Documente Academic
Documente Profesional
Documente Cultură
ANALIZA FACTORIALĂ
Analiza factorială este denumirea generică a unei colecții de metode statistice
multivariate, al căror scop principal este acela de a identifica structura latentă a
unui set de date care descriu un fenomen, un concept sau caracterizează o
populație determinată de obiecte.
De exemplu, nivelul liberalismului sau conservatorismului într-o țară, evaluarea
performanței guvernului, satisfacția față de muncă, modul de percepție a corupției, toate
acestea sunt concepte și fenomene imposibil de surprins doar cu ajutorul unei variabile.
Aceste fenomene nu sunt observabile empiric, dar, în schimb, putem avea la dispoziție
mai multe variabile observabile care măsoară diferite aspecte ale conceptului sau
fenomenului respectiv studiat.
Tema generală la care răspunde analiza factorială este următoarea: având un set de
date alcătuit dintr-o mulțime de variabile care descriu un concept/fenomen sau o mulțime
de obiecte putem considera că ele sunt determinate de către un număr mic de variabile
neobservabile direct, care descriu însă acel concept/fenomen. Analiza factorială
răspunde la aceste întrebări:
- câți astfel de factori ascunși sunt;
- cât de bine descriu acești factori setul de date original;
- ce variabile observate determină acești factori ascunși;
- ce sunt acești factori greu observabili sau greu de identificat.
ii. Matricea de corelație. Acest al doilea pas este de examinare a datelor obținute
și de calculare a matricei de corelație sau de covarianță. Mai clar, este vorba de a
căuta să stabilim dacă există suficientă corelație între variabilele observate pentru
a analiza factorial datele. Dacă între variabile nu există o corelație substanțială,
atunci nu are rost să căutăm factori comuni care să le determine. Aceasta matrice
de corelație ne ajută să depistăm existența unei structuri latente a datelor.
iii. Extragerea factorilor inițiali reprezintă al treilea pas în realizarea unei analize
factoriale. In această fază este important să stabilim numărul minim de factori
comuni care să stea la baza producerii corelațiilor dintre variabile. Dacă nu avem
erori în date, iar presupunerea de cauzalitate a factorilor este corectă, atunci
există o corespondență între numărul minim de factori ce determină corelațiile
dintre variabile și rangul matricei de corelație. Algoritmul de extragere a acestor
factori pornește de la ipoteza existenței unui factor comun unic. De fapt, există un
test numit al discrepanței dintre matricea de corelații observate și cea produsă.
Discrepanța minimă reprezintă de fapt și un criteriu al potrivirii sau adecvării
maxime. Există mai multe metode de extragere a factorilor si corespunzător
acestui lucr există și mai multe criterii de testare a discrepanței dintre cele două
matrici de corelație. Enumerăm cu titlu informativ câteva: a).Metoda pătratelor
mici; b). metoda probabilității maxime; c).metoda de extragere factorială Alpha; d)
analiza imaginii; e) metoda factorilor principali; f). metoda componentelor
pcincipale.