Alapfogalmak
Faktoranalízis: adattömörítésre és az adatstruktúra feltárására szolgál. A kiinduló változók számát úgynevezett faktorváltozókba vonja össze, amelyek közvetlenül nem figyelhetők meg.
A faktoranalízis struktúra-feltáró módszer, ami azt jelenti, hogy nincsenek előre meghatározott függő és független változók, hanem a változók közötti összefüggések feltárására törekszünk.
A faktoranalízis több, egymással korreláló változó összefüggését vizsgálja. Gyakran előfordul, hogy azok a változók, amelyeket mérni tudunk, nem a vizsgálni kívánt jelenséget legjobban jellemző változók. A módszer célja a közvetlenül nem megfigyelhető háttérváltozóknak, ún. faktoroknak a meghatározása a változók közti korrelációk alapján.
A faktoranalízis alkalmazásának akkor van létjogosultsága, ha az eredeti megfigyelési változók, vagy azok bizonyos csoportjai között erős összefüggés tapasztalható. Ezen felül az eredmények akkor lesznek gyakorlati szempontból jól értelmezhetők, ha a megfigyelési változók jól elkülöníthető csoportokba sorolhatók abból a szempontból, hogy az értékeket csoportonként közös háttérváltozók határozzák meg.
A faktoranalízis alkalmazása előtt meg kell vizsgálni, hogy az alábbi szükséges feltételek fennállnak-e:
- A faktoranalízisnek metrikus változókat kell feltételeznie, ugyanakkor a dummy változók (azaz 0 vagy 1 kimenettel rendelkező változók) használata is megengedett.
- A változók eloszlásával kapcsolatosan a normalitástól, homoszkedaszticitástól és a linearitástól való eltérés abból a szempontból fontos, hogy ezen feltételek megsértése csökkenti a változók közötti korrelációs együtthatók értékét.
- A változók közötti kapcsolat megléte, sőt a változók közötti multikollinearitás (ha nem tudjuk szétválasztani a független változók hatásait) kívánatos feltétel, ugyanis a változók közötti kapcsolat nélkül nem lehetne hasonló változókat találni és azokat egyetlen faktorba tömöríteni. Elvárható, hogy minél több legyen a korrelált változó az adatbázisban és ezeknek a korrelációknak az értéke legyen 0,3-nál magasabb.
- Fontos a minta homogenitása, mert a faktoranalízis azt feltételezi, hogy a közös variancia az egész minta esetében fennáll.
- Minél nagyobb a mintanagyság, annál megbízhatóbb faktorokat eredményez az elemzés.
Meg kell keresni az eredeti változók azon csoportjait, amelyek egymással szorosabb korrelációban vannak, mint másokkal; ezeket a változókat tekintjük egy faktorhoz tartozónak. Ha sikerült ilyen csoportokat találnunk, a következő feladat a faktorok értelmezése, elnevezése. Legvégül a nagyszámú eredeti változót néhány faktorban összesíthetjük, és ezekkel, mint új változókkal dolgozhatunk tovább.
Az SPSS programban a faktoranalízis parancsot az ANALYZE/DATA REDUCTION/FACTOR menüpont alatt találhatjuk.
Az SPSS-ben több módszer is rendelkezésünkre áll annak kiderítésére, hogy adataink alkalmasak-e faktoranalízisre. Ezen módszerek közül néhány a faktoranalízis része, tehát az elemzés lefuttatása után derül ki, hogy az adatok/változók megfelelők-e valójában a faktoranalízisre.