obiettivo finale di una analisi fattoriale confermativa è quello di confermare o smentire queste ipotesi e il modello stesso per vedere come sono conformi alla uscita delle analisi . Mentre l'analisi fattoriale confermativa può sembrare complicato all'inizio , in realtà è un abbastanza semplici , process.Things lineari che vi serve
software statistici (come R , SAS o SPSS )
Mostra Altre istruzioni

1

elencare le variabili nel vostro studio . Queste sono le variabili che si intende e può veramente misurare . Essere chiari sul numero totale di variabili . Ad esempio , se siete interessati ai tratti della personalità di persone con diversi stili di attaccamento , questi tratti di personalità saranno le variabili .
2

Crea fattori per il modello . Questi fattori devono essere analoghe a categorie , nella misura in cui ogni variabile può essere collegato ad un fattore nel modello. Il numero di fattori dovrebbe anche essere più piccolo - di solito molto più piccolo - rispetto al numero di variabili . Il numero dei fattori e dei loro significati sono le prime due ipotesi di tua analisi fattoriale confermativa . Nel nostro esempio , i fattori presupposti dovrebbero essere stili di attaccamento : sicuro , ansioso e evitante
3

Posit quali variabili si adattano su ogni fattore. . In sostanza , è necessario catalogare le variabili in fattori . Questa è la tua terza ipotesi nell'analisi. Per esempio , le variabili ( personalità) che " preoccupanti " e " sospette " sarebbe probabilmente caduta sul fattore " ansioso " . Usa quello che sai di stili di attaccamento per determinare quali variabili corrispondono a ogni stile ( per esempio , mettere su ogni fattore ) .
4

Postulato le relazioni tra i fattori. L'ipotesi principale che dovrebbe arrivare è se i fattori sono correlati o non correlato . Nel nostro esempio , perché gli stili di attaccamento sono categorie , dovrebbero essere incorrelati .
5

Raccogliere i dati . Ad esempio , i dati delle indagini possono essere utilizzati per raccogliere i tratti della personalità e gli stili di attaccamento di un gruppo di persone .
6

Disporre i dati in una matrice di correlazione .
7

Inserire la matrice di correlazione e il numero di fattori in un algoritmo di analisi fattoriale . Questo viene fatto proprio come si farebbe per una analisi fattoriale esplorativa . Infatti , la meccanica dei processi sono gli stessi ; solo la preparazione e l'interpretazione significativamente sono differenti . L'uscita sarà una soluzione fattore non ruotata .
8

Ruotare la soluzione. Se si hanno teorizzato che i fattori sono correlati , utilizzare una rotazione obliqua . In caso contrario , utilizzare una rotazione ortogonale . Nel nostro esempio , una rotazione ortogonale dovrebbe essere impiegato .
9

Verificare se gli elementi della soluzione ruotata corrispondono ai fattori ipotizzati . Se non corrispondono , è probabile che la tua ipotesi per quanto riguarda i fattori non è corretto e deve essere regolato . Ad esempio , se si scopre che la variabile carichi " preoccupanti " sul fattore " aviodant " , si dovrebbe riconsiderare il modello.
10

Verificare la bontà di adattamento della soluzione . Software di analisi fattoriale non sempre offrono calcoli Chi- Squared per la bontà di adattamento , ma è possibile utilizzare un indice di bontà di adattamento ( GFI ), invece. Se il GFI è maggiore di 0.9 , la soluzione corrisponde bene il vostro modello . Se GFI è inferiore a 0,9 , il vostro modello ipotizzato è probabilmente sbagliato . Se si desidera regolare il vostro modello , si dovrebbe provare a regolare il numero di fattori e di come si imposta l'ipotesi sulla correlazione dei fattori .