M.

Popa – Analiza factorială

Analiza factorială

Marian Popa

Introducere

Realitatea socio-umană poate fi descrisă printr-un număr foarte mare de variabile.

Nu întotdeauna, însă, aceste variabile descriu caracteristici total distincte, informaţia unei
variabile suprapunându-se cu informaţia alteia sau altora. În acest caz, dacă variabilele
care împărtăşesc o informaţie comună ar fi „adunate la un loc” s-ar obţine noi variabile,
numite factori, al căror înţeles s-ar constitui prin „cumularea înţelesurilor” variabilelor
componente. Acest rol este jucat de analiza factorială, care este o metodă reductivă, prin
care se constituie factori, pe baza relaţiilor dintre variabile.
Termenul de analiză factorială a fost introdus de Thurstone (1931), deşi tehnici
similare au fost utilizate de Pearson (1901) şi Spearman (1904). Acesta din urmă este
considerat unul dintre pionierii utilizării analizei factoriale în psihologie, fiind creditat
uneori chiar cu inventarea acestui tip de analiză statistică1. El a descoperit că scorurile
copiilor şcolari la diferite discipline, aparent fără legătură unele cu altele, sunt pozitiv
corelate, ceea ce l-a condus la postularea unei „aptitudini cognitive generale”, care
susţine performanţa umană. Această concepţie a stat la baza numeroaselor studii în
domeniul inteligenţei generale (factorul g).
Raymond Cattell a dezvoltat teoria bifactorială a inteligenţei, a lui Spearman, într-
o teorie multifactorială pentru a explica inteligenţa. El a fost un promotor susţinut al
analizei factoriale, dar şi al procedurilor psihometrice, în general, pe care le considera
esenţiale pentru studiul obiectiv al inteligenţei umane. Cattell aprecia că analiza factorială
este un instrument care poate fi aplicat în studiul comportamentului, cu o obiectivitate
care poate rivaliza cu cea din ştiinţele exacte.
Analiza factorială a început prin a fi utilizată în studiul inteligenţei umane ca
metodă de comparare a rezultatelor la testele obiective şi de a construi matrici pentru
definirea corelaţiilor dintre aceste rezultate şi, concomitent, pentru identificarea unor
factori comuni ai acestor rezultate. O perioadă, analiza factorială a fost utilizată numai în
domeniul psihologiei, ulterior fiind preluată şi în analize economice, moment din care a
devenit o metodă statistică consacrată.
Principala problemă a analizei factoriale este aceea de găsi variabilele care au cât
mai multă variaţie (informaţie) „comună”, astfel încât, prin condensare să se piardă cât
mai puţină informaţie utilă.

Aplicaţiile majore ale acestui tip de analiză sunt următoarele:

1. Detectarea structurii în relaţiile dintre variabile, ceea ce este similar cu
clasificarea variabilelor. Astfel analiza factorială poate fi utilizată pentru verificarea
conceptualizării unui anumit construct psihologic. De exemplu, în multe studii se

1
"General intelligence," objectively determined and measured. in American Journal of
Psychology, 1904

1/14
M. Popa – Analiza factorială

vorbeşte despre „leadership” ca fiind compus din „orientare pe sarcină” şi „orientare pe

relaţii umane”. Să presupunem că a fost dezvoltat un chestionar de evaluare a
leadershipului compus din 20 de itemi, dintre care 10 destinaţi „orientării pe sarcină” şi
10 „orientării pe relaţii umane”. Analiza factorială permite testarea ipotezei că itemii se
grupează într-adevăr în cele două categorii prevăzute în proiect. Înainte de utilizarea
efectivă a chestionarului se va practică o anchetă pilot, iar datele obţinute se vor supune
analizei factoriale, pentru a vedea dacă itemii se grupează cu adevărat în doi factori şi
dacă aceştia reprezintă dimensiunile teoretice urmărite. Într-o situaţie ca cea descrisă mai
sus, analiza factorială are caracterul unui studiu de confirmare a unei anumite structuri a
datelor.
2. Reducerea numărului variabilelor atunci când acestea sunt prea numeroase şi
avem motive să credem, sau dorim să verificăm, dacă acestea pot fi reduse la un număr
mai mic de factori, cu putere de descriere mai generală asupra realităţii investigate. De
exemplu, atunci când a fost aplicată o baterie de teste ale căror rezultate se concretizează
printr-un număr mare de indicatori, şi se doreşte condensarea lor într-un număr redus
factori. În acest caz nu ştim nici câţi factori sunt şi nici ce semnifică ei, ambele răspunsuri
urmând a fi extrase din analiza rezultatelor. Într-o situaţie de acest gen, analiza factorială
are caracterul unui studiu de explorare, prin care se caută existenţa unei eventuale
structuri a variabilelor analizate.

Analiza factorială, ca orice procedură de analiză statistică, în ciuda complexităţii

şi „prestigiului” de care se bucură, prezintă atât avantaje cât şi dezavantaje.

Printre cele mai importante avantaje, se remarcă:

- este o metodă obiectivă de evaluare a variabilelor psihologice;
- asigură posibilitatea de analiză şi interpretare în situaţii cu un mare număr de
variabile;
- oferă un suport solid pentru dezvoltarea de teorii;
- oferă suport pentru proceduri de predicţie bazate pe variabile multiple.

Printere dezavantaje, cităm:

- rotaţia factorilor, chiar dacă este accptabilă matematic, oferă soluţii diverse, fiind
uneori dificil de ales pe aceea care este cea mai potrivită;
- interpretarea analizei factoriale se bazează pe o “euristică”, ceea ce conduce la o
soluţie care este “convenabilă”, chiar dacă nu este absolut adevărată. De regulă,
aceleaşi date pot fi interăretate în mai multe moduri ;
- identificarea, definirea componenţei şi denumirea factorilor, depind în bună
măsură de intuiţia cercetătorului.

Dat fiind faptul că analiza factorială se bazează pe analiza de corelaţie, datele

supuse analizei vor trebui să respecte toate condiţiile impuse de analiza de corelaţie:
valori măsurate pe scală parametrică, distribuţie normală (condiţie cu atât mai puţin
restrictivă cu cât volumul eşantionului este mai mare, în conformitate cu teorema limitei
centrale). Spre deosebire de alte tehnici statistice, în analiza factorială, ca de altfel şi în
cazul corelaţiei, nu se face distincţie între variabile dependente şi variabile dependente.

2/14
M. Popa – Analiza factorială

Tipuri de analiză factorială

a) Analiza componentelor principale (Hotteling) este o metodă care se bazează

pe analiza varianţei totale dintre variabile. Soluţia generată va include atâţia
factori câte variabile sunt disponibile, chiar dacă este puţin probabil ca toţi
factorii întrunească criteriile de retenţie. Prin această metodă se oferă o soluţie
unică, astfel încât datele originale pot fi reconstruite din rezultatele obţinute.
b) Analiza factorilor comuni (Thurstone) este, de fapt, ceea ce se înţelege în mod
obişnuit prin expresia „analiză factorială” şi constă în estimarea varianţei
comune la nivelul variabilelor originale. Ca rezultat al acestei tehnici de
analiză vor rezulta întotdeauna mai puţini factori decât numărul variabilelor
existente.

În practică, analiza componentelor principale este mai frecvent utilizată, ea

permiţând o imagine completă asupra grupării factoriale a variabilelor analizate, lăsând
cercetătorului posibilitatea să decidă asupra factorilor pe care doreşte să îi reţină.

Concepte de bază ale analizei factoriale

Combinarea mai multor variabile într-un singur factor

Pentru a ne putea reprezenta intuitiv modul în care se “reduc” două variabile la

una singură, este suficient să ne amintim modul de exprimare grafică a graficului de
corelaţie (scatterplot). Linia de regresie trasată prin norul de puncte al graficului
reprezintă „cea mai bună aproximare” a relaţiei liniare dintre cele două variabile. Dacă
am defini o nouă variabilă, ale cărei valori se plasează pe linia de regresie, atunci această
variabilă ar capta „esenţa” variaţiei comune a celor două variabile corelate. Acest
procedeu intuitiv este echivalent cu ceea ce, în analiza factorială se numeşte „extragerea
componentelor principale”.

Rotaţia factorilor

Una din problemele majore ale analizei constă în obţinerea unei variaţii maxime
la nivelul factorului, în funcţie de variabilele combinate. Pentru a se obţine acest efect,
are loc o rotaţie a spaţiului de variaţie a variabilelor. Ne putem gândi la acest procedeu ca
la o rotaţie a spaţiului de reprezentare grafică astfel încât axa Ox originală să ajungă să
aproximeze, ea însăşi, linia de regresie. Acest tip de rotaţie, care urmăreşte maximizarea
variaţiei (variabilităţii) factorului, este numit „varimax”. Scopul ei complementar este
acela de a reduce varianţa valorilor care nu intră în componenţa factorului.
Dacă extindem analiza de la două la mai multe variabile, calculele devin, desigur,
mai complexe, dar principiul de bază rămâne acelaşi. În acest caz mediul de variaţie al
variabilelor nu mai este unul bidimensional (plan) ci multidimensional (spaţial). Din
fericire, problemele de calcul, extrem de laborioase, nu mai reprezintă o dificultate în
condiţiile tehnicii de calcul actuale şi a programelor specializate. Se va reţine însă, faptul

3/14
M. Popa – Analiza factorială

că factorii identificaţi prin analiza factorială sunt expresia combinaţiei liniare a

variabilelor.

Identificarea factorilor

Factorii se definesc prin gradul de „încărcare” cu anumite variabile, cu alte

cuvinte, prin variaţia comună a mai multor variabile în raport cu acesta, numit şi
„saturaţie”. Cu cât un factor are o saturaţie mai mare în raport cu anumite variabile, cu
atât aceste variabile „acoperă” o semnificaţie comună mai consistentă.

Ortogonalitatea factorilor

Atunci când avem mai multe variabile ele se pot combina în mai mulţi factori.
Aceasta presupune faptul că aceşti factori sunt independenţi unul faţă de altul, nu
corelează între ei, caracteristică ce poartă numele de „ortogonalitate”. După extragerea
primului factor se continuă analiza pentru identificarea unui alt factor, prin maximizarea
variabilităţii rămasă neexplicată de primul factor. În acest mod, consecutiv, se pot extrage
mai mulţi factori. Din cauză că fiecare factor se defineşte prin maximizarea variabilităţii
care nu este „captată” de factorul precedent, factorii nu corelează între ei (ortogonalitate).
Ortogonalitatea nu este un obiectiv ci un rezultat implicit al analizei factoriale, determinat
de esenţa metodei de analiză.

Numărul factorilor selectaţi

Una din întrebările care se pune în cazul analizei componentelor principale, este
aceea referitoare la numărul factorilor care vor fi acceptaţi. Din ceea ce am spus mai sus,
rezultă că cea mai mare cantitate de variaţie comună o conţine primul factor, ceilalţi
rămânând să explice, fiecare, din ce în ce mai puţină variaţie concomitentă a variabilelor.
Decizia de a opri acceptarea unui nou factor ţine de aprecierea cantităţii de variabilitate
pe care suntem dispuşi să o lăsăm neexplicată, adică neinclusă într-un factor. Natura
acestei decizii este una mai degrabă arbitrară dar în sprijinul ei se utilizează un indicator
numeric numit Eigenvalue. Acesta se calculează ca sumă a coeficienţilor de determinare
(r2), dintre fiecare factor şi variabilele care intră în compunerea sa. Regula uzuală este de
a-i reţine ca factori doar pe aceia al căror indice Eigenvalue este cel puţin egal cu 1.
Este de notat faptul că, atunci când numărul variabilelor este mic, analiza va
produce mai puţini factori decât există în „realitate”, iar dacă numărul variabilelor este
mare, analiza va produce mai mulţi factori decât sunt în realitate (lipsiţi de semnificaţie
reală). Utilizarea indicatorului Eigenvalue nu este singura metodă de selecţie a factorilor
dar este cea mai uzuală şi mai frecvent utilizată, fiind implicită în majoritatea
programelor statistice.

Denumirea factorilor

Analiza statistică generează factori pe baza unor proceduri numerice, al căror unic
suport este măsurarea variabilităţii împărtăşite simultan de mai multe variabile. La
sfârşitul operaţiei se impune ca factorii generaţi să dobândească o semnificaţie calitativă,

4/14
M. Popa – Analiza factorială

fixată printr-o denumire sugestivă. Acest proces depinde, desigur, de înţelesul pe care îl
au variabilele care compun factorul respectiv şi capacitatea cercetătorului de a sintetiza
constructul acoperit de aceste variabile luate împreună.
Ca reguli generale, numele factorilor trebuie:
- să fie succinţi, exprimaţi, dacă este posibil, prin unul sau două cuvinte;
- să exprime şi să comunice natura constructului la care se referă.
Dacă analiza factorială face parte dintr-un studiu de confirmare (cazul
dimensiunilor unui test, de exemplu), problema se reduce la constatarea suprapunerii
factorilor pe configuraţia itemilor fiecărei dimensiuni. În cazul studiilor de explorare,
variabilele care intră în compunerea factorilor vor fi analizaţi sub aspectul semnificaţiei
lor de fond şi a similitudinilor posibile dintre ele. Uneori este utilă chiar şi analizarea
variabilelor care nu intră în componenţa unui factor, pentru a sesiza conţinutul acestuia.

Aspecte problematice ale analizei factoriale

La începuturi, principala problemă a analizei factoriale era caracterul ei laborios,

generat de complexitatea şi volumul mare de calcule. În prezent, datorită răspândirii
programelor specializate, analiza factorială a devenit, din acest punct de vedere, extrem
de accesibilă. Uşurinţa cu care poate fi realizată nu poate elimina însă, alte probleme
specifice acestui tip de analiză. Le vom trece în revistă pe cele mai importante:
• Modul de generare a factorilor se bazează pe calcule de mare precizie. Acest fapt
conduce la situaţia în care valori relativ mici genereză factori cu saturaţie mare.
Din această cauză, eventualele erori de măsurare pot avea consecinţe importante
asupra rezultatelor.
• Interpretarea rezultatelor nu este facilă. Rezultatul analizei factoriale nu este unul
univoc, ci se constituie dintr-o varietate de soluţii, din care cercetătorul trebuie să
aleagă varianta care „explică cel mai bine”, din punctul său de vedere, realitatea
analizată. Ca urmare, concluziile analizei factoriale se exprimă în termeni mai
degrabă echivoci, de genul „situaţia s-ar putea explica astfel” dar fără a se putea
asocia, ca în cazul altor teste statistice, o anumită probabilitate acestei concluzii.
• Lucrurile sunt încă şi mai complicate atunci când numărul variabilelor analizate
este foarte mare. În acest caz numărul factorilor rezultaţi este posibil să fie, la
rândul lor, mare (mai mare de trei), fapt care îngreuiază interpretarea lor. În
situaţii de acest gen, se poate avea în vedere chiar şi o grupare prealabilă în clase
a variabilelor, prin utilizarea analizei de cluster, analiza factorială urmând a fi
aplicată pe categorii de variabile şi nu pe toate la un loc. Rezultă, deci, că
abilitatea analistului, capacităţile sale intuitive şi cultura profesională joacă un rol
important în exprimarea concluziilor.

În ciuda acestor dificultăţi, în cele mai multe dintre situaţiile uzuale se aplică
scheme de analiză care conduc la rezultate şi concluzii relativ puţin controversabile.

5/14
M. Popa – Analiza factorială

Un exemplu de analiză factorială

Pentru a realiza o imagine cât mai completă a analizei factoriale, vom exemplifica
pe un studiu cu date reale (Popa, 2004), privitor la Inventarul de valori profesionale
elaborat de D.E. Super şi adaptat de Chelcea (1994). Inventarul este compus din 45 de
itemi scalari prin care subiectul trebuie să evalueze importanţa pe care o atribuie
anumitor aspecte care ţin de exercitarea unei profesiuni. Interpretarea se face în raport cu
15 valori importante pentru exercitarea oricărei profesiuni: altruism, ambianţa de muncă,
avantaje materiale, conducere, creativitate, independenţă, prestigiu, relaţii cu colegii,
relaţii cu superiorii, reuşita obiectivată, stimulare estetică, siguranţa postului, mod de
viaţă, stimulare intelectuală, varietate. Analiza preliminară a datelor a relevat faptul că
mediile variabilelor tind să fie apropiate, iar matricea de corelaţie arată corelaţii pozitive
şi semnificative între aproape toate valorile rezultate (?!). Ca urmare, am presupus că
scorurile celor 15 valori ar putea, de fapt, să varieze concomitent, în funcţie de gruparea
într-unul sau mai mulţi factori. În scopul verificării acestei ipoteze, am supus datele unui
studiu explorator de analiză factorială cu programul SPSS (v. 8.0).

Procedura de calcul

Se lansează procedura de calcul: Statistics-Data reduction-Factor, care deschide

următoarea casetă principală:

Operaţiile de setare a procedurii sunt următoarele:

1. Variabilele supuse analizei sunt trecute în lista Variables:

2. Se activează comanda Descriptives...

6/14
M. Popa – Analiza factorială

Se bifează:
- Univariate descriptives, care va afişa mediile şi abaterile standard ale
variabilelor, ceea ce va permite verificare suplimentară a corectitudinii lor.
- Initial solution, va afişa soluţia dinainte rotaţiei factorilor.
- Correlation matrix. Coefficeints, va afişa matricea de intercorelaţie a
variabilelor. Această opţiune poate fi eliminată, mai ales dacă numărul
variabilelor este foarte mare şi produce o matrice greu de analizat.
- KMO and Bartlett’s test of sphericity, sunt două teste statistice care indică
gradul de asociere a variabilelor. Valori mari, apropiate de 1 şi
semnificative, sunt un argument în favoarea existenţei unor factori şi deci,
a „legitimităţii” analizei factoriale pe date respective.
- Se finalizează caseta cu Continue.
3. Se acţionează comanda Extraction, de pe caseta principală:

Se selectează:
- Method: Principal components
- Analyze. Correlation matrix
- Display. Unrotated factor solution şi Scree plot
- Extract. Eigenvalue (a cărui valoare implicită rămâne 1). În acest fel vor fi
extraşi toţi factorii posibili, şi vor fi păstraţi doar cei care îndeplinesc
condiţia Eigenvalue≥1. (variantă uzuală)
- Number of factors, dacă dorim extragerea unui anumit număr de factori. În
acest caz, opţiunea Eigenvalue se dezactivează. (variantă mai puţin
uzuală).
- Se finalizează cu Continue

7/14
M. Popa – Analiza factorială

4. Se acţionează comanda Rotation:

- Se bifează Method.Varimax, care este cea mai utilizată dintre metodele de

rotaţie a factorilor.
- Se bifează Display. Rotated solution
- Se finalizează cu Continue

5. Se acţionează comanda Scores de pe caseta principală

- SPSS poate calcula un scor individual (pentru fiecare subiect), pe baza

valorilor la variabilele care compun fiecare factor. Dacă se doreşte acest
lucru, se bifează Save as variable. De regulă, această opţiune nu se
selectează decât atunci când se doreşte utilizarea factorilor ca variabile de
sine stătătoare.
- Cu Display factor score coefficient matrix, se poate solicita afişarea
matricii de corelaţia a factorilor. Aşa cum ne amintim, factorii sunt astfel
calculaţi încât să fie ortogonali (adică sa coreleze puţin între ei). Ca
urmare, această opţiune poate fi, şi ea, ignorată.
- Se finalizează cu Continue.

6. Se acţionează comanda Options de pe caseta principală

8/14
M. Popa – Analiza factorială

- Metoda standard de tratare a valorilor lipsă este „listwise”, motiv pentru

care este bifată implicit. Ea presupune eliminarea din analiză a tuturor
cazurilor pentru care nu există valori, pentru toate variabilele simultan.
Din acest motiv, se pot pierde multe cazuri (subiecţi). În ciuda acestui
neajuns, aceasta este metoda recomandabilă.
- Se va bifa Coefficient Display Format. Sorted by size şi Suppress absolute
values less than .10, pentru a se obţine formate de afişare mai uşor de
analizat, aşa cum vom vedea mai departe. Se poate alege şi un alt nivel de
suprimare la afişare, mai mare de 0.10, ţinând cont că selectarea
variabilelor care compun factorii se face pe baza unor niveluri de saturaţie
mult mai mari (de regulă, peste 0.60). În acest mod, rezultatele vor fi mai
uşor de analizat.
- Se finalizează cu Continue

7. Se executa procedura de analiză factorială cu comanda OK din caseta principală.

Analiza rezultatelor afişate în Viewer

Vom prezenta, pe rând, componentele afişate ale analizei factoriale.

Tabelul Descriptive Statistics prezintă media, abaterea standard şi numărul
cazurilor analizate, pentru fiecare variabilă. O privire asupra valorilor poate scoate în
evidenţă, eventual, indicatori excesivi, provenind de la valori eronate, ori variaţii ale
numărului de cazuri, determinate de valori lipsă.

Tabloul matricei de corelaţii, prezentat mai jos (fragmentat), include corelaţiile

dintre variabilele analizate. În cazul nostru, vom observa situaţia, nefirească am putea
spune, de a avea corelaţii pozitive între toate valorile inventarului. Teoretic, ne-am
aştepta ca unele variabile să coreleze negativ cu altele, având în vedere semnificaţiile lor
psihologice. Această situaţie a condus la modificarea modului de cotare a răspunsurilor,
pe baza unei metode originale de „autoetalonare” (Popa, op.cit.), care nu face obiectul
prezentării în acest context.

9/14
M. Popa – Analiza factorială

Valorea indicelui Kaiser-Meyer-Olkin (0,91) precum şi nivelul testului de

sfericitate Bartlett (20394.150; Sign.=0.0000), sugerează din start existenţa unuia sau
mai multor factori comuni, ceea ce justifică aplicarea unei proceduri de reducţie
factorială.

Comunalitatea unei variabile reprezintă acea porţiunea din varianţa variabilei care
este comună cu varianţa altor variabile, în contextul unui factor. Valori foarte reduse ale
comunalităţii unor variabile pot indica faptul că acele variabile nu sunt bine reprezentate
de respectivul model factorial.

Tabelul Total Variance Explained ne aduce în faţă primele informaţii specifice ale
analizei factoriale. În conformitate cu principiul metodei utilizate, au fost generate 15
componente principale (factori) dar, dintre aceştia, doar primii trei reuşesc să atingă
criteriul de selecţie (Eigenvalue≥1).

10/14
M. Popa – Analiza factorială

Pe coloanele Extraction Sums of Squared Loadings, avem valorile Eigenvalue,

varianţa explicată şi varianţa cumulativă pentru cei trei factori, în contextul soluţiei
factoriale iniţiale (nesupuse rotaţiei). Varianţa explicată de fiecare factor se distribuie
astfel: factorul I-36.775%; factorul II-11.148% şi factorul III-7.105%. Împreună, cei trei
factori explică 55.028% din variaţia valorilor analizate. Restul de variaţie până la 100%
rămân neexplicate de acest model factorial.
Pe coloanele Rotation Sums of Squared Loadings, avem aceleaşi valori pentru cei
trei factori, dar după aplicarea procedurii de rotaţie. Se vor observa o redistribuire a
variaţiei explicate de fiecare factor în parte (factorul I-21.729%; factorul II-20.817%,
factorul III-12.482%), în contextul aceleiaşi variaţii totală (55.028%). După cum se
observă, prin metoda rotaţiei factorul I pierde din gradul de saturaţie, în favoarea
factorilor II şi III.
Imaginea Scree Plot prezintă în formă grafică valorile Eigenvalue pentru toate
componentele principale rezultate din analiză şi care, numeric, sunt prezentate în tabelul
Total Variance Explained de mai sus.

11/14
M. Popa – Analiza factorială

Tabelul Component Matrix prezintă lista variabilelor şi contribuţia lor la

încărcarea fiecăruia dintre factorii selectaţi (în termeni de corelaţie). În conformitate cu
setările făcute, valorile mai mici de 0.10 nu sunt incluse în tabel.

Datele din tabelul de mai sus se referă la soluţia factorială iniţială (înaintea
procedurii de rotaţie). Tabelul următor prezintă datele după rotaţia factorilor şi într-o
formă ordonată, mai uşor de analizat:

Datele din acest tabel permit concluzii finale cu privire la structura factorială a
variabilelor analizate, astfel:
- Factorul I este compus în principal din variabilele creativitate (0.747),
stimulare intelectuală (0.716), varietate (0.705), conducere (0.665)
- Factorul II este compus din variabilele avantaje materiale (0.720),
siguranţa postului (0.692), ambianţa de lucru (0.684), mod de viaţă
(0.665), relaţii cu superiorii (0.627).
- Factorul III este compus din variabilele relaţii cu colegii (0.752) şi
altruism (0.727).

12/14
M. Popa – Analiza factorială

Facem precizarea că atunci când o variabilă are saturaţii mari cu doi sau mai mulţi
factori simultan, nu va fi inclusă în nici unul dintre factori.
După identificarea şi selectarea factorilor, în finalul analizei, se pune problema
denumirii factorilor. Studiind semnificaţia psihologică a componentelor fiecărui factor
am propus următoarele denumiri:
Factorul 1 (saturat în variabilele: creativitate, stimulare intelectuală, varietate,
conducere, independenţă) a fost definit ca „motivaţia de autorealizare, dezvoltare”.
Factorul 2 (saturat în variabilele: avantaje materiale, ambianţa de lucru, mod de
viaţă, siguranţa postului, relaţii cu superiorii) definit ca „motivaţia materială, siguranţă şi
confort”.
Factorul 3 (saturat în variabilele: relaţii cu colegii, altruism) definit ca „motivaţia
de relaţionare socială”
Aceste rezultate pot fi considerate ca o confirmare a teoriei lui Alderfer (cit. de
Levy-Leboyer, 1994, p.93) care propune o modificare a modelului motivaţional ierarhic
al lui Maslow, prin reducerea la numai trei tipuri de trebuinţe: de existenţă, de relaţie şi
de dezvoltare.

Consideraţii finale

Odată ales un model factorial de reducere a variabilelor analizate, se poate opta

pentru realiza, cu ajutorul opţiunii corespunzătoare din SPSS, scoruri individuale pentru
fiecare factor, care vor putea fi utilizaţi, ca orice variabilă psihologică, fie pentru
diagnostic individual, fie pentru comparaţii între categorii de subiecţi.
Procedura de analiză factorială generează un mare volum de date numerice. Cu
toate acestea, nu toate vor fi incluse în raportul de cercetare. În mod obişnuit, vor fi
inserate informaţii cu privire la variabilele supuse analizei, statistica descriptivă sumară a
fiecărei variabile (medii, abateri standard, skewness, kurtosis), matricea de corelaţie a
acestora, tabelul varianţei totale, factorii selectaţi cu variabilele în care sunt saturaţi,
varianţa totală explicată de fiecare factor în parte şi a tuturor împreună. Desigur, pot
exista şi excepţii de la aceste recomandări, dar se va avea n vedere, totuşi, ca rezultatele
să ofere informaţii consistente, fără a fi excesive. Analiza factorială nu face parte dintre
procedurile statistice foarte frecvent utilizate. Ca urmare, fiind de aşteptat să ridice
dificultăţi de înţelegere, rezultatele vor fi exprimate succint dar clar şi inteligibil, astfel
încât semnificaţia lor să fie cât mai accesibilă.
Redăm mai jos, spre exemplificare, un studiu psihologic bazat pe analiză
factorială, preluat din Educational and Psychological Measurement, 1983, 43, pp.557-
562.

Bibliografie

Chelcea, S., 1994, “Valorile profesionale ale studenţilor din România în condiţiile
tranziţiei la economia de piaţă”, Personalitate şi societate în tranziţie, Societatea
Ştiinţă & Tehnică S.A., pg.100.
Levy-Leboyer, Cl., 1994, “Satisfaction et motivation: théories et recherche”, Individu et
Organisations (Textes de base en sciences sociales), Cl. Louche, (sub dir.),
Delachaux et Niestle, p. 91

13/14
M. Popa – Analiza factorială

Popa, M., 1997, Determinări afectiv motivaţionale ale relaţiei de autoritate, Teză de
doctorat, Universitatea “Al. I. Cuza”, Iaşi
Radu I. (coord), 1993, Metodologie psihologică şi analiza datelor, Editura Sincron
Rotariu T. (coord.), 1999, Metode statistice aplicate în ştiinţele sociale, Ed. Polirom
(p.304)
Vasilescu, I. P. (1992). Statistica informatizata pentru stiinte despre om (Vol. 1-2).
Bucuresti: Editura militara.

14/14