Analisi Fattoriale Esplorativa (AFE)

<p>Sviluppare un nuovo set di esperimenti (A)</p> Signup and view all the answers

<p>K.Jöreskog (A)</p> Signup and view all the answers

<p>Correlazioni policoriche (B)</p> Signup and view all the answers

<p>Permette l'uso di variabili già disponibili (A)</p> Signup and view all the answers

<p>D.N.Lawley (A)</p> Signup and view all the answers

<p>Interpretare le covariazioni tra variabili come effetto di fattori latenti. (B)</p> Signup and view all the answers

<p>Variabili che sono state misurate direttamente attraverso un questionario. (C)</p> Signup and view all the answers

<p>Un fattore latente comune che influisce sulle variabili manifeste. (D)</p> Signup and view all the answers

<p>Variabili non osservate che influenzano una sola variabile manifesta. (D)</p> Signup and view all the answers

<p>Le covariazioni tra variabili manifeste sono interpretate in mancanza di causazioni dirette. (D)</p> Signup and view all the answers

<p>Interpretano le correlazioni tra un ampio insieme di variabili manifeste. (D)</p> Signup and view all the answers

<p>Richiede che tutte le variabili siano direttamente osservabili. (D)</p> Signup and view all the answers

<p>Un indizio della presenza di fattori latenti sottostanti. (D)</p> Signup and view all the answers

<p>Interpreta le relazioni tra variabili osservate con un numero minimo di fattori latenti. (D)</p> Signup and view all the answers

<p>Un rapporto di dipendenza non autonomo tra entità. (A)</p> Signup and view all the answers

<p>Correlazioni alte intra-batteria e basse inter-batteria. (B)</p> Signup and view all the answers

<p>La varianza dovuta ai fattori latenti comuni. (B)</p> Signup and view all the answers

<p>Indicano quanto aumenta o diminuisce la variabilità manifesta al variare di un'unità del fattore latente. (C)</p> Signup and view all the answers

<p>Una procedura abduzione che combina induttiva e deduttiva. (C)</p> Signup and view all the answers

<p>Coerenza tra variabili impoverite. (B)</p> Signup and view all the answers

Analisi statistica che cerca di scoprire le relazioni sottostanti tra un gruppo di variabili osservate, cercando di riassumere queste relazioni in un numero più piccolo di fattori latenti.

Variabili che possono essere misurate direttamente, come le risposte a un questionario.

Variabili non direttamente misurabili, ma che influenzano le variabili manifeste. Sono come le idee o i concetti che stanno dietro le risposte.

Modello di analisi fattoriale in cui si cerca di spiegare le correlazioni tra le variabili manifeste con un solo fattore latente comune.

Variabili che rappresentano il fattore latente unico per ciascuna variabile manifesta. Infonducono variabilità unica in ogni variabile.

Il processo di identificare e interpretare i fattori latenti comuni che influenzano le variabili manifeste.

Lo scopo dell'AFE è interpretare le correlazioni tra le variabili osservate come se fossero causate da un numero ridotto di fattori latenti.

L'AFE considera le relazioni tra le variabili manifeste come covariazioni, senza presupporre un rapporto di causa ed effetto diretto.

Un processo che utilizza indici di associazione tra variabili (come le correlazioni) e procedure matematiche per stabilire una relazione logica tra entità empiriche (explananda) e entità ipotetiche (explanans).

Peso che ogni fattore latente comune ha sulle variabili manifeste.

Parte della varianza di una variabile manifesta spiegata dai fattori latenti comuni.

Parte della varianza di una variabile manifesta non spiegata dai fattori comuni, dovuta a fattori latenti unici.

L’AFE è un modello che stima parametri basandosi su assunzioni predeterminate sul processo generatore dei dati.

Charles Spearman, nel 1904, pubblica "General Intelligence Objectively Determined and Measured", stabilendo le basi per lo studio delle variabili latenti, il precursore dell'Analisi Fattoriale.

L.L. Thurstone, negli anni '30, sviluppa la tecnica a più fattori comuni, applicando l'Analisi Fattoriale allo studio degli atteggiamenti.

D.N. Lawley, nel 1940, formalizza l'Analisi Fattoriale come modello statistico inferenziale, rendendola più rigorosa.

Negli anni '60, Lawley e Maxwell creano un algoritmo per l'Analisi Fattoriale con il metodo di massima verosimiglianza (ML), rendendo i calcoli più efficienti.

K. Jöreskog, negli anni '60, introduce il modello di analisi fattoriale confermativa (CFA) e il software LISREL, consentendo di verificare ipotesi specifiche sui fattori latenti.

Nell'Analisi Fattoriale Esplorativa (AFE) si sceglie un set di variabili manifeste per rappresentare i fattori latenti comuni. La scelta dipende dagli obiettivi e dalle risorse, con due approcci: 1) Analisi secondaria dei dati: si usano variabili già raccolte in ricerche precedenti, vantaggiose per il risparmio ma non sempre adatte al ricercatore. 2) Nuovi indicatori o selezione da repertori: si creano o si selezionano nuovi indicatori per una nuova ricerca, favorendo la definizione a priori delle ipotesi.

Nel secondo passo dell'AFE, si crea una matrice di correlazione tra le variabili osservate, in genere la matrice R di correlazioni lineari (product-moment correlation matrix) di Pearson. Per variabili con meno di 7 modalità, si preferiscono le correlazioni policoriche.

Gli indici di associazione tra le variabili osservate nel secondo passo dell'AFE variano a seconda del tipo di scala delle variabili. Ad esempio, la matrice R di correlazioni lineari è adatta per variabili quasi cardinali, mentre le correlazioni policoriche sono preferibili per variabili con meno di 7 modalità.