986 matches
-
Coefficients (inspectăm matricea de corelații dintre variabile - condiția 2, metoda 1), Determinant (verificăm multicoliniaritatea și singularitatea - condiția 3), KMO and Barlett’s test of sphericity (verificăm adecvarea variabilelor pentru analiza factorială - condiția 2, metodele 2și 3), Reproduced (verificăm adecvarea modelului factorial teoretic la modelul empiric; altfel spus, cît de bine sînt reprezentate variabilele noastre de numărul de factori extrași) și Anti-image (verificăm adecvarea fiecărui item pentru analiza factorială, condiția 2, metoda 3), apoi clic Continue. Activăm butonul Extraction. În cîmpul Method
GHID PENTRU CERCETAREA EDUCAŢIEI by NICOLETA LAURA POPA, LIVIU ANTONESEI, ADRIAN VICENTIU LABAR () [Corola-publishinghouse/Science/797_a_1744]
-
variabilelor pentru analiza factorială - condiția 2, metodele 2și 3), Reproduced (verificăm adecvarea modelului factorial teoretic la modelul empiric; altfel spus, cît de bine sînt reprezentate variabilele noastre de numărul de factori extrași) și Anti-image (verificăm adecvarea fiecărui item pentru analiza factorială, condiția 2, metoda 3), apoi clic Continue. Activăm butonul Extraction. În cîmpul Method sînt prezentate diferite metode de extragere a factorilor, cele mai des utilizate fiind analiza în componente principale (Principal components analysis - PCA, opțiunea standard în SPSS) și factorizarea
GHID PENTRU CERCETAREA EDUCAŢIEI by NICOLETA LAURA POPA, LIVIU ANTONESEI, ADRIAN VICENTIU LABAR () [Corola-publishinghouse/Science/797_a_1744]
-
atunci alegem rotația oblică Direct Oblimin, iar dacă factorii sînt necorelați, alegem rotația ortogonală Varimax. Cu toate acestea, în general, cercetătorii optează pentru rotația ortogonală Varimax; vom selecta și noi rotația Varimax, apoi clic Continue. Butonul Scores permite salvarea scorurilor factoriale în baza de date ca variabile (estimarea acestora se face prin una dintre cele trei metode prezente: Regression, Barlett și Anderson-Rubin), însă, în general, nu optăm pentru operarea cu scoruri factoriale, ci cu dimensiuni sumate (se adună itemii corespunzători factorului
GHID PENTRU CERCETAREA EDUCAŢIEI by NICOLETA LAURA POPA, LIVIU ANTONESEI, ADRIAN VICENTIU LABAR () [Corola-publishinghouse/Science/797_a_1744]
-
Varimax, apoi clic Continue. Butonul Scores permite salvarea scorurilor factoriale în baza de date ca variabile (estimarea acestora se face prin una dintre cele trei metode prezente: Regression, Barlett și Anderson-Rubin), însă, în general, nu optăm pentru operarea cu scoruri factoriale, ci cu dimensiuni sumate (se adună itemii corespunzători factorului respectiv și se opține un scor). În cazul nostru, dacă vom reține trei factori, vom aduna itemii corespunzători dimensiunii comunicare verbală, apoi pe cei corespunzători dimensiunii comunicare gestuală, iar apoi pe
GHID PENTRU CERCETAREA EDUCAŢIEI by NICOLETA LAURA POPA, LIVIU ANTONESEI, ADRIAN VICENTIU LABAR () [Corola-publishinghouse/Science/797_a_1744]
-
a saturației lor în factor) și Suppress absolutes values less than, iar acolo vom trece .40 (pragul minim luat în calcul pentru saturațiile itemilor în factori este în general .30). Aceste opțiuni ne vor ajuta să vizualizăm mai bine soluția factorială găsită. Apoi clic Continue și OK. Prezentăm mai jos rezultatele obținute. Tabelul Correlation Matrix prezintă matricea corelațiilor dintre variabile; observăm că există mai multe seturi de corelații peste .30 (condiția 2, metoda 1), deci este indicată aplicarea analizei factoriale. Ne
GHID PENTRU CERCETAREA EDUCAŢIEI by NICOLETA LAURA POPA, LIVIU ANTONESEI, ADRIAN VICENTIU LABAR () [Corola-publishinghouse/Science/797_a_1744]
-
soluția factorială găsită. Apoi clic Continue și OK. Prezentăm mai jos rezultatele obținute. Tabelul Correlation Matrix prezintă matricea corelațiilor dintre variabile; observăm că există mai multe seturi de corelații peste .30 (condiția 2, metoda 1), deci este indicată aplicarea analizei factoriale. Ne așteptăm ca variabilele care corelează puternic să se regăsească în același factor, iar cele care nu corelează să se regăsească în factori diferiți. În partea din stînga jos, a tabelului este trecută valoarea determinantului, Determi nant= .000752 (E-04
GHID PENTRU CERCETAREA EDUCAŢIEI by NICOLETA LAURA POPA, LIVIU ANTONESEI, ADRIAN VICENTIU LABAR () [Corola-publishinghouse/Science/797_a_1744]
-
001 și, prin urmare, matricea de corelații diferă semnificativ de matricea-identitate în care variabilele nu ar corela între ele, fiind adecvate pentru factorizare (condiția 2, metoda 2). Valoarea KMO = .817 caracterizează setul de variabile ca fiind foarte bun pentru analiza factorială (condiția 2, metoda 3). În tabelul Anti-image Matrices inspectăm jumătatea inferioară a tabelului, respectiv diagonala principală a cîmpului Anti-image Correlation; dacă pe această diagonală principală apar valori sub .50, atunci itemul căruia îi corespunde acea valoare are o slabă adecvare
GHID PENTRU CERCETAREA EDUCAŢIEI by NICOLETA LAURA POPA, LIVIU ANTONESEI, ADRIAN VICENTIU LABAR () [Corola-publishinghouse/Science/797_a_1744]
-
metoda 3). În tabelul Anti-image Matrices inspectăm jumătatea inferioară a tabelului, respectiv diagonala principală a cîmpului Anti-image Correlation; dacă pe această diagonală principală apar valori sub .50, atunci itemul căruia îi corespunde acea valoare are o slabă adecvare pentru modelul factorial și trebuie înlăturat (condiția 2, metoda 3). În cazul nostru, observăm că pentru itemul C1 coeficientul este .862, pentru C2 este .830 etc., iar, cu excepția itemului C8 (al cărui coeficient este .659), toți itemii au coeficienți de adecvare la modelul
GHID PENTRU CERCETAREA EDUCAŢIEI by NICOLETA LAURA POPA, LIVIU ANTONESEI, ADRIAN VICENTIU LABAR () [Corola-publishinghouse/Science/797_a_1744]
-
și trebuie înlăturat (condiția 2, metoda 3). În cazul nostru, observăm că pentru itemul C1 coeficientul este .862, pentru C2 este .830 etc., iar, cu excepția itemului C8 (al cărui coeficient este .659), toți itemii au coeficienți de adecvare la modelul factorial de peste .70, adică foarte buni. Tabelul Communalities prezintă în coloana Extraction comunalitățile corespunzătoare fiecărei variabile după extragerea celor trei factori. Comunalitatea unei variabile (notată h2) este pătratul coeficientului de corelație multiplă dintre variabilă și factori (R2 din regresia multiplă în
GHID PENTRU CERCETAREA EDUCAŢIEI by NICOLETA LAURA POPA, LIVIU ANTONESEI, ADRIAN VICENTIU LABAR () [Corola-publishinghouse/Science/797_a_1744]
-
Astfel, în cazul itemului C1, comunalitatea este de .620, ceea ce înseamnă că cei trei factori extrași explică 62% din varianța itemului C1. Cu cît o variabilă are o comunalitate mai ridicată, cu atît tinde să fie mai potrivită pentru modelul factorial ales, însă criteriul principal în evaluarea păstrării variabilei în modelul factorial este coeficientul de saturație al acesteia în factori (saturație care trebuie să fie cît mai ridicată). Tabelul Total Variance Explained este unul dintre cele mai importante, deoarece conține valorile
GHID PENTRU CERCETAREA EDUCAŢIEI by NICOLETA LAURA POPA, LIVIU ANTONESEI, ADRIAN VICENTIU LABAR () [Corola-publishinghouse/Science/797_a_1744]
-
că cei trei factori extrași explică 62% din varianța itemului C1. Cu cît o variabilă are o comunalitate mai ridicată, cu atît tinde să fie mai potrivită pentru modelul factorial ales, însă criteriul principal în evaluarea păstrării variabilei în modelul factorial este coeficientul de saturație al acesteia în factori (saturație care trebuie să fie cît mai ridicată). Tabelul Total Variance Explained este unul dintre cele mai importante, deoarece conține valorile eigenvalue 1 pentru fiecare factor, procentele de varianță explicată de fiecare
GHID PENTRU CERCETAREA EDUCAŢIEI by NICOLETA LAURA POPA, LIVIU ANTONESEI, ADRIAN VICENTIU LABAR () [Corola-publishinghouse/Science/797_a_1744]