Słownik metodologiczny · Analiza czynnikowa

Metoda Kaisera

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

Strona główna / Słownik / Metoda Kaisera

Opracowanie merytoryczne: · Opublikowano: · Aktualizacja:

Co oznacza Metoda Kaisera?

Metoda Kaisera zachowuje składowe/czynniki o wartości własnej większej od 1.
Co odróżnia to pojęcie? Metoda Kaisera zachowuje w PCA na macierzy korelacji składowe z wartością własną większą od 1, ponieważ każda standaryzowana zmienna wnosi jednostkę wariancji. Reguła nie przenosi się mechanicznie na każdą macierz i każdy model czynnikowy. Jest łatwa, ale często nadmiernie lub niedostatecznie zatrzymuje wymiary, dlatego nie powinna zastępować analizy równoległej oraz interpretacji treści.

Zastosowanie, warunki i dobre praktyki

Najważniejsze zastosowanie: Traktuj wartość własną większą od 1 jako kryterium pomocnicze, ponieważ może zachowywać zbyt wiele albo zbyt mało wymiarów.

Kryterium wartości własnej większej od 1 zależy od użycia macierzy korelacji i często przeszacowuje liczbę wymiarów. Może być podane jako wynik pomocniczy, lecz decyzję oprzyj także na analizie równoległej, wykresie osypiska oraz spójności rozwiązania z teorią i treścią pozycji.

Jak poprawnie stosować i interpretować hasło „Metoda Kaisera”?

W analizie dotyczącej hasła „Metoda Kaisera” kryterium zatrzymania wymiarów powinno odpowiadać celowi analizy i nie opierać się na jednej regule. Dla interpretacji hasła „Metoda Kaisera” 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 odniesieniu do hasła „Metoda Kaisera” analiza równoległa i możliwość sensownej interpretacji czynników stanowią ważne punkty odniesienia.

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

Co trzeba opisać w raporcie?

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

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

Przykład praktyczny i gotowa interpretacja

Sytuacja: Dla ośmiu standaryzowanych zmiennych trzy wartości własne przekraczały 1, więc reguła Kaisera zachowała trzy składowe; analiza równoległa wskazała jednak tylko dwie.

Jak ją zinterpretować: Wartość własna przekraczająca 1 oznacza więcej odtworzonej wariancji niż pojedyncza standaryzowana zmienna, lecz reguła często zachowuje zbyt wiele lub zbyt mało wymiarów. Wynik powinien być tylko jedną przesłanką.

Najczęstsza pułapka i granica interpretacji

Reguła wartości własnej większej od 1 często wybiera niewłaściwą liczbę wymiarów.

W odniesieniu do hasła „Metoda Kaisera” żadne mechaniczne kryterium nie potwierdza, że zatrzymane wymiary odpowiadają konstruktom teoretycznym. Przy ocenie hasła „Metoda Kaisera” 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

Metoda CattellaMetoda głównych składowych (analiza czynnikowa)Metoda osi głównychK-M-O i test sferyczności BartlettaŁadunek czynnikowyMacierz modelowa

Poradniki, w których użyjesz tego pojęcia

Poradnik

Wartość p: co naprawdę oznacza i jak ją poprawnie interpretować

Wartość p bez mitów: definicja, interpretacja, typowe błędy oraz sposób raportowania wraz z wielkością efektu i przedziałem ufności.

Czytaj →Poradnik

Alfa Cronbacha: jak oceniać rzetelność skali bez uproszczeń

Alfa Cronbacha krok po kroku: wzór, założenia, interpretacja, ograniczenia i sytuacje, w których lepiej raportować współczynnik omega.

Czytaj →Poradnik

Regresja logistyczna: założenia, interpretacja i raportowanie modelu

Regresja logistyczna w praktyce: założenia, iloraz szans, diagnostyka, kalibracja, AUC oraz zasady rzetelnego raportowania modelu.

Czytaj →

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