Введение. Факторный анализ как общенаучный метод чаще всего представляется к

Содержание

 

 

Введение 3

Методика 5

Результаты 6

Анализ результатов 7

Выводы 9

Список литературы 10

Приложение 11

 

 

Введение

 

Факторный анализ как общенаучный метод чаще всего представляется как один из методов математической статистики, а в психологии – как один из методов психологического шкалирования и многомерного анализа данных. Необходимость применения ФА в психологии как одного из методов многомерного количественного описания (измерения, анализа) наблюдаемых переменных в первую очередь следует из многомерности объектов, изучаемых психологией [1, с. 214]. Под многомерным представлением объекта понимается результат его оценивания по нескольким различным и существенным для его описания характеристикам-измерениям, т.е. присвоение ему сразу нескольких числовых значений. При использовании метода ФА важно описать объект измерения всесторонне и, в тоже время, компактно. Это одна из основных задач, которые решает ФА.

ФА направлен на выделение из заданного множества переменных подмножеств переменных, тесно связанных (коррелирующих) между собой. Переменные, входящие в одно подмножество и коррелирующие между собой, но в значительной степени независимые от переменных из других подмножеств, образуют факторы. Выделяемые факторы отражают глубинные процессы (латентные, не наблюдаемые), которые являются причиной корреляций первичных (измеряемых, наблюдаемых) переменных. То есть, факторы определяют первичные наблюдаемые переменные и могут быть использованы для объяснения комплексных явлений. Наблюдаемые корреляции между первичными переменными возникают из-за того, что их определяют одни и те же факторы [2, с. 11]. Процедуры факторно-аналитической обработки, применяемые к полученным данным, различны, но алгоритм анализа состоит из одних и тех же основных этапов:

1. Подготовка исходной матрицы данных.

2. Вычисление матрицы взаимосвязей признаков.

3. Факторизация.

4. Вращение.

5. Подсчет факторных значений по каждому фактору для каждого наблюдения.

6. Интерпретация данных.

Вращение факторов – это процесс поиска наиболее легко интерпретируемого решения для данного количества факторов. Существуют два основных вида вращения: ортогональное и косоугольное. Решение, полученное после ортогонального вращения, интерпретируется на основе анализа матрицы факторных нагрузок путем выявления того, с каким из факторов в максимальной степени связана та или иная наблюдаемая переменная. В итоге каждый фактор оказывается заданным группой первичных переменных, имеющих по нему наибольшие факторные нагрузки. Если выполняется косоугольное вращение, то строится еще несколько дополнительных матриц: матрица факторной корреляции, структурная матрица взаимосвязей и матрица факторного отображения. После косоугольного вращения интерпретация факторов происходит на основе группировки первичных переменных, но уже с использованием в первую очередь матрицы факторного отображения. Для обоих вращений вычисляется матрица коэффициентов факторных значений для каждого наблюдения на основе значений для них первичных переменных [2, с. 22].

Цели: уменьшение числа используемых переменных за счет их объяснения меньшим числом факторов. Интерпретация полученных данных (присваивание названий выделенным факторам).

Задачи:

1. Выявление количества факторов, объясняющих факторное решение.

2. Анализ утверждений, соответствующих полученным факторам, и присваивание подходящих названий факторным шкалам.

3. Анализ местоположения объектов ФА с точки зрения субъективного восприятия значений объектов исследователем.