KONFIRMATORNA FAKTORSKA ANALIZA

Παρουσίαση με θέμα: "KONFIRMATORNA FAKTORSKA ANALIZA"— Μεταγράφημα παρουσίασης:

1 KONFIRMATORNA FAKTORSKA ANALIZA

2 Pregled vsebine Razlika med eksploratorno in konfirmatorno FA
Predpostavke faktorske analize Model strukturnih enačb in diagrami poti Ocena modela Pokazatelji “goodness of fit”

3 FAKTORSKA ANALIZA Eksploratorna FA Konfirmatorna FA
Namen = potrditi (konfirmirati) obstoj specifične in vnaprej predvidene faktorske strukture, kot jo predvidevamo na podlagi teorije apriorna predpostavka: vsak faktor (njihovo število in naziv sta določena vnaprej) je povezan s specifičnim setom indikatorskih spremenljivk minimalna zahteva konfirmatorne faktorske analize je, da obstaja vnaprejšnja predpostavka o številu faktorjev v modelu in pričakovanja glede nasičenosti spremenljivk s posameznimi faktorji Eksploratorna FA odkriti latentno strukturo relativno velikega seta spremenljivk apriorna predpostavka: katerakoli spremenljivka je povezana s katerimkoli faktorjem ne obstaja predhodna teorija, ki bi razložila obstoj posameznih faktorjev Surov empirizem

4 PREDPOSTAVKE, ki jih moramo upoštevati, kadar se lotimo FA
Nepristranski izbor relevantnih podatkov. Ne-prisotnost vplivnih točk (angl. »outliners«). Intervalni merski nivo podatkov. Linearna povezanost med spremenljivkami. Multivariatna normalnost podatkov. Ortagonalnost. Obstoj latentnih dimenzij. Zmerne do zmerno-visoke korelacije med spremenljivkami. Interpretacija faktorjev in njihovi nazivi morajo imeti zadostno razvidno veljavnost in morajo biti teoretično utemeljeni.

5 ZGODOVINA… Spearmanova dvofaktorska teorija inteligentnosti (g & s komponente) – metoda za analiziranja korelacijskih matrik (VAJE!) Multigrupna faktorska analiza – vnaprejšnja predpostavka o povezanosti spremenljivk s faktorji (faktorji so linearne kombinacije spremenljivk), hipotetična ali tarčna matrika, pri izračunu upoštevamo vsote korelacij ali kovarianc Cattellova Procrustesova metoda - »prisilna« (angl. forced) pravokotna ali poševna rotacijo faktorske matrike, da bi se le-ta čimbolj prilegala tarčni matriki (to je matrika hipotetičnih faktorskih nasičenosti)

6 MODEL STRUKTURNIH ENAČB
= serija linearnih regresijskih enačb, ki povezujejo odvisne spremenljivke z neodvisnimi osnovna ideja: testirati, ali so spremenljivke med seboj povezane preko nekega seta linearnih odnosov, če poznamo njihove variance in kovariance testiranje kompleksnih modelov, natančneje na testiranje strukture funkcionalnih odnosov med opazovanimi spremenljivkami in latentnimi spremenljivkami - funkcionalni odnosi so opisani s pomočjo parametrov, ki kažejo na velikost posrednega ali neposrednega efekta, ki ga imajo neodvisne spremenljivke na odvisne

7 5 KORAKOV MODELA STRUKTURNIH ENAČB
Predpostavimo način, kako naj bi bile spremenljivke med seboj povezane – diagrami poti Kaj se zgodi z variancami in kovariancami? Testiranje enačb. Ocena parametrov in standardnih napak koeficientov v linearni enačbi. Ali se model prilega izbranim podatkov?

8 DIAGRAMI POTI najlažje komuniciramo s pomočjo matematičnih modelov tako, da narišemo njihovo sliko Simboli, ki jih uporabljamo: Latentna spremenljivka Opazovana spremenljivka Enosmerna povezanost Dvosmerna povezanost Strukturna napaka pri latentni spremenljivki Merska napaka pri opazovani spremenljivki Korelacijski odnos

9 NOTACIJA MODELOV xi…neodvisne merske spremenljivke
yi… odvisne merske spremenljivke ξ (Ksi)..eksogeni latentni konstruki η (eta)…endogeni latentni konstrukti γ (gama)…zveze med latentnimi konstrukti Λ (lambda)…zveze med merskimi spremenljivkami in latentnimi konstrukti Φ (fi)…korelacije med eksogenimi latentnimi konstrukti β (beta)…korelacije med endogenimi latentnimi konstrukti δ (delta)…napake merjenja pri odvisnih spremenljivkah ε (epsilon)…napake merjenja pri neodvisnih spremenljivkah ζ (zeta)…rezidualna varianca v strukturi Ψ (psi)…korelacija med rezidualnimi variancami v strukturi

10 PRIKAZ LISREL MODELA X1 X2 X3 X4 X5 X6 1 2 1 Y1 Y2 Y3 Y4 Y5 Y6 11
1 Y1 Y2 Y3 Y4 Y5 Y6 11 12 1 2 21 1 1 2 2 3 3 4 4 5 5 6 6 PRIKAZ LISREL MODELA

11 MATEMATIČNA REPREZENTACIJA MODELA KFA
x = λη + ε y = λξ + δ η = Bη + Гξ + ζ C = ΛΦΛ' + Ψ

12 OCENA MODELA H0: Podatki so konsistentni z modelom oz. podatki se prilegajo modelu. Pri oceni modela primerjamo S in Ŝ matriki – ocena razlike med tema dvema matrika je odvisna od metode ocene, ki jo uporabimo, da določimo parametre modela ULS (angl. unweighter least squares), GLS (angl. generalized (weighted) least squares), ML (angl. maximum likelihood) Vse tri metode ocene rešujejo strukturne enačbe iterativno, dokler ne dobimo optimalnih ocen parametrov Razlike med S in Ŝ = funkcija diskrepance – želimo si čim nižje vrednosti! Analogija – reševanja sistema k enačb s k neznankami

13 POKAZATELJI “GOODNESS OF FIT”
gre za pokazatelje stopnje prileganja med podatki in predpostavljenim modelom = diskrepanca med opazovano in z modelom predpostavljeno kovariančno matriko ali korelacijsko matriko (+ kriterij parsimoničnosti + kompleksnost) kategorizacija: testi pomembnosti, deskriptivni pokazatelji, informacijski pokazatelji

14 TESTI POMEMBNOSTI Ničelna hipoteza testov pomembnosti je, da se dobljeni model sklada s predpostavljenim. Kriterij prileganja (fit criterion) χ2 / (N – 1) χ2 = (N-1) / F χ2 (biti mora statistično pomemben) Obtežen najmanjši χ2 (normal theory reweighted least squares chi-square) Z-test Wilsona in Helfertyja Verjetnost dobrega prileganja

15 DESKRIPTIVNI POKAZATELJI
GFI AGFI Ničelni model χ2 NFI Parsimonični NFI Ρ1 NNFI CFI RMR CN CENT RMSEA ECVI

16 INFORMACIJSKI POKAZATELJI
Upoštevajo stopnjo prileganja modelu in tudi število parametrov, ki so uporabljeni AIC CAIC SBC

17 PRIMER:  Faktorska struktura podlestvic WISC-a na vzorcu otrok z učnimi težavami
Model ocenjuje odnos med indikatorji IQ-ja in dvema konstruktoma, ki naj bi predstavljala IQ (verbalni in neverbalni) Predpostavljen je dvofaktorski model – verbalni faktor (verbalni IQ) in neverbalni faktor (neverbalni IQ). Zanimata nas dve hipotezi: Ali se predpostavljeni dvofaktorski model s preprosto strukturo (vsako spremenljivko nasičuje le en faktor) prilega podatkom? Ali obstaja pomembna kovarianca med verbalnim in neverbalnim faktorjem?

18 1. korak: Formuliranje hipotez in diagrama poti
hipoteza: Ali se predpostavljeni dvofaktorski model s preprosto strukturo (vsako spremenljivko nasičuje le en faktor) prilega podatkom? hipoteza: Ali obstaja pomembna kovarianca med verbalnim in neverbalnim faktorjem?

19 sestavljanje predmetov
1 F1 2 F2 poučenost razumevanje računanje podobnosti besednjak ponavljanje števil dopolnjevanje slik razvrščanje slik sestavljanje kock sestavljanje predmetov šifriranje 11 22 33 44 55 66 77 88 99 1010 1111

20 2. korak: prelimirano preverjanje identificiranosti modela
ali je model ustrezno identificiran (»just-identified«), nezadostno identificiran (»underidentified«) ali pretirano identificiran (»over-identified«). V 11 opazovanih spremenljivk, kar pomeni, da imamo 66 podatkov (11*(11+1)/2). Hipotetični model pa predpostavlja, da moramo oceniti 23 parametrov (11 regresijskih koeficientov, 1 kovarinco, 11 varianc) pregled podatkov – normalnost, linearnost, vplivne točke

21 3. korak: : SETUP IN SPECIFIKACIJA PARAMETROV V LISREL-u
4. korak: POKAZATALJI »GOODNESS OF FIT« MODELA CFA V LISREL-u in OCENA PARAMETROV (s pomočjo metode maximum likelihood) 5. korak: MODIFIKACIJA MODELA