เป็นที่ยอมรับหรือไม่ที่มีเพียงสอง (หรือน้อยกว่า) รายการ (ตัวแปร) โหลดโดยปัจจัยในการวิเคราะห์ปัจจัยหรือไม่?


10

ฉันมีชุดตัวแปร 20 ตัวที่ฉันได้ทำการวิเคราะห์ปัจจัยใน SPSS สำหรับวัตถุประสงค์ของการวิจัยฉันต้องพัฒนา 6 ปัจจัย SPSS แสดงให้เห็นว่ามี 8 ตัวแปร (จาก 20) ที่ถูกโหลดด้วยน้ำหนักต่ำหรือถูกโหลดอย่างเท่าเทียมกันโดยปัจจัยหลายประการดังนั้นฉันจึงลบมันออก ตัวแปรที่เหลืออีก 12 ตัวถูกโหลดเป็นคู่ 2 ใน 6 ปัจจัยซึ่งเป็นโครงสร้างที่สมบูรณ์แบบ - อย่างที่ฉันต้องการ แต่ตอนนี้อาจารย์คนหนึ่งที่ทำงานกับฉันต้องการให้ฉันหาเหตุผลว่าทำไม (หรือภายใต้เงื่อนไขใด) มีความเหมาะสมที่จะเก็บเพียง 2รายการต่อปัจจัยหนึ่งเท่านั้นเนื่องจากเป็นที่ทราบกันโดยทั่วไปว่าการวิเคราะห์ปัจจัยมีประโยชน์กับผลลัพธ์ 3 รายการขึ้นไปที่โหลดต่อปัจจัย

ใครช่วยฉันออกจากปัญหานี้โดยเฉพาะอย่างยิ่งกับการอ้างอิงที่เผยแพร่เช่นกัน?


สามารถใช้ตัวคูณรายการเดี่ยวได้หากรายการนั้นมีการโหลดตัวประกอบที่สูงกว่า
Meera Gang

"อย่างน้อย 3 รายการต่อปัจจัย" เป็นคำแนะนำที่รับประกัน หากคุณได้รับปัจจัย 2 หรือ 1 รายการในหนึ่งปัจจัยหลังจากได้รับการหมุน 1) รับตัวแปรเพิ่มเติมที่คุณคาดว่าจะถูกโหลดโดยปัจจัยนั้นหรือ 2) ทำซ้ำการวิเคราะห์และแยกปัจจัยที่น้อยลงหรือ 3) ปล่อยให้ ผลลัพธ์ตามที่เป็นอยู่ แต่ไม่ตีความปัจจัย "ขัดสน" โดยพูดว่า "ฉันเชื่อว่ามีปัจจัยอยู่ แต่เนื่องจากขณะนี้รายการไม่ได้รับการสนับสนุนเพียงพอฉันจึงปล่อยมันจากการตีความและจากผลลัพธ์" อย่างไรก็ตามคำแนะนำทั้งสองนี้นั้นแตกต่างกัน
ttnphns

ดูเพิ่มเติมที่คำตอบได้ที่นี่นอกจากนี้ stats.stackexchange.com/a/198684/3277 (บทที่ 5) เหตุใด "ข้อกำหนดรายการที่โหลดอย่างน้อย 3 รายการต่อปัจจัย" เป็นข้อกำหนดที่สมเหตุสมผล
ttnphns

คำตอบ:


13

สองหรือสามรายการต่อปัจจัยหนึ่งคือคำถามของการระบุรูปแบบ CFA ของคุณ (Confirmatory FA)

ขอให้เราใช้ความเรียบง่ายสมมติว่าแบบจำลองถูกระบุโดยการตั้งค่าความแปรปรวนของแต่ละปัจจัยเป็น 1 สมมติว่าไม่มีข้อผิดพลาดในการวัดที่สัมพันธ์กัน

แบบจำลองปัจจัยเดียวที่มีสองรายการมีการโหลดสองครั้งและความแปรปรวนข้อผิดพลาดสองรายการที่จะประมาณ = 4 พารามิเตอร์ แต่มีรายการที่ไม่น่าสนใจเพียง 3 รายการในเมทริกซ์ความแปรปรวนร่วม - ความแปรปรวนร่วมดังนั้นคุณไม่มีข้อมูลเพียงพอที่จะประเมินพารามิเตอร์ทั้งสี่ ที่คุณต้องการ

แบบจำลองปัจจัยเดียวที่มีสามรายการมีการโหลดสามครั้งและความแปรปรวนข้อผิดพลาดสามรายการ Variance-covariance matrix มีหกรายการและการตรวจสอบวิเคราะห์อย่างระมัดระวังแสดงให้เห็นว่าแบบจำลองนั้นได้รับการระบุอย่างชัดเจนและคุณสามารถแสดงการประมาณพารามิเตอร์ด้วยฟังก์ชันพีชคณิตเป็นฟังก์ชันของรายการเมทริกซ์ความแปรปรวนร่วม เมื่อเพิ่มรายการต่อปัจจัยเดียวคุณจะมีรูปแบบ overidentified (องศาอิสระมากกว่าพารามิเตอร์) ซึ่งโดยปกติจะหมายถึงคุณไปได้ดี

ด้วยปัจจัยที่มากกว่าหนึ่งรูปแบบ CFA จะถูกระบุเสมอกับ 3 รายการต่อแต่ละปัจจัย (เนื่องจากรูปแบบการวัดที่เรียบง่ายถูกระบุสำหรับแต่ละปัจจัยดังนั้นการพูดอย่างคร่าวๆคุณจะได้รับการคาดการณ์สำหรับแต่ละปัจจัยและประเมินความแปรปรวนร่วม อย่างไรก็ตามมีการระบุ CFA ที่มีสองรายการต่อปัจจัยโดยมีเงื่อนไขว่าแต่ละปัจจัยมีความแปรปรวนร่วมที่ไม่เป็นศูนย์โดยมีปัจจัยอื่น ๆ อย่างน้อยหนึ่งปัจจัยในประชากร (ไม่เช่นนั้นปัจจัยที่เป็นปัญหาจะหลุดออกจากระบบและไม่ได้ระบุตัวแบบปัจจัยเดียวสองรายการ) หลักฐานการพิสูจน์ตัวตนนั้นค่อนข้างเป็นเรื่องทางเทคนิคและต้องการความเข้าใจที่ดีเกี่ยวกับพีชคณิตเมทริกซ์

Bollen (1989) อภิปรายประเด็นการระบุรูปแบบ CFA ในบทที่ 7 อย่างครบถ้วนและทั่วถึง 244 โดยเฉพาะเกี่ยวกับกฎสามและสองตัวบ่งชี้


1
นี่เป็นคำตอบที่ฉลาดมาก ฉันจะแสดงความคิดเห็นเท่านั้น (เพื่อประโยชน์ของ OP) ที่ OP ถามเกี่ยวกับ exploratory FA (EFA) มันเป็นเหตุผลที่ EFA ควรมี "3+ รายการต่อปัจจัย" เนื่องจาก CFA คาดหวัง เฉพาะที่คุณไม่ได้พูดเกี่ยวกับเรื่องนี้ในคำตอบของคุณ
ttnphns

4

ฉันไม่เคยได้ยินเกี่ยวกับเกณฑ์ "3 รายการต่อปัจจัย" ฉันจะกลับคำถามและขอให้อาจารย์ของคุณมีการอ้างอิงที่ถูกต้องสำหรับข้อความนี้

นอกจากนั้น "สำหรับวัตถุประสงค์ของการวิจัยฉันต้องพัฒนาปัจจัย 6 ประการ" เป็นสิ่งที่แปลกที่จะพูด

วัตถุประสงค์พื้นฐานของการวิเคราะห์ปัจจัยคือ 1) หาว่ามีกี่ปัจจัย (ลักษณะทางจิตวิทยา) รองรับจำนวนตัวแปรที่วัดได้ จากนั้น 2) ขึ้นอยู่กับปัจจัยการโหลดหนึ่งพยายามที่จะอธิบายสิ่งที่ปัจจัยเหล่านี้เป็นจริง

คุณไม่ได้ "พัฒนา" 6 ปัจจัยคุณกำลัง "พยายามวัด" 6 ปัจจัย

อย่างไรก็ตาม cross loadings (ตัวแปรที่โหลดโดยหลายปัจจัย) ปัจจุบันมักเป็นตัวบ่งชี้ว่าปัจจัย "พยายามเชื่อมโยง" กัน ซึ่งสมเหตุสมผลแล้วเนื่องจากเรารู้ว่าทุกสิ่งมีความสัมพันธ์กับทุกสิ่งในโลกแห่งความเป็นจริง ใช้การสังเกตนี้ในการวิเคราะห์ของคุณโดยใช้การหมุนแบบเอียง (แทนที่จะเป็นแบบมุมฉากแบบมุมฉาก) มักจะกำจัดการโหลดข้ามหลายครั้ง IMHO มันเป็นเสียงที่มีเหตุผลมากกว่าเช่นกัน

ลองพิจารณาดูว่าคุณอาจจะมีไอเท็มเพิ่มขึ้นต่อปัจจัย นั่นอาจ (ส่วนหนึ่ง) แก้ปัญหาของคุณด้วย


ขอบคุณมากสำหรับความคิดเห็นของคุณทำไมหกปัจจัยที่ฉันสามารถอธิบายได้ด้วยแบบจำลองที่ฉันใช้ศาสตราจารย์ของฉันไม่ตรงกับคำอธิบายของปัจจัย 6 ตัว แต่เขาต้องการคำอธิบายเมื่อมันตกลงที่จะใช้การวิเคราะห์ปัจจัยที่มีเพียง 2 รายการต่อปัจจัย . คำถามนี้ยังคงอยู่
Mitja

ยินดีต้อนรับสู่เว็บไซต์ @ pythonforspss.org มีข้อมูลดี ๆ มากมายที่นี่ +1 คู่ของบันทึกย่อ: ฉันเคยได้ยินมันพูดหลายครั้งว่าคุณต้องการตัวแปรอย่างน้อย 3 ตัวต่อปัจจัย แต่ฉันไม่รู้ว่าเหตุผลสำคัญสำหรับกฎนี้ (หรือถ้ามีจริง) ฉันแก้ไข Q ของ OP เพื่อทำให้ภาษาอังกฤษนุ่มนวลขึ้น ฉันใส่วลีที่คุณอ้างอิงเพื่อแทนที่สิ่งที่เคยมีมาก่อน สิ่งนี้อาจไม่เหมาะ (ฉันไม่แน่ใจว่าจะแปลสิ่งที่ฉันคิดว่า OP อาจพยายามพูด) แต่ถ้าเป็นเช่นนั้นความผิดของฉันไม่ใช่ของ Mitja จำไว้ว่าภาษาอังกฤษไม่ใช่ภาษาแรกของผู้ใช้หลายคน
gung - Reinstate Monica

สามรายการต่อปัจจัยคือความเชื่อร่วมกันและมีแนวโน้มที่จะก่อให้เกิดปัญหาในขั้นตอนการทบทวน (เนื่องจากเป็นความเชื่อทั่วไป) ที่ถูกกล่าวว่าหากชุมชนของคุณสูง (> 0.7) คุณอาจไม่มีปัญหา
richiemorrisroe

ชุมชนของฉันคือ 0.5 หรือสูงกว่า ...
Mitja

factors are "trying to correlate" with each otherเป็นสูตรลึกลับ ปัจจัยที่มีความสัมพันธ์หรือไม่สัมพันธ์กันตามวิธีที่เราหมุน (โมเดล) พวกเขา ค่อนข้าง "cross-loadings" ค่อนข้างสูงเป็นไปได้ด้วยปัจจัยมุมฉากกับตัวแปรที่มีชุมชนสูง
ttnphns

1

ฉันมีปัญหาเดียวกันตอนนี้ นี่คือบทความที่แนะนำให้ใช้อย่างน้อย 3 รายการต่อหนึ่งปัจจัย อย่างไรก็ตามในกรณีพิเศษคุณอาจใช้กับรายการต่อปัจจัย (หน้า 60) http://www.sajip.co.za/index.php/sajip/article/download/168/165 กรณีของฉันดูเหมือนจะยอดเยี่ยมเนื่องจากมีเพียงสองตัวแปรในการทดลองทางเว็บของฉันที่ให้ข้อมูลเกี่ยวกับผู้เล่น กลยุทธ์และพลังกลยุทธ์ อาจเป็นไปได้ว่ามันจะช่วยให้คุณถูกกฎหมายด้วยการใช้ 2 รายการสำหรับบางปัจจัย


1
เว็บไซต์นี้มีจำนวนอ้างอิงที่สนับสนุนอย่างน้อยสามตัวแปรต่อกฎปัจจัย: encorewiki.org/display/~nzhao/…
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.