Analisi fattoriale esplorativa
This presentation is the property of its rightful owner.
Sponsored Links
1 / 13

Analisi Fattoriale Esplorativa PowerPoint PPT Presentation


  • 64 Views
  • Uploaded on
  • Presentation posted in: General

Analisi Fattoriale Esplorativa. AFE. Scala Dimensioni del Self Construal. SCALA INDIPENDENZA 1. Per me è molto importante essere in grado di aver cura di me stesso 2. La mia identità personale è molto importante per me

Download Presentation

Analisi Fattoriale Esplorativa

An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -

Presentation Transcript


Analisi Fattoriale Esplorativa

AFE


Scala Dimensioni del Self Construal

  • SCALA INDIPENDENZA

  • 1. Per me è molto importante essere in grado di aver cura di me stesso

  • 2. La mia identità personale è molto importante per me

  • 3. Se c’è un conflitto tra i miei valori e quelli del gruppo a cui appartengo, seguo i miei valori

  • 4. Cerco di non dipendere dagli altri

  • 5. Mi prendo la responsabilità delle mie azioni

  • 6. È importante per me comportarmi da persona indipendente

  • SCALA INTERDIPENDENZA

  • 1. Sono pronto a sacrificare i miei interessi personali per il bene del gruppo

  • 2. Resto fedele al gruppo anche nelle difficoltà

  • 3. Rispetto le decisioni prese dal mio gruppo

  • 4. Sono pronto a stare in un gruppo se c’è bisogno di me, anche se non sono felice di starci

  • 5. Mantengo l’armonia del gruppo di cui sono membro

  • 6. Rispetto la volontà della maggioranza nel gruppo di cui sono membro

  • 7. Rimango nei gruppi a cui appartengo se c’è bisogno di me, anche se non sono soddisfatto di farne parte


  • L’AFE è utilizzata per studiare, riassumere e semplificare le relazioni in un gruppo di variabili e il suo scopo è proprio quello di ridurre l’informazione contenuta in una serie di dati individuando uno o più fattori o dimensioni latenti in grado di rendere conto di ciò che accomuna un insieme di variabili.


  • Il risultato dell’applicazione di questa analisi è che pochi fattori non osservabili “direttamente” dai dati, servono a rendere ragione delle informazioni contenute in insiemi decisamente più ampi di variabili misurate o osservate.


  • il punto di partenza dell’AFE (dopo aver disposto i soggetti sulle righe e le variabili sulle colonne di una matrice ovvero avere a disposizione una matrice soggetti x variabili diventa la costruzione di una matrice dei coefficienti di correlazione tra le variabili studiate (R) che si ottiene calcolando tutti i coefficienti di correlazione tra le variabili e disponendoli sulle righe e sulle colonne di una tabella (matrice variabili x variabili)


  • A partire dai valori delle correlazioni tra le variabili presenti in R, si riescono a individuare, estraendoli, quei fattori che sono in grado di rendere conto e di spiegare tali correlazioni.

  • Dopo aver estratto il primo fattore il suo effetto viene rimosso dalla matrice delle correlazioni R per produrre la matrice delle correlazioni residue rispetto al primo fattore.


  • Generalmente si estraggono fattori da R finché non rimane più nessuna porzione apprezzabile di varianza da spiegare, cioè finché le correlazioni residue sono così vicine allo zero che si presume siano di importanza trascurabile.


  • I metodi di Estrazione dei Fattori sono numerosi ma tutti determinano una matrice (chiamata Matrice delle Saturazioni Non Ruotate, A) costituita da una o più colonne di numeri, una per ciascun fattore estratto, che indicano le saturazioni (o pesi) delle variabili nei fattori.


  • Le saturazioni rappresentano la misura in cui le variabili sono in relazione con il fattore ipotetico e possono essere considerate come correlazioni tra le variabili e il fattore.

  • Il loro quadrato esprime la porzione di varianza della singola variabile che è spiegata dal fattore mentre le somme dei quadrati riga per riga, definite comunalità (h2) e riportate nell’ultima colonna della matrice A, rappresentano ciò che vi è in comune tra ogni variabile e tutti i fattori, cioè la porzione di varianza della variabile spiegata dai fattori.


  • La matrice delle saturazioni fattoriali A non rappresenta tuttavia la soluzione fattoriale finale. A questo punto, infatti, dopo l’estrazione dei fattori, il passo successivo è la loro interpretazione, ma purtroppo la matrice delle saturazioni fattoriali A non è utile a questo scopo


  • Fortunatamente è possibile ruotare la matrice fattoriale delle saturazioni verso un’altra forma che è matematicamente equivalente alla matrice originale non ruotata A ma di più semplice interpretazione.

  • Dopo aver estratto i fattori bisogna dunque ruotarli, cioè spostarne la posizione nello spazio (non è molto diverso da ruotare un barattolo per leggerne meglio l’etichetta) in modo tale che su di essi presentino saturazioni elevate solo poche variabili, mentre molte altre abbiano saturazioni basse o vicine allo zero.


  • La rotazione inoltre viene eseguita in modo che ogni singola variabile tenda a correlare solo con un fattore e per poco o nulla con tutti gli altri.

  • Se durante la rotazione i fattori mantengono il vincolo dell’ortogonalità, continuano cioè ad essere non correlati, si parla di rotazioni ortogonali, altrimenti di rotazioni oblique.


  • Dopo il calcolo delle correlazioni, l’estrazione e la rotazione, al ricercatore non resta che cercare di interpretare i fattori, servendosi a tal fine di tutte le conoscenze disponibili riguardo alle variabili così come di ogni altra informazione pertinente.

  • E’ buona regola cominciare l’interpretazione analizzando attentamente le variabili che presentano saturazioni più elevate nei fattori ruotati, in modo da determinare che cosa condividono e denominare così i fattori proprio sulla base del contenuto comune identificato.


  • Login