Vad är faktoranalys?
Faktoranalys är en typ av statistisk analys som undersöker olika korrelationer och mönster som kan uppstå mellan mätningarna. Det finns två typer av faktoranalys; utforskande och bekräftande. Dessa två versioner kan användas individuellt eller kombineras. Det finns många olika typer av statistiska beräkningar som används i denna analys.
Ett vanligt första steg som används i faktoranalys inkluderar insamling av mätningarna i experimentet. Korrelationsmatematiken används för att bestämma befintliga korrelationer. Forskaren kommer att avgöra om alla faktorer som beräknas från analysen kommer att inkluderas. Vissa experiment kräver att vissa faktorer införlivas i statistiken och andra att uteslutas.
En metod som används för att extrahera möjliga faktorer är maximal sannolikhet. Denna beräkning är så komplicerad att statistiska datorprogram används, eftersom en forskare vanligtvis inte kan utföra beräkningen för hand. Faktorerna i analysen kan också kombineras på flera sätt. Analysen kommer att kräva att faktorerna ska roteras eller kammas på ett sätt som förklarar storheternas variation eller spridning av data.
När de slutliga faktorerna och poängen har beräknats kan data tolkas. Faktorer som har högst poäng kommer att ha mest inflytande på mätningarna. Dessa poäng kan också användas för ytterligare statistisk analys. Till skillnad från andra typer av statistisk analys kan denna analys resultera i en obegränsad mängd viktiga faktorer, snarare än att begränsa faktorerna till en liten grupp.
Utforskande faktoranalys används för att förstå vilka saker i naturen som kan påverka vissa mätningar. Hur starkt dessa faktorer påverkar mätningarna är också av intresse för den undersökande versionen. Dessa är inte förinställda innan mätningarna har gjorts. Med bekräftande faktoranalys finns det specifika faktorer som undersöks före beräkningarna.
Båda typerna av faktoranalys kan användas i ett experiment. Den undersökande versionen kan användas för att skapa en teori, medan den bekräftande versionen används för att bevisa den teorin. Om den bekräftande analysen inte är gynnsam kan forskaren behöva ändra hur den undersökande analysen beräknas.
Antalet mätningar som krävs för dessa beräkningar är viktigt. De flesta beräkningar kräver minst tio mätningar om inte mer. Vanligtvis kräver bekräftande analys många fler mätningar än utforskande. Ibland behövs minst 200 mätningar för en framgångsrik analys. Som en allmän regel resulterar användning av fler mätningar vanligtvis i mer tillförlitliga data, även om det nödvändiga antalet beror på experimentet.