Analiza factorială exploratorie

M. Popa
 Cuprins
• Introducere
• Aplicaţiile majore ale analizei factoriale
• Modele de analiză factorială
– Analiza factorială exploratorie (AFE)
– Analiza factorială de confirmare (AFC)
• Probleme fundamentale ale analizei factoriale
– Combinarea mai multor variabile într-un singur factor.
– Alegerea metodei de extragere
– Indicatori numerici ai factorilor
– Rotaţia factorilor.
– Identificarea factorilor
• Condiții
• Aspecte problematice ale analizei factoriale
• SPSS
– Setarea procedurii AFE în SPSS
– Analiza rezultatelor
– Raportarea rezultatelor
 introducere
• AF
– colecție de tehnici statistice al căror obiectiv este acela de
a simplifica seturi complexe de variabile
• Se bazează pe o îndelungată tradiție a gândirii
filosofice și științifice
– raționaliștii și atomiștii greci
– Aristotel
– Francis Bacon
– Descartes
 introducere
• Istoria recentă
• Thurstone (1931) introduce termenul de analiză factorială
• Pearson (1901)
• Spearman (1904)
– unul dintre pionierii utilizării analizei factoriale în psihologie, fiind creditat
uneori chiar cu inventarea acestui tip de analiză statistică:
– 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.
– (factorul g).
• Raymond Cattell
– teorie multifactorială pentru a explica inteligenţa.
– Promotor al AF, dar şi al procedurilor psihometrice
– aprecia că AF este un instrument care poate fi aplicat în studiul
comportamentului, cu o obiectivitate care poate rivaliza cu cea din ştiinţele
exacte
 2. Aplicaţiile majore ale analizei factoriale
• Detectarea structurii în relaţiile dintre variabile
– Clasificarea variabilelor
– Ex.: Leadership=orientare pe sarcină/pe relații
• Reducerea numărului variabilelor
– Baterie de teste…
– Itemii unui chestionar…
• Rezolvarea multicoliniarității în regresia multiplă
• Validarea construcției unei scale compuse din mai
mulți itemi
– încărcarea fiecărui item în raport cu scala
 3. Modele de AF
• Ideea fundamentală
– anumite variabile nu pot fi observate (măsurate) direct, ci
doar prin intermediul altora
– v. manifeste
• observate, măsurate
– v. latente
• integrează informația comună a mai multor v. manifeste
 3. Modele de AF
• Modelul factorului comun
– fiecare variabilă manifestă (v) are două componente
• una care decurge din variabila latentă (factor)
• alta, care decurge unicitatea acelei variabile (e)
 3. Modele de AF

A. Analiza factorială exploratorie (AFE)

B. Analiza factorială de confirmare (AFC)
 A. Analiza factorială exploratorie
• Caută o structură latentă în rândul mai multor
variabile
– tehnică reductivă de identificare a variabilele latente care
înglobează anumite variabile observate
• Obiective
– determinarea numărului constructelor latente
– suport pentru a explica variabilitatea comună
– definirea conținutului și semnificației factorilor
• Două metode de realizare
1) Analiza factorilor comuni
2) Analiza componentelor principale
 1) Analiza factorilor comuni (Thurstone)
• estimarea varianţei comune la nivelul variabilelor
manifeste
• presupune căutarea unui anumit număr minim de
factori care ”absorb” varianța variabilelor studiate
• rezultă întotdeauna mai puţini factori decât numărul
variabilelor existente
2. Analiza componentelor principale (Hotteling)
• analizează matricea corelațiilor liniare dintre variabile și
evaluează varianța comună existentă
– extrage factorul care înglobează cea mai mare cantitate de
variabilitate
– … al doilea factor cu cea mai mare cantitate de variabilitate din cea
rămasă, și așa mai departe
• soluţia finală include atâţia factori câte variabile sunt
disponibile
– chiar dacă este puţin probabil ca toţi factorii să întrunească
criteriile de retenţie
• Factorii astfel identificați sunt ortogonali
 FC/CP
• Deși soluții similare sunt totuși diferite
– CP nu este o analiză factorială în adevăratul înțeles
• Analiza factorilor comuni
– Urmărește identificarea unui număr relativ mic de factori
care să explice varianța comună a variabilelor
– Deși are caracter exploratoriu, proiectează un anumit
model asupra variabilelor manifeste:
• modelul liniar
• când liniaritatea nu se confirmă, o ”forțează”
– modifica variabilele (neutralizează tendințele curbilinii;
valorile excesive)
• aspect criticat dar este un ”sacrificiu util”
 FC/CP
• Analiza componentelor principale
– se limitează la descompunerea algebrică a matricei de date
într-o structură de componente (factori) care acumulează
o cantitate cât mai mare de variabilitate comună
– generează factori ortogonali
 FC sau CP?
• Subiect controversat
– Unii autori susțin evitarea ACP
– … alții o recomandă…
• CP recomandabilă atunci când obiectivul analizei
este acela de a investiga un volum mare de date
– reducerea la o structură care reține cât mai multă
variabilitate comună
• FC este recomandabilă dacă scopul analizei este
modelarea unei anumite structuri a corelațiilor
dintre variabilele manifeste
– reprezentare cât mai „economică” a relațiilor dintre
variabile
 B. Analiza factorială de confirmare (AFC)
• cercetătorul are un model aprioric cu privire la
structurarea variabilelor
– obiectivul AFC este acela de a-l verifica
• Abordări
– Metoda tradițională
– Modelarea ecuației de structură (Structural Equation
Modeling)
• AFE … logică inductiv-epirică
• SEM logică ipotetic-deductivă
– Are un caracter de testare a ipotezei (potrivirea modelului
cu structura variabilelor)
 Condiţii preliminare
• Variabile măsurate la nivel cantitativ (interval/raport)
– pot fi incluse în analiză și variabile ordinale sau chiar dihotomice, chiar dacă,
se apreciază că în acest ca factorii vor fi mai greu de interpretat
• Distribuţie normală
– condiţie cu atât mai puţin restrictivă cu cât volumul eşantionului este mai
mare
• Absența valorilor extreme
• Alegerea atentă a variabilelor
– variabile nerelevante, sau excluderea unora relevante, afectează calitatea modelului
factorial
• Liniaritatea
• Normalitatea multivariată
– în absența evaluării directe a acesteia, investigarea normalității univariate este
obligatorie
• Existența unor constructe reale
– exprimă dimensiuni psihologice existente în realitate
 Condiţii preliminare
• Intercorelații moderate și moderat-ridicate, fără
multicolinearitate
– indicele KMO poate oferi o indicație utilă cu privire la existența
multicolinearității
– există un indice KMO pentru fiecare variabilă
– suma lor dă indicele global KMO
– acesta variază între 0 și 1, iar analiza factorială este justificată dacă valoarea lui
este mare (de regulă peste 0.60)
• Eșantion adecvat
– structurare factorială puternică: eșantion mai mic
– Structurare factorială slabă: eșantion mai mare
– este greu de pus în evidență o structură factorială pe un eșantion mai mic de 50 de
cazuri,
– 100 de cazuri este un eșantion mic
– 200 de cazuri sunt suficiente
– 300 de cazuri este un eșantion bun
– 500 de cazuri este un eșantion foarte buna
– iar 1000 de cazuri este excelent
 4. Probleme fundamentale ale AF
a) Combinarea mai multor variabile într-un singur
factor
b) Alegerea metodei de extragere
c) Indicatori numerici ai factorilor
d) Rotaţia factorilor
e) Identificarea factorilor
 a) Combinarea mai multor variabile
într-un singur factor
• Imaginea intuitivă a combinării (reducerii)
variabilelor este graficul scatterplot al corelaţiei.
• Linia de regresie trasată prin norul de puncte al
graficului reprezintă „cea mai bună aproximare” a
relaţiei liniare dintre cele două variabile.
– Valorile care se plasează pe linia de regresie captează
„esenţa” variaţiei comune a celor două variabile corelate
– procedeu intuitiv echivalent cu ceea ce, în analiza
factorială, se numeşte „extragerea componentelor
principale”.
 b) Alegerea metodei de extragere a factorilor
• ACP … sau …?
– unweighted least squares
– generalized least squares
– maximum likelihood
• Dacă se respectă condiția de normalitate
– principal axis factoring
• Dacă nu se respectă condiția de normalitate
– alpha factoring
– image factoring
 c) Indicatori numerici ai factorilor
• Valorile factorilor
– scorul particular compus prin contribuția variabilelor
• Încărcarea factorilor
– coeficientul de corelație dintre variabile și factorii aferenți
• Comunalitatea
– pătratul corelației multiple pentru fiecare variabilă
manifestă, utilizată drept criteriu, și toți factorii, utilizați
drept predictori
– procentul varianței unei variabile explicată de factorii
reuniți
– poate fi interpretată ca siguranța indicatorului reprezentat
de acea variabilă
 d) rotația factorilor
• Soluție inițială
– Factorii înglobează o anumită
cantitate de varianță comună
• Soluția finală
– Maximizarea varianței
încorporate în fiecare factor
• Rotația
– Modalitate de rotire a
spațiului de variație astfel
încât varianța să se distribuie
”optim” între factori
 d) rotația factorilor
• Tipuri de rotație
– Ortogonală
– Oblică
 e) Identificarea factorilor

• Alegerea numărului de factori

• Denumirea factorilor
 Alegerea numărului factorilor
• Metoda K1 (Kaiser)
– Indici eigenvalue (0-1)
• suma coeficienţilor r2 dintre fiecare factor şi variabilele care intră
în compunerea lor
– Se rețin factorii cu eigenvalue ≥1
– Subiect controversat… dar este soluția cea mai frecvent
utilizată
• Cattel’s Scree test
– Explorarea vizuală a graficului valorilor eigenvalue
 Denumirea factorilor
• Atribuirea semnificației psihologice
– Factorii se definesc prin gradul de încărcare („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
• Reguli:
– să fie succinţi, exprimaţi, dacă este posibil, printr-unul sau două
cuvinte;
– să exprime şi să comunice natura constructului la care se referă
• Pentru AFC nu se pune problema
– variabilele care intră în compunerea factorilor vor fi analizate sub
aspectul semnificaţiei (similitudini)
– analizarea variabilelor care nu intră în componenţa unui factor
 5. Condiții
• Variabile măsurate la nivel cantitativ
(interval/raport).
• Distribuţie normală univariată
• Normalitatea multivariată
• Absența valorilor extreme
• Alegerea atentă a variabilelor
• Liniaritatea.
• Intercorelații moderate și moderat-ridicate, fără
multicoliniaritate, între variabilele
• Existența unor constructe reale
• Eșantion adecvat
 6. Aspecte problematice ale AF
• Erorile de măsurare au efect asupra soluției factoriale
• Rotația, deși acceptabilă matematic, este discutabilă
prin subiectivism
• Interpretare dificilă și dependentă de intuiția
analistului
• În cazul unui număr foarte mare de variabile pot
rezulta prea mulți factori pentru a putea fi analizați
(înțeleși)
 7. Exemplu de analiză factorială

• studiu cu date reale (Popa, 2004), privitor la Inventarul de

valori profesionale elaborat de D.E. Super şi adaptat de
Chelcea (1994).
• 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.
 Al Am Av Co Cr In Pr Rc Rs Ro Se Sp Mv Si Va
Al 1 -0.17 -0.24 -0.12 -0.13 0.18 -0.12 -0.14 -0.21
Am 0,24 1 -0.23 0.11 -0.22 -0.15
Av 0,37 1 -0.27 -0.18 -0.14 -0.18 0.15 0.15 -0.16 -0.19
Co 0,21 0,26 0,18 1 -0.12 -0.26 -0.16 -0.17
Cr 0,38 0,24 0,35 1 -0.16 -0.23 0.10 -0.27 -0.17 0.23 0.27
In 0,21 0,35 0,24 0,35 0,30 1 -0.11 -0.17 -0.10 -0.15
Pr 0,27 0,35 0,30 0,48 0,31 0,30 1 -0.12 -0.19
Rc 0,44 0,30 0,11 0,19 0,30 0,16 0,30 1 -0.14
Rs 0,27 0,48 0,29 0,22 0,22 0,33 0,37 0,29 1 -0.22 -0.20
Ro 0,38 0,46 0,29 0,38 0,44 0,37 0,48 0,36 0,43 1
Se 0,34 0,34 0,15 0,29 0,48 0,29 0,36 0,28 0,30 0,40 1 -0.13
Sp 0,19 0,39 0,40 0,18 0,12 0,19 0,33 0,26 0,39 0,34 0,25 1 -0.30 -0.24
Mv 0,23 0,45 0,42 0,22 0,27 0,36 0,39 0,26 0,39 0,46 0,29 0,34 1 -0.16 -0.14
Si 0,39 0,25 0,16 0,39 0,58 0,30 0,38 0,33 0,25 0,47 0,36 0,15 0,29 1 0.19
Va 0,33 0,26 0,12 0,30 0,59 0,34 0,30 0,28 0,25 0,39 0,41 0,14 0,26 0,53 1
Procedura de calcul cu
SPSS
Statistics-Data reduction-Factor
Descriptives...
Extraction
Rotation:
 Scores

• Dacă se doreşte calcularea unui scor individual pentru fiecare factor, 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.
 Options

Se executa procedura de analiză

factorială cu comanda OK din
caseta principală
Analiza rezultatelor
 Comunalitatea

• porţiunea de variaţie a
unei variabile comună cu
a altor variabile
• Valori foarte reduse ale
comunalităţii indică
faptul că acele variabile
nu sunt bine
reprezentate de
respectivul model
factorial.
Soluţia iniţială
Soluţia după rotaţia factorilor
 Concluziile analizei

• Factorul I
– compus în principal din variabilele creativitate (0.747), stimulare
intelectuală (0.716), varietate (0.705), conducere (0.665)
– definiţie: „valori de autorealizare, dezvoltare”.
• Factorul II
– 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).
– definiţie: „valori materiale, siguranţă şi confort”
• Factorul III
– compus din variabilele relaţii cu colegii (0.752) şi altruism (0.727).
– definiţie: „valori de relaţionare socială”
 Consideraţii finale

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

poate opta pentru realiza, scoruri individuale pentru fiecare factor, care
vor putea fi utilizaţi:
– fie pentru diagnostic individual
– fie pentru comparaţii între categorii de subiecţi.
• Procedura de analiză factorială generează un mare volum de date
numerice.
– nu toate vor fi incluse în raportul de cercetare.
– 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.
– 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.
• Rezultatele vor fi exprimate succint, dar clar şi inteligibil, astfel încât
semnificaţia lor să fie cât mai accesibilă.
 Determinanţi individuali ai stilului de conducere al poliţiştilor
Mihaela Grigoraş
Ştefan Liţă

• The Leader Behavior Description Questionnaire (LBDQ)

– Reprezentativitate: vorbeşte şi acţionează ca reprezentant al grupului.
– Împăcarea cerinţelor: împacă cerinţele organizaţionale contradictorii şi reduce dezordinea din sistem
(entropia sistemului).
– Tolerarea incertitudinii: este capabil să suporte incertitudinea şi amânarea fără a deveni anxios sau nervos.
– Puterea de convingere: foloseşte în mod eficient persuasiunea şi discuţia; exprimă convingeri ferme.
– Structurare: îşi defineşte clar propriul rol şi le aduce la cunoştinţă subalternilor ce aşteaptă de la ei.
– Tolerarea libertăţii: le oferă subalternilor posibilitatea de a avea iniţiative, de a lua decizii şi de a acţiona.
– Asumarea rolului: îşi exercită în mod activ rolul de conducător, nu-şi deleagă autoritatea altora.
– Consideraţie: este preocupat de starea generală şi de statutul subalternilor.
– Accent pe producţie: exercită presiuni pentru a asigura producţia.
– Corectitudinea predicţiilor: dă dovadă de previziune, de capacitatea de a prevedea corect rezultatele.
– Integrare: menţine unitatea grupului pe care îl conduce; rezolvă conflictele apărute între membrii grupului.
– Orientarea spre superiori: menţine relaţii bune cu superiorii; are influenţă asupra lor; luptă pentru a-şi ridica

statutul .
 Dimensiuni LBDQ Fact. 1 Fact. 2 Fact. 3
Accent pe producţie 0,725
Orientarea spre superiori 0,688
Structurare 0,679
Reprezentativitate 0,595
Integrare 0,556
Asumarea rolului 0,501
Împăcarea cerinţelor 0,808
Tolerarea incertitudinii 0,797
Persuasiune 0,694
Corectitudinea 0,611
predicţiilor
Tolerarea libertăţii 0,819
Consideraţie 0,704
• Factorul I explică 25 % din varianţă şi este saturat în scalele Accent pe
producţie, Orientare spre superiori, Structurare, Asumarea rolului,
Integrare, Reprezentativitate. Stilul de conducere descris de acest factor
poate fi denumit tradiţional (orientare spre sarcină).
• Factorul II acoperă 20% din varianţă şi cuprinde scalele Împăcarea
cerinţelor, Tolerarea incertitudinii, Putere de convingere, Corectitudinea
predicţiilor. Astfel acest factor poate fi numit integrativ şi inovativ
• Factorul III explică 11% din varianţă şi este saturat în scalele Tolerarea
libertăţii şi Consideraţie. Poate fi denumit suportiv (orientarea spre
relaţii).