Słownik metodologiczny · Analiza czynnikowa

Zasoby zmienności wspólnej (analiza EFA)

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

Strona główna / Słownik / Zasoby zmienności wspólnej (analiza EFA)

Opracowanie merytoryczne: · Opublikowano: · Aktualizacja:

Co oznacza Zasoby zmienności wspólnej (analiza EFA)?

Zmienność wspólna (wspólność) to część wariancji zmiennej wyjaśniana przez zachowane czynniki wspólne.

Zastosowanie, warunki i dobre praktyki

Wspólność mówi, jaka część wariancji wskaźnika jest odtwarzana przez zachowany zestaw czynników. Niska wartość może oznaczać słabe powiązanie z rozwiązaniem, unikatową treść albo zbyt małą liczbę czynników. Decyzję o pozycji należy łączyć z ładunkami, stabilnością i znaczeniem treściowym, ponieważ mechaniczne usunięcie może zawęzić konstrukt.

Najważniejsze zastosowanie: Używaj w EFA do oceny, jak dobrze pozycja jest reprezentowana przez rozwiązanie.

Jak poprawnie stosować i interpretować hasło „Zasoby zmienności wspólnej (analiza EFA)”?

Przy ocenie pojęcia „Zasoby zmienności wspólnej (analiza EFA)” trzeba odróżnić redukcję danych od modelowania wspólnych przyczyn odpowiedzi. Dla interpretacji hasła „Zasoby zmienności wspólnej (analiza EFA)” następnie ustala się skalę wskaźników, macierz poddaną analizie, metodę ekstrakcji, sposób wyboru liczby wymiarów i rotację. W odniesieniu do hasła „Zasoby zmienności wspólnej (analiza EFA)” interpretacja powinna wynikać z całego wzorca ładunków oraz treści pozycji, a nie tylko z najwyższej liczby w każdym wierszu.

Ocena pojęcia „Zasoby zmienności wspólnej (analiza EFA)” obejmuje stabilność rozwiązania, ładunki krzyżowe, wspólności, korelacje czynników i zgodność z przewidywaną strukturą. Przy ocenie hasła „Zasoby zmienności wspólnej (analiza EFA)” reguła Kaisera lub sam wykres osypiska rzadko wystarczają; lepiej połączyć analizę równoległą, teorię i sprawdzenie modeli alternatywnych. W analizie dotyczącej hasła „Zasoby zmienności wspólnej (analiza EFA)” usuwanie pozycji powinno zachowywać zakres treści konstruktu.

Co trzeba opisać w raporcie?

W opisie „Zasoby zmienności wspólnej (analiza EFA)” należy podać rodzaj analizy, macierz wejściową, ekstrakcję, rotację, kryterium liczby wymiarów i liczebność próby. Dla interpretacji hasła „Zasoby zmienności wspólnej (analiza EFA)” tabela powinna zawierać właściwe ładunki, informację o ładunkach krzyżowych i wspólnościach, a tekst — uzasadnienie nazw czynników oraz każdej zmiany modelu.

Zakres raportowania dla hasła „Zasoby zmienności wspólnej (analiza EFA)”: Podaj wspólności początkowe/końcowe, ładunki i metodę ekstrakcji.

Przykład praktyczny i gotowa interpretacja

Sytuacja: Wspólność .60 oznacza, że 60% wariancji pozycji odtwarzają czynniki w modelu.

Jak ją zinterpretować: Wspólność wskazuje część wariancji wskaźnika odtworzoną przez zachowane czynniki. Niska wartość może wynikać z niepasującej pozycji lub zbyt małej liczby czynników; decyzję trzeba połączyć z treścią i ładunkami.

Najczęstsza pułapka i granica interpretacji

Niska wspólność nie jest automatycznym powodem usunięcia ważnej treści.

Rozwiązanie uzyskane dla „Zasoby zmienności wspólnej (analiza EFA)” jest zależne od próby, zestawu pozycji i decyzji analitycznych. Przy ocenie hasła „Zasoby zmienności wspólnej (analiza EFA)” nadanie czynnikowi nazwy nie dowodzi jego trafności ani nie zastępuje replikacji struktury.

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

Powiązane hasła

Metoda głównych składowych (analiza czynnikowa)PCA (analiza głównych składowych)K-M-O i test sferyczności BartlettaŁadunek czynnikowyMacierz modelowaMacierz struktury

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