Выделение факторов

Определение общностей

Тесты для определения количества факторов

Лучше всего определять количество факторов вручную, а не полагаться на пакеты программ. Рассматривайте несколько решений и проверяйте их на Ѱлогическую пригодность

Тест «каменистой осыпи» («scree test»), предложенный Кэттеллом. Этот тест основывается на зрительном изучении графика, представляющего последовательные собственные значения факторов, так как это показано на рис. 5. График должен быть построен с максимально возможной аккуратностью с использованием специальной бумаги или графопостроительной программы. Точность графиков, производимых некоторыми статистическими пакетами, недостаточна для этой цели.

Основная идея проста. Очевидно, что точки в правой стороне рис. 5 образуют прямую линию, называемую «склон». Можно проложить через эти точки линейку и определить, сколько собственных значений факторов явно располагаются над этой линией – это и есть количество факторов, которые должны быть извлечены.

Иногда на графике обнаруживается более чем один четко идентифицируемый излом прямой линии. В таких случаях необходимо просто просмотреть собственные значения факторов, которые расположены над крайним слева отрезком прямой линии.

МАР-тест является одной из наиболее признанных точных методик. Представлена в некоторых пакетах программ, но мало где есть.

Общность переменной – это часть ее вариативности, которая м.б. разделена с другими переменными, включенными в ФА. Общности переменных в моделях ФА, как правило, меньше 1,0.

Оценка общностей – это теоретическая проблема ФА, потому что не существует простого способа проверить, правильны ли оценки, которые для этого применяются.

Разные методы выделения факторов отличаются способами, которые используются для оценки общностей. Однако следует подчеркнуть, что на практике редко имеет значение, какая методика оценки общности используется.

Разные пакеты программ дают разные методики, или на выбор несколько. На практике при условии, что оценивается одинаковое количество факторов и общностей, все методы будут, как правило, давать почти идентичные результаты.

Процесс имеет две стадии. Сначала факторы помещаются в некоторую произвольную позицию по отношению к переменным, а затем факторы проводят через кластеры переменных (вращение фактора).

В SPSS Statistics: Для этой процедуры требуется модуль Statistics Base. 1. Выберите в меню: Анализ > Снижение размерности > Фактор... В диалоговом окне Факторный анализ нажмите кнопку Извлечение. На данном этапе мы можем увидеть нагрузку на фактор.

(6) Вращение факторов

Вращение факторов изменяет положение факторов по отношению к переменным т.е., что получаемое решение легко интерпретировать. Если большое число переменных, вошедших в фактор, имеют нагрузки «среднего уровня», т.е. порядка 0,3, то решение не поддается интепритации. Они слишком малы, чтобы рассматриваться как «весомые» и использоваться для выделения фактора, и все же слишком велики, чтобы их можно было игнорировать без всякого риска.

Факторы, как мы помним, строятся вовсе не из тех соображений, чтобы их можно было хорошо проинтерпретировать; каждый из них выбирается так, чтобы, будучи ортогональным ко всем ранее построенным факторам, он объяснял максимум дисперсии. Когда факторное решение найдено, на первый план выходит проблема интерпретируемости. И тут выясняется, что нам по большому счету теперь не важно, куда устремлен тот или иной фактор, раз факторное подпространство уже зафиксировано. А значит, мы можем поворачивать оси этого подпространства как угодно, лишь бы факторы стали хорошо интерпретируемыми. Следовательно, оси нужно повернуть так, чтобы каждый фактор как можно сильнее коррелировал с одними исходными переменными и как можно слабее - с другими. Разные методы вращения факторов реализуют это по-разному, вкладывают в данное общее пожелание разный математический смысл.

В SPSS Statistics:

Метод варимакс. Ортогональный метод вращения, минимизирующий число переменных с высокими нагрузками на каждый фактор. Этот метод упрощает интерпретацию факторов.

Метод Прямой облимин. Метод косоугольного (неортогонального) вращения. Самое косоугольное решение соответствует дельте, равной 0 (по умолчанию). По мере того, как дельта отклоняется в отрицательную сторону, факторы становятся более ортогональными. Чтобы изменить задаваемое по умолчанию дельта (равное 0), введите число, меньшее или равное 0,8.

Метод квартимакс. Метод вращения, который минимизирует число факторов, необходимых для объяснения каждой переменной. Этот метод упрощает интерпретацию наблюденных переменных.

Метод эквимакс. Метод вращения, объединяющий методы варимакс, упрощающий факторы, и квартимакс, упрощающий переменные. Минимизируется число переменных с большими факторными нагрузками и число факторов, требуемых для объяснения переменной.

Вращение типа промакс. Косоугольное вращение в предположении, что факторы могут коррелировать между собой. Оно производится быстрее, чем вращение типа прямой облимин, поэтому оно полезно для больших наборов данных.

Для этой процедуры требуется модуль Statistics Base. Выберите в меню: Анализ > Снижение размерности > Фактор... В диалоговом окне Факторный анализ нажмите кнопку Вращение.

Дата добавления: 2017-02-01; Просмотров: 61; Нарушение авторских прав?; Мы поможем в написании вашей работы!