Факторный анализ. Основные понятия факторного анализа

Основные понятия факторного анализа

скольку она показывает, как изучаемые показатели связаны с каждым выделенным фактором. При этом факторный вес демон­стрирует меру, или тесноту, этой связи.

Поскольку каждый столбец факторной матрицы (фактор) яв­ляется своего рода переменной величиной, то сами факторы также могут коррелировать между собой. Здесь возможны два слу­чая: корреляция между факторами равна нулю, в таком случае факторы являются независимыми (ортогональными). Если кор­реляция между факторами больше нуля, то в таком случае фак­торы считаются зависимыми (облическими). Подчеркнем, что ортогональные факторы в отличие от облических дают более простые варианты взаимодействий внутри факторной матрицы.

В качестве иллюстрации ортогональных факторов часто при­водят задачу Л. Терстоуна, который, взяв ряд коробок разных размеров и формы, измерил в каждой из них больше 20 различ­ных показателей и вычислил корреляции между ними. Профак-торизовав полученную матрицу интеркорреляций, он получил три фактора, корреляция между которыми была равна нулю. Этими факторами были «длина», «ширина» и «высота».

Для того чтобы лучше уловить сущность факторного анализа, разберем более подробно следующий пример.

Предположим, что психолог у случайной выборки студентов получает следующие данные:

* У₁ — вес тела (в кг);

* У2 — количество посещений лекций и семинарских заня­тий по предмету;

* уз — длина ноги (в см);

* У₄ — количество прочитанных книг по предмету;

* У5 — длина руки (в см);

* У₆ — экзаменационная оценка по предмету

(V — от английского слова variable — переменная).

При анализе этих признаков не лишено оснований предпо­ложение о том, что переменные У1 У3 и У5 — будут связан! между собой, поскольку чем больше человек, тем больше он ве сит и тем длиннее его конечности. Сказанное означает, что

ду этими переменными должны получиться статистически зна­чимые коэффициенты корреляции, поскольку эти три перемен­ные измеряют некоторое фундаментальное свойство индивидуу­мов в выборке, а именно: их размеры. Точно так же вероятно, что при вычислении корреляций между У₂, У₄ и У_ь тоже будут получены достаточно высокие коэффициенты корреляции, по­скольку посещение лекций и самостоятельные занятия будут способствовать получению более высоких оценок по изучаемому предмету.

Таким образом, из всего возможного массива коэффициен­тов, который получается путем перебора пар коррелируемых признаков У₁ и У₂, У₁ и У₃ и т.д., предположительно выделятся два блока статистически значимых корреляций. Остальная часть корреляций — между признаками, входящими в разные блоки, вряд ли будет иметь статистически значимые коэффициенты, поскольку связи между такими признаками, как размер конеч­ности и успеваемость по предмету, имеют скорее всего случай­ный характер. Итак, содержательный анализ 6 наших перемен­ных показывает, что они, по сути дела, измеряют только две обобщенные характеристики, а именно: размеры тела и степень подготовленности по предмету.

К полученной матрице интеркорреляций, т.е. вычисленным попарно коэффициентам корреляций между всеми шестью пере­менными у1 - У₆, допустимо применить факторный анализ. Его можно проводить и вручную, с помощью калькулятора, однако процедура подобной статистической обработки очень трудоемка. По этой причине в настоящее время факторный анализ прово­дится на компьютерах, как правило, с помощью стандартных статистических пакетов. Во всех современных статистических па­кетах есть программы для корреляционного и факторного анали­зов. Компьютерная программа по факторному анализу по суще­ству пытается «объяснить» корреляции между переменными в терминах небольшого числа факторов (в нашем примере двух).

Предположим, что, используя компьютерную программу, мы получили матрицу интеркорреляций всех шести переменных и подвергли ее факторному анализу. В результате факторного ана­лиза получилась таблица 13.J, которую называют «факторной Матрицей», или «факторной структурной матрицей».