Faktorska analiza

(0 pregleda)
2.000 Дин.
faktorska

Faktorska analiza

Faktorska analiza obuhvata veliku grupu metoda za kondenzaciju i redukciju skupa manifestnih varijabli u manji broj latentnih varijabli. Osnovni cilj je objasniti zajedničku varijansu skupa manifestnih varijabli. Ove se metode zasnivaju na pretpostavci da na većinu manifestacija koje se mogu opaziti u prirodi i društvu delije određeni broj latentnih, prikrivenih varijabli. Veruje se da su te varijable  generatori manifestacija koje opažamo.

Iako između osnovnih metoda za kondenzaciju i redukciju podataka postoje konceptualne razlike, one se često svrstavaju u zajedničku grupu pod nazivom Faktorska analiza. Takav je slučaj i u programu SPSS gde su ove metode grupisane u opciju pod nazivom Faktorska analiza. To je inače i odomaćen naziv za skup takvih metoda.

U odnosu na namenu i praktičnu primenu ove se metode mogu svrstati u 3 osnovne grupe:

  • Analiza glavnih komponenti (PCI -Principal Component Analisys) – koristi se za redukciju skupa manifestnih varijabli u manji broj komponenti (latentnih varijabli) koje objašnjavaju maksimalni procenat zajedničke varijanse skupa manifestnih varijabli;
  • Eksplorativna faktorska analiza (EFA – Exploratory Factor Analisys) – koristi se kada je potrebno definisati strukturu istraživačkog prostora, koji je predstavljen skupnom manifesnih varijabli uz težnju da se dobije što jednostavnije rešenje, i
  • Konfirmativna faktorska analiza (CFA – Confirmatory Facor Analisys) – koristi se za testiranje hipotetskih modela strukture istraživačkog prostora, kada se pretpostavlja egzistencija kauzalne veze faktora i manifestnih varijabli koje se analiziraju.

U programu SPSS postoje mogućnosti za primenu prve dve navedene metode uz postojanje većeg broja tehnika za ekstrakciju faktora, njihovu rotaciju i za njihovo čuvanje i upotrebu u drugim analizama.

Konfirmativna faktorska analiza podrazumeva primenu tehnike pod nazivom SEM (Structural equation modeling). Preko te tehnike se putem grafičkog modelovanja i kombinovanja statističkih metoda realizuje i konfirmativna faktorska analiza. Osnovni cilj ove faktorske analize je da definiše kauzalne veze manifesnih varijabli i faktora, odnosno latentnih dimenzija.

Zajednički uslovi za primenu Metode glavnih komponenti i Eksplorativne faktorske analize

  • Merna skala manifestnih varijabli treba da je intervalnog ili razmernog nivoa;
  • Slučajni uzorak entiteta – najmanje 10-20 entiteta po manifestnoj varijabli (poželjno bar 100 entiteta, posmatranja);
  • Veliki uzorak je poželjan jer može da nadoknadi vrednosti koje nedostaju;
  • Mora postojati linearni odnos između posmatranih varijabli;
  • Normalna distribucija za svaku posmatranu varijablu;
  • Svaki par posmatranih varijabli treba da ima normalnu bivarijantnu  distribuciju;
  • PCA i EFA su obe tehnike redukcije sistema varijabli. Ako su kumunaliteti varijabli veliki, blizu 1, one daju slične rezultate.

Uslovi za praćenje kursa

Za praćenje ovog kursa neophodno je dobro poznavanje korelcija i osnovnih koncepata statističke analize, posebno teorijskih osnova faktorske analize. Zato je neophodno da se prvo pogleda priložena prezentacija vezana za teorijske osnove FA i drugih izvora koji se mogu naći na internetu.

Karakteristike kursa

  • Lekcije 3
  • Testova 0
  • Težinski nivo Napredni nivo
  • Studenti 11
  • Procene Da

Pregleda

Prosečna ocena

0
0 ocena

Detaljna ocena

5
0%
4
0%
3
0%
2
0%
1
0%
2.000 Дин.

    1 Comment

  1. Velimir
    28.06.2020

    Jako koristan način da shvatite kako veći broj promenljivih faktorskom analizom da svedete/redukujete na manji broj podesan za druge analize. Svi koraci su detaljno objašnjeni od ocene prikladnosti podataka za faktorsku analizu, kriterijuma za izdvajanje faktora, razlike u primeni ortogonalne i kose rotacije, do interpretacije rezultata.

Ostavite komentar