Ist es akzeptabel, dass nur zwei (oder weniger) Elemente (Variablen) von einem Faktor in der Faktoranalyse geladen werden?

10

Ich habe einen Satz von 20 Variablen, die ich in SPSS einer Faktoranalyse unterzogen habe. Für die Zwecke der Forschung muss ich 6 Faktoren entwickeln. SPSS hat gezeigt, dass 8 Variablen (von 20) mit geringen Gewichten geladen wurden oder durch mehrere Faktoren gleichermaßen geladen wurden, daher habe ich sie entfernt. Die verbleibenden 12 Variablen wurden paarweise in 2 der 6 Faktoren geladen, was eine perfekte Struktur darstellt - genau wie ich es wollte, aber jetzt möchte einer der mit mir zusammenarbeitenden Professoren, dass ich eine Rechtfertigung dafür finde, warum (oder unter welchen Bedingungen) Es ist angemessen, nur 2 Elemente pro Faktor beizubehalten, da allgemein bekannt ist, dass die Faktoranalyse bei Ergebnissen nützlich ist, bei denen 3 oder mehr Elemente pro Faktor geladen werden.

Kann mir jemand bei diesem Problem helfen, vorzugsweise auch mit einer veröffentlichten Referenz?

Mitja
quelle
Ein einzelner Artikelfaktor ist auch akzeptabel, wenn dieser Artikel eine höhere Faktorbelastung aufweist.
Meera Gang
"Mindestens 3 Artikel pro Faktor" ist eine berechtigte Empfehlung. Wenn Sie nach der Faktorrotation Ergebnisse mit 2 oder einem Element in einem Faktor haben, erhalten Sie entweder 1) mehr Variablen, von denen Sie erwarten, dass sie von diesem Faktor geladen werden, oder 2) wiederholen Sie die Analyse und extrahieren Sie weniger Faktoren, oder 3) lassen Sie die Ergebnisse wie sie sind, aber interpretieren Sie den "bedürftigen" Faktor nicht und sagen Sie "Ich glaube, dass dieser Faktor existiert, aber da er derzeit nicht von Elementen genug unterstützt wird, lasse ich ihn aus der Interpretation und aus den Ergebnissen". Alle diese beiden Empfehlungen sind jedoch unterschiedlich.
ttnphns
Siehe auch zusätzlich zu den Antworten hier stats.stackexchange.com/a/198684/3277 (Punkt 5), warum "Mindestens 3 geladene Elemente pro Faktor" eine vernünftige Anforderung ist.
ttnphns

Antworten:

13

Zwei oder drei Elemente pro Faktor sind eine Frage der Identifizierung Ihres CFA-Modells (Confirmatory FA).

Nehmen wir der Einfachheit halber an, dass das Modell identifiziert wird, indem die Varianz jedes Faktors auf 1 gesetzt wird. Nehmen wir auch an, dass keine korrelierten Messfehler vorliegen.

Ein Einzelfaktormodell mit zwei Elementen hat zwei zu schätzende Ladungen und zwei Fehlervarianzen = 4 Parameter, aber es gibt nur 3 nicht triviale Einträge in der Varianz-Kovarianz-Matrix, sodass Sie nicht genügend Informationen haben, um die vier Parameter zu schätzen das brauchst du.

Ein Einzelfaktormodell mit drei Elementen weist drei Ladungen und drei Fehlervarianzen auf. Die Varianz-Kovarianz-Matrix enthält sechs Einträge. Eine sorgfältige analytische Untersuchung zeigt, dass das Modell genau identifiziert wurde, und Sie können die Parameterschätzungen als Funktionen der Varianz-Kovarianz-Matrix-Einträge algebraisch ausdrücken. Mit mehr Elementen pro einzelnem Faktor haben Sie ein überidentifiziertes Modell (mehr Freiheitsgrade als Parameter), was normalerweise bedeutet, dass Sie bereit sind, loszulegen.

Bei mehr als einem Faktor wird das CFA-Modell immer mit mehr als 3 Elementen pro Faktor identifiziert (da für jeden Faktor ein einfaches Messmodell identifiziert wird, sodass Sie grob gesagt Vorhersagen für jeden Faktor erhalten und ihre Kovarianzen darauf basierend schätzen können). Ein CFA mit zwei Elementen pro Faktor wird jedoch identifiziert, vorausgesetzt, jeder Faktor weist eine Kovarianz ungleich Null mit mindestens einem anderen Faktor in der Population auf. (Andernfalls fällt der betreffende Faktor aus dem System heraus, und ein Einzelfaktormodell mit zwei Elementen wird nicht identifiziert.) Der Nachweis der Identifizierung ist eher technisch und erfordert ein gutes Verständnis der Matrixalgebra.

Bollen (1989) diskutiert die Probleme der Identifizierung von CFA-Modellen in Kapitel 7 vollständig und gründlich. 244 speziell in Bezug auf Drei- und Zwei-Indikator-Regeln.

StasK
quelle
1
Dies war eine sehr treffende Antwort. Ich würde nur kommentieren (um des OP willen), dass das OP nach exploratorischem FA (EFA) gefragt hat. Es ist logisch, dass EFA "3+ geladene Elemente pro Faktor" haben sollte, da CFA dies erwartet. nur, dass du in deiner Antwort nichts darüber gesagt hast.
ttnphns
4

Ich habe noch nie von dem Kriterium "3 Elemente pro Faktor" gehört. Ich würde die Frage umkehren und Ihren Professor bitten, eine fundierte Referenz für diese Aussage zu erstellen.

Außerdem "muss ich für die Zwecke der Forschung 6 Faktoren entwickeln." ist eine seltsame Sache zu sagen.

Der Hauptzweck der Faktoranalyse besteht darin, 1) herauszufinden, wie viele Faktoren (häufig psychologische Merkmale) einer (größeren) Anzahl gemessener Variablen zugrunde liegen. Dann 2) versucht man anhand der Faktorladungen zu beschreiben, was diese Faktoren wirklich sind.

Sie "entwickeln" keine 6 Faktoren, Sie "versuchen" 6 Faktoren zu messen.

Die vorhandenen Kreuzladungen (Variablen, die von mehreren Faktoren geladen werden) sind jedoch häufig ein Hinweis darauf, dass die Faktoren "versuchen, miteinander zu korrelieren". Was Sinn macht, da wir wissen, dass im Grunde alles mit allem in der realen Welt korreliert. Wenn Sie diese Beobachtung in Ihre Analyse implementieren, indem Sie eine schräge Rotation (anstelle des orthogonalen Varimax) verwenden, werden häufig viele Querbelastungen beseitigt. IMHO ist es auch theoretisch klangvoller.

Probieren Sie es aus, Sie könnten am Ende mehr Gegenstände pro Faktor haben. Das kann (teilweise) auch Ihr Problem lösen.

RubenGeert
quelle
Vielen Dank für Ihren Kommentar, warum sechs Faktoren, die ich mit einem von mir verwendeten Modell erklären kann, mein Professor nicht gegen eine Erklärung mit 6 Faktoren ist, er jedoch eine Erklärung wünscht, wann es in Ordnung ist, eine Faktoranalyse mit nur 2 Elementen pro Faktor zu verwenden . Dies bleibt immer noch die Frage.
Mitja
Willkommen auf der Website @ pythonforspss.org, hier gibt es viele gute Informationen, +1. Ein paar Anmerkungen: Ich habe mehrmals gehört, dass Sie mindestens 3 Variablen pro Faktor benötigen, aber ich weiß nicht, was der (oder ob es tatsächlich einen) wesentlichen Grund für diese Regel gibt. Ich habe das Q des OP bearbeitet, um das Englisch flüssiger zu machen. Ich habe den von Ihnen zitierten Satz eingefügt, um das zu ersetzen, was vorher da war. Dies war vielleicht nicht ideal (ich war mir nicht sicher, wie ich das übersetzen sollte, was das OP zu sagen versuchte), aber wenn ja, ist es meine Schuld, nicht die von Mitja. Denken Sie daran, dass Englisch nicht die erste Sprache vieler Benutzer ist.
Gung - Reinstate Monica
Die drei Punkte pro Faktor sind eine verbreitete Überzeugung und verursachen in der Überprüfungsphase tendenziell Probleme (da es sich um eine verbreitete Überzeugung handelt). Abgesehen davon, wenn Ihre Kommunalitäten hoch sind (> 0,7), haben Sie wahrscheinlich kein Problem.
Richiemorrisroe
Meine Kommunalitäten sind 0,5 oder höher ...
Mitja
factors are "trying to correlate" with each otherist eine mystische Formulierung. Faktoren korrelieren oder korrelieren nicht damit, wie wir sie drehen (modellieren). Mit orthogonalen Faktoren mit einer Variablen mit hoher Kommunalität sind ziemlich hohe "Querbelastungen" möglich.
ttnphns
1

Ich habe jetzt das gleiche Problem. In diesem Artikel wird empfohlen, mindestens 3 Elemente pro Faktor zu verwenden. In Ausnahmefällen können Sie jedoch Elemente pro Faktor verwenden (S. 60). http://www.sajip.co.za/index.php/sajip/article/download/168/165 Mein Fall scheint außergewöhnlich zu sein, da mein webbasiertes Experiment nur zwei Variablen enthält, die Informationen zu den Spielern liefern Strategie und Strategiemacht. Möglicherweise kann es Ihnen auch helfen, die Verwendung von 2 Elementen für einige Faktoren zu legitimieren.

Eugentango
quelle
1
Diese Website hat eine Reihe von Referenzen, die das Minimum von drei Variablen pro Faktorregel unterstützen: encorewiki.org/display/~nzhao/…