Download - L’Analisi Fattoriale (PCA) con SPSS
![Page 1: L’Analisi Fattoriale (PCA) con SPSS](https://reader033.vdocuments.net/reader033/viewer/2022061520/56812b3a550346895d8f4cc7/html5/thumbnails/1.jpg)
L’Analisi Fattoriale (PCA) con SPSS
Cristina Zogmaister
![Page 2: L’Analisi Fattoriale (PCA) con SPSS](https://reader033.vdocuments.net/reader033/viewer/2022061520/56812b3a550346895d8f4cc7/html5/thumbnails/2.jpg)
Aprire lib/psico/corsi/zogmaister Trascinare SECONDA LEZIONE nel vostro
spazio Lanciare SPSS PASW 18 Aprire dal vostro spazio il file
customer_satisfaction.sav
![Page 3: L’Analisi Fattoriale (PCA) con SPSS](https://reader033.vdocuments.net/reader033/viewer/2022061520/56812b3a550346895d8f4cc7/html5/thumbnails/3.jpg)
L’Analisi Fattoriale è un processo iterativoPassi preliminari
• Selezionare e misurare un insieme di variabili
• verificare l’adeguatezza delle variabili – es. normalità delle distribuzioni, presenza di outlier, linearità delle relazioni, rapporto tra nr. di variabili e nr. di fattori attesi, rapporto tra nr. di variabili e nr. di soggetti.
![Page 4: L’Analisi Fattoriale (PCA) con SPSS](https://reader033.vdocuments.net/reader033/viewer/2022061520/56812b3a550346895d8f4cc7/html5/thumbnails/4.jpg)
L’Analisi Fattoriale è un processo iterativoAnalisi fattoriale (processo iterativo)
1. Eseguire una prima analisi fattoriale2. Determinare il numero di fattori3. Eseguire la rotazione
a) prima obliqua, b) poi eventualmente ortogonale
4. Interpretare i risultati e dare un nome ai fattori
Il criterio che guida l’AF è l’interpretabilità Una buona AF ‘ha senso’, una cattiva AF ‘non ha
senso’
![Page 5: L’Analisi Fattoriale (PCA) con SPSS](https://reader033.vdocuments.net/reader033/viewer/2022061520/56812b3a550346895d8f4cc7/html5/thumbnails/5.jpg)
L’Analisi Fattoriale è un processo iterativo
Passi successivi: verificare la struttura fattoriale (replicabilità), stabilire la validità di costrutto dei fattori
(correlazioni con altre variabili; effetto delle manipolazioni sui punteggi fattoriali)
![Page 6: L’Analisi Fattoriale (PCA) con SPSS](https://reader033.vdocuments.net/reader033/viewer/2022061520/56812b3a550346895d8f4cc7/html5/thumbnails/6.jpg)
File dati: customer_satisfaction.sav Intervista a 200 clienti di un ristorante Obiettivo: capire quali sono gli aspetti che
determinano il livello di soddisfazione nei confronti del ristorante
Ipotesi di partenza: 4 aspetti Qualità del cibo Qualità del servizio (cortesia del personale) Ambiente Prezzo
![Page 7: L’Analisi Fattoriale (PCA) con SPSS](https://reader033.vdocuments.net/reader033/viewer/2022061520/56812b3a550346895d8f4cc7/html5/thumbnails/7.jpg)
Il questionario
12 domande relative ai quattro aspetti ipotizzati alla base della soddisfazione dei clienti (x1 – x12) Qualità del cibo Qualità del servizio (cortesia del personale) Ambiente Prezzo
3 domande sulla soddisfazione (d1 – d3)
3 domande sociodemografiche
![Page 8: L’Analisi Fattoriale (PCA) con SPSS](https://reader033.vdocuments.net/reader033/viewer/2022061520/56812b3a550346895d8f4cc7/html5/thumbnails/8.jpg)
E’ possibile riassumere le risposte relative alla soddisfazione nelle 4 dimensioni ipotizzate? Sono rispettati i prerequisiti per un’analisi fattoriale?
Ampiezza del campione idealmente 300 casi o più, ma dipende da numero di fattori, forza
delle relazioni tra le variabili Adeguato numero di variabili
Almeno 3 per ogni fattore (meglio di più) Ci sono outlier univariati (e multivariati)? Le variabili sono distribuite normalmente?
Se le variabili non sono normali, la soluzione è meno chiara (e non si possono applicare test statistici che implicano la normalità)
Le relazioni tra le coppie di variabili sono lineari? La matrice è fattorializzabile?
correlazioni bivariate sufficientemente elevate (>|.30|) test di Bartlett (troppo sensibile)
![Page 9: L’Analisi Fattoriale (PCA) con SPSS](https://reader033.vdocuments.net/reader033/viewer/2022061520/56812b3a550346895d8f4cc7/html5/thumbnails/9.jpg)
L’analisi fattoriale
Analizza Riduzione dimensione
Fattoriale
![Page 10: L’Analisi Fattoriale (PCA) con SPSS](https://reader033.vdocuments.net/reader033/viewer/2022061520/56812b3a550346895d8f4cc7/html5/thumbnails/10.jpg)
Scegliamo le variabili su cui vogliamo operare la PCA (x1 – x12)
![Page 11: L’Analisi Fattoriale (PCA) con SPSS](https://reader033.vdocuments.net/reader033/viewer/2022061520/56812b3a550346895d8f4cc7/html5/thumbnails/11.jpg)
Indicazioni di base
Chiediamo la matrice delle correlazioni Metodo di estrazione: PCA Numero di fattori (per il momento non lo
conosciamo) Scree plot
![Page 12: L’Analisi Fattoriale (PCA) con SPSS](https://reader033.vdocuments.net/reader033/viewer/2022061520/56812b3a550346895d8f4cc7/html5/thumbnails/12.jpg)
![Page 13: L’Analisi Fattoriale (PCA) con SPSS](https://reader033.vdocuments.net/reader033/viewer/2022061520/56812b3a550346895d8f4cc7/html5/thumbnails/13.jpg)
Default: criterio mineigen
Default: PCA
![Page 14: L’Analisi Fattoriale (PCA) con SPSS](https://reader033.vdocuments.net/reader033/viewer/2022061520/56812b3a550346895d8f4cc7/html5/thumbnails/14.jpg)
Esaminiamo l’output
Matrice di correlazioni iniziali: diversi r>|.30|
![Page 15: L’Analisi Fattoriale (PCA) con SPSS](https://reader033.vdocuments.net/reader033/viewer/2022061520/56812b3a550346895d8f4cc7/html5/thumbnails/15.jpg)
Comunalità
È la somma dei quadrati delle correlazioni della variabile con i fattori. Indica quanta della varianza della variabile è spiegata dai fattori
![Page 16: L’Analisi Fattoriale (PCA) con SPSS](https://reader033.vdocuments.net/reader033/viewer/2022061520/56812b3a550346895d8f4cc7/html5/thumbnails/16.jpg)
Varianza totale spiegataLa varianza totale spiegata dai fattori (prima della rotazione)
3.159 / 12 = .26325 = 25%
Mineigen
![Page 17: L’Analisi Fattoriale (PCA) con SPSS](https://reader033.vdocuments.net/reader033/viewer/2022061520/56812b3a550346895d8f4cc7/html5/thumbnails/17.jpg)
Scree plot
Sia lo scree plot, sia il criterio mineigen suggeriscono la presenza di 4 componenti
![Page 18: L’Analisi Fattoriale (PCA) con SPSS](https://reader033.vdocuments.net/reader033/viewer/2022061520/56812b3a550346895d8f4cc7/html5/thumbnails/18.jpg)
Matrice delle componentiMatrice di correlazione tra le componenti e le variabili.
Tutti e quattro i fattori sono correlati in maniera sostanziale (r>|.32|) con molte variabili e le variabili sono correlate con più fattori.
La soluzione non è chiara (perché non è stata fatta la rotazione)
![Page 19: L’Analisi Fattoriale (PCA) con SPSS](https://reader033.vdocuments.net/reader033/viewer/2022061520/56812b3a550346895d8f4cc7/html5/thumbnails/19.jpg)
Eseguiamo la rotazione
Ortogonale o obliqua?
Prima obliqua, se non ci sono correlazioni sostanziali passiamo a una rotazione ortogonale.
![Page 20: L’Analisi Fattoriale (PCA) con SPSS](https://reader033.vdocuments.net/reader033/viewer/2022061520/56812b3a550346895d8f4cc7/html5/thumbnails/20.jpg)
![Page 21: L’Analisi Fattoriale (PCA) con SPSS](https://reader033.vdocuments.net/reader033/viewer/2022061520/56812b3a550346895d8f4cc7/html5/thumbnails/21.jpg)
Matrice di correlazione tra le componenti (in fondo all’output)
![Page 22: L’Analisi Fattoriale (PCA) con SPSS](https://reader033.vdocuments.net/reader033/viewer/2022061520/56812b3a550346895d8f4cc7/html5/thumbnails/22.jpg)
Rotazione ortogonale (varimax) Varianza totale spiegata:
una nuova parte della tabella indica la varianza spiegata dai fattori dopo la rotazione
La varianza totale non cambia rispetto a prima della rotazione, ma è suddivisa in maniera diversa tra i fattori
![Page 23: L’Analisi Fattoriale (PCA) con SPSS](https://reader033.vdocuments.net/reader033/viewer/2022061520/56812b3a550346895d8f4cc7/html5/thumbnails/23.jpg)
Matrice delle componenti ruotata
Più chiara!!!
Ogni variabile ha saturazioni importanti su una sola componente.
![Page 24: L’Analisi Fattoriale (PCA) con SPSS](https://reader033.vdocuments.net/reader033/viewer/2022061520/56812b3a550346895d8f4cc7/html5/thumbnails/24.jpg)
Interpretiamo le componenti
1 = ?
2 = ?
3 = ?
4 = ?
![Page 25: L’Analisi Fattoriale (PCA) con SPSS](https://reader033.vdocuments.net/reader033/viewer/2022061520/56812b3a550346895d8f4cc7/html5/thumbnails/25.jpg)
Report dell’analisi
E’ stata condotta l’analisi delle componenti principali. Un primo esame dello screeplot suggeriva la presenza di 4 componenti. Anche il criterio Mineigen suggeriva una soluzione a 4 componenti. Questa numerosità corrispondeva a quella che era stata precedentemente ipotizzata in fase di costruzione del questionario.
Le analisi successive hanno confermato la presenza di 4 componenti, non correlate. Con una rotazione obliqua (criterio oblimin) emergeva una correlazione massima tra le componenti di r = |.167|, perciò è stata condotta una rotazione ortogonale (criterio varimax).
La soluzione a quattro componenti spiega il 75% della varianza osservata nelle variabili.
Le quattro componenti sono interpretate come: qualità del cibo, qualità del servizio, ambiente, prezzo.
La matrice delle componenti ruotate è presentata in Tab. 1.
![Page 26: L’Analisi Fattoriale (PCA) con SPSS](https://reader033.vdocuments.net/reader033/viewer/2022061520/56812b3a550346895d8f4cc7/html5/thumbnails/26.jpg)
Domanda n. 2: Le domande sulla soddisfazione (d1, d2, d3) possono essere riassunte in un unico punteggio? (la scala è monofattoriale?) Svolgete la PCA e provate a dare una
risposta.
![Page 27: L’Analisi Fattoriale (PCA) con SPSS](https://reader033.vdocuments.net/reader033/viewer/2022061520/56812b3a550346895d8f4cc7/html5/thumbnails/27.jpg)
Risposta
La PCA ha confermato la presenza di un unico fattore sottostante alle domande relative alla soddisfazione. I tre item sono altamente correlati tra di loro (correlazione minima r = .81) e un’unica componente spiega il 90 % della varianza.
![Page 28: L’Analisi Fattoriale (PCA) con SPSS](https://reader033.vdocuments.net/reader033/viewer/2022061520/56812b3a550346895d8f4cc7/html5/thumbnails/28.jpg)
Domanda n. 3Legame tra le 4 componenti e la soddisfazione Calcolo dei punteggi nei fattori
Punteggio fattoriale Punteggio sommato
![Page 29: L’Analisi Fattoriale (PCA) con SPSS](https://reader033.vdocuments.net/reader033/viewer/2022061520/56812b3a550346895d8f4cc7/html5/thumbnails/29.jpg)
Calcolo dei punteggi fattoriali Conduciamo l’analisi fattoriale
Estrazione: PCA Nr. componenti: 4 Rotazione: Varimax Calcolo dei punteggi fattoriali
![Page 30: L’Analisi Fattoriale (PCA) con SPSS](https://reader033.vdocuments.net/reader033/viewer/2022061520/56812b3a550346895d8f4cc7/html5/thumbnails/30.jpg)
![Page 31: L’Analisi Fattoriale (PCA) con SPSS](https://reader033.vdocuments.net/reader033/viewer/2022061520/56812b3a550346895d8f4cc7/html5/thumbnails/31.jpg)
![Page 32: L’Analisi Fattoriale (PCA) con SPSS](https://reader033.vdocuments.net/reader033/viewer/2022061520/56812b3a550346895d8f4cc7/html5/thumbnails/32.jpg)
Date etichette appropriate
![Page 33: L’Analisi Fattoriale (PCA) con SPSS](https://reader033.vdocuments.net/reader033/viewer/2022061520/56812b3a550346895d8f4cc7/html5/thumbnails/33.jpg)
Calcolare il punteggio fattoriale per la soddisfazione Correlazione tra i quattro fattori di valutazione
e il fattore di soddisfazione
![Page 34: L’Analisi Fattoriale (PCA) con SPSS](https://reader033.vdocuments.net/reader033/viewer/2022061520/56812b3a550346895d8f4cc7/html5/thumbnails/34.jpg)
Calcoliamo i punteggi sommati
s.cibo = x1 + x4 + x9s.personale = x6 + x11 + x12.s.ambiente = x2 + x7 + x8.s.prezzo = x3 + x 5 + x10.s.Sodd = d1 + d2 + d3.
![Page 35: L’Analisi Fattoriale (PCA) con SPSS](https://reader033.vdocuments.net/reader033/viewer/2022061520/56812b3a550346895d8f4cc7/html5/thumbnails/35.jpg)
Correlazioni
Tra punteggi fattoriali e punteggi sommati: sono molto alte
Tra punteggi sommati e soddisfazione: rivelano gli stessi legami già visti in precedenza.
![Page 36: L’Analisi Fattoriale (PCA) con SPSS](https://reader033.vdocuments.net/reader033/viewer/2022061520/56812b3a550346895d8f4cc7/html5/thumbnails/36.jpg)
Ora da soli: file personalità.sav A 459 persone è stato somministrato un questionario di self-report di
personalità
Dovevano valutare quanto si sentivano descritti da ciascuno di 44 diversi aggettivi
Ipotesi: 5 componenti (big five) Energia Amicalità Coscienziosità Stabilità emotiva Apertura mentale
Quante sono le componenti?Sono ortogonali o oblique?Corrispondono alle 5 componenti ipotizzate?
![Page 37: L’Analisi Fattoriale (PCA) con SPSS](https://reader033.vdocuments.net/reader033/viewer/2022061520/56812b3a550346895d8f4cc7/html5/thumbnails/37.jpg)
Quante sono le componenti?
![Page 38: L’Analisi Fattoriale (PCA) con SPSS](https://reader033.vdocuments.net/reader033/viewer/2022061520/56812b3a550346895d8f4cc7/html5/thumbnails/38.jpg)
Mineigen: 10
![Page 39: L’Analisi Fattoriale (PCA) con SPSS](https://reader033.vdocuments.net/reader033/viewer/2022061520/56812b3a550346895d8f4cc7/html5/thumbnails/39.jpg)
Quante sono le componenti?
Mineigen: massimo 10 Scree plot: 5 Attesa teorica: 5
Partiamo da 5 componenti, vediamo se la soluzione è interpretabile
![Page 40: L’Analisi Fattoriale (PCA) con SPSS](https://reader033.vdocuments.net/reader033/viewer/2022061520/56812b3a550346895d8f4cc7/html5/thumbnails/40.jpg)
Le componenti sono correlate? (Rotazione oblimin)No
![Page 41: L’Analisi Fattoriale (PCA) con SPSS](https://reader033.vdocuments.net/reader033/viewer/2022061520/56812b3a550346895d8f4cc7/html5/thumbnails/41.jpg)
Rotazione Varimax – prima componentecoscienziosità
![Page 42: L’Analisi Fattoriale (PCA) con SPSS](https://reader033.vdocuments.net/reader033/viewer/2022061520/56812b3a550346895d8f4cc7/html5/thumbnails/42.jpg)
Seconda componente: energia
![Page 43: L’Analisi Fattoriale (PCA) con SPSS](https://reader033.vdocuments.net/reader033/viewer/2022061520/56812b3a550346895d8f4cc7/html5/thumbnails/43.jpg)
Terza componente: (in)stabilità emotiva
![Page 44: L’Analisi Fattoriale (PCA) con SPSS](https://reader033.vdocuments.net/reader033/viewer/2022061520/56812b3a550346895d8f4cc7/html5/thumbnails/44.jpg)
Quarta componente: (mancanza di) amicalità
![Page 45: L’Analisi Fattoriale (PCA) con SPSS](https://reader033.vdocuments.net/reader033/viewer/2022061520/56812b3a550346895d8f4cc7/html5/thumbnails/45.jpg)
Quinta componente: apertura mentale
![Page 46: L’Analisi Fattoriale (PCA) con SPSS](https://reader033.vdocuments.net/reader033/viewer/2022061520/56812b3a550346895d8f4cc7/html5/thumbnails/46.jpg)
Da soli: BimbiCompetenze.sav 177 bambini della scuola per l’infanzia. Batteria di 10 test
Questi punteggi possono essere ridotti a un numero inferiore di dimensioni?
Quante? Quali? Sono correlate tra di loro? Quale percentuale di varianza osservata viene spiegata
complessivamente, quale percentuale di varianza viene spiegata da ciascuna dimensione?
Ci sono variabili pure? Quali?
Suggerimenti per migliorare la batteria di test?