„Faktoranalízis” változatai közötti eltérés
| [nem ellenőrzött változat] | [nem ellenőrzött változat] |
Tartalom törölve Tartalom hozzáadva
Apró módosítás |
Apró módosítás |
||
1. sor:
A '''faktorelemzés''' a többváltozós [[statisztika]] módszerei közé tartozik, célja a változók csoportosítása és a változók számának redukálása. A faktorelemzés lényege, hogy a változók között összefüggések,
A faktorelemzés modelljében feltételezzük, hogy a megfigyelt korrelált változók nem megfigyelhető hipotetikus háttérváltozók, ún. faktorok lineáris kombinációjaként írhatók le. A faktorelemzés során megkeressük az eredeti változók egymással szorosabb korrelációban levő csoportjait, ezeket a változókat egy faktorhoz tartozónak tekintjük. Amennyiben sikerült ilyen csoportokat elkülönítenünk, a következő feladat a faktorok értelmezése. Így a nagyszámú eredeti változót néhány faktorban összesíthetjük, és ezekkel mint új változókkal dolgozhatunk tovább.
A módszer a [[pszichológia|pszichológiában]] a személyiség szerkezetének, modelljének vizsgáló többváltozós kutatások alapjául szolgál, de azokon a területeken alkalmazható leginkább, ahol nagy mennyiségű adattal dolgoznak. A faktorelemzés módszerét alkalmazzák a [[pszichometria|pszichometriában]], a [[viselkedéstudomány|viselkedés]]- és [[társadalomtudomány]]okban, használja a [[szociológia]], a [[marketing]], a termékmenedzsment és az [[operációkutatás]] is.
== Lépései ==
Az első lépés a standardizált változók korrelációs – vagy [[kovariancia]] – mátrixának elkészítése és vizsgálata. Ekkor minden változónak mindegyik más változóval való kapcsolatát határozzuk meg. A következőkben azonosítanunk kell a faktorokat, azaz faktorextrakciót (faktorkivonást) kell végeznünk a változók közötti korrelációs vizsgálat alapján. A faktorextrakció után a faktorsúlyok becslése, a faktorok értelmezése, interpretációja következik. Faktorsúlynak ''(factor loading)'' a mérési mutató és a faktor közti korrelációt nevezzük.
Az így kapott faktorokat még nehezen lehet értelmezni, de a faktorok megfelelő rotációjával az eredeti változók korábbi viszonylag nagy faktorterhelései még nagyobbak lesznek, a korábbi viszonylag kis faktorterhelések pedig még kisebbek, az egyes faktorok a nagy terhelésű változók mentén könnyebben értelmezhetők. Az egyes eseteket a faktorpontok ''(factor score)'' segítségével jellemezhetjük. A faktorok elnevezésekor törekedni kell arra, hogy az elnevezések tükrözzék a legnagyobb faktorsúlyú tételeket.
A faktoranalízis főbb módszerei a főkomponensmódszer, a főfaktoranalízis és a [[maximum likelihood módszer|maximum likelihood]]-faktoranalízis. A faktoranalízist gyakran összekeverik a [[főkomponens-analízis]]sel, mivel a két módszer összefügg.
A főkomponens-analízis a legelterjedtebb módszer a faktorsúlyok becslésére. Az eredeti változókat új, korrelálatlan változókba transzformáljuk lineáris transzformáció segítségével, így a teljes variancia egyre kisebb hányadát fogják magyarázni az egymást követő komponensek, amelyből csak az első néhányat tartjuk meg.
== Története ==
A faktoranalízis bevezetése [[Charles Spearman]] nevéhez fűződik, aki az intelligencia kutatásának során kétfaktoros elméletet feltételezett. Elmélete szerint minden ember egy általános intelligenciafaktorral („g” faktor) és speciális intelligencia faktorokkal („s” faktor) rendelkezik, s ezen faktorok különböző képességekre vonatkoznak.
[[Louis Leon Thurstone]]
[[Raymond Cattell]] elkötelezett híve volt a faktoranalízis módszerének, megalkotta saját, multi-faktoriális elméletét az intelligencia magyarázatára, amely szerint az elsődleges személyiségvonásokat 16 fő faktor tartalmazza (1977).
A főkomponens-módszer kifejlesztése [[Harold Hotelling]] nevéhez fűződik, a maximum likelihood-faktoranalízist [[Lawley]] és [[J. C. Maxwell Barnett]] vezette be az 1930-as és az 1940-es években.
== Alkalmazása ==
A faktoranalízist olyan faktorok azonosítására használják, amelyek a különböző teszteken elért eredmények változatosságát magyarázzák. Intelligenciakutatásokban azt az eredményt kapták, hogy azok a vizsgálati személyek, akik a verbális képességeket vizsgáló valamely teszten magas pontszámot értek el, más verbális képességeket megkövetelő teszteken is jól szerepeltek. A kutatók a faktoranalízis segítségével elkülönítettek egy gyakran „crystallized intelligence”-nek vagy verbális intelligenciának nevezett jelenséget, ami annak a képességnek a mértékét jelzi, hogy valaki mennyire képes problémákat megoldani verbális készségei bevonásával.
A faktoranalízis fogalma a pszichológiában leggyakrabban az intelligenciakutatásokkal, illetve a személyiség- és attitűdkutatásokkal stb. kapcsolódott össze. Alkalomadtán a faktoranalízist természettudományi kérdések megoldására is felhasználják, mint például a beszédfelismerés hangjelzéseinél a vakforrás-szeparáció esetében, amikor a függetlenkomponens-analízist az akusztikus főfaktorok elvonására a repülőtéri hangosbeszélők, illetve a zenei felvételek érthetővé tételében használják.
=== Előnyei ===
A faktoranalízist [[feltáró faktorelemzés|feltáró]] ''(exploratory)'' vagy [[ellenőrző faktorelemzés|megerősítő]] ''(confirmatory)'' céllal is alkalmazhatjuk. A faktoranalízis lehetőséget ad arra, hogy a változók számának csökkentésével egy időben két vagy több változó egyesüljön egyetlen faktorban.
=== Hátrányai ===
A faktoranalízis hátrányai közé tartozik, hogy többféle eltérő megoldási lehetőséget is felkínál, bár az eredmények nagyon hasonlíthatnak is egymásra. A kutató tapasztalata, döntései is nagy szerepet játszhatnak a faktoranalízis során létrejövő eredményekben, hiszen ezeken múlik a kiszűrendő faktorok számának megválasztása, a rotálás alkalmazása (a megfelelő elforgatással markánsabb jelentést adhatunk a faktoroknak), illetve a használt iterációk száma is. Minden rotáció különböző mögöttes folyamatokat reprezentál, de minden rotáció egyenlően érvényes kimenetelű a faktoranalízis standard optimalizálásánál.
| |||