Факторные нагрузки после варимакс-вращения

Не рассматривая пока шаги, при­водящие к этому результату, попытаемся проинтерпретировать полученные данные (интерпретация фактора производится через исход­ные переменные). В нашем примере по фактору 1 (F₁) максимальные нагрузки имеют переменные 1 и 2. Следовательно, фактор 1 и определяется этими переменными. Поскольку перемен­ная 1 — счет в уме, а переменная 2 — продолжение числового ряда, то фактору 1 мо­жет быть присвоено название «арифметические способности», как показателю лег­кости оперирования числовым материалом. Точно так же фактору 2 можно присвоить название «вербальные способности», как показателю словесного понимания. Нетруд­но заметить, что переменные, определяющие фактор, сильнее связаны друг с другом, чем с другими переменными (табл. 1). Так, переменные 1 и 2, определяющие фак­тор 1, сильнее связаны друг с другом, чем с переменными 3, 4 и 5. Таким образом, за взаимосвязью пяти исход­ных измерений способностей при помо­щи факторного анализа обнаруживает­ся действие двух латентных переменных (факторов).

Интерпретация факторов — одна из основных задач факторного анализа. Ее решение заключается в идентификации факторов через исходные пере­менные. Эта идентификация и осуществляется по результатам обработки, представленным в табл. 2.

Основное содержание табл. 2 — величины а₁₁... а₂₅ — факторные нагруз­ки переменных 1... 5 (строки) по факторам 1 и 2 (столбцы). Факторные на­грузки — аналоги коэффициентов корреляции, показывают степень взаимо­связи соответствующих переменных и факторов: чем больше абсолютная величина факторной нагрузки, тем сильнее связь переменной с фактором, тем больше данная переменная обусловлена действием соответствующего фактора.

Каждый фактор идентифицируется по тем переменным, с которы­ми он в наибольшей степени связан, то есть по переменным, имеющим по этому фактору наибольшие нагрузки. Идентификация фактора заключается, как правило, в присвоении ему имени, обобщающего по смыслу наименова­ния входящих в него переменных.

Если исследователя интересует только структура измеренных признаков, на этом факторный анализ завершается. Продолжая факторный анализ, ис­следователь далее может вычислить значения факторов для испытуемых, на­пример, с целью их дифференциации по преобладанию арифметических или вербальных способностей.

Выбирая факторный анализ как средство изучения корреляций, исследо­ватель должен отдавать себе отчет в том, что это один из самых сложных и трудоемких методов. Зачастую нет веских оснований предполагать наличие факторов как скрытых причин изучаемых корреляции, и задача заключается лишь в обнаружении группировок тесно связанных переменных. Тогда целе­сообразнее вместо факторного анализа использовать кластерный анализ кор­реляций. Помимо простоты, кластерный анализ обладает еще одним преимуществом: его применение не связано с потерей исходной ин­формации о связях между переменными, что неизбежно при факторном ана­лизе. И уже после выделения групп тесно связанных переменных можно по­пытаться применить факторный анализ для их объяснения.

Итак, можно сформулировать основные задачи факторного анализа:

1. Исследование структуры взаимосвязей переменных. В этом случае каж­дая группировка переменных будет определяться фактором, по которому эти переменные имеют максимальные нагрузки.

2. Идентификация факторов как скрытых (латентных) переменных — при­чин взаимосвязи исходных переменных.

3. Вычисление значений факторов для испытуемых как новых, интегральных переменных. При этом число факторов существенно меньше числа исходных переменных. В этом смысле факторный анализ решает задачу сокращения количества признаков с минимальными потерями исходной информации.

Исходным материалом для факторного анализа является корреляционная матрица. В результате анализа мы получаем таблицу, которая выглядит следующим образом:

Таблица 39

Фактор – это искусственный статистический показатель, который получается в результате преобразований корреляционной матрицы.

Процедура извлечения факторов называется факторизацией.

Факторные нагрузки (факторные веса) – коэффициенты корреляции каждого фактора с каждой переменной.

Каждый фактор идентифицируется по тем признакам, с которыми он в наибольшей степени связан (наиб.нагрузки). Идентификация фактора заключается, как правило, в присвоении ему имени обобщающего по смыслу наименования входящих в него переменных.

Общность переменной – это сумма квадратов факторных нагрузок. Она показывает часть дисперсии признака, которая является общей для двух (в данном случае) переменных.

Переменные с большей общностью имеют значительно большую долю дисперсии с одним или несколькими факторами.

Низкая общность означает, что ни один из факторов не имеет совпадающей доли дисперсии с данной переменной. Низкая общность может свидетельствовать о том, например, что переменная измеряет нечто качественно отличающееся от других признаков, включённых в анализ.

Собственные значения фактора – это значимость каждого из факторов.

В нижней строчке приводится доля дисперсии фактора – часть дисперсии в выборке, которая объясняется данным фактором.

Факторный анализ бывает двух видов: