Обработка на компьютере. Рассмотрим последовательность применения факторного анализа (программа SPSS), при помощи которого были получены результаты приведенного выше примера 16. 2

Рассмотрим последовательность применения факторного анализа (программа SPSS), при помощи которого были получены результаты приведенного выше примера 16.2. В качестве исходных данных (Data Editor) были ис­пользованы 10 переменных (v1, v2,..., v10), измеренных для 86 объектов. Интерпретация основных показателей исчерпывающе изложена при обсуж­дении последнего примера.

1. Выбираем Analyze > Data Reduction > Factor...

2. В открывшемся окне диалога переносим из левого в правое верхнее окно (Variables) переменные, необходимые для факторного анализа (v1,..., v10).

3. В том же окне выбираем метод.

П р и м е ч а н и е. В связи с тем, что на первом этапе необходимо предварительно оценить число факторов, нужно выбрать анализ главных компонент и получить график собственных значений.

Нажимаем кнопку Extraction... (Метод факторизации). В открывшемся окне диалога убеждаемся, что по умолчанию установлено: Principal components (Главные компоненты). Флажком отмечаем Scree plot (График собственных значений). Нажимаем Continue (Продолжить). Нажимаем ОК.

4. Получаем результаты, из которых на данном этапе нас интересует толь­ко график собственных значений:

П р и м е ч а н и е. После предварительного определения числа факторов по этому графику начинаем факторный анализ сначала.

5. Выбираем Analyze > Data Reduction > Factor... Воткрывшемся окне диалога убеждаемся, что выбранные ранее переменные сохранены для анализа в окне Variables (переменные).

6. Задаем число факторов и выбираем метод факторного анализа.

Нажимаем кнопку Extraction... (Метод факторизации). В открывшемся окне диалога задаем необходимое число факторов: отмечаем щелчком мыши Number of factors (Число факторов) и в соответствующем окне указываем: 3. Выбираем метод: нажимаем кнопку Method: … ► и выбираем Maximum like­lihood (Максимального правдоподобия). Флажок Scree plot (График собственных значений) можно снять. Нажимаем Continue (Продолжить).

7. Задаем метод вращения факторов. Нажимаем кнопку Rotation... (Вращение) и назначаем метод вращения — варимакс: в поле Method (Метод) нажа­тием левой кнопки мыши отмечаем Varimax (Варимакс). Нажимаем Continue (Продолжить).

8. Для удобства анализа факторных нагрузок можно задать вывод только тех из них, которые больше 0, 1. Для этого нажимаем кнопку Options... (Оп­ции...) и в поле Coefficient display format (Формат выводимых коэффициентов) отмечаем левой кнопкой мыши Suppress absolute values less then 0, 1 (Скрыть абсолютные значения менее чем 0, 1). Нажимаем Continue (Продолжить). На­жимаем ОК.

9. Получаем результаты:

А) Значения общностей (h²):

Communalities

Extraction Method: Maximum Likelihood.

Начальные значения общностей (Initial) равны КМК; конечные значения общностей (Extraction) получены в результате факторизации методом максимального правдоподобия.

В) Компоненты суммарной дисперсии (см. табл. Total Variance Explained).

В этой таблице указаны распределенные по факторам: исходные собствен­ные значения (Initial Eigenvalues); суммы квадратов факторных нагрузок для извлеченных факторов (Extraction Sums of Squared Loadings); суммы квадра­тов факторных нагрузок после вращения (Rotation Sums of Squared Loadings). Для собственных значений и сумм квадратов по каждому фактору указаны: сами значения (Total), процент от общей дисперсии (% of Variance) и накопленный процент от общей дисперсии (Cumulative %). (Последние два показателя важны для определения информативности факторов.)