Słownik metodologiczny · Analiza czynnikowa

Metoda Cattella

Pełne wyjaśnienie, zastosowanie naukowe i praktyczne, przykład, dobre praktyki oraz gotowy zapis wyniku w APA 7.

Strona główna / Słownik / Metoda Cattella

Co oznacza Metoda Cattella?

Metoda Cattella wybiera liczbę wymiarów na podstawie punktu, po którym wartości własne na wykresie tworzą względnie płaski ogon.
Co odróżnia to pojęcie? Metoda Cattella jest regułą interpretacji wykresu osypiska: badacz szuka miejsca, po którym kolejne wartości własne tworzą stosunkowo płaski „ogon”. Zachowuje się wymiary przed punktem załamania. Decyzja może być niejednoznaczna, dlatego warto ją porównać z analizą równoległą i teorią. Metoda jest decyzją, natomiast wykres osypiska jedynie narzędziem, na którym tę decyzję oparto.

Zastosowanie, warunki i dobre praktyki

Najważniejsze zastosowanie: Używaj wykresu Cattella do wskazania miejsca załamania, a niejednoznaczną decyzję porównaj z analizą równoległą.

Wykres Cattella jest narzędziem wizualnym, więc decyzja o miejscu załamania powinna być udokumentowana, a przy niejasnym przebiegu najlepiej oceniana przez więcej niż jedną osobę. Wynik zestaw z analizą równoległą, interpretowalnością czynników i stabilnością rozwiązania.

Jak poprawnie stosować i interpretować hasło „Metoda Cattella”?

W odniesieniu do hasła „Metoda Cattella” kryterium zatrzymania wymiarów powinno odpowiadać celowi analizy i nie opierać się na jednej regule. Przy ocenie hasła „Metoda Cattella” wykres osypiska, wartości własne większe od 1 i zadany procent wariancji mogą wskazywać różne rozwiązania, zwłaszcza przy niewielkiej próbie albo skali z nierównymi ładunkami. W analizie dotyczącej hasła „Metoda Cattella” analiza równoległa i możliwość sensownej interpretacji czynników stanowią ważne punkty odniesienia.

W analizie dotyczącej hasła „Metoda Cattella” trzeba obejrzeć rozwiązania sąsiednie, stabilność ładunków i reprodukowalność struktury. Dla interpretacji hasła „Metoda Cattella” zbyt mała liczba wymiarów może połączyć odmienne konstrukty, a zbyt duża — stworzyć czynnik oparty na pojedynczych pozycjach lub szumie. W odniesieniu do hasła „Metoda Cattella” decyzji o usunięciu pozycji nie wolno podejmować wyłącznie po to, by uzyskać pożądaną liczbę czynników.

Co trzeba opisać w raporcie?

W odniesieniu do hasła „Metoda Cattella” raport powinien wskazać wszystkie użyte kryteria, wartości własne lub wynik analizy równoległej, kształt wykresu osypiska oraz powody wyboru końcowego rozwiązania. Przy ocenie hasła „Metoda Cattella” warto pokazać, jak zmieniały się ładunki i interpretacja w rozwiązaniach z liczbą wymiarów o jeden mniejszą i większą.

Zakres raportowania dla hasła „Metoda Cattella”: Opisz wszystkie kryteria wyboru liczby czynników.

Przykład praktyczny i gotowa interpretacja

Sytuacja: Na wykresie osypiska wyraźny spadek kończył się po drugim czynniku, a kolejne wartości tworzyły płaski ogon. Dwóch sędziów niezależnie wskazało to samo załamanie.

Jak ją zinterpretować: Załamanie oddziela stromy odcinek wartości własnych od płaskiego ogona interpretowanego jako drobna zmienność. Ponieważ wybór bywa niejednoznaczny, należy go porównać z analizą równoległą i stabilnością rozwiązania.

Najczęstsza pułapka i granica interpretacji

Punkt załamania bywa subiektywny; decyzję porównaj z analizą równoległą i teorią.

W analizie dotyczącej hasła „Metoda Cattella” żadne mechaniczne kryterium nie potwierdza, że zatrzymane wymiary odpowiadają konstruktom teoretycznym. Dla interpretacji hasła „Metoda Cattella” wynik zależy od rodzaju macierzy korelacji, liczby pozycji, próby i metody ekstrakcji, dlatego wymaga replikacji.

Definicje, zalecenia interpretacyjne i sposób raportowania oparto na literaturze metodologicznej wskazanej w bibliografii (Fabrigar et al., 1999).

Powiązane hasła

Poradniki, w których użyjesz tego pojęcia

Potrzebujesz wsparcia w analizie danych?

Wybierz ofertę dopasowaną do pracy dyplomowej albo profesjonalnego projektu naukowego.

Oferta dla badaczyOferta dla studentów

Bibliografia i dalsza literatura naukowa (APA 7)

  1. Fabrigar, L. R., Wegener, D. T., MacCallum, R. C., & Strahan, E. J. (1999). Evaluating the use of exploratory factor analysis in psychological research. Psychological Methods, 4(3), 272–299. https://doi.org/10.1037/1082-989X.4.3.272
  2. Hayton, J. C., Allen, D. G., & Scarpello, V. (2004). Factor retention decisions in exploratory factor analysis: A tutorial on parallel analysis. Organizational Research Methods, 7(2), 191–205. https://doi.org/10.1177/1094428104263675
  3. McNeish, D. (2018). Thanks coefficient alpha, we’ll take it from here. Psychological Methods, 23(3), 412–433. https://doi.org/10.1037/met0000144
  4. Dunn, T. J., Baguley, T., & Brunsden, V. (2014). From alpha to omega: A practical solution to the pervasive problem of internal consistency estimation. British Journal of Psychology, 105(3), 399–412. https://doi.org/10.1111/bjop.12046
  5. Jolliffe, I. T., & Cadima, J. (2016). Principal component analysis: A review and recent developments. Philosophical Transactions of the Royal Society A, 374(2065), 20150202. https://doi.org/10.1098/rsta.2015.0202
  6. Appelbaum, M., Cooper, H., Kline, R. B., Mayo-Wilson, E., Nezu, A. M., & Rao, S. M. (2018). Journal article reporting standards for quantitative research in psychology: The APA Publications and Communications Board task force report. American Psychologist, 73(1), 3–25. https://doi.org/10.1037/amp0000191

Cytowania BibTeX

@article{fabrigar1999efa, author={Fabrigar, Leandre R. and Wegener, Duane T. and MacCallum, Robert C. and Strahan, Erin J.}, title={Evaluating the use of exploratory factor analysis in psychological research}, journal={Psychological Methods}, year={1999}, volume={4}, number={3}, pages={272--299}, doi={10.1037/1082-989X.4.3.272}}
@article{hayton2004parallel, author={Hayton, James C. and Allen, David G. and Scarpello, Vida}, title={Factor retention decisions in exploratory factor analysis: a tutorial on parallel analysis}, journal={Organizational Research Methods}, year={2004}, volume={7}, number={2}, pages={191--205}, doi={10.1177/1094428104263675}}
@article{mcneish2018alpha, author={McNeish, Daniel}, title={Thanks coefficient alpha, we’ll take it from here}, journal={Psychological Methods}, year={2018}, volume={23}, number={3}, pages={412--433}, doi={10.1037/met0000144}}
@article{dunn2014omega, author={Dunn, Thomas J. and Baguley, Thom and Brunsden, Vivienne}, title={From alpha to omega: A practical solution to the pervasive problem of internal consistency estimation}, journal={British Journal of Psychology}, year={2014}, volume={105}, number={3}, pages={399--412}, doi={10.1111/bjop.12046}}
@article{jolliffe2016pca, author={Jolliffe, Ian T. and Cadima, Jorge}, title={Principal Component Analysis: A Review and Recent Developments}, journal={Philosophical Transactions of the Royal Society A}, year={2016}, volume={374}, number={2065}, pages={20150202}, doi={10.1098/rsta.2015.0202}}
@article{appelbaum2018jars, author={Appelbaum, Mark and Cooper, Harris and Kline, Rex B. and Mayo-Wilson, Evan and Nezu, Arthur M. and Rao, Stephen M.}, title={Journal article reporting standards for quantitative research in psychology}, journal={American Psychologist}, year={2018}, volume={73}, number={1}, pages={3--25}, doi={10.1037/amp0000191}}
R