Quando si lavora con SPSS per l'analisi fattoriale, si dispone di sette diversi metodi di estrazione tra cui scegliere: analisi delle componenti principali, non pesato Least Squares, minimi quadrati generalizzati, massima verosimiglianza, Principal Axis Factoring, Alpha Factoring e Immagine Factoring. L'analisi fattoriale è una forma di riduzione dei dati che viene spesso utilizzato nelle scienze sociali per scoprire le variabili non osservabili in variabili manifeste, utilizzando una dimensione ampio campione di ricavare una matrice di correlazione per le variabili in gioco. Estrazione verrà eseguire un'analisi per un dato numero di fattori specificati. La scelta di un metodo di estrazione potrebbe alterare i risultati in modo considerevole o non di molto.

istruzione

1 Utilizzare il valore di default: Analisi delle Componenti Principali. In SPSS nonché altri pacchetti software statistici, PCA è il metodo di estrazione predefinito per analisi fattoriale. PCA non è un metodo effettivo di analisi fattoriale, ma è ampiamente utilizzato come metodo di estrazione. In questo metodo, i componenti sono calcolate utilizzando tutta la varianza delle variabili manifeste; il risultato è che tutto questo varianza mostra e varianza condivisa non si distingue da varianze distinte. I fautori di PCA dicono che c'è poca differenza tra i metodi quando si tratta di grandi matrici; inoltre, se una soluzione di analisi fattore è stabile, non dovrebbe importa quale metodo utilizzato. Tuttavia, altri hanno notato che la PCA produce carichi più grandi di quanto non facciano altri metodi e può quindi portare a risultati fuorvianti.

2 Scegliere il metodo della massima verosimiglianza se i dati sono relativamente distribuiti normalmente. Questo metodo, nonché il metodo dei minimi quadrati generalizzati, possono generare una tabella di bontà di adattamento che può essere utilizzato per testare la significatività statistica dei pesi fattoriali e calcolare intervalli di confidenza e correlazioni tra fattori.

3 Optare per Principal Factoring Axis se i dati sono significativamente non normale. PAF analizza solo la varianza nelle voci che è condivisa da altre voci. Pertanto si cerca il minor numero di fattori che possono spiegare la varianza comune o correlazione, di un insieme di variabili.

4 Conservare un determinato numero di fattori da estrarre per il prossimo passo in analisi fattoriale: rotazione. La scelta di un metodo di estrazione non è la fine della storia. Puoi anche impostare il numero di fattori da estrarre, così come cambiare l'autovalore minimo nella "Analisi Factor: Extraction" finestra di dialogo, dove si avrà la possibilità di fare ciascuno o uno di questi. Autovalori sono le varianze dei fattori che variano a seconda del numero di variabili inseriti e di solito sono impostati su un valore predefinito di maggiore di 1,0. Tuttavia questo può provocare imprecisioni. Un test ghiaione può aiutare a determinare il miglior numero di fattori disegnando gli autovalori. I punti dati al di sopra della "rottura" in grado di indicare il numero di fattori da mantenere.

5 Regolare il numero di fattori da estrarre. Il numero iniziale di fattori è uguale al numero di variabili utilizzate nell'analisi fattore. Tuttavia, non tutti questi saranno mantenuti, ecco dove si designa quale tenere per ulteriori analisi. Si può anche desiderare di estrarre più fattori che l'opzione predefinita consente o regolare il numero di fattori di confrontarle con quelle di studi precedenti. Nel report si dovrebbe discutere la logica per cui si è scelto il numero di fattori da estrarre che avete fatto.