Главная Случайная страница Контакты | Мы поможем в написании вашей работы! | ||
|
Процедура факторного анализа позволяет перейти от матрицы 1314x21 к матрице, включающей 1314 случаев (cases) и значительно меньшее число переменных, которые являются интегральными характеристиками первичных переменных и называются факторами. Под факторами понимаются гипотетические непосредственно не измеряемые (латентные) показатели, в той или иной мере связанные с измеряемыми характеристиками. Последние выступают в роли внешних проявлений этих факторов. Являются ли факторы причинами или просто агрегированными теоретическими конструктами, зависит от способа их включения в теоретические представления о явлении, к которому они относятся, т.е. от интерпретации. Необходимо обратить внимание, что количество случаев (анкет) должно быть на порядок больше первичных переменных, включенных в процедуру факторизации.
Для проведения факторного анализа в программе SPSS 8.0 необходимо произвести следующие действия:
1. Выбрать опции -» Statistics -» Data Reduction -»Factor... (рис. 44).
Рис. 44
2. Выбрать переменные, подлежащие факторизации (рис. 45):-» Variables(s): Око за око, зуб за зуб
Возлюби ближнего твоего, как самого себя
Не обманешь — не проживешь
Бог терпел, да и нам велел
Каждый сам за себя
Человек человеку друг, товарищ и брат и т.д.
3. -»Descriptives...
Correlation Matrix 0 Coefficients
Рис. 45
Корреляционная матрица строится на основе расчета коэффициента парной корреляции Пирсона. Коэффициент корреляции — числовая характеристика совместного распределения двух случайных величин, выражающая их взаимосвязь. Постановка флажка 0 Coefficients позволит увидеть коэффициенты парной корреляции Пирсона. Например, переменная «Око за око, зуб за зуб» имеет положительную корреляцию с переменной «Не обманешь — не проживешь» (R=0,304). Социологическая интерпретация значения коэффициента Пирсона состоит в следующем: «Если респондент согласен с пословицей «Не обманешь — не проживешь», то с определенной долей вероятности можно утверждать, что этому респонденту ближе и понятней социальное взаимодействие, согласно которому отношения между людьми должны строится по принципу «Око за око, зуб за зуб». То есть мы можем говорить о взаимосвязи этих двух переменных. На основании матрицы корреляций происходит формирование факторов (рис. 46).
4. -» Rotation...
Method
Щ. Varimax
Display
0 Loading plots (см. рис. 47).
Вращение факторов осуществляется с целью максимизации факторных нагрузок первичных переменных. При проверочном (конфирматорном) анализе критерием качества вращения является соответствие факторной структуры той структуре, которая задана исследователем. При разведочном (экс-плораторном) анализе критерии требуют достижения «простой структуры», когда нагрузки максимально «поляризованы» между нулем и единицей. Процедура необходима для упрощения интерпретации факторной модели исследуемой области. Результаты процедуры вращения показаны на графиках (рис. 48). Величина нагрузки после вращения несколько выше, чем до вращения факторов.1БЗ
Рис. 46
Рис. 47
Уровень общности первичной переменной с факторами. Для интерпретации факторов имеет значение доля дисперсии переменной, которая может быть объяснена общими факторами. В столбце «Initial» (табл. 27) даны начальные дисперсии первичных переменных, которые при методе главных компонент (Principal components) всегда равны 1. В колонке «Extraction» даны извлеченные дисперсии первичных переменных с факторами. Наибольшая доля дисперсии присутствует у переменной «Не пойман -- не вор» и равняется 0,405.
Если в первоначальной исходной матрице 1314x21 каждая первичная переменная имеет значение доли дисперсии равной 1, то в матрице 1314x2 значение доли дисперсии снижается. Первичная переменная, имеющая значение доли дисперсии (Extract) близкое к нулю, из факторизации исключается как незначимая в данной структуре факторов.
Рис. 48. Процедура вращения факторов: а — до вращения, б — после вращения
Таблица 27 Доля дисперсии переменной, объясненной факторами
№ | Initial | Extraction | |
Око за око, зуб за зуб | 1,000 | 0,269 | |
Возлюби ближнего твоего, как самого себя | 1,000 | 0,322 | |
3 4 | Не обманешь — не проживешь | 1,000 | 0,387 |
Богтерпел, да и нам велел | 1,000 | 0,388 | |
Каждый сам за себя | 1,000 | 0,249 | |
Человек человеку друг, товарищ и брат | 1,000 | 0,288 | |
Всяк человек живет для себя, а для других — как получится | 1,000 | 0,354 | |
Велика святорусская земля, а правде нигде нет места | 1,000 | 0,277 | |
Э | Закон — дышло: куда захочешь, туда и воротишь | 1,000 | 0,309 |
Пусти душу в ад, будешь богат | 1,000 | 0,214 | |
Худо тому, кто добра не делает никому | 1,000 | 0,304 | |
Лучше жить бедняком, чемжитьсо грехом | 1,000 | 0,333 | |
Глас народа — глас Божий | 1,000 | 0,301 | |
Варварство истребляется варварскими методами | 1,000 | 0,224 | |
Все продается, дело только в цене | 1,000 | 0,390 | |
J6_ _Г7_ | Терпение — лучшее спасение | 1,000 | 0,372 |
Просите, и дано будет вам; ищите, и найдете; стучите, и отворят вам | 1,000 | 0,349 | |
Что ни делается, все к лучшему | 1,000 | 0,236 | |
19 20 21 | С волками жить — по-волчьи выть | 1,000 | 0,401 |
Не пойман — не вор | 1,000 | 0,405 | |
От трудов праведных не наживешь палат каменных | 1,000 | 0,277 |
Установка метода факторного анализа (рис. 49).
-» Extraction...
Method
Principal components Я
Analyze
Щ, Correlation matrix
Extract
Щ. Number of factors 2
Рис. 49
Объясненная дисперсия (табл. 28). Метод главных компонент (Principal components) может быть интерпретирован как проблема:
♦ нахождения оптимальных весов, т.е. оптимальных коэффициентов регрессии;
♦ преобразования исходных переменных в новые, обладающие более удобными операционными свойствами.
В методе главных компонент процент общей дисперсии, объясненной двумя факторами, составляет 31,661%, — т.е. при переходе от матрицы 1314x21 кматрице 1314x2 произошла потеря 68,339% информации. Новслед-ствии этого перехода мы получили возможность выразить 21 переменную посредством двух факторов. Вариабельность двух факторов объясняет 31,661 % исходных переменных.
Значение факторов. При установке флажка 0 Save as variables (рис. 50) SPSS создаст переменные, которые содержат вклад каждого респондента в каждый из факторов. Факторы являются z-вкладами, имеющими нулевое среднее значение и единичное стандартное отклонение.
-» Scores...
0 Save as variables
Method
Щ. Regression
-> Continue
Рис. 50
Таблица 21 Объясненная дисперсия
Component | Initial Eigenvalues | ||
Total | % of Variance | Cumulative% | |
3,902 | 18,582 | 18,582 | |
2,747 | 13,080 | 31,661 | |
1,220 | 5,810 | 37,472 | |
1,102 | 5,247 | 42,719 | |
1,027 | 4,888 | 47,607 | |
0,928 | 4,418 | 52,025 | |
0,906 | 4,313 | 56,339 | |
0,852 | 4,055 | 60,394 | |
0,788 | 3,750 | 64,144 | |
0,759 | 3,615 | 67,759 | |
0,746 | 3,551 | 71,310 | |
0,696 | 3,313 | 74,623 | |
0,688 | 3,277 | 77,901 | |
0,667 | 3,177 | 81,077 | |
0,634 | 3,018 | 84,096 | |
0,596 | 2,836 | 86,931 | |
0,590 | 2,808 | 89,739 | |
0,569 | 2,711 | 92,449 | |
0,554 | 2,639 | 95,088 | |
0,534 | 2,543 | 97,631 | |
lL_ 21 | 0,497 | 2,369 | 100,000 |
Значение факторов для случая (cases, анкет). Например, значение z-вклада для респондента 38 (Рис. 51) составляет по facll («Характер мироотношения») -1,14254 и по fac2_l («Характер социального взаимодействия») 1,27939 (социологическое значение данной информации будет рассмотрено ниже).
Рис. 51
-> Options... (рис. 52)
Method
ГЦ. Exclude cases listwise
0 Sorted by size
0 Suppress absolute values less than:,30.
Рис. 52 1Б8
Установка указанных опций позволит включить в анализ только те анкеты (cases), которые содержат информацию по факторизуемым переменным, и упорядочить матрицу факторных нагрузок.
Дата публикования: 2014-10-19; Прочитано: 826 | Нарушение авторского права страницы | Мы поможем в написании вашей работы!