Untitled Quiz

Podcast

Play an AI-generated podcast conversation about this lesson

Questions and Answers

Quali variabili sono considerate nella specificazione del modello?

Solo fattori unici

Solo variabili latenti

Solo variabili manifeste

Variabili osservate e fattori comuni (correct)

Cosa implica l'assunzione di una distribuzione multinormale per le variabili osservate?

Le variabili seguono una distribuzione normale multivariata (correct)

Le variabili sono omogenee

Le variabili sono indipendenti l'una dall'altra

Le variabili sono distribuite uniformemente

Quale metodo è stato utilizzato per gestire i missing values?

Non è stata effettuata alcuna gestione

Imputazione con regressione

Imputazione media

Listwise deletion (correct)

Quale affermazione descrive correttamente la relazione tra fattori latenti nell’AFE?

Alcuni fattori comuni possono essere correlati con fattori unici. Signup and view all the answers

Qual è l'obiettivo principale dell'analisi fattoriale esplorativa (AFE)?

Esplorare il numero di fattori latenti comuni necessari. Signup and view all the answers

Quando è consigliato utilizzare l'analisi fattoriale convalidativa (AFC)?

Quando si intende verificarne alcune ipotesi empiriche. Signup and view all the answers

Cosa implica fissare a 0 un factor loading nell’AFE?

La variabile non è influenzata dal fattore comune. Signup and view all the answers

Qual è la principale caratteristica del metodo analitico adottato nell'AFE?

Indagine esplorativa senza imporre una configurazione fissa. Signup and view all the answers

Qual è uno degli effetti di utilizzare rotazioni oblique nel modello?

Migliora la chiarezza delle relazioni tra alcuni fattori. Signup and view all the answers

Quale metodo analitico è considerato confermativo ed è caratterizzato dall'imposizione di vincoli nei parametri?

Analisi fattoriale convalidativa. Signup and view all the answers

Qual è una caratteristica delle variabili manifeste nell’AFC?

Possono essere misurate senza errore. Signup and view all the answers

Quale approccio è prevalente nell'AFE?

Logica induttiva. Signup and view all the answers

Cosa si intende per 'vincoli' durante la specificazione del modello nell’AFE?

Condizioni imposte sul numero di fattori da estrarre. Signup and view all the answers

Qual è un obiettivo principale dell'analisi fattoriale convalidativa (AFC)?

Verificare la plausibilità statistica di un modello teorico. Signup and view all the answers

Perché potrebbe essere preferibile rilassare l’assunto di indipendenza tra gli errori?

Per integrare evidenze teoriche più solide. Signup and view all the answers

Qual è un possibile risultato di avere alcuni loading nulli nell’AFE?

Alcuni fattori non influenzano le variabili. Signup and view all the answers

Nel contesto dell'AFE, cosa implica il termine 'interpretazione teorica'?

Utilizzo di una strategia induttiva per esplorare modelli. Signup and view all the answers

Qual è una differenza principale tra AFE e AFC?

L'AFE esplora mentre l'AFC verifica ipotesi. Signup and view all the answers

Quale opzione descrive meglio le variabili 'fisse' nell’AFC?

Nel contesto dell’AFC alcune variabili manifeste sono misurate senza errore Signup and view all the answers

Study Notes

Analisi Fattoriale Esplorativa (AFE) vs. Confermativa (AFC)

AFE e AFC sono due approcci per analizzare le variabili, considerando poli di un continuum. Entrambi cercano di spiegare la covarianza tra variabili osservabili riducendola a fattori latenti comuni.
L'AFE è adatta a situazioni in cui il legame tra variabili osservate e la proprietà latente da studiare è incerto. Serve per esplorare il numero di fattori latenti e come interpretarli. È un'analisi esplorativa poiché non parte da un modello predefinito ma lo sviluppa.
L'AFC è utilizzata per testare ipotesi specifiche sulle relazioni tra i fattori latenti e le variabili manifeste, basate su teorie precedenti. È un'analisi confermativa poiché si basa su un modello predefinito che va verificato.
Nell'AFE, le scelte sulla struttura del modello sono minime, in particolare riguardo alla relazione tra gli elementi del modello. Si considera, ad esempio, se i fattori latenti devono essere ortogonali o obliqui.
Nell'AFC, si impostano dei vincoli sul modello per l'identificazione e per stimare i parametri, rendendo il modello compatibile con i dati empirici. Ad esempio, si può fissare a 0 o 1 il factor loading.
L'AFE presuppone che le variabili siano misurabili con errori. L'AFC può presupporre che alcune variabili siano misurate senza errore.
Entrambe le tecniche possono considerare correlazioni tra i fattori unici o la rotazione dei fattori comuni, per migliorare l'interpretazione.

Requisiti per la Stima ML dei parametri in un'AFC

Per la stima dei parametri l'analisi fattoriale confermativa (AFC) ha alcuni requisiti, in particolare riguardo al campione casuale. Il numero di casi (n) deve essere superiore a 100, e il rapporto tra il numero di casi (n) e il numero di parametri da stimare (p), e il rapporto tra il numero di casi (n) e il numero di variabili (m) devono essere adeguati.
Bisogna considerare se le variabili manifeste sono cardinali o quasi cardinali ed è necessario gestire i valori mancanti.
Non devono esserci covarianze tra gli errori di misurazione.

Applicazione dell'AFC: le dimensioni della morale civica

L'analisi vuole accertare se nel 2017 si possono identificare due dimensioni latenti ("civismo/antinormativismo" e "libertarismo/integrismo") in una indagine.
Il modello prevede due fattori latenti, influenzati da un certo numero di variabili manifeste.
Con l'analisi, si vuole stimare i parametri del modello. Sono riportate le stime dei loadings (relazioni tra variabili manifesta e fattori) grezzi e standardizzati, e della matrice di varianze-covarianze delle variabili osservate, con l'obiettivo di identificare le dimensioni della morale civica.

Il modello di misurazione SEM

Nel SEM le variabili latenti e gli indicatori formano il modello di misurazione, mentre il modello strutturale descrive i legami tra le variabili latenti.
LISREL è un software importante per la stima dei parametri SEM.
PRELIS si utilizza come pre-processore per LISREL o per analisi multivariate.