
- •Введение
- •Глава 1. Методы главных компонент и факторного анализа: теоретические и практические вопросы
- •Глава 2. Основные уравнения и процедуры факторного анализа
- •Глава 3. Некоторые важные проблемы факторного анализа
- •Глава 4. Примеры использования факторного анализа в психологических исследованиях
- •Введение
- •Глава 1
- •1.1. Общие положения
- •1.2. Особенности факторно-аналитического исследования
- •Глава 2 Основные уравнения и процедуры факторного анализа
- •2.1. Основные уравнения
- •Матрицы, наиболее часто используемые в факторном анализе
- •2.1.1. Факторизация
- •2.1.2. Ортогональное вращение
- •2.1.3. Общности, дисперсия и ковариация
- •2.1.4. Факторные значения
- •2.1.5. Косоугольное вращение
- •2.1.6. Компьютерный анализ простейшего примера
- •2.2. Процедуры факторизации и вращения
- •2.2.1. Методы факторизации
- •2.2.2. Типы вращения
- •Глава 3 некоторые важные проблемы факторного анализа
- •3.1. Оценка общностей
- •3.2. Критерии оценки соответствия количества факторов и факторной модели экспериментальным данным
- •3.3. Критерии оценки качества вращения и простоты полученной структуры
- •3.4. Значимость и внутренняя согласованность факторов
- •3.5. Интерпретация факторов
- •3.6. Факторные значения
- •3.7. Сравнение факторных решений и выборок
- •3.8. Сравнение различных пакетов программ факторного анализа
- •Глава 4 примеры использования факторного анализа в психологических исследованиях14
- •4.1. Психологическое строение пола как характеристика личности ребенка
- •4.2. Отношение к демократии и гражданской культуре у российских студентов
- •4.3. "Сказочный" семантический дифференциал
2.1.5. Косоугольное вращение
При использовании косоугольного (коррелированного) вращения большинство показателей ортогонального вращения сохраняется, но к ним добавляются еще и новые (список дополнительных матриц, используемых только для косоугольного вращения, см. в табл. 1).
При косоугольном вращении для выделения факторной структуры вместо матрицы факторных нагрузок используется матрица факторного отображения. Квадраты значений в матрице факторного отображения представляют собой характерный вклад каждого фактора в дисперсию каждой переменной, исключая часть дисперсии, возникающей как следствие корреляции факторов между собой. Для нашего примера матрица факторного отображения после косоугольного вращения имеет вид:
Характерный вклад первого фактора в переменную стоимость путевки равен (—.079)2, в переменную комфортабельность комплекса (-.078)а, в переменную температура воздуха (.994)2 и в переменную температура воды (.997)2.
Коэффициенты факторных значений вычисляются аналогично:
Применяя уравнение (17), получаем значения факторов:
Определив значения факторов, можно посчитать корреляции между факторами. Для этого применяется уравнение:
Ф=(1/N-1)F’F, (19)
т.е. один из способов вычисления корреляций между факторами состоит в делении произведения матрицы стандартизированных значений факторов и транспонированной ей на количество наблюдений минус один.
Факторная корреляционная матрица является стандартной частью компьютерной распечатки после выполнения косоугольного вращения. Например:
Взаимосвязь между первым и вторым факторами очень мала (-.01), т.е. в рассматриваемом примере факторы практически никак не связаны.
При косоугольном вращении матрица взаимосвязей между переменными и факторами называется структурной матрицей. Она включает как характерную взаимосвязь между переменной и фактором (из матрицы факторного отображения), так и взаимосвязь между переменной и дисперсией, полученной за счет наложения факторов друг на друга. Структурную матрицу можно получить из уравнения:
S=AФ, (20)
т.е. структурная матрица — это произведение матрицы факторного отображения и матрицы корреляции факторов.
Переменные стоимость путевки, комфортабельность комплекса, температура воздуха, температура воды имеют коэффициенты корреляции с первым фактором: -.069, -.088, .994 и .997; со вторым: .982, -.977, .023 и -.043.
Дискутируется вопрос, следует ли интерпретировать матрицу факторного отображения или структурную матрицу после косоугольного вращения. Преимущество структурной матрицы заключается в том, что ее легче понять. Однако взаимосвязи переменных и факторов сильно зависят от любых наложений факторов друг на друга. По мере увеличения взаимосвязей между факторами становится все сложнее определить, какая же из переменных относится к тому или иному фактору. С другой стороны, матрица факторного отображения содержит величины, представляющие характерные вклады каждого фактора в дисперсии переменных. Смешанная дисперсия не учитывается, но здесь проще выделить переменные, описывающие фактор. Однако если факторы высоко коррелирует друг с другом, то может оказаться, что к ним нельзя отнести ни одну из переменных, поскольку после того, как будут исключены наложения факторов, практически не останется ни одной характерной дисперсии.
Как правило, исследователи интерпретируют и включают в свои отчеты матрицу факторного отображения, а не структурную. Однако заинтересованный читатель, зная матрицу корреляций факторов Ф, а также одну из двух матриц — факторного отображения или структурную, всегда может вычислить другую используя уравнение (20).
После косоугольного вращения матрица R получается следующим образом:
R=SA’ (21)
т.е. воспроизведенная матрица взаимосвязей — это произведение структурной матрицы и транспонированной матрицы факторного отображения. Воспроизведенная матрица взаимосвязей позволяет вычислить остаточную матрицу взаимосвязей с помощью уравнения (15) и оценить адекватность результатов факторного анализа.