а завдання тесту) в діагностичний показник. Таких способів може бути нескінченна безліч. p> Для визначення параметрів діагностичної моделі використовуються різні методи емпірико-статистичного аналізу даних. Зокрема, якщо в безліч вихідних ознак входять кілька взаємопов'язаних ознак, то одну або відразу декілька діагностичних моделей можна отримати, використовуючи методи факторного аналізу.
Факторний аналіз є складною процедурою. Як правило, гарне факторне рішення (досить просте і змістовно інтерпретується) вдається отримати щонайменше після декількох циклів її проведення - від відбору ознак до спроби інтерпретації після обертання факторів. Для того щоб прийти до нього, треба дотримуватися чимало вимог. Назвемо основні. p> 1) Змінні повинні бути виміряні, принаймні, на рівні шкали інтервалів (за класифікацією Стівенса). Багато змінні, такі як заходи відносин і думок в соціології, різні змінні при обробці результатів тестування, не мають точно певної метричної основи. Проте передбачається, що порядковим змінним можна давати числові значення і включати в факторний аналіз.
2) Не слід включати дихотомічні змінні. Але якщо мета дослідження полягає в знаходженні кластерної структури, використання факторного аналізу до даних, що містить дихотомічні змінні, виправдано.
3) Відбираючи змінні для факторного аналізу, слід врахувати, що на один шуканий фактор повинні припадати не менше трьох змінних.
4) Для добре обгрунтованого остаточного рішення необхідно, щоб число випробовуваних було в три або більше разів більше, ніж число змінних, в сукупності яких визначається остаточне факторне рішення. Втім, ця вимога не є загальноприйнятим. Оскільки кількість випробовуваних збільшити важче по ходу обробки, то слід відібрати стільки змінних, щоб їх кількість не перевищувала однієї третини від числа досліджуваних.
Для розвідувального компонентного або факторного аналізу це вимога дотримуватися не обов'язково, але треба пам'ятати, що чим сильніше воно порушене, тим менш точні результати. Це означає, що якщо збір даних буде проведено на інший вибірці, то вийде нове факторне рішення, яке лише частково буде схоже з тим, яке отримано на наявній вибірці. Отже, робіть висновки не носять загального характеру, їх не можна поширювати на інші випадки.
5) Не має сенсу включати в факторний аналіз змінні, які мають дуже слабкі зв'язки з іншими змінними. З великою вірогідністю вони будуть мати малу спільність і не увійдуть ні в один фактор. Якщо в роботі не стоїть завдання сформувати шкалу опитувальника на основі факторного аналізу або яка-небудь аналогічне завдання, то не слід також включати всі змінні, що мають один з одним дуже тісні зв'язки. Швидше все, вони утворюють один фактор. Чим більше таких змінних включається до факторний аналіз, тим більше вірогідність того, що вони утворюють перший фактор і до нього приєднається більшість інших змінних.
6) Стійкість виявленої факторної структури (її невипадковість) тим менше, чим більше складових її факторів. Вона також нестійка при малій кількості піддослідних. У четвертому пункті обговорювалося достатню кількість піддослідних.
Отже, основні етапи факторного аналізу:
1) збір емпіричних даних і підготовка кореляційної (Ковариационной) матриці;
2) виділення первинних (ортогональних) чинників;
3) обертання факторної структури і змістовна інтерпретація результатів факторного аналізу.
Другий етап - це перш всього вибір методу факторного аналізу. Назвемо найбільш використовувані з них в психології.
Метод головних компонент. У даному методі пошук рішення йде в напрямку обчислення власних векторів (факторів), а власні значення характеризують дисперсію (Розкид) за факторами. p> Метод головних чинників. Для визначення числа факторів використовуються різні статистичні критерії, за допомогою яких перевіряється гіпотеза про незначність матриці кореляційних залишків.
Метод максимального правдоподібності (Д. Лоли), на відміну від попереднього, грунтується не на попередній оцінці спільнот, а на апріорному визначенні числа загальних факторів і в разі великої вибірки дозволяє отримати статистичний критерій значущості отриманого факторного рішення.
Метод мінімальних залишків (Г. Харман) заснований на мінімізації внедіагональних елементів залишкової кореляційної матриці; проводиться попередній вибір числа факторів.
Альфа-факторний аналіз був розроблений спеціально для вивчення психологічних даних; висновки носять в основному психометрический, а не статистичний характер; мінімальне кількість загальних факторів оцінюється за власним значенням і коефіцієнтам спільності. Факторизация образів, на відміну від класичного факторного аналізу, передбачає, що спільність кожної змінної визначається як лінійна регресія всіх інших змінних.
Перераховані методи відрізняються за способом пошу...
