Ao trabalhar com SPSS para análise fatorial, você tem sete métodos de extracção diferentes para escolher: análise de componentes principais, não ponderadas dos Mínimos Quadrados, Mínimos Quadrados Generalizados, máxima verossimilhança, Principal Axis Factoring, Alpha Factoring e Factoring Imagem. A análise fatorial é uma forma de redução de dados que é frequentemente utilizado nas ciências sociais para descobrir variáveis não observáveis em variáveis manifestas, usando um grande tamanho da amostra para obter uma matriz de correlação para as variáveis envolvidas. Extracção irá executar uma análise para um determinado número de factores específicos. Escolhendo um método de extracção poderia alterar os resultados consideravelmente ou não por muito.
Use o padrão: Análise de Componentes Principais. Em SPSS, bem como outros pacotes de software de estatística, PCA é o método de extracção padrão para análise factorial. APC não é um método efectivo de análise factorial, mas ele é amplamente utilizado como um método de extracção. Neste método, os componentes são calculados usando toda a variância do manifesto variables- o resultado é que tudo isso variância aparece e variância compartilhada não está definido para além de variações distintas. Os defensores da PCA dizer que há pouca diferença entre os métodos quando se lida com grande matrices- Além disso, se uma solução de análise fatorial é estável, não deve importa qual o método que você usa. No entanto, outros notaram que PCA produz cargas maiores do que os outros métodos e pode, portanto, levar a resultados enganosos.
Escolha o método de máxima verossimilhança, se os dados são relativamente normalmente distribuídos. Este método, bem como o método de mínimos quadrados Generalizado, pode gerar uma tabela Bondade de ajustamento que pode ser usado para testar a significância estatística dos pesos dos fatores e calcular os intervalos de confiança e as correlações entre os factores.
Optar por Principal Axis Factoring se os seus dados é significativamente não-normal. PAF analisa apenas a variância nos itens que é compartilhada por outros itens. Assim, ela procura o menor número de fatores que podem explicar a variância comum, ou correlação, de um conjunto de variáveis.
Reter um determinado número de factores a extrair para o próximo passo na análise factorial: rotação. A escolha de um método de extracção não é o fim da história. Você também pode desejar para definir o número de fatores a serem extraídos, bem como alterar o valor próprio mínimo no "Análise Factor: Extração" caixa de diálogo, onde você terá a opção de fazer cada um ou qualquer um destes. Valores próprios são as variâncias dos fatores que variam de acordo com o número de variáveis inseridos e são geralmente fixados a um padrão superior a 1,0. No entanto, isto pode resultar em imprecisões. Um teste scree pode ajudar a determinar o melhor número de fatores representando graficamente os valores próprios. Os pontos de dados acima do "pausa" pode indicar o número de fatores para reter.
Ajuste o número de fatores para extrair. O número inicial de factores é o mesmo que o número de variáveis utilizadas na análise factorial. No entanto, nem todos estes serão mantidos, então aqui é onde você designar qual a manter para posterior análise. Você também pode querer extrair mais fatores do que a opção padrão permite ou ajustar o número de fatores para compará-los com os de estudos anteriores. Em relatórios você deve discutir a razão pela qual você escolheu o número de fatores para extrair o que você fez.
Métodos de conferências técnicas de análise de trabalho
Como escrever seção método de pesquisa qualitativa
Como reverter uma folha quando factoring um polinômio