Cómo hacer sentido del análisis factorial
El análisis factorial es un método estadístico utilizado para estudiar los patrones subyacentes de la relación de un conjunto de datos para descubrir una variable independiente o variables que afectan a todos los datos. Esas variables son llamadas factores. El análisis factorial busca entender por qué las cosas suceden. Por ejemplo, imagina a 100 personas se les pidió que calificaran 10 casas de uno a 10 en la pregunta: "? ¿Cuánto le gustaría ser dueño de la casa" Volveremos a utilizar el análisis factorial de discernir por qué la gente clasificado las casas de la manera que lo hicieron. Una teoría de un factor puede sugerir participantes hogares valorados por su valor global, dando las tasas más altas de las casas más caras. Una de dos, tres o cuatro factores de análisis sugieren otros factores están en juego. En este artículo se explica cómo puede empezar a dar sentido a los resultados de un análisis factorial.
instrucciones
1 Crear una hipótesis de trabajo que explica los factores encontrados por el análisis factorial y sus datos. El análisis de factores le proporcionará un conjunto de posibles factores subyacentes que condicionan los datos. Usted debe encontrar cuál es la hipótesis más sencilla con el menor número de factores para describir los datos.
2 Comience con la teoría más simple, una teoría de un solo factor. Probar la teoría con los datos que tiene. Si no se ajusta, aumentar el número de factores, hasta la teoría ajusta a los datos. Tenga en cuenta que su teoría no tiene que adaptarse perfectamente. Rara vez, o nunca, se hacen, pero deben describir los principales factores que determinan el patrón de las relaciones entre el conjunto de variables.
3 Simplificar su teoría y sus datos con la rotación. La rotación es un paso factor de análisis que le ayuda a sustituir sus predicciones con las funciones lineales. Las funciones lineales usan variables para producir los mismos o similares de datos a su conjunto original pero con menos variables, lo que le permite simplificar sus datos y la teoría y pueden permitir a predecir una nueva variable independiente.
4 Cambiar la teoría más adecuada y probarlo. Compararlo con un nuevo conjunto de datos y evaluar cómo su teoría factor de correlación con los nuevos datos. Una alta correlación entre su teoría y los nuevos datos podría indicar que está en lo cierto. Si hay poca o ninguna correlación con varios conjuntos de datos, su análisis inicial factor puede haber sido un error. Comience de nuevo con un nuevo conjunto de datos o una nueva teoría factor que proporciona una mejor descripción de los datos.