Компьютерные методы в психодиагностике. Истомина О.А. - 58 стр.

 1 этап: а) при построении группового факторного пространства минимальное количество рес-
 пондентов – 11-12 человек; б) измерения наблюдаемых переменных должны быть проведены
 не ниже, чем по шкале интервалов; в) при условии, что все переменные выражены в одних и тех
 же единицах измерения, возможно использование в анализе как корреляционной, так и кова-
 риационной матрицы (если значительно отличаются – корреляционная матрица, ковариацион-
 ная – когда требуется оценить повторяемость одного результата, например, на двух выборках
 одного исследования).
 2 этап: а) в разведочном факторном анализе на один фактор должно приходиться не менее
 трех переменных; б) в исходной корреляционной матрице должно быть несколько корреляций
 по модулю выше 0,3; в) величина собственного значения каждого фактора (или его веса, значи-
 мости) в найденном факторном решении (иначе – параметр eigenvalues) не должна быть менее
 1,0, в противном случае факторы не вносят значительного вклада в объяснение корреляцион-
 ной матрицы; г) если процент объясняемой (совокупностью значимых факторов) дисперсии пе-
 ременных, содержащейся в корреляционной матрице, равен 70-75 %, то факторное решение
 считается «хорошим»; д) целью выделения первичных ортогональных факторов является опре-
 деление минимального их числа, которое удовлетворительно объясняют корреляции между на-
 блюдаемыми переменными. Существует несколько методов выделения первичных факторов,
 описание которых представлено в работе А. Н. Гусева, Ч. А. Измайлова и М. Б. Михалевской.
 Наиболее старым и часто используемым в различных предметных областях является метод
 главных компонент (или принципиальных компонентов).
 3 этап: а) при вращении факторов существует два типа процедуры: ортогональное (угол между
 факторами остается прямым, остается верным предположение о некоррелированности факто-
 ров) и косоугольное (или облическое, первоначальное предположение о некоррелированности
 факторов снимается) вращение; б) из методов ортогонального вращения метод варимакс (vari-
 max) наиболее часто используется на практике, его цель – минимизировать количество пере-
 менных, имеющих высокие нагрузки на данный фактор так, что в итоге вокруг фактора группи-
 руются только те переменные, которые с ним связаны в большей степени, чем остальные.

       В данном разделе описана процедура эксплораторного факторного анализа в
программе SPSS 11.5 for Windows Russian version, с выделением первичных факто-
ров методом принципиальных компонентов, ортогональным вращением методом
varimax (табл. 14).
                                                                                   Таблица 14.
                                                                       Факторный анализ в SPSS.
                   Этап, шаг                                   Показатели, действия
                                          Ввод параметров
 1. Запуск процедуры: Анализ → Обработка данных (Data Reduction) → Фактор (factor) – откры-
 вается диалоговое окно «факторный анализ».
 2. Выбираются переменные (в левом просмотровом окне), переправляются в правое окно «пе-
 ременные» (variables).
 3. Кнопка «Описание» содержит разделы: 1) Выбрать (флажок) – 1) «одномерная: описа-
 «статистика» – подраздел «одномерная: опи- ние» (описательная статистика, имеет важное
 сание» (descriptives: univariate descriptives); 2) значение при анализе результатов ФА); 2)
 «correlation matrix» с несколькими подразде- «significance level» (оценка достоверности по-
 лами. → Continue                                   лучаемых коэффициентов корреляции) и
                                                    «KMO and Bartlett’s test of sphericity» (мера
                                                    адекватности    выборки     Кайзера-Мейера-
                                                    Олкина и коэффициент Бартлетта).
 4. Кнопка «Извлечь» (extraction) содержит Выбрать: 1) principal components ( см. п.п. 2.д.
 подразделы: 1) метод ФА, 2) «анализ» – «cor- «критериев качества»); 2) см. пункт 1.в. «кри-
 relation matrix» и «матрица ковариа» (корреля- териев качества»; 3) оба варианта;
 ционная или ковариационная матрица), 3) 4) один из наиболее важных пунктов: а) «num-
 «показать» (display) – unrotated factor solution ber of factors» устанавливается только в кон-

58