faktorsanalyser

Faktoranalyse er en statistisk metode til at identificere latent strukturer, eller faktorer, der kan forklare mønstre i et sæt observerede variabler. Hovedideen er, at variation i mange målbare variable delvis styres af et mindre antal underliggende konstrukter. Metoden bruges til at reducere dimensionalitet og til at afdække teoribaserede konstrukter, der ikke er direkte målbare.

Der findes to hovedretninger: eksplorativ faktoranalyse (EFA) og confirmativ faktoranalyse (CFA). EFA anvendes, når relationerne mellem variablerne ikke er kendte, og man ønsker at opdage en passende faktorstruktur. CFA anvendes, når der allerede foreligger en teoretisk model, og man tester, hvor godt denne model passer dataene.

Udtræk af faktorer kan ske med metoder som primære faktorer (principal factors), principal axis factoring og maximum likelihood. Rotation af faktorer hjælper fortolkningen; orthogonale rotationer som varimax fastholder uafhængighed mellem faktorer, mens oblique rotationer som oblimin tillader korrelation mellem faktorer.

Antallet af faktorer bestemmes ofte af egenværdier over 1 (Kaiser-kriteriet), scree-plot eller parallelle analyser. Datas egnethed vurderes med KMO-måling og Bartletts test; krav om stikprøvestørrelse varierer, men generelt kræves tilstrækkelig antal observationer i forhold til variablerne.

Resultater rapporteres normalt som faktorladninger, kommunaliteter og faktorscores, med fortolkning af hvilke variabler der definerer hver faktor og hvor meget variansen faktorerne forklarer.

Anvendelser omfatter psykologi, uddannelse, samfundsvidenskab, markedsforskning og spørgeskemadata. Begrænsninger inkluderer følsomhed over for metodevalg, dataforudsætninger og subjektive beslutninger i tolkning; EFA giver ikke kausalitet, CFA kræver strengere modeltest.