Faktoranalyse Flashcards
Beskriv kort hvad faktoranalyse er?
Med udgangspunkt i korrelationsmatricen anvendes faktoranalysen til at undersøge svarenes indbyrdes sammenhænge (dvs. respodenterns svar).
Svarene skal være stærkt korreleret, for at repræsentere en underliggende korrelation.
Faktoranalyse har derfor til formål at:
- Reducere antal variable: Dvs. hvor man reducere antal variable til nye dimensioner/variable/faktorer som er nummeriske. De nye variable kan bruges i den videregående analyse.
Youtube: Man har et datasæt med mange variable. Nogle af disse variable er sandsynlighed korreleret (dvs. de hænger sammen). Faktoranalyse går ud på at opdele variable, som er mest korreleret i grupper Dvs. det handler om at reducere antallet af variable og skabe nye dimensioner.
- Variable som er højt korreleret med hinanden skal separeres med dem som de korrelerer mindre med.
- I grupperne skal variable korrelerer så meget som muligt
- i mellem grupperne skal de korrelerer så lidt som muligt.
Hvilke forudsætninger er der til faktoranalysen?
- Metrisk skalaniveau (nummerisk). Dvs. interval eller rationiveau.
- Korrelation mellem variablerne. Alle variable skal have en moderat eller høj variation med MINDST én variabel, samtidig med at ingen af variablerne har moderat eller høj korrelation med SAMTLIGE andre variable.
Hvad har Bartletts og KMO til formål?
Bartletts test og KMO index er en test til at finde ud af, om variablerne passer til faktoranalysen.
KMO index skal helst være over 0,7
I bartletts test opstiller man hypoteser om enten:
- H0: alle variable er ikke korreleret
- HA: alle variable er korreleret
Derefter tester man på 5% signifikansniveau, hvor målet er at forkaste H0, da forudsætningen for faktoranalyse er, at der korrelation mellem variablerne.
Hvad er en faktor?
En faktor kan benævnes som en slags “skjult” variabel, der påvirker flere observerede variabler.
Den repræsenterer en underliggende dimension fælles for de variable, som den deler varians med.
EX: Man har et spørgsskema, hvor man undersøger hvad der kan påvirke folks personlighed. . Man laver forskellige svarmuligheder (variable) som fx at man har et varmt hjerte, man er hjælpfuld m.v. Derefter samler man disse variable og prøver at danne forskelle faktor, som kan forklare påvirkningen af personlighed.
Hvad er communalities
Bruges til at udvælge variable:
Hvor meget en ENKEL variabels varians hænger sammen/kan forklares med/af faktorerne på en fra 0-1. Dvs. er der en sammenhæng mellem de underliggende faktorer med de enkelte variable.
Generelt set skal communalty værdien være over 0,4 før variablen er brugbar/stærk. Er den under skal den udlades og en ny faktoranalyse skal laves.
Hvad er eigenvalue?
Bruges til at finde ud af, hvor mange faktor vi skal udvælge.
Hvor meget en enkelt faktor forklarer den samlede variation i hele datasættet. Faktor med eigenvalue over 1 er brugbare.
Bog: udtrykker, hvor meget af datamaterialets samlede varians, en faktor kan forklare (side 239)
Har man fx en eigenvalue på 2,7, så betyder det at denne faktor forklarer lige så meget som 2,7 variable.
Hvad er en factorloading?
En simpel korrelation mellem en faktor og en varians. Dvs. hvor meget korrelerer en faktor og en varians med hinanden.
Variable med høje loadings forklarer beskriver bedst den pågældende faktor.
Hvad går en Chronbachs Alpha ud på?
Chronbachs alpha er en realitibilitetsanalyse, som har til formål at undersøge om variablerne reelt set passer sammen. Der vil fremkomme værdier mellem 0-1, hvor 1 indikerer en fejlfri måling (perfekt måling). Man siger at chronbachs alpha helst skal være over 0,7, før der er tale om acceptabel reabilitet.
Forklar trinene i en faktoranalyse og hvad trinenes formål er.
1) Vurder om variablerne passer til en faktoranalyse via. KMO index og bartletts
2) vælg antal faktorer
3) vurdering af commnulaties (skal nogle variable undlades?)
4) find ud af hvilke variable der korrelerer bedst med en given faktor
5) skabelse og navngivning.
Hvad er en Component korrelationsmatrice? (Component matrix) og hvordan anvendes til vurdering af datas egnethed til faktoranalyse?
En component matrix indeholder factorloadings, dvs. hvor meget de enkelte variable korrelerer med en de forskellige faktors.
I oversigten ser man hvor mange procent af variablens varians, der er “fælles” med den pågældende faktor.
EX: motivet “Jeg foretrækker en ældre mobil ,som jeg har erfaringer med i forvejen” har en factorloading på 82,2% ud for faktor 1, dvs. 82,2% af variablens varians er reprænsteret i factor 1.
Hvad er Rotated Component Matrix (Varimax rotation)
Det er en matrix som indeholder factorloadings, dvs. hvor meget de enkelte variable korrelerer med de forskellige factorer. Matrixen er blevet “roteret”, dvs. den viser at flere variable har fået højere loadings på en enkelt faktor, samtidig mindre loading på andre faktors.
Hvis man er i tvivl over hvilken variabel der hører til hvilken varians, kan man lave en rotation.
Hvordan skaber man nye variable, som skal bruges til
Her bruger man COMPUTE-funktionen i SPSS. Man lægger variablerne sammen og dividerer med antal variable, for at besvare samme skala.
Hvad er en korrelationsmatrice?
Korrelationsmatricen viser simple korrelationer mellem de forskellige variabe som indgår.
Der er krav om at alle variable i datasættet skal have moderate eller høje korrelationer med MINDST en af datasættets variable, samtidig med at ingen af variablerne har moderate eller høje korrelationer med SAMTLIGE af de andre variable.
Korrelationen mellem variablerne skal være over 0,5.
