Faktorová analýza je metóda štatistickej redukcie, ktorej cieľom je vysvetliť možné korelácie medzi určitými premennými. K tomu je potrebné vziať do úvahy vplyv ďalších faktorov, ktoré nie sú pozorovateľné.
To, čo táto analýza robí, je preto redukcia. Vezmeme teda veľké množstvo premenných a pomocou tejto techniky sa nám podarí ich zmenšiť na zvládnuteľnejšiu veľkosť. K tomu sa používa rad lineárnych kombinácií tých, ktoré sú pozorované s ostatnými, ktoré nie sú viditeľné.
Dva modely: prieskumný a potvrdzujúci
Existujú dva spôsoby vykonávania tejto štatistickej techniky, medzi nimi sú zrejmé rozdiely, ktoré by mali byť známe.
- Analýza exploračných faktorov: V tomto prípade je cieľom poznať latentné konštrukty (ktoré sa nevidia), aby sa zistilo, či sú platné. Máme teda do činenia s informáciami prieskumného typu, ktoré slúžia na vytvorenie neskoršieho modelu, ale to a priori nepoznáme.
- Potvrdzujúca faktorová analýza: V tomto prípade čelíme procesu štatistického potvrdenia. Vychádzame z teoretického modelu vytvoreného na základe existujúcej literatúry o študovanom fenoméne. Neskôr ho postavíme do kontrastu, aby sme poznali jeho stupeň platnosti.
Ako vykonať faktorovú analýzu
Pozrime sa jednoduchým spôsobom, ako je možné vykonať prieskumnú analýzu faktorov, ktorá je jednou z najpoužívanejších v spoločenských vedách. Je potrebné poznamenať, že body uvedené nižšie je možné pri vykonávaní analýzy zvoliť v štatistických programoch, ako je napríklad SPSS.
- Analýza spoľahlivosti: Normálne sa používa Cronbachova Alpha, ktorá umožňuje poznať vnútornú konzistenciu modelu. Hodnoty väčšie ako 0,70 sa považujú za prijateľné.
- Deskriptívna štatistika: Poskytujú nám základné informácie o analyzovaných údajoch. Priemer, odchýlka alebo maximum a minimum.
- Korelačná maticová analýza: Tieto výpočty vykonáva SPSS. Tu musíme venovať pozornosť tomu, či sa determinant blíži k nule. Na druhej strane musia byť vypočítané korelácie odlišné od nuly.
- Miera primeranosti vzorky KMO: Umožňuje nám porovnať korelačné koeficienty. Na jednej strane pozorované a na druhej čiastočné. Má hodnoty medzi 0 a 1 a považuje sa za prijateľné, ak je väčšie ako 0,5.
- Bartlettov test sférickosti: V tomto prípade kontrastuje s tým, že korelačná matica je maticou identity, v takom prípade nie je možné vykonať analýzu. Vypočíta sa odhadovaný chí štvorec, a ak je menší ako teoretický, je možné vykonať faktoriálnu analýzu.
- Analýza zhodnosti: Opäť je to indikátor relevantnosti. Aby bola platná, musí mať hodnoty väčšie ako 0,5.
- Rotovaná zložková matica: Používa sa na extrakciu vlastných čísel, ktoré sú väčšie ako hodnota, zvyčajne 1. Týmto spôsobom sa získajú redukované faktory, ktoré reprezentujú premenné. Na výber počtu sa používajú sedimentačné grafy a samotná matica.
- Vysvetlenie celkovej odchýlky: Nakoniec táto analýza hovorí, aká je celková odchýlka vysvetlená navrhovaným modelom. Čím vyššia je táto hodnota, tým lepšie model vysvetľuje celý súbor údajov.
Príklady faktorovej analýzy
Faktorová analýza má mnoho aplikácií v rôznych vedných oblastiach.
Pozrime sa na niekoľko príkladov:
- V marketingu je široko používaný, keď chceme poznať vôľu nakupovať. Napríklad analyzujeme rôzne socioekonomické, emočné alebo osobné premenné. Len čo ich máme, redukujeme ich počet pomocou faktorovej analýzy a môžeme ich lepšie interpretovať.
- V účtovníctve môžeme vedieť, ktoré položky najvýraznejšie ovplyvňujú dosahovanie obchodných ziskov. Budeme teda vedieť, kde by sme mali mať väčší vplyv.
- Vo vzdelávaní môžeme poznať predispozíciu študenta k predmetu. Vykonaním určitých prieskumov o spôsobe jeho štúdia môžeme získať databázu, v ktorej bude možné aplikovať faktorovú analýzu.