faktorianalyysit

Faktorianalyysit ovat tilastollisia menetelmiä, joiden avulla pyritään tunnistamaan havaittavien muuttujien taustalta piileviä latentteja tekijöitä. Menetelmällä pyritään kuvaamaan monimutkaista datan rakennetta pienemmän määrän tekijöiden avulla ja selittämään suurempi osa muuttujien varianssista.

Faktorianalyysit jaetaan pääasiassa eksploratiiviseen faktorianalyysiin (EFA) ja konfirmatorioon faktorianalyysiin (CFA). EFAa käytetään, kun tutkija ei ole varma tekijärakenteesta, ja se paljastaa, kuinka monta tekijää sekä miten muuttujat liittyvät niihin. CFAa käytetään, kun on olemassa teoreettinen malli tekijöiden määrästä ja suhteista, ja mallin sopivuus testataan dataan.

Estimointi voidaan toteuttaa menetelmillä kuten Principal Axis Factoring (PAF) tai Maximum Likelihood (ML). Tekijöiden kiertoon käytetään eri tapoja: ortogonaalinen varimax tai oblimin; kierron avulla saadaan tulkittavampia factor loadingeja. Tuloksena ovat tekijäkuormitukset, kommunaliteetit ja tekijöiden välinen korrelaatio (obliittisissa malleissa).

Otoskoon ja mittareiden soveltuvuuden arviointi tehdään ennen tulkintaa. Yleisiä ohjenuoria ovat eigenarvot >1, scree plot ja parallel analysis tekijöiden määrän ratkaisemiseksi. Soveltuvuutta arvioidaan KMO-tilastolla sekä Bartlettin testillä. Tulokset raportoidaan siten, että kerrotaan kunkin tekijän varianssiselitys, loading-arvot sekä mahdolliset ristilataukset (cross-loadings) ja malli, jonka mukaan latentit konstruktiot liittyvät havaittaviin muuttujiin.

Sovelluksia ovat psykologiassa, psykometriassa, koulutuksessa sekä sosiaali- ja liiketaloustieteissä. Faktorianalyysi on erityisen hyödyllistä mittariston kehittämisessä ja rakenteellisen tiedon selittämisessä, mutta tulosten tulkinta vaatii teoreettista harkintaa ja huomioon ottamista rajoitteista kuten otoskoosta, oletusten täsmällisyydestä sekä mallin epävarmuudesta.