L'analisi fattoriale è un metodo di riduzione statistica che mira a spiegare le possibili correlazioni tra determinate variabili. Per fare ciò, tenendo conto dell'effetto di altri fattori, che non sono osservabili.
Pertanto, ciò che fa questa analisi è ridurre. Pertanto, prendiamo un gran numero di variabili e, attraverso questa tecnica, riusciamo a ridurle a una dimensione più gestibile. Per fare ciò vengono utilizzate una serie di combinazioni lineari di quelle osservate con altre non visibili.
I due modelli: esplorativo e confermativo
Abbiamo due modi per eseguire questa tecnica statistica, ci sono chiare differenze tra i due che dovrebbero essere conosciute.
- Analisi fattoriale esplorativa: In questo caso, l'obiettivo è conoscere i costrutti latenti (che non si vedono) per verificare se possono essere validi. Si tratta quindi di informazioni di tipo esplorativo che servono a creare un modello successivo, ma non lo sappiamo a priori.
- Analisi fattoriale di conferma: In questo caso, siamo di fronte a un processo di conferma statistica. Si parte da un modello teorico creato con la letteratura esistente sul fenomeno studiato. Successivamente lo contrapponiamo per conoscerne il grado di validità.
Come eseguire un'analisi fattoriale
Vediamo, in modo semplice, come si può svolgere un'analisi fattoriale esplorativa, che è una delle più utilizzate nelle scienze sociali. Va notato che i punti menzionati di seguito possono essere selezionati in programmi statistici come SPSS durante l'esecuzione dell'analisi.
- Analisi dell'affidabilità: Normalmente si usa l'Alpha di Cronbach, che permette di conoscere la consistenza interna del modello. Valori superiori a 0,70 sono considerati accettabili.
- Statistiche descrittive: Questi ci forniscono informazioni di base sui dati analizzati. La media, la varianza o il massimo e il minimo.
- Analisi della matrice di correlazione: Questi calcoli vengono eseguiti da SPSS. Qui dobbiamo prestare attenzione a se il determinante è vicino a zero. Le correlazioni calcolate devono invece essere diverse da zero.
- Misura dell'adeguatezza del campione KMO: permette di confrontare i coefficienti di correlazione. Da una parte quelle osservate, dall'altra quelle parziali. Prende valori compresi tra 0 e 1 ed è considerato accettabile se è maggiore di 0,5.
- Test di sfericità di Bartlett: In questo caso, contrasta che la matrice di correlazione è una matrice identità, nel qual caso l'analisi non potrebbe essere eseguita. Si calcola il Chi quadrato stimato e, se è inferiore a quello teorico, si può fare l'analisi fattoriale.
- Analisi della comunanza: Anche in questo caso è un indicatore di pertinenza. Per essere valido, deve assumere valori maggiori di 0,5.
- Matrice componente ruotata: Serve per estrarre gli autovalori che sono maggiori di un valore, normalmente 1. In questo modo si ottengono i fattori ridotti che rappresentano le variabili. I grafici di sedimentazione e la matrice stessa vengono utilizzati per scegliere il numero.
- Spiegazione della varianza totale: Infine, questa analisi ci dice qual è la varianza totale spiegata dal modello proposto. Pertanto, più alto è questo valore, migliore è il modello nello spiegare il set di dati totale.
Esempi di analisi fattoriale
L'analisi fattoriale ha molte applicazioni in diversi campi della scienza.
Vediamo alcuni esempi:
- Nel marketing è ampiamente utilizzato quando si vuole conoscere la volontà di acquistare. Ad esempio, analizziamo varie variabili socioeconomiche, emotive o personali. Una volta che li abbiamo, riduciamo il loro numero con l'analisi fattoriale e possiamo interpretarli meglio.
- In contabilità possiamo sapere quali elementi influenzano più chiaramente l'ottenimento di profitti aziendali. Così, sapremo dove dovremmo avere più influenza.
- In educazione possiamo conoscere la predisposizione di uno studente a una materia. Effettuando alcune indagini sul suo modo di studiarlo, possiamo ottenere un database in cui applicare l'analisi fattoriale.