Yanıtlar:
Burada birkaç sorunuz var. PCA ve Faktör Analizi (FA) arasındaki farkla başlayalım. PCA, orijinal değişkenlerin karşılıklı dikey olan yeni bir kümeye dönüştürülmesini sağlar. İlk yeni bileşen varyansı en üst düzeye çıkarır. PCA, "Değişkenlerimin hangi doğrusal kombinasyonu en büyük varyansa sahip?" (Ağırlıkların normalleştirilmesine tabi) sorusunu yanıtlıyor.
FA değişkenlerin nasıl ilişkili olduğu ve verilerin varyasyonun nereden geldiğiyle ilgili bir model ile başlar. Bu model, kovaryans matrisinin belirli bir formata sahip olacağını ima eder. Buradaki ana fikir, gizli değişken (veya faktör). Bu faktörler, numunede gözlemlenen ilginç varyasyonu açıklar ve analiz bunları almaya çalışır. Faktör analizi çeşitli yöntemler kullanılarak yapılabilir - ve bunlardan biri çözüme doğru bir PCA yapılmasını içerir. Ama bu kadar. Bir FA almak için bir PCA yapmanız gerekmez.
En kafa karıştırıcı olan SPSS, PCA rutinini keşif faktörü analizi ile aynı analiz menüsünden sunar, böylece yeni başlayanlarda bu yöntemlerin aynı olduğu fikrini teşvik eder. Arkalarındaki felsefe tamamen farklıdır.
Varimax ve Oblimin. Faktör analizi aslında şu soruya cevap verir: "verilerim, p değişkenleriyle söylerse, aslında boyutsal uzaydan (q <p) ve gürültünün eklenmesinden geliyorsa, bu q boyutlu alan nedir?" Uygulamada, algoritmalar size sadece q boyutlu alanı vermekle kalmaz, aynı zamanda bu alan için de bir temel verir (bunlar faktörlerdir). Ancak bu temel, q boyutlu altuzayı anlamanın en iyi yolu olmayabilir. Faktör döndürme yöntemleri alt alanı korur ve bunun için farklı bir temel oluşturur. Varimax dik olan faktörleri döndürür; Oblimin faktörlerin dik olmamasına izin verir.
İdeal olarak, orijinal değişkenlere "ya hep ya hiç" yükleyen faktörler isteriz ... anketin "Sorular 1 - 5'inin tümü otoriteye yönelik tutumlarla ilgilidir; 6-10. Soruların tümü adalet duygusu ile ilgilidir". Faktör katsayılarının büyük veya 0 olmasını istiyorsunuz. Döndürme yöntemleri bunu amaçlamaktadır. Fikir size yorumlanması daha kolay faktörler vermektir. Oblimin, sonuçları daha dik olmaya zorlamak zorunda olmadığı için "daha iyi" bir iş çıkarır. Öte yandan, faktörlerin arkasındaki fikir, örneklemdeki varyasyonu hesaba katmalarıydı ... faktörler ilişkilendirilirse, faktörler arasındaki ilişkiyi açıklayan nedir?
Bana göre, keşifsel bir FA sırasında Varimax ile gelmenin en iyisi olduğunu düşünüyorum. Daha sonra, doğrulayıcı faktör analizindeki faktörler arasındaki olası ilişkileri araştırın, ki bu modellemeye daha uygundur.
Bu şekilde SPSS'nin doğrulayıcı FA veya yapısal eşitlik modellemesi yapmadığını unutmayın. Bunun için Amos eklentisini satın almanız gerekir. Alternatif olarak, R'deki sem () veya lavaan () işlevlerini kullanabilirsiniz.