Добавил:
Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
Лекции по ЭП.doc
Скачиваний:
2
Добавлен:
01.07.2025
Размер:
495.62 Кб
Скачать

Тема 10: Методы статистической оценки взаимодействия независимых и зависимых переменных Факторный анализ

В последние 30-40 лет факторный анализ приобрел значительную популярность в психологических и социальных исследованиях. Во многом этому способствовала разработка Раймондом Кеттеллем (Raymond В. Cattell) знаменитого 16-факторного личностного опросника (16PF). Именно при помощи факторного анализа ему удалось свести около 4500 наименований личностных особенностей к 187 вопро­сам, которые, в свою очередь, позволяют измерить 16 различных свойств личности. Факторный анализ дает возможность количественно определить нечто непосред­ственно не измеряемое, исходя из нескольких доступных измерению переменных. Например, характеристики «посещает развлекательные мероприятия», «много разговаривает», «охотно идет на контакт с любым незнакомым человеком» могут служить оценками качества «общительность», которое непосредственно не под­дается количественному измерению. Факторный анализ позволяет установить для большого числа исходных признаков сравнительно узкий набор «свойств», характеризующих связь между группами этих признаков и называемых фактора­ми. Процедура факторного анализа состоит из нескольких основных стадий:

1. Вычисление корреляционной матрицы для переменных, участвующих в анализе. Уже по наличию подобного начального действия можно сделать вывод о том, факторный анализ основан па взаимодействии переменных.

2. Извлечение факторов. Первым шагом в является выбор той независимой переменной, которая обусловливает наибольшую долю дисперсии зависимой переменной. Затем операция повторяется для оставшихся независи­мых переменных до тех пор, пока доля дисперсии не перестанет быть значимой. Первой задачей факторного анализа является выбор взаимодейст­вующих переменных, у которых есть взаимная корреляция. Эти переменные образуют первый фактор. Затем первый фактор исключается, и из оставшегося множества переменных снова выбираются те, чье взаимодействие определяет наибольшую долю оставшейся общей дисперсии, эти переменные образуют второй фактор.

3. Выбор и вращение факторов. За очень редкими исключениями для исследователя не представляют интереса все извлеченные факторы. Если факторов окажется столько же, сколько исход­ных переменных, факторный анализ теряет смысл, поскольку его целью являет­ся сокращение исходного набора переменных. Итак, нужно принять решение, какие из факторов следует оставить для дальнейше­го анализа. Здесь, в первую очередь, рекомендуется руководствоваться здравым смыслом и оставлять те факторы, которые имеют понятную теоретическую ил логическую интерпретацию.

Целью вращения является извлечение простой структуры, которой соответствует большое значение нагрузки каждой переменной только по одному фактору и малое по всем остальным. Нагрузка отражает связь между переменной и фактором, являясь подобием коэффициента корреляции. Значение нагрузки лежит в пределах от -1 до +1. Идеальная простая структура предполагает, что каждая переменная имеет нулевые значения нагрузок для всех факторов кроме одного, для которого нагрузка этой переменной близка к 1 (-1).

Например тестирование 46 школьников. Тест включал 11 субтестов (переменные 1,2,........11). Предпологалось, что эти 11 субтестов позволяют измерить 3 и более обобщенные характеристики: математические, вербальные и образные. ФА должен был установить соотношение субтестов и факторов.