Hvad er faktoranalyse?
Faktoranalyse er en type statistisk analyse, der undersøger forskellige sammenhænge og mønstre, der kan forekomme mellem målingerne. Der er to typer faktoranalyse; sonderende og bekræftende. Disse to versioner kan bruges enkeltvis eller kombineret. Der er mange forskellige typer statistiske beregninger, der bruges i denne analyse.
Et almindeligt første trin anvendt i faktoranalyse inkluderer opsamling af målingerne i eksperimentet. Korrelationsmatematikken bruges til at bestemme eksisterende korrelationer. Forskeren bestemmer, om alle faktorer, der er beregnet fra analysen, vil blive inkluderet. Nogle eksperimenter kræver, at visse faktorer skal indarbejdes i statistikken, og andre skal udelukkes.
En metode, der bruges til at udtrække de mulige faktorer, er maksimal sandsynlighed. Denne beregning er så kompliceret, at der bruges statistiske computerprogrammer, da en forsker typisk ikke kan udføre beregningen manuelt. Faktorerne inden for analysen kan også kombineres på en række måder. Analysen kræver rækkefølgen af faktorer, der skal roteres eller kæmmes på en måde, der forklarer storhedernes variation eller spredning af data.
Når de endelige faktorer og scoringer er beregnet, kan dataene fortolkes. Faktorer, der har den højeste score, vil have mest indflydelse på målingerne. Disse scoringer kan også bruges til yderligere statistisk analyse. I modsætning til andre typer statistisk analyse kan denne analyse resultere i en ubegrænset mængde vigtige faktorer snarere end at begrænse faktorerne til en lille gruppe.
Undersøgelsesfaktoranalyse bruges til at forstå, hvilke ting der i naturen kan påvirke bestemte målinger. Hvor stærkt disse faktorer påvirker målingerne er også af interesse i den sonderende version. Disse er ikke forudindstillet, før målingerne udføres. Med bekræftende faktoranalyse er der specifikke faktorer, der undersøges forud for beregningerne.
Begge typer faktoranalyse kan bruges i et eksperiment. Den udforskende version kan bruges til at skabe en teori, mens den bekræftende version bruges til at bevise denne teori. Hvis den bekræftende analyse ikke er gunstig, kan forskeren muligvis ændre, hvordan den sonderende analyse beregnes.
Antallet af nødvendige målinger til disse beregninger er vigtigt. De fleste beregninger kræver mindst ti målinger, hvis ikke mere. Normalt kræver en bekræftende analyse mange flere målinger end sonderende. Til tider er der behov for mindst 200 målinger for en vellykket analyse. Som en generel regel resulterer brug af flere målinger typisk i mere pålidelige data, skønt det nødvendige antal afhænger af eksperimentet.