Académique Documents
Professionnel Documents
Culture Documents
Paul Sârbescu1
Abstract
In Romania, the use of exploratory factor analysis (EFA) in the development or cultural adaptation of psy-
chological tests is a phenomenon that gained a very large ampleness in recent years. Many of the recommenda-
tions that apply when using EFA for variables will lead to erroneous results if EFA is used for items. The purpose
of this article is to provide relevant information about issues to be taken into account when EFA is used for items.
Basically, this article presents a series of recommendations about decisions on determining the need to implement
EFA, the sample used, choosing a factor extraction method, selecting the optimal number of factors, factor rota-
tion and identifying false factors. Finally, a synthesis of recommendations made throughout the article is present-
ed, along with the main techniques for forming item parcels and a guide for conducting a parallel analysis using
SPSS syntax.
Keywords: Exploratory factor analysis, item parcels, parallel analysis
Résumé
Rezumat
Utilizarea analizei factoriale exploratorii (eng. „exploratory factor analysis” sau EFA) în procesul de dez-
voltare sau de adaptare culturalã a probelor psihologice reprezintã un fenomen ce a cãpãtat o foarte mare
amploare în ultimii ani, în România. Multe dintre recomandãrile care sunt valabile pentru utilizarea EFA în cazul
variabilelor vor duce la rezultate eronate în cazul utilizãri EFA pentru itemi. Scopul acestui articol este de a oferi
informaþii relevante despre aspectele care trebuie luate în calcul atunci când EFA este utilizatã în cazul itemilor.
Practic, acest articol prezintã o serie de recomandãri legate de deciziile privind determinarea necesitãþii de a apli-
ca EFA, eºantionul utilizat, alegerea unei metode de extracþie a factorilor, selectarea numãrului optim de factori,
rotirea factorilor ºi identificarea factorilor falºi. La final este realizatã o sintezã a recomandãrilor fãcute pe par-
1
Universitatea de Vest din Timiºoara.
Adresã de corespondenþã: paul.sarbescu@gmail.com
102
Volumul_10_nr_01.qxd 4/17/2012 1:10 PM Page 103
cursul articolului, sunt prezentate principalele tehnici pentru formarea pachetelor de itemi, cât ºi un ghid pentru
realizarea unei analize paralele din sintaxa programului SPSS.
Cuvinte-cheie: Analiza factorialã exploratorie, pachete de itemi, analiza paralelã
103
Volumul_10_nr_01.qxd 4/17/2012 1:10 PM Page 104
foarte rar dintr-o scalã de valori continuã. Din tatea realizãrii EFA pe matrici de corelaþie de tip
cauza faptului cã valorile nu au o amplitudine tetrachoric ºi polychoric.
mai mare (ex. de la 0 la 50), rãspunsurile la un O altã recomandare pentru situaþia în care
item pot reflecta doar diferenþe majore între avem de-a face cu date dihotomice (dar nu
indivizi, privind constructul mãsurat (ex. chiar numai) este formarea pachetelor de itemi. Prin
dacã 40 de persoane obþin valoarea 4 la un anu- intermediul acestei metode se grupeazã ºi se
mit item, vor exista anumite diferenþe între ei, analizeazã mai mulþi itemi împreunã, renunþân-
privind constructul mãsurat, iar aceste diferenþe du-se astfel la utilizarea itemului în sine ca uni-
ar putea fi identificate de un alt item). Deoarece tate de mãsurã (Bandalos, 2008; Sava, 2011).
scorurile scalelor reprezintã suma itemilor com- Mai multe informaþii despre situaþiile când este
ponenþi, scalele funcþioneazã mai degrabã ca o recomandatã formarea pachetelor de itemi, cât
variabilã continuã, având astfel o mai bunã posi- ºi despre principalele tehnici de formare a aces-
bilitate de diferenþiere între indivizi. tora, vor fi oferite cãtre finalul acestui articol.
Din cauza acestor diferenþe, realizarea unei
analize factoriale exploratorii pe un set de itemi
în acelaºi fel ca pe un set de variabile va duce,
foarte des, la obþinerea unor rezultate distorsion- Principalele decizii în cazul folosirii
ate. Sugestiile din literatura de specialitate pen- analizei factoriale exploratorii
tru folosirea EFA în cazul itemilor (mai ales
atunci când distribuþiile itemilor deviazã sub- Determinarea necesitãþii
stanþial de la normalitate) sunt urmãtoarele de a aplica EFA
(Bernstein ºi Teng, 1989; Panter, Swygert, Înainte de a trece efectiv la aplicarea EFA,
Dahlstrom ºi Tanaka, 1997; O’Connor, 2000): orice cercetãtor ar trebui sã fie sigur cã aceastã
pentru datele dihotomice, este recomandatã tehnicã statisticã este cea necesarã pentru atin-
efectuarea analizei factoriale folosind matricea gerea obiectivelor studiului (Fabrigar ºi colab.,
corelaþiilor de tip tetrachoric dintre itemi, în 1999). Astfel, în cazul dezvoltãrii unui nou
locul matricii de corelaþii Pearson. Pentru itemii instrument psihometric, utilizarea EFA este
ce folosesc scale de tip Likert, este recomandatã necesarã pentru a identifica unidimensionali-
efectuarea analizei factoriale folosind matricea tatea sau multidimensionalitatea setului de itemi
corelaþiilor de tip polychoric dintre itemi, în supus analizei, ºi implicit structura factorialã a
locul matricii de corelaþii Pearson. probei. De asemenea, în cazul adaptãrii cultur-
Corelaþiile de tip tetrachoric ºi polychoric se ale a unui test, EFA poate fi utilizatã la primele
bazeazã pe presupunerea cã toate categoriile de aplicãri ale probei, pentru a verifica în ce
rãspuns (dihotomice sau scalã de tip Likert) sunt mãsurã structura factorialã originarã a probei
de fapt indicatori pentru variabile latente, care au este reprodusã pe populaþie româneascã; de ase-
o distribuþie normalã. Analizele factoriale a ma- menea, ulterior aplicãrii EFA este necesarã ºi
tricelor de corelaþie de tip tetrachoric sau poly- aplicarea analizei factoriale confirmatorii (eng.
choric sunt, în esenþã, analize factoriale a rela- „confirmatory factor analysis” sau CFA), pentru
þiilor dintre variabilele care stau la baza datelor confirmarea modelului factorial al probei
brute, ºi care se presupune cã sunt continue ºi au respective. În schimb, în cazul în care o probã a
o distribuþie normalã (Panter ºi colab., 1997). Din fost adaptatã cu succes ºi utilizatã intensiv,
pãcate, SPSS-ul nu oferã posibilitatea realizãrii folosirea EFA nu mai are foarte mare relevanþã,
EFA asupra unor astfel de matrici de corelaþie. în aceste situaþii fiind mult mai indicatã uti-
În schimb, alte programe precum FACTOR* lizarea CFA, pentru a verifica invarianþa instru-
(Lorenzo-Seva ºi Ferrando, 2006) oferã posibili- mentului respectiv (Sava, 2011).
104
Volumul_10_nr_01.qxd 4/17/2012 1:10 PM Page 105
105
Volumul_10_nr_01.qxd 4/17/2012 1:10 PM Page 106
realizarea unei analize factoriale exploratorii* când utilizãm EFA pentru dezvoltarea/adaptarea
(Fabrigar ºi colab., 1999). culturalã a unor probe este contraindicatã.
Cele mai utilizate metode de extragere O altã metodã la fel de cunoscutã este cri-
specifice EFA sunt analiza factorilor principali teriul grafic al lui Cattel. În aceastã procedurã,
(eng. „principal axis factoring”), factorizarea valorile eigenvalue calculate sunt reprezentate
Alpha (eng „Alpha factoring”) ºi analiza facto- grafic în ordine descrescãtoare, iar graficul este
rialã bazatã pe estimarea verosimilitãþii maxime inspectat pentru a se identifica ultima scãdere
(eng. „maximum likelihood factor analysis” sau substanþialã a intensitãþii eigenvalue (aºa-numi-
ML FA). Prima prezintã avantajul de a nu fi tul „punct de cotiturã”), dupã care se selecteazã
foarte pretenþioasã în ceea ce priveºte prezenþa un numãr de factori comuni egal cu numãrul de
unei distribuþii multivariate normale a datelor; eigenvalue situaþi deasupra punctului de cotiturã
cea de-a doua este orientatã pe maximizarea (Fabrigar ºi colab., 1999). Metoda funcþioneazã
fidelitãþii (α Cronbach), iar cea de-a treia, deºi bine în situaþiile în care factorii comuni prezenþi
sensibilã la forma distribuþiei datelor, prezintã sunt foarte bine reprezentaþi. Dezavantajele ei
marele avantaj de a testa gradul de semnificaþie apar atunci când punctul de cotiturã nu este
statisticã a saturaþiei factorilor ºi corelaþiei din- foarte evident, sau în momentul în care existã
tre factorii extraºi (Fabrigar ºi colab., 1999, mai multe scãderi bruºte ale intensitãþii eigen-
Sava, 2011). Din pãcate, din multitudinea de value, deoarece nu existã o explicaþie obiectivã
indicatori descriptivi pe care metoda îi poate a ceea ce înseamnã o „scãdere substanþialã” în
oferi, SPSS-ul oferã doar testul de estimare a intensitate (Sava, 2011).
raportului verosimilitãþii (eng. „likelihood ratio Una dintre cele mai precise metode pentru
test” sau LRT), bazat pe o distribuþie χ², foarte selectarea numãrului optim de factori este meto-
sensibil la volumul eºantionului, care tinde sã da analizei paralele (Horn, 1965). Aceasta se
supraestimeze numãrul de factori care trebuie bazeazã pe compararea intensitãþii eigenvalue
extraºi (Hayashi, Bentler ºi Yuan, 2007). În dintre datele reale ºi un set de date aleatoare,
schimb, programul CEFA** (Browne, Cudeck, urmatã de selectarea unui numãr de factori comu-
Tateneni ºi Mels, 2008) oferã toþi indicatorii ni egal cu numãrul valorilor eigenvalue reale care
aferenþi acestei metode, fiind astfel indicat în sunt mai mari decât valorile eigenvalue aleatoare
cazul în care dorim sã folosim metoda ML FA. (Hayton, Allen ºi Scarpello, 2004). Chiar dacã
metoda oferã rezultate valide în majoritatea situ-
Selectarea numãrului optim de factori aþilor, existã ºi anumite situaþii particulare (ex.
Probabil cea mai cunoscutã ºi utilizatã numãr foarte mare de itemi, multe comunalitãþi
metodã pentru selectarea numãrului de factori foarte scãzute: < .30) când analiza paralelã tinde
este criteriul lui Kaiser. Metoda presupune sã supraestimeze uºor numãrul de factori care tre-
selectarea unui numãr de factori comuni egal cu buie selectaþi (Buja ºi Eyuboglu, 1992). Un deza-
numãrul de eigenvalue mai mari decât 1. Chiar vantaj major legat de accesibilitatea analizei par-
dacã metoda funcþioneazã acceptabil atunci alele este reprezentat de faptul cã metoda nu se
când EFA este folositã în cazul variabilelor, în poate realiza din programul SPSS fãrã apelul la
cazul utilizãrii EFA pentru itemi metoda va pro- sintaxã (Anexa 1 prezintã un ghid simplificat
duce în majoritatea situaþiilor soluþii eronate, pentru realizarea unei analize paralele folosind
supraestimând numãrul de factori care trebuie sintaxa SPSS-ului).
selectaþi (Fabrigar ºi colab., 1999; Henson, O metodã care câºtigã din ce în ce mai mult
2006). Astfel, folosirea acestei metode atunci teren în faþa abordãrilor clasice este selectarea
* Programul SPSS nu permite realizarea PCA în varianta clasicã; sub denumirea de „principal component method” pro-
gramul realizeazã o analizã factorialã a componentelor principale. Diferenþa dintre cele douã este minimã, opþiunea din SPSS
introducând o sursã suplimentarã de eroare, lucru ce o face ºi mai puþin dezirabilã.
** Programul împreunã cu manualul de utilizare sunt disponibile gratuit pe internet la adresa: http://faculty.psy.ohio-
state.edu/browne/software.php.
106
Volumul_10_nr_01.qxd 4/17/2012 1:10 PM Page 107
107
Volumul_10_nr_01.qxd 4/17/2012 1:10 PM Page 108
such, 1995). Când se produce subestimarea, fac- mai importantã distincþie între acestea le
torii selectaþi vor conþine un nivel de eroare con- împarte în rotiri ortogonale ºi rotiri oblice
siderabil, deoarece itemii care ar fi trebuit sã (Browne, 2001). Rotirile ortogonale constrâng
încarce factorii care nu au fost extraºi pot încãr- factorii sã rãmânã necorelaþi, pe când rotirile
ca incorect factorii extraºi. De asemenea, nive- oblice permit factorilor sã coreleze între ei.
lul de saturaþie al itemilor care ar încãrca în mod Din categoria rotirilor ortogonale, rotirea
normal factorii extraºi poate fi afectat. Astfel, Varimax este de departe cea mai popularã ºi cea
nivelul de eroare regãsit în model creºte direct mai des utilizatã. Cu toate cã în foarte multe
proporþional cu numãrul de factori subestimaþi. situaþii aceastã rotire a produs rezultate adec-
În schimb, când se produce supraestimarea, vate, folosirea ei (ºi a oricãrei rotiri de tip ortog-
nivelul de saturaþie pentru factorii autentici onal) în situaþia utilizãrii EFA în cazul itemilor
conþine, în general, mai puþinã eroare decât în nu este indicatã (Gorsuch, 1997). Principalul
cazul subestimãrii. De asemenea, supraesti- motiv care conduce la aceastã recomandare este
marea cu doi, trei sau chiar patru factori induce legat de faptul cã, în general, factorii mãsuraþi
aproximativ la fel de multã eroare în model ca ºi de un anumit instrument pihometric tind sã
supraestimarea cu un singur factor (Wood ºi coreleze între ei. Chiar ºi în situaþiile în care fac-
colab., 1995). torii au o anumitã independenþã, tot existã core-
laþii de magnitudini scãzute (pânã la .30) între
Rotirea factorilor aceºtia. De aceea, este mult mai indicatã uti-
Pentru a ajunge la o structurã factorialã cât lizarea rotirilor de tip oblic pentru a ajunge la
mai adecvatã trebuie utilizat criteriul structurii cea mai simplã structurã factorialã.
simple definit de Thurstone. Acest lucru înseam- Spre deosebire de rotirile ortogonale, nu
nã cã din multitudinea de rotaþii posibile, cea existã nici o rotire oblicã care sã domine în
care va avea cea mai bunã structurã simplã va cercetãrile psihologice. Cele mai utilizate rotiri
avea o semnificaþie psihologicã realã, va fi cea oblice sunt: Direct Quartimin, Promax ºi rotirea
mai uºor de interpretat ºi de replicat. Practic, orto-oblicã Harris-Kaiser (Fabrigar ºi colab., 1999;
structura simplã se referã la o soluþie în care Browne, 2001). Rotirile Promax ºi Harris-Kaiser
fiecare item obþine saturaþii ridicate într-un sin- se regãsesc în SPSS în mod direct, iar rotirea
gur factor ºi saturaþii reduse în ceilalþi factori Direct Oblimin (din SPSS) cu valoarea delta
(Fabrigar ºi colab., 1999). prestabilitã la zero corespunde unei rotiri Direct
Pentru obþinerea structurii simple au fost Quartimin. Atât programul CEFA cât ºi programul
dezvoltate o serie de rotiri ale factorilor. Cea FACTOR oferã o gamã mult mai largã de rotiri.
108
Volumul_10_nr_01.qxd 4/17/2012 1:10 PM Page 109
109
Volumul_10_nr_01.qxd 4/17/2012 1:10 PM Page 110
aproximativ aceeaºi mãsurã, dispersie datoratã doilea itemii 2, 6, 10 ºi 14, etc.). Aceastã tehnicã
factorului comun. încearcã sã explice multidimensionalitatea prin
b) Ponderarea item-construct – are ca scop crearea unor pachete care cuprind nu numai var-
construirea unor pachete echilibrate, din punct ianþa comunã (ca în abordarea consistenþei
de vedere al relaþiei item-construct. Se real- interne), dar ºi varianþa aferentã faþetelor unice
izeazã în felul urmãtor: presupunem cã avem un ale multiplelor dimensiuni.
set unidimensional de 12 itemi, ºi dorim sã for- Încheiem aceastã secþiune prin menþionarea
mãm 3 pachete; folosind nivelul de saturaþie al unor aspecte complementare legate de formarea
itemilor ca ºi criteriu, se aleg primii trei itemi cu pachetelor de itemi: numãrul de itemi aferenþi
cel mai ridicat nivel de saturaþie (ex. itemii 5, 8 unei pachet poate varia între 3 ºi 6 (Little ºi
ºi 11) ºi se distribuie (în ordine) celor trei colab., 2002; Bandalos, 2008). Alegerea
pachete (itemul 5 pachetului 1, itemul 8 numãrului de pachete ce urmeazã a fi formate
pachetului 2 ºi itemul 11 pachetului 3). Se con- depinde atât de numãrul total de itemi utilizaþi,
tinuã prin selectarea urmãtorilor trei itemi (ex. cât ºi de raportul itemi – factori. De exemplu, nu
itemii 1, 7 ºi 12) ºi distribuirea lor în cele trei ar avea nici un sens ca pentru un test unidimen-
pachete, dar în ordine inversã (itemul cu satu- sional de 12 itemi sã formãm 6 pachete a câte 2
raþia cea mai ridicatã se distribuie pachetului ce itemi fiecare, fiind mult mai indicat sã formãm
conþinea itemul din seria anterioarã cu saturaþia 3 pachete a câte 4 itemi fiecare. De asemenea,
cea mai scãzutã: itemul 1 pachetului 3, itemul 7 pentru un test multidimensional de 40 itemi –
pachetului 2 ºi itemul 12 pachetului 1). Algorit- câte 10 pentru fiecare faþetã, am putea: a) sã
mul continuã pânã la epuizarea numãrului de folosim abordarea consistenþei interne, ºi am
itemi analizaþi. forma 8 pachete – câte douã pentru fiecare
c) Reducerea erorii de aprobare – constã în faþetã, fiecare fiind compusã din 5 itemi; b) sã
gruparea în acelaºi pachet a unor itemi formulaþi folosim abordarea domeniului caracteristic, ºi
pozitiv cu itemi formulaþi negativ, dupã ce atunci am putea forma câte pachete dorim, dar
aceºtia din urmã au fost codaþi invers (ex. dacã ar trebui sã ne asigurãm cã fiecare pachet
avem un set unidimensional de 16 itemi, dintre conþine itemi din fiecare faþetã ºi, preferabil,
care 8 sunt formulaþi pozitiv ºi 8 negativ, ºi fiecare faþetã este prezentã în fiecare pachet în
dorim sã formãm 4 pachete, vom include în aceeaºi mãsurã (Little ºi colab., 2002).
fiecare pachet 2 itemi formulaþi pozitiv ºi 2 for- De asemenea, mai trebuie sã menþionãm
mulaþi negativ). Scopul acestei tehnici este faptul cã tehnicile pentru seturi multidimension-
reducerea bias-ului negativ vs. pozitiv, legat de ale de itemi pot fi aplicate în condiþiile în care
constructul care este mãsurat. instrumentul mãsoarã faþete ale aceluiaºi con-
d) Abordarea consistenþei interne – constã struct (ex. agresivitatea mãsuratã prin faþetele
în crearea pachetelor folosind faþetele construc- agresivitate fizicã, verbalã, furie ºi ostilitate). În
tului mãsurat ca ºi criteriu de grupare, ºi se real- cazul în care instrumentul mãsoarã factori care
izeazã astfel: presupunem cã avem un set multi- au o anumitã independenþã (ex. un test care
dimensional de 16 itemi ce conþine 4 faþete (A, mãsoarã factorii modelului Big Five de person-
B, C ºi D), fiecare mãsuratã prin 4 itemi (A: 1 - alitate, fãrã a mãsura însã ºi faþetele lor), se
4, B: 5 - 8, C: 9 - 12, D: 13 - 16); primul pachet recomandã folosirea unor tehnici de formare a
ar reflecta faþeta A, ºi ar fi format din itemii 1, 2, pachetelor unidimensionale pentru itemii afer-
3 ºi 4; cel de-al doilea pachet ar reflecta faþeta B, enþi fiecãrui factor în parte. În schimb, în cazul
ºi ar fi format din itemii 5, 6, 7 ºi 8, º.a.m.d.. unui test ce mãsoarã ºi faþetele modelului Big
e) Abordarea domeniului caracteristic – Five, se poate aplica una dintre tehnicile multi-
constã în combinarea itemilor ce aparþin unor dimensionale de formare a pachetelor pentru
faþete diferite pentru a forma pachete (folosind fiecare factor (cu faþetele aferente), dupã mod-
exemplul anterior, fiecare pachet ar conþine câte elul prezentat în exemplul anterior.
un item din fiecare faþetã mãsuratã: primul
pachet ar conþine itemii 1, 5, 9 ºi 13, cel de-al
110
Volumul_10_nr_01.qxd 4/17/2012 1:10 PM Page 111
111
Volumul_10_nr_01.qxd 4/17/2012 1:10 PM Page 112
Ford, J.K., MacCallum, R.C. & Tait, M. (1986). The Lorenzo-Seva, U., & Ferrando, P. J. (2006). FACTOR:
Application of Exploratory Factor Analysis in a computer program to fit the exploratory factor
Applied Psychology: A Critical Review and Anal- analysis model. Behavior research methods, 38(1),
ysis. Personnel Psychology, 39(2), 291-314. 88-91.
Gorsuch, R. L. (1997). Exploratory Factor Analysis: Its MacCallum, R.C., Widaman, K.F., Zhang, S. & Hong.,
Role in Item Analysis. Journal of Personality S. (1999). Sample size in factor analysis. Psycho-
Assessment, 68(3), 532-560. logical Methods, 4(1), 84-99.
Gould, S. J. (1981). The mismeasure of man. New York: O’Connor, B. P. (2000). SPSS and SAS programs for
Norton. determining the number of components using par-
Hayashi, K., Bentler, P. M., & Yuan, K.-H. (2007). On allel analysis and velicer’s MAP test. Behavior
the Likelihood Ratio Test for the Number of Fac- research methods, instruments, & computers,
tors in Exploratory Factor Analysis. Structural 32(3), 396-402.
Equation Modeling: A Multidisciplinary Journal, Panter, A. T., Swygert, K. A., Dahlstrom, W. G., &
14(3), 505-526. Tanaka, J. S. (1997). Factor analytic approaches to
Hayton, J. C., Allen, D. G., & Scarpello, V. (2004). Fac- personality item-level data. Journal of Personality
tor Retention Decisions in Exploratory Factor Assessment, 68, 561-589.
Analysis: a Tutorial on Parallel Analysis. Organi- Sass, D. (2009). Factor Loading Estimation Error and
zational Research Methods, 7(2), 191-205. Stability Using Exploratory Factor Analysis. Edu-
Henson, R. K. (2006). Use of Exploratory Factor Anal- cational and Psychological Measurement, 70(4),
ysis in Published Research: Common Errors and 557-577.
Some Comment on Improved Practice. Education- Sava, F.A. (2011). Analiza datelor în cercetarea psiho-
al and Psychological Measurement, 66(3), logicã. Cluj-Napoca: Editura ASCR.
393-416. De Winter, J. C. F., Dodou, D. & Wieringa, P.A. (2009).
Hogarty, K. Y. (2005). The Quality of Factor Solutions Exploratory Factor Analysis With Small Sample
in Exploratory Factor Analysis: The Influence of Sizes. Multivariate Behavioral Research, 44(2),
Sample Size, Communality, and Overdetermina- 147-181.
tion. Educational and Psychological Measure- Van den Broeck, A., Vansteenkiste, M., De Witte, H.,
ment, 65(2), 202-226. Soenens, B., Lens, W. (2010). Capturing autono-
Horn, J. L. (1965). A rationale and technique for esti- my, competence, and relatedness at work: con-
mating the number of factors in factor analysis. struction and initial validation of the Work-related
Psychometrika, 30, 179-185. Basic Need Satisfaction scale. Journal of Occupa-
International Test Commision (2010). International Test tional and Organizational Psychology, 83 (4),
Commision Guideliness for Translating and Adapt- 981-1002.
ing Tests. Gãsit la adresa: http://www.intescom.org. Wood, J. M., Tataryn, D. J., & Gorsuch, R. L. (1996).
Little, T. D., Cunningham, W. A., & Shahar, G. (2002). Effects of under- and overextraction on principal
To Parcel or Not to Parcel : Exploring the Ques- axis factor analysis with varimax rotation. Psycho-
tion, Weighing the Merits. Structural Equation logical Methods, 1(4), 354-365.
Modeling: A Multidisciplinary Journal, 9(2),
151-173.
112
Volumul_10_nr_01.qxd 4/17/2012 1:10 PM Page 113
Prezentãm în continuare 10 paºi simpli pentru a realiza o analizã paralelã folosind sintaxa progra-
mului SPSS*:
Pasul 1: Dupã deschiderea programului, accesaþi sintaxa fãcând click pe: „File › New › Syntax”.
Pasul 2: Copiaþi urmãtoarele comenzi în fereastra aferentã sintaxei:
set mxloops=9000 printback=off width=80 seed = 1953125.
matrix.
Pasul 3: Introduceþi numele ºi locaþia fiºierului ce conþine datele pe care doriþi sã le analizaþi
(fiºierul trebuie sã fie realizat în SPSS), dupã comanda „FILE = ” (ex. „FILE = C:\Date\studiu.sav”).
Dacã specificaþi „FILE = * ”, programul va analiza fiºierul SPSS care este deschis în acel moment,
acest lucru fiind mult mai la îndemânã. De asemenea, trebuie sã specificaþi variabilele din baza de date
ce vor fi folosite pentru analizã (ex. dacã aþi numerotat itemii pe care doriþi sã-i analizaþi cu it1, it2,
it3,...., it20, atunci veþi scrie „VAR = it1 to it20”). Comanda aferentã descrierii de mai sus este:
GET raw / FILE = * / missing=omit / VAR = it1 to it20.
Pasul 4: Introduceþi numãrul seturilor de date paralele ce doriþi sã fie analizate (în general, 1000
de seturi sunt suficiente; în cazul în care soluþia obþinutã nu este îndeajuns de clarã, puteþi utiliza mai
multe seturi de date):
compute ndatsets = 1000.
Pasul 5: Introduceþi valoarea percentilului dorit pentru realizarea analizei (de obicei, percentilul
95):
compute percent = 95.
Pasul 6: Alegeþi metoda de extracþie a factorilor pe care doriþi sã o utilizaþi („1” pentru analiza
componentelor principale, sau „2” pentru analiza factorilor principali). Indiferent de metoda de
extracþie pe care aþi folosit-o, veþi selecta opþiunea 1, deoarece selectarea celei de-a doua opþiuni tinde
sã supraestimeze numãrul de factori care trebuie extraºi (Buja ºi Eyuboglu, 1992; Dinno, 2009):
compute kind = 1.
Pasul 7: Alegeþi modalitatea de generare a seturilor de date paralele („1” pentru generarea unor
date aleatoare cu distribuþie normalã, sau „2” pentru permutarea datelor brute). Alegeþi prima variantã
în cazul în care itemii supuºi analizei au distribuþii încadrate în limitele normalitãþii. Cea de-a doua
variantã este foarte precisã în situaþiile în care datele brute nu au o distribuþie normalã, dar dureazã mai
mult timp. Dacã itemii utilizaþi în analizã încalcã condiþiile de normalitate, realizaþi mai întâi o analizã
paralelã folosind prima metodã (pentru a avea un punct de reper), iar apoi folosiþi cea de-a doua
metodã.
compute randtype = 1.
* Ghidul a fost inspirat din indicaþiile Prof. Univ. Dr. Brian O’Connor despre analiza paralelã, disponibile pe internet la
adresa: https://people.ok.ubc.ca/brioconn/nfactors/nfactors.html.
113
Volumul_10_nr_01.qxd 4/17/2012 1:10 PM Page 114
114
Volumul_10_nr_01.qxd 4/17/2012 1:10 PM Page 115
115